基于视频的车辆检测及拥堵预警系统的设计

《基于视频的车辆检测及拥堵预警系统的设计》由会员分享，可在线阅读，更多相关《基于视频的车辆检测及拥堵预警系统的设计（56页珍藏版）》请在装配图网上搜索。

1、 CHENGNAN COLLEGE OF CSUST 毕业设计（论文）题目：基于视频的车辆检测及拥堵预警系统 的设计学生姓名： 伍奇学 号： 200884250226班 级: 258410802专 业： 电子信息工程指导教师： 贺科学2012 年6 月基于视频的车辆检测及拥堵预警系统的设计学生姓名： 伍奇学 号： 200884250226班 级： 258410802所在院(系): 电气与信息工程系指导教师： 贺科学 完成日期: 2012.06 城南学院 毕业设计（论文）任务书电气与信息工程 系 电子信息工程 专业 258410802 班题 目 基于视频的车辆检测及拥堵预警系统的设计 任务起止日

2、期： 2012年3月12日-2012年6月15日学 生 姓 名 伍 奇 学 号 200884250226指 导 教 师 贺科学教研室主任 年 月 日审查院 长 年 月 日批准一、毕业设计（论文）任务课题内容近年来，随着社会经济的快速发展，国内许多公路（特别是京珠高速公路）的车流量与日俱增，引发了越来越多的交通事故和道路拥堵，造成了巨大的财产损失和人员伤亡。因此，交通信息检测系统被广泛应用于交通运输生产实践中，检测的内容包括每个车道所通过的车流量、车辆平均速度和瞬时速度、车型分类、平均车距、道路占有率等信息，对于交通运行效率和安全有着非常重要的应用价值。 目前，公路监控系统大多采用感应式线圈的检

3、测方法，在应用中存在施工、维护困难等缺点，与之相比，基于视频的检测方法能够得到除感应式线圈所能检测的数据外，还可以能够获得更多的交通流信息，如监视大范围场景，识别车辆类型和车辆运行轨迹等，另一个优点是安装维护时不影响道路的使用。 本课题以交通信息检测为研究背景，通过分析高速公路的视频图像，获取车辆目标（运动目标）及车辆的速度，主要内容包括：（1）通过分析视频图像序列建立交通场景的背景；（2）在背景建模的基础上，实时提取运动目标；（3）建立交通视频图像中的像素坐标与路面世界坐标系的映射关系；（4）计算拥堵的车辆排队长度的计算。课题任务要求1、认真收集阅读资料文献；2、掌握Matlab或OpenC

4、V的编程及应用；3、掌握视频文件的读写和编程；4、灵活运用Matlab或OpenCV在图像处理中的应用；5、运动目标提取算法及编程实现；6、设计计算拥堵的车辆排队长度的方法。7、提出系统的设计设计方案的论证合理；8、设计过程思路通顺，步骤清晰，程序正确；9、论文书写规范。 课题完成后应提交的资料（或图表、设计图纸） 1、毕业设计的论文（中英文摘要、正文，参考文献，附录，致谢等）。2、程序源代码清单及说明文档。3、毕业设计开题报告。4、英文资料的相关译文。主要参考文献与外文翻译文件（由指导教师选定）1王力，王川久，沈晓蓉，范跃祖.智能交通系统中实时交通信息采集处理的新方法.系统工程.2005.6

5、2夏红霞，周宏，杨红云.基于GIS/GPS车辆监控系统实现及关键技术.微机发展.Vol.14No.8，2004.83宫晓燕.基于数据挖掘的交通流数据过滤算法.2003全国智能交通系统交通信息采集与融合技术研讨会论文集.杭州，2003:1631734吴淑琴.导航电子地图标准化及基于GIS的交通流分析.中南大学硕士学位论文.2003.5茆诗松，周纪芗.概率论与数理统计.北京:中国统计出版社，2000.6罗欣，基于图像处理技术的车辆检测流量统计技术研究：硕士学位论文，电子科技大学，20057王积分，张新荣著，计算机图像识别，北京：中国铁道出版社，19888冈萨雷斯著，阮秋琦，阮宇智译，数字图像处理（

