2.2.1 硬件检测方式

通常采用硬件检测方式包括车辆检测传感器、外界光检测传感器、计数显器、照相机、闪光灯、电源机箱和主机电路这几个部分。分别在路口设置检测器(如超声波、环形感应线圈、雷达等)，红绿黄灯按周期亮，引导车辆通行^[16]。该方式可以很好地抑制自行车、手推车和行人对车辆检测的干扰，但对硬件设备的要求较高，需要设备具有抗潮湿、温度特性良好、抗磨等特性。现在用得比较广的主要有三种检测方式：环型线圈检测器、超声波或微波(雷达波)检测器。

①环型线圈检测器是利用埋设在车道路面下的环型线圈，当车辆通过环型线圈时，使环型线圈的电磁感应发生变化，从而引起谐振回路的谐振频率发生变化，计算机通过对谐振频率的计数采样后，作出检测器上是否有车辆通过或存在的判断。由于不同车型的底盘结构和铁磁物质分布的不同，磁场的变化特征也不同，采用模糊信息处理和模糊模式识别的方法对数据进行分析处理，从而判断出车型。环型线圈检测器具有检测功能全面，成本低廉、检测数据准确、可靠、灵敏度高，受气候影响小等优点，但在实际使用中，因道路施工、路面变形等因素使线圈的损坏率较高，安装不便而且维护的工作量较大。故障率较高又不能实现多车道无缝覆盖和跨越车道线或双实线的车辆检测等不足。

②超声波或微波(雷达波)检测器是通过接收由超声波发生器发射的并经车辆反射的超声回波来检测车辆的，如果超声波检测器的探头所对应的检测区域内有车辆通过或存在，超声波检测器探头发射出来的一束超声波，就会反射回来被同一探头所接收，通过判断该信号与原反射回波信号在时间上的差异，作出检测区域内有车辆通过或存在的判断。超声波检测器具有安装不需破坏路面，不受道路施工、变形的影响，检测器位置可以移动等优点，其不足之处是易受环境影响，当风速较大时波速会产生漂移而无法正常检测，另外检测器探头下方通过的人和物(如行人打伞。自行车群等)也会产生反射波造成误检。

2.2.2 软件检测方式

随着多媒体和计算机技术的迅速发展，直接利用视频图像特征检测技术，来控制红绿灯和检测车辆是否闯红灯并给予记录己成为可能，而这个系统的关键是对运动检测算法的选择，使用软件系统具有安装方便，价格较低，可满足实时检测要求等特性。下面将介绍如下的一些软件实现方式。

视频检测器^[17]一般由摄像头、图像采集以及图像处理几个部分组成。摄像头摄取所要监测路段的图像，并将采集到的视频图像传至图像采集单元，图像采集单元将该视频信号进行数字化，图像处理单元则对该数字化图像进行处理分析，提取有关的交通信息。目前视频车辆检测器大致可分为三种：点式检测器、线式检测器以及面式检测器：

①点式检测器：通过在图像上设置一定的检测点，通过检测这些检测点灰度变化情况，推断是否有车通过以及交通流的速度、密度以及流量。其缺点主要是为易受环境照度变化以及车辆自身阴影的干扰。

②线式检测器：主要有横向线式检测器和纵向线式检测器。横向线式检测器是指在图像的特定位置上划取一条垂直于道路方向的检测器，通过检查检测线上灰度变化来判断通过检测线的车辆以及车辆的宽度，并可根据车辆的宽度来判断车型。纵向线式检测器则在平行于道路方向划取检测线，再根据线上灰度变化情况来判断车辆的长度。纵向线式检测器往往同横向线式检测器一起使用，可提高车辆检测及分类的准确率。

③面式检测器：则是通过对所摄取的图像进行诸如边缘检测等运算，提取检测区域中车辆的一些特征，如：面积、边缘等信息，采用这些信息进行车辆检测及分类比较容易而且精度可大大提高。由于面式检测器往往提取图像灰度的梯度信息，与点式和线式检测器相比较可大大减小环境照明对检测精度的影响。因此，尽管面式检测器的运算量大大增加，但由于其固有的优点，随着微处理器的运算速度的不断提高，面式检测器已成为视频车辆检测器研究的主要方向。

