智能交通系统详细设计说明书

《智能交通系统详细设计说明书》由会员分享，可在线阅读，更多相关《智能交通系统详细设计说明书（67页珍藏版）》请在装配图网上搜索。

1、iTraf 智能交通系统 1 / 67实践项目（中国区）选拔赛实践项目（中国区）选拔赛详细设计说明书详细设计说明书参赛队伍名称参赛队伍名称 参赛作品名称参赛作品名称 iTrafiTraf 智能交通系统智能交通系统 报名注册编号报名注册编号(ID)(ID) 团队成员姓名团队成员姓名 学校学校/ /系系 主要联系电话主要联系电话 通讯地址通讯地址 邮邮 编编 电子邮箱电子邮箱 2008 年年 10 月月 10 日日iTraf 智能交通系统 2 / 67目目 录录1.引言引言.51.1.编写目的.51.2.背景.51.3.参考资料.52.程序（模块）系统的组织结构程序（模块）系统的组织结构.62.1

2、.交通事件检测软件.62.1.1.视频采集模块.62.1.2.预处理模块.72.1.3.车辆检测模块.72.1.4.车辆跟踪模块.82.1.5.车辆运动信息提取模块.82.1.6.交通事件检测模块.92.1.7.参数设置模块.102.1.8.网络管理模块.112.2.管理中心软件.122.2.1.交通事件集中存储检索模块.122.2.2.报警管理模块.132.2.3.交通事件统计模块.132.2.4.用户管理模块.142.2.5.交通管理部门接口.142.2.6.交警巡逻车接口.152.2.7.语音接口.152.2.8.短信发送接口.163.界面设计要求界面设计要求.16iTraf 智能交通系

3、统 3 / 674.核心算法设计核心算法设计.174.1.运动车辆检测.174.1.1.运动目标检测.174.1.2.背景模型.184.1.3.车辆检测.194.1.4.后处理.234.2.运动车辆跟踪.274.2.1.基于Kalman滤波的跟踪算法.274.2.2.基于模板匹配的细分割.284.2.3.异常跟踪处理.314.3.夜间车辆检测.314.3.1.夜间车辆特点.314.3.2.车灯配对.324.3.3.白天夜晚模式切换.334.4.基于图像分析的交通事件检测 .334.4.1.基于轨迹的事件检测.334.4.2.车速检测.364.4.3.事件检测.414.5.能见度和雪、雨的检测.

4、454.5.1.能见度检测.464.5.2.局部直方图均衡.464.5.3.基于色彩恒常理论的图像增强.495.系统流程图系统流程图.535.1.交通事件检测软件.535.1.1.视频采集模块.545.1.2.预处理模块.545.1.3.车辆检测模块.555.1.4.车辆跟踪模块.56iTraf 智能交通系统 4 / 675.1.5.车辆运动信息提取模块.575.1.6.交通事件检测模块.595.1.7.参数设置模块.605.1.8.网络管理模块.615.2.管理中心软件.625.2.1.交通事件集中存储检索模块.625.2.2.报警管理模块.635.2.3.交通事件统计模块.645.2.4.

5、用户管理模块.655.2.5.语音接口.665.2.6.短信发送接口.67iTraf 智能交通系统 5 / 671. 引言引言1.1.编写目的编写目的本详细设计说明书确定系统的详细功能模块和数据结构，为下阶段开发工作提供依据。1.2.背景背景软件系统的名称：iTraf 智能交通系统本项目的提出者：iTraf 小组研究学习本项目的开发者：iTraf 小组软件系统的用户：用于道路交通紧急救援、道路的智能化控制和管理等方面1.3.参考资料参考资料iTraf 智能交通系统需求规格说明书iTraf 智能交通系统概要设计说明书iTraf 智能交通系统 6 / 672. 程序（模块）系统的组织结构程序（模块

6、）系统的组织结构视视频频采采集集模模块块预预处处理理模模块块车车辆辆检检测测模模块块车车辆辆跟跟踪踪模模块块车车辆辆运运动动信信息息提提取取模模块块交交通通事事件件检检测测模模块块参参数数设设置置模模块块网网络络管管理理模模块块iTraf交交通通事事件件检检测测软软件件交交通通事事件件集集中中存存储储检检索索模模块块用用户户管管理理模模块块报报警警管管理理模模块块语语音音广广播播接接口口交交通通事事件件统统计计模模块块短短信信发发送送接接口口查查询询检检索索交交通通事事件件前前端端及及后后台台参参数数设设置置iTraf管管理理中中心心软软件件图 2-1 系统组织结构2.1.交通事件检测软件交通