6、第二版），北京：电子工业出版社，20039 辛明瑞 高德远 佟凤辉著 ，微电子学与计算机（第11期），西安：西北工业大学航空微电子中心，2004:16416810 Abnamezuk T.A Microcomputer Based TV Detector for Road Traffic.Syposium on road Research Program, Tokyo, Japan, 1984, (10): 562-567.11 Inigo RM. Application of Machine Vision to Traffic Monitoring and Control.IEEE.Tran

7、scations on Vehicular Technology, 1989, 38(3): 112-122.外文翻译：XIN Ming-rui GAO De-yuan TONG Feng-hui Research on SIMD Architecture for Digital Image Processing. Aviation Microelectronics Center of Northwestern Polytechnical University,2004.同组设计者注：1. 此任务书由指导教师填写。如不够填写，可另加页。2. 此任务书最迟必须在毕业设计（论文）开始前一周下达给学

8、生。3. 此任务书可从教务处网页表格下载区下载二、毕业设计（论文）工作进度计划表序号毕 业 设 计（论 文）工 作 任 务工 作 进 度 日 程 安 排周次12345678910111213141516171819201查阅资料,翻译文献一一2系统分析,完成开题报告一一3系统功能设计一4系统功能模块设计、软件各部分规划一一5算法验证、各功能模块程序开发一一一6程序调试，修改一一7论文书写一一一8论文修改一一9准备答辩，制作演示软件一一10论文答辩一一 注：1. 此表由指导教师填写；2. 此表每个学生人手一份，作为毕业设计（论文）检查工作进度之依据；3. 进度安排请用“一”在相应位置画出。三、学

9、生完成毕业设计（论文）阶段任务情况检查表时间第 一 阶 段第 二 阶 段第 三 阶 段内容组织纪律完成任务情况组织纪律完成任务情况组织纪律完成任务情况检查记录教师签字签字 日期 签字 日期 签字 日期 注：1. 此表应由指导教师认真填写。阶段分布由各学院自行决定。2. “组织纪律”一档应按长沙理工大学学生学籍管理实施办法精神，根据学生具体执行情况，如实填写。3. “完成任务情况”一档应按学生是否按进度保质保量完成任务的情况填写。包括优点，存在的问题与建议4. 对违纪和不能按时完成任务者，指导教师可根据情节轻重对该生提出忠告并督促其完成。四、学生毕业设计（论文）装袋要求：1. 毕业设计（论文）按

10、以下排列顺序印刷与装订成一本（撰写规范见教务处网页）。(1) 封面 (2) 扉 页(3) 毕业设计（论文）任务书 (4) 中文摘要 (5) 英文摘要 (6) 目录 (7) 正文 (8) 参考文献(9) 致谢 (10) 附录（公式的推演、图表、程序等）(11) 附件1：开题报告（文献综述） (12) 附件2：译文及原文影印件2. 需单独装订的图纸（设计类）按顺序装订成一本。3. 修改稿（经、管、文法类专业）按顺序装订成一本。4.毕业设计(论文)成绩评定书一份。5论文电子文档由各学院收集保存。学生送交全部文件日期 学生（签名） 指导教师验收（签名） 基于视频的车辆检测及拥堵系统的设计基于视频的车辆

11、检测及拥堵预警系统的设计摘要近几十年来，世界工业技术得到了突飞猛进的发展，各国汽车数量增长迅猛。根据来自公安部交通管理局的消息，目前我国机动车保有量已达1. 99亿辆，其中汽车8500多万辆。汽车数量的迅速增加造成交通拥挤严重、交通事故频发、交通环境的恶化，给我国城市道路交通问题提出了严峻考验。本文以静止单孔摄像机获取的交通场景视频作为研究对象，以提取场景内的交通参数为目的，在参阅国内外相关文献的基础上，对所涉及到的几种运动目标检测方法进行了归纳总结和比较，分析了车辆检测方法的基本原理、应用范围和优缺点，采用了适合于交通参数检测的检测方法，实现了一个视频车流检测系统。本文主要内容有：（1）介绍