由于视频在智能交通中的优越性，使得它成为在当前许多国家广泛采用的一种方式，安装简单方便，成本也相对比较低，主要工作便是用软件方式对车辆的检测，因此也出现了大量关于车辆检测的图像处理识别算法，首先要根据检测区域检测出车辆是否存在，以及对车流量进行统计，控制红绿灯的开亮时间，以对闯红灯的违章车辆进行抓拍并对图像进行分割，然后发送到控制中心并对车牌进行识别。

2.3 运动物体的检测方法

车辆检测的目的判断是否有车经过检测区，并建立一个与之对应的跟踪对象，主要提供车流量等信息。减少车辆检测算法的计算量和提高实时性是一对矛盾，解决这对矛盾是提高系统检测准确度和稳定度的关键，然而实际中光照的变化、背景混乱运动的千扰、运动目标的影子、摄像机的抖动以及运动目标的自遮挡和互遮挡现象的存在，这些都会影响车辆检测和分割的精度，必须在算法中考虑这些因素的影响及其去除的方法。

2.3.1 光流强法

光流分析：在光流分析中，首先对在时间序列上相邻帧进行局部匹配，例如使用t-1 帧的象素块作为模板在t 帧中进行匹配，从而可以获得t-1 帧到t 帧中象素块的局部运动向量，该局部运动向量的集合称为光流。当摄像机向固定场景运动时，光流将从膨胀中心FOE(Focus of Expansion)放射状地涌出；相反，当向后运动时，光流将放射状地汇聚到膨胀中心。属于同一目标的象素的运动向量应该保持一致，因此光流分析可以用来检测运动目标从二维图像序列检测景物运动，提取运动参数，分析景物的运动规律；或者获取立体景物的深度、遮盖和表面主方向等信息是图像序列分析的主要研究内容。^[18]

5 结论及展望

论文中较详细地论述了基于视频图像的智能交通系统，关于运动车辆检测、红绿灯控制、闯红灯抓拍数字记录和车型分类的问题，提出了自己的解决方案。随着社会的发展，智能交通图像识别系统日益受到有关部门的关注。相关的运动检测、车牌号码的分割识别的算法都在不断的发展中。此外，国际恐怖主义也常用车辆作掩护进行暴力活动，这就要求我们不光对车辆外在的进行检测，还应对车辆内部隐藏部分如毒品、炸弹、枪支等进行安全检测，给智能交通带来了新的任务和研究领域。由于实验室条件的限制，加之时间仓促，故而本系统还存在着一些不足之处，下面谈谈自己对这个系统的改进和发展的看法。

①本系统车辆检测是整个系统的核心，实验数据表明有比较高的检测率，但由于在室外，受外界环境条件的影响，因此如何消除外界因素的干扰仍然是本系统中需要解决的一个大问题。夜晚由于有车灯的影响，车辆检测显得更特别；如果是雨天，路面还有很强的反射，故以检测成对车灯出现的办法还不能完全满足要求，还要在算法中消除路面反射的影响。

②系统利用车辆流量和定时相结合优化控制红绿灯信号在实验进行了模拟，由于条件限制，还没投入到实际工作中。试想安装在道路路口，路口的情况也是多样的，如何找到一种普遍规律来实现优化控制红绿灯。此外，可能还会受到环境的影响，以及与之相关的控制卡和电源的影响。运动检测实时性的要求不仅与软件本身相关，适当提升硬件的性能对系统性能的提高也是必不可少的。

③目前虽然能实现对闯红灯车辆进行抓拍记录，但由于算法设置还不完善，监测违章车辆时受到车辆的检测影响，因此如何消除外界因素的干扰仍然是闯红灯系统需要解决的一个问题。

④虽然能用HSI 颜色模型能对车牌进行有效分割，但还没有真正意义上的对车牌自动识别。对于车牌彩色信息的利用尚有待进一步的研究，目前国内外的车牌号码自动识别系统，大多使用汽车灰度图像，车牌定位及字符的分割和识别没有用到颜色特征，目前的算法也很少涉及颜色特征，然而车牌本身是彩色物体^[55]，其底色和字符颜色为有限的几种，具有明显的颜色特征。彩色图像比灰度图像包含更多的图像信息，同时计算机性能的提高使其有能力对彩色图像进行实时处理。因此，在车牌号码自动分割识别系统的研究中，采用彩色图像模式，充分利用车牌的彩色信息，并结合计算机视觉技术，则可以更有效地实现车牌定位以及字符的分割和识别，提高系统的性能。

本文选自计算机毕业设计http://myeducs.cn
论文文章部分只是部分简介，如需了解更多详情请咨询本站客服！QQ3710167