7、事件检测软件2.1.1. 视频采集模块视频采集模块视频采集是将摄像机的数据按照设定的频率进行采集，以进行实时处理。系统初初始始化化参参数数采采集集摄摄像像头头视视频频采采集集录录像像视视频频图 2-2 视频采集模块用例图1、 初始化软件运行参数；2、 提供从前端摄像头采集数字视频到内存服务；3、 提供从视频录像文件采集数字视频到内存服务。iTraf 智能交通系统 7 / 672.1.2. 预处理模块预处理模块预处理包括背景获取与更新和阴影控制（去除噪声和阴影） ，以及高斯滤波，图像锐化和增强，特别针对夜间的“浮雕”预处理，可以将车灯光去掉。系统昼夜判断获取背景图像阴影控制图像增强车灯分离图 2

8、-3 预处理模块用例图1、 对采集到的视频进行采集时段（白天或夜间）判断；2、 提供白天、夜间两种视频帧预处理模式；3、 视频背景图像获取与更新；4、 阴影控制（去除噪声和阴影） ；5、 高斯滤波，进行图像锐化和增强；6、 针对夜间的“浮雕”预处理，可以将车灯光去掉。2.1.3. 车辆检测模块车辆检测模块车辆检测包括车辆矩形提取（特征计算、模式匹配、矩形提取） 、车辆分割和合并（将连在一起的不同目标分开，将属于同一辆车的不同部分合并）系统车辆矩形提取车辆分割合并图 2-4 车辆检查模块用例图1、 车辆矩形提取（特征计算、模式匹配、矩形提取） ；iTraf 智能交通系统 8 / 672、 车辆分

9、割和合并（将连在一起的不同目标分开，将属于同一辆车的不同部分合并） 。2.1.4. 车辆跟踪模块车辆跟踪模块采用卡而曼虑波，对目标先进行运动估计，后再寻找匹配目标。利用车辆跟踪可绘制车辆的轨迹图像，据此可进行碰撞预测（利用隐马尔可夫 HMM 模型结合直线拟合预测可能出现的交通事故） 。系统运动估计绘制轨迹直线拟合预测图 2-5 车辆跟踪模块用例图1、 要采用卡而曼虑波，对目标先进行运动估计，后再寻找匹配目标；2、 利用车辆跟踪绘制车辆的轨迹图像，据此进行碰撞预测；3、 利用隐马尔可夫 HMM 模型结合直线拟合预测可能出现的交通事故。2.1.5. 车辆运动信息提取模块车辆运动信息提取模块在车辆跟

10、踪的基础上，对车辆的运动轨迹以及车速进行估计。并根据运动轨迹，进行碰撞预测。系统轨迹直线拟合车速估计碰撞预测图 2-6 车辆运动信息提取模块用例图1、 轨迹直线拟合；iTraf 智能交通系统 9 / 672、 车速估计；3、 碰撞预测。2.1.6. 交通事件检测模块交通事件检测模块将各种信息（诸如每辆车的信息、平均车速、是否拥挤、是否发生交通事故、天气状况、车道变换统计、以及车道占有率等）不但显示在客户端还要分类实时或定时发送到服务端，以供决策者进行决策指挥和研究者进行交通状况研究。显示过往车辆信息显示过往车辆数交通流量的检测慢行车辆识别与统计停车车辆识别与统计快行车辆识别与统计车辆型号识别与

11、统计逆向车辆识别与统计系统车道占有率检测与统计交通拥挤识别车道变换车辆识别与统计能见度的检测平均车速检测与统计交通事件位置识别与统计雪雨天气检测系统图 2-7 交通事件检测模块用例图1、 显示过往车辆信息；2、 显示过往车辆数；3、 交通流量的检测；4、 停车车辆的识别与统计；5、 慢行车辆的识别与统计；6、 快行车辆的识别与统计（是否超速） ；7、 车辆型号的识别与统计（是否在正确的车道上行使） ；8、 逆向车辆的识别与统计（违章驾驶） ；9、 平均车速检测与统计（路况是否畅通） ；10、 车道占有率检测与统计（可扩展功能） ；iTraf 智能交通系统 10 / 6711、 车道变换车辆的识

12、别与统计（可扩展其功能） ；12、 交通拥挤的识别；13、 交通事件类型的识别与统计；（把事件分细） ；14、 交通事件位置的识别与统计；15、 能见度的检测；16、 雪、雨天气的检测；17、 显示交通状况。2.1.7. 参数设置模块参数设置模块主要是设定系统工作所需要的参数：视频源，图像文件和视频录像的存放位置，背景更新的时间，提取背景所用的帧数，阴影去除相关参数，灰度二值化阈值，车道线标定，车型界限设定，车速检测线标定等。输入源设置阴影消除设置车道线设置和校准图像存储路径设置背景保存二值化阈值设置检测区设置背景更新时间设置管理员虚拟检测线设置交通事件相关参数设定运行暂停查看差分图像车型设置