12、了现今交通车辆检测常用的些方法，例如环形线圈检测技术，微波检测技术等。与此同时，基于视频序列的交通流量统计近年来发展迅速，由于它具有检测区域大、系统设置灵活等突出的优点，己成为交通流量统计领域研究的热点。（2）在车流量检测方面采用了混合高斯模型提取道路背景并进行实时背景更新，并利用形态学方法进行图像处理，最后采用设置虚拟检测线的方式统计车辆个数。（3）利用单位时间内通过路口的车流量来反映这段时间内的这段路间的交通拥堵情况。关键词：车流量；高斯算法；背景更新；形态学； 虚拟检测线BASED ON THE VIDEO DETECTION AND CONGESTION PRE-WARNING SYS

13、TEM DESIGNABSTRACTIn recent decades, the worlds industrial technology got by leaps and bounds development, countries car number is growing rapidly. According to the ministry of public security traffic from the news of the administration, at present our country motor vehicle quantities has reached 1.

14、99 billion vehicles, including cars more than 8500 vehicles. Car Numbers of the rapid increase in traffic congestion caused serious traffic accident frequency, traffic, the deterioration of the environment, to the urban road traffic problems put forward the ordeal.This paper in a static traffic scen

15、e for a pucker camera video as the research object, the scene to extract traffic in the parameters for the purpose, in refer to the related literature at home and abroad, on the basis of the involved several moving object detection method has summarized and compared, analyzes the vehicle detection m

16、ethod of the basic principle, application and advantages and disadvantages, using a suitable for traffic parameters testing method of detection, implements a video traffic detection system.This paper mainly the contents:(1) To introduce the now traffic vehicle detection commonly used some methods, s

17、uch as the ring coil of testing technology, microwave testing technology, etc. At the same time, based on video sequence of traffic flow statistics developed very rapidly in recent years, because it has a large system Settings detection area, flexible, and other prominent advantages, has become the

18、traffic flow to the research of statistics.(2) In the inspection of the traffic using the gaussian mixture model road extraction and real-time background background updates, and use of mathematical morphology method for image processing, then using virtual test line way of statistical vehicle number

19、.(3) Use unit time through the intersection traffic to reflect this time of this section of the road traffic between the congestion.Key words: Traffic; Gaussian algorithm; Background update; Morphological; Virtual testing lines目录1 绪论11.1课题背景及研究意义11.2交通车辆检测器的概述11.2.1环形线圈检测器11.2.2波频检测器21.2.3视频检测器21.3国

20、内外研究现状31.3.1图像传输技术的研究现状31.3.2背景更新算法的研究现状31.3.3流量统计算法的研究现状41.4本文研究的主要内容41.5论文的结构安排42道路背景的提取62.1运动目标背景提取方法概述62.2高斯模型的介绍62.3混合高斯背景模型初始化分析72.4混合高斯背景建模流程72.5高斯模型参数的更新82.5.1检测结果是背景点时的高斯模型参数的更新82.5.2检测结果是野点时的高斯模型参数的更新92.6背景建模流程的最后一步92.7Matlab仿真实验92.7.1Matlab的介绍92.7.2混合高斯模型变量初始化代码102.7.3实验结果112.8本章小结113背景图像

21、的处理123.1形态学处理概述123.2膨胀和腐蚀123.2.1图像的膨胀123.2.2图像的腐蚀133.3开运算及其实现143.4闭运算及其实现153.5本章小结164车流量的检测174.1车流量检测系统的设计174.2车流量检测算的研究184.3提取车辆信息194.4车流量计数204.5拥堵级别评定204.6本章小结215总结与展望225.1总结225.2展望236参考文献247致谢25附录 基于混合高斯模型的背景提取与更新程序26 1 绪论课题背景及研究意义近几十年来，世界工业技术得到了突飞猛进的发展，各国汽车数量增长迅猛。根据来自公安部交通管理局的消息，目前我国机动车保有量已达1. 9

22、9亿辆，其中汽车8500多万辆。汽车数量的迅速增加造成交通拥挤严重、交通事故频发、交通环境的恶化，给我国城市道路交通问题提出了严峻考验。在我国随着国民经济高速发展和城市化进程的加快，机动车拥有量及道路交通量急剧增加。尤其是大城市，交通拥挤堵塞以及由此导致的一系列交通事故越趋频繁，环境污染加剧，是我国城市面临的极其严重的“城市病”之一，而且它已经演变成了制约国民经济发展的瓶颈问题。解决交通问题的传统方法是修建拓宽道路，架设地下轨道，但对于有限的城市区域来说，可供修建道路的空间越来越少。我国在大力进行道路基础设施建设的同时，也认识到如果单纯依靠道路设施建设，难以达到解决日益严重的交通问题，此外，交

23、通系统是一个复杂的大系统，单独从车辆方面或道路方面考虑，都很难完善的解决交通问题。必须依靠高科技来进行有效的交通管理，才有可能从根本上解决交通阻塞问题。在此把道路和车辆综合起来的解决交通问你的智能交通系统油然而生。基于视频的车辆检测及拥堵预警系统加强了对道路交通系统的智能化监控，使交通出行整体对能源的需求减少，进而减少了对环境的污染。系统的实施可减少车辆的速度变化频率和停车次数，降低了城市噪音，路网的利用率大大提升，使道路更加顺畅，从而也降低了交通事故的发生频率。通过对车辆拥堵情况的预警可以引导交通运输向合理的模式转变，提高商业车辆的运行效率，提高运输企业的生产效率，改进服务质量，降低成本，从

24、而大幅度提高交通运输企业的经济效益。交通车辆检测器的概述环形线圈检测器环形线圈检测器是传统的交通检测器又被称做地感，一般为一种埋设式的检测系统，是目前世界上用量最大最多的一种检测设备。车辆通过埋设在路面下的环形线圈时，引起线圈磁场的变化，检测器据此计算出车辆的流量、速度、时间占有率和长度等等，一些交通参数，并上传给中央控制系统，以满足交通控制系统的需要。此种方法技术成熟，易于掌握，并有成本较低的优点。 这种方法也有以下缺点：a. 线圈在安装或维护时必须直接埋入车道，这样交通会暂时受到阻碍。b. 埋置线圈的切缝软化了路面，容易使路面受损，尤其是在有信号控制的十字路口，车辆启动或者制动时损坏可能会

25、更加严重。c. 感应线圈易受冰冻、路基下沉、盐碱等自然环境的影响。d. 感应线圈由于自身的测量原理所限制，当车流拥堵，车间距小于3m的时候，其检测精度大幅度降低，甚至无法检测。波频检测器波频车辆检测器是以微波、超声波和红外线等对车辆发射电磁波产生感应的检测器，这里主要介绍微波车辆检测器（RTMS），它是一种价格低、性能优越的交通检测器，可广泛应用于城市道路和高速公路的交通信息检测。 微波车辆检测器（RTMS）的工作方式是：采用侧挂式，在扇形区域内发射连续的低功率调制微波，并在路面上留下一条长长的投影。RTMS以2米为一 “层”，将投影分割为32层。用户可将检测区域定义为一层或多层。RTMS根据

26、被检测目标返回的回波，测算出目标的交通信息，每隔一段时间通过RS- 232向控制中心发送。它的车速检测原理是：根据特定区域的所有车型假定一个固定的车长，通过感应投影区域内的车辆的进入与离开经历的时间来计算车速。一台RTMS侧挂可同时检测8个车道的车流量、道路占有率和车速。 微波车辆检测器（RTMS）的测量方式在车型单一，车流稳定，车速分布均匀的 道路上准确度较高，但是在车流拥堵以及大型车较多、车型分布不均匀的路段，由于遮挡，测量精度会受到比较大的影响。另外，微波检测器要求离最近车道有3m 的空间，如要检测8车道，离最近车道也需要7-9m的距离而且安装高度达到要求。因此，在桥梁、立交、高架路的安

27、装会受到限制，安装困难，价格也比较昂贵。视频检测器视频车辆检测器是通过视频摄像机作传感器，在视频范围内设置虚拟线圈，即检测区，车辆进入检测区时使背 景灰度值发生变化，从而得知车辆的存在，并以此检测车辆的流量和速度。检测器可安装在车道的上方和侧面，与传统的交通信息采集技术相比，交通视频检测技术可提供现场的视频图像，可根据需要移动检测线圈，有着直观可靠，安装调试维护方便，价格便宜等优点，缺点是容易受恶劣天气、灯光、阴影等环境因素的影响， 汽车的动态阴影也会带来干扰。综合来说，从所获得的信息量角度，视频检测器无疑是最佳选择，这是由视频技术本身的特点所决定的。视频检测器是采用虚拟检测区域用图像处理方式

28、分析交通信息，随着图像处理技术的发展视频检测成为了一种成熟的技术，逐步达到了类似人眼的“所见即所得”的效果。而使用线圈检测器则需要不停的封路、施工、再封路、再施工。而视频检测器所具有的大区域检测、安装方便、后期维护量少必将取代目前市场占有率最大的线圈检测器和超声波检测器成为交通信息采集检测器的主流。国内外研究现状图像传输技术的研究现状20世纪90年代以来，根据不同的应用需要，ISO / IEC和ITU-T采用相似的压缩编码技术分别制定了M PEG-x和H. 26x系列视频压缩标准.近年来，我国也开发了具有自主知识产权的数字音视频编解码技术标准，这些标准推动了视频传输技术的实用化和产业化。背景更

29、新算法的研究现状在背景图像更新的研究过程中近年来国内外出现了一些切实有效的方法。Friedman及其小组将图像中的每个像素点看作是由道路、车辆、阴影三种模型权重之和组成其中三种模型又可以由概率函数逼近这样就可以对图像中每个像素点建立一个概率模型并且每个像素点的模型都不一样。建好模型之后可以通过先验知识得到权重系数。利用模型可以重建背景图像且可以利用经过模型处理后的实时图像对背景图像进行更新。Gupte和其同事提出了自适应背景更新方法其基本原则是利用当前图像修正背景图像(当前背景)以便和当前帧视频图像的背景更近似。在背景更新过程中首先通过二位掩模将当前视频图像中的前景(车辆、行人等)去除，然后用

30、剩下的背景像素(瞬时背景)与前一帧图像的当前背景加权平均得到当前背景。Chengcui Zhang等人提出在某时间段内背景更新的方法即对每个像素在时间段内的灰度值用直方图进行统计、分析得到该点的背景灰度值然后拼接各点得到背景图像，作者还提出当图像中出现停车现象时不必对停车处背景进行更新只要车辆移动隐藏的背景会自动出现.然后进行背景更新。流量统计算法的研究现状目前，发达国家在视频交通流量统计系统的研究方面发展迅速，己经取得较大的进展，交通流量统计的研究在道路交通中己经得到了成熟的应用。在我国，起初计算机视频检测技术的研究基础比较薄弱，尤其是视频处理的关键技术，比如模式识别、计算机视觉的研究、数字

31、图像处理比国外落后很多。随着我国科技实力的不断增强，计算机视觉等相关技术的长足进步给计算机视频检测技术的研究和应用提供了强有力的技术支持。城市基础道路的建设也给这方面的研究提供了实际的应用需求。现在，己经有不少公司做出了产品。另外，国内的一些高校在这方面也做了深入的研究。本文研究的主要内容近年来，随着社会经济的快速发展，国内许多公路（特别是京珠高速公路）的车流量与日俱增，引发了越来越多的交通事故和道路拥堵，造成了巨大的财产损失和人员伤亡。因此，交通信息检测系统被广泛应用于交通运输生产实践中，检测的内容包括每个车道所通过的车流量、车辆平均速度和瞬时速度、车型分类、平均车距、道路占有率等信息，对于

32、交通运行效率和安全有着非常重要的应用价值。本课题以交通信息检测为研究背景，通过分析高速公路的视频图像，获取车辆目标（运动目标）及车辆的速度，主要内容包括：（1）通过分析视频图像序列建立交通场景的背景；（2）在背景建模的基础上，实时提取运动目标；（3）建立交通视频图像中的像素坐标与路面世界坐标系的映射关系；（4）计算拥堵的车辆排队长度的计算。论文的结构安排本论文共分五章，各章的主要内容如下:第一章为绪论，简要介绍论文的研究背景、车辆检测算法和产品的在国内外的发展现状及应用前景，明确本论文研究的主要内容，安排论文章节。第二章详细介绍了道路背景提取的一些方法，以及基于混合高斯建模的背景分离出运动车辆

33、与背景的过程。第三章介绍对提取出来的前景图像进行进一步的处理，滤除噪声，使得前景图像更贴近于实际物体。第四章讲述了对交通道路上车流量检测方案验证。第五章是论文的结束部分。对本论文的研究工作进行了总结，并对今后在该领域里进一步的理论研究工作进行了展望。道路背景的提取运动目标背景提取方法概述在摄像机固定的情况下，背景的变化是缓慢的，而且大都是光照，风等等的影响，通过对背景建模，对一幅给定图像分离前景和背景，一般来说，前景就是运动物体，从而达到运动物体检测的目的。对于运动物体的识别检测,以及背景提取的算法,目前大致可以分类为三种：第一种是基于图像帧与帧之间的差值算法,第二种是背景减去法,第三种则是背

34、景模型建立法。基于图像帧与帧之间的差值算法是最为简便的一种方法，通过对视频图像序列中相邻两帧做差分运算来获得运动目标轮廓，但是在提取目标时候的效果并不理想。背景减去法是首先获取场景的一帧的参考图像然后将实时拍摄的一帧新图像与之相减再对差图像取阈值得到一副从固定背景中分割出来的二值化图像。背景减去法对于静止场景中可以很好的提取出目标的轮廓，但是对于目标突然运动时往往会出现检测出错，而且当背景图像估计的不精确的时候也会对目标检测带来重大的麻烦。背景模型法能够很好的实现对背景的估计。高斯模型的介绍高斯模型就是利用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干个基于高斯概率密度函

35、数（正态分布曲线）形成的数学模型。 对图像背景建立高斯模型的原理及过程可以理解为：由于图像灰度直方图反映的是图像中某个灰度值出现的频率，也可以认为是对图像灰度概率密度的估计。如果图像所包含的目标区域和背景区域相差比较大，而且背景区域和目标区域在灰度上具有一定的差异，那么该图像的灰度直方图就会呈现出 双峰-谷形状，其中一个峰对应于目标，另一个峰对应于背景的中心灰度。在智能监控系统中，对于运动目标的检测是核心内容，而在对运动的目标的检测中提取目标背景，对于目标的识别和跟踪至关重要。建模正是对于背景目标提取的一个重要的有效的环节。 首先我们要提起背景和前景的概念，前景是指在假设背景为静止的情况下，任

36、何有意义的运动物体即为前景。建模的基本思想是从当前帧图像中提取前景，其目的是使背景更接近当前视频帧的背景。即利用当前帧和视频序列中的当前背景的帧图像进行加权平均来更新当前的背景,但是由于光照突变以及其他外界环境的影响，一般的建模后的背景很不清晰，而利用高斯混合模型是建模提取背景比较有效的方法之一。混合高斯背景模型初始化分析各个高斯模型的均值由输入视频的第一帧决定，那么如果当前像素点位置是运动对象所在区域，这是运动对象的像素值参与高斯模型初始化过程，所以也就导致了常规的高斯模型稳定下来需要一定的帧数；由于视频的多模态特性，背景的像素值会在多个像素值处波动，而这些多个像素值一帮情况下都是比较接近的

37、，所以初始化高斯模型时，把K-1个高斯模型的均值定义成0是不太合理的，这样的话，由于学习速率不能太高，所以要经过很多帧之后，这K-1个高斯分布才能趋近于背景或前景像素的分布，这段时间很有可能就漏掉了一些运动对象。混合高斯背景建模流程要点1：将图像中的每个图像单位(像素，块等)看成是从混合高斯分布样本中采样得到的随机变量；要点2：根据先验知识，每个像素点是前景或背景的先验概率可以估值；要点3：考虑到背景的多模态和复杂度，一般的混合高斯模型采用3-5个单高斯模型进行混合。初始化混合模型参数，包括：l 每个高斯模型的所占权重l 每个高斯模型的均值和标准差l K个高斯模型的均值u：第一个高斯模型的均值

38、等于输入视频的第一帧对应的的像素值或处理单位的平均值，即： （2-1） 其中l K个高斯模型的方差v：所有高斯模型的初始方差都是相等的，即： （2-2） var的取值直接与该视频的动态特性，因为标准差的大小与各个高斯模型允许像素值的波动范围直接相关。高斯模型的权重w初始化：权重的初始化就是对背景的分布进行先验概率的估值，在初始化的时候，一般将第一个高斯模型的权重取较大，其他就相应的取值较小，即： （2-3）高斯模型参数的更新l 每当新的像素值输入到高斯模型，都会对现有模型参数进行更新，这就是高斯模型的学习过程。基本的学习流程如下所示：遍历每个高斯模型，比较下式： （2-4）如果对于所有的颜色分

39、量都成立，那么就把该像素归于第B个高斯模型，否则，就不属于任何一个高斯模型，这就相当于出现了野点。以上两种情况都需要做相应的更新。l 情况1相应的更新：情况1表示当前的像素点的值满足第B个高斯分布，那么这个像素并不一定属于背景，需要判定这第B个高斯分布是否满足以下条件： （2-5）则说明该像素点属于背景点，否则就属于前景点。如果该像素属于背景点，那么就说明第B个背景分布输出了一个采样值，这时所有分布都需要进行参数更新。检测结果是背景点时的高斯模型参数的更新对应的第B个高斯模型参数更新如下：（2-6）其余的高斯模型只改变权值，均值和方差都保持不变，即： （2-7）其中检测结果是野点时的高斯模型参

40、数的更新野点指的是该像素值不符合任何一个高斯分布，此时我们把该像素点看成是视频中出现的新情况，用这种新情况来代替第K个高斯分布，其权重和均值以及方差都按照初始化思路确定，也就是分配一个较小的权重，和一个较大的方差，即： （2-8）同时确定该点是前景点。背景建模流程的最后一步最后一步就是把K个高斯模型按照优先级别进行从大到小的排序，这里的优先级别取决于权值和方差之比，即 （2-9）上式直接说明了在方差相等的情况下，权重越大，说明就越趋向于背景分布；在权重相等的情况下，方差越小，也就是变量的分布越集中，那么就更加趋向于背景分布；反之，则趋向于前景分布。Matlab仿真实验Matlab的介绍MATL

41、AB是矩阵实验室（Matrix Laboratory）的简称，是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。 MATLAB和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、

42、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C+ ，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用。混合高斯模型变量初始化代码利用matlab强大的函数库对一个交通路口的一段视频进行了混合高斯建模提取的背景的方针测试，实验部分代码如下：%更新每个像素的高斯模型for i=1:height for j=1:width match = 0; for

43、k=1:C if (abs(u_diff(i,j,k) )的二值图，T为阈值。 由于车辆有一定的宽度，车辆通过时必然会在图像上留下记录。对一维函数进行统计分析，形成如图4.4所示的曲线。在这条曲线上可以看到一些连续的值为1”的点，表示有车辆出现;连续的值为“0”的点，表示没有车辆出现。图4.3 检测线上的图像分割结果图4.4 相对应的车辆信息车流量计数根据虚拟检测线上车辆的位置和相邻帧间的运动关系来进行车辆的计数。邻帧间的运动关系可以描述为:用flag=1表示信息位为1, flag=0表示信息位为0。 (1)当前帧某位置为flag=1时: 如果上一帧中该位置为flag=1，则表明有车正通过检测区; 如果上一帧中该位置为flag=0，则表明车辆刚进入检测区。(2)当前帧某位置为flag=0时:2 如果上一帧中该位置为flag=1，则表明有车刚离开检测区; 如果上一帧中该位置为flag=0，则表明无车进入检测区。 计数算法:通过上面的帧间关系可以看出，统计帧间车辆信息的上升沿，并且是连续出现的“1。当“1”的个数达到某个长度时即认为该位置有新车到来，进行计数。拥堵级别评定拥堵评价指标的建立是严格按照拥堵强度、拥堵范围、拥堵时间二个参数来制定的，这二参数中的拥堵强度是本文的研究对像，它是通过交通流区域占有比例值与拥堵等级标准的联系来反映