13、查看轨迹图像查看二值化图像管理员背景差分选择查看闭图像查看车道线形态滤波选择图 2-8 参数设置模块用例图1、 输入源设置；2、 图像存储路径设置；3、 车道线设置和校准；4、 检测区设置；5、 背景保存；6、 背景更新时间设置；7、 阴影消除设置；iTraf 智能交通系统 11 / 678、 二值化阈值设置；9、 车型设置；10、 虚拟检测线设置；11、 运行暂停；12、 交通事件相关参数设定；13、 查看轨迹图像；14、 查看差分图像；15、 查看二值化图像；16、 查看闭图像；17、 查看车道线；18、 背景差分选择；19、 形态滤波选择；20、 存储录像设定。2.1.8. 网络管理模块

14、网络管理模块与管理中心通讯，提供参数远程设置功能。输入源设置形态滤波选择二值化阈值设置阴影消除设置运行暂停帐号密码设置车型设置背景差分选择管理员背景更新时间设置交通事件相关参数设定iTraf 智能交通系统 12 / 67图 2-9 网络管理模块用例图1、 输入源设置；2、 背景更新时间设置；3、 阴影消除设置；4、 二值化阈值设置；5、 车型设置；6、 运行暂停；7、 交通事件相关参数设定；8、 背景差分选择；9、 形态滤波选择；10、 远程连接帐号密码设置。2.2.管理中心软件管理中心软件2.2.1. 交通事件集中存储检索模块交通事件集中存储检索模块交通事件检索获取前端交通事件系统图 2-1

15、0 交通事件集中存储检索模块用例图1、与前端车辆事件检测软件通讯，获取前端交通事件（交通流量、停车车辆数、慢行车辆数、快行车辆数、通行车辆的型号、逆向车辆数、平均车速、车道占有率、车道变换车辆数、交通拥挤情况、天气状况） ；2、提供前端交通事件检索服务。iTraf 智能交通系统 13 / 672.2.2. 报警管理模块报警管理模块查看报警日志设置报警联动管理员管理报警日志系统逆行车辆报警车辆变道报警车辆碰撞报警交通拥挤报警停车报警图 2-11 报警管理模块用例图1、 当出现交通拥挤时，触发报警；2、 当出现逆向行驶车辆时，触发报警；3、 当出现车辆碰撞时，触发报警；4、 当一定时间内停车车辆数

16、超过预先设置的最大值，触发报警；5、 当一定时间内变道车辆数超过预先设置的最大值，触发报警；6、 用户可设置报警联动动作，包括声光提示、短信发送、语音等；7、 用户可查看管理报警日志。2.2.3. 交通事件统计模块交通事件统计模块查看变道数报告管理员查看车辆数报告交通拥挤时间统计实时交通拥挤事件报告查看车型统计报告事故类型位置统计iTraf 智能交通系统 14 / 67图 2-12 交通事件统计模块用例图1、 报告一天内各点及总体车辆数；2、 报告一天内各点及总体的大、小型车辆数；3、 报告一天内各点及总体的变化车道统计数据；4、 报告一天内各点及总体的事故类型及次数（碰撞、异常滞留、拥挤）

17、；5、 报告一天内各点及总体的交通拥挤、故障持续时间；6、 实时的交通拥挤、事故报告。2.2.4. 用户管理模块用户管理模块管理员用户添加删除操作日志管理帐号密码设置权限配置图 2-13 用户管理模块用例图1、 用户帐号密码设置；2、 用户权限配置；3、 用户添加删除设置；4、 用户操作日志管理。2.2.5. 交通管理部门接口交通管理部门接口iTraf 智能交通系统 15 / 67图 2-14 交通管理部门接口用例图1、 定时将各道路交通顺畅程度汇集成文本信息，发送给交通管理部门；2、 将交通事件分类汇总，按事件严重程度的优先级，先后向交通管理部门报警；3、 将发生交通事件前后的视频录制保存，

18、为交通管理部门的工作提供依据；4、 交通管理部门对收到的警报做出响应操作；5、 交通管理部门可以随时了解各路段的交通信息；2.2.6. 交警巡逻车接口交警巡逻车接口管理者事件类型设置安排事件发送接收事件通知交警图 2-15 交警巡逻车接口用例图1.将交通事件分类汇总，按事件严重程度的优先级，先后发送给交警巡逻车；2.交通管理部门对收到的警报做出响应操作，并以就近原则赶往现场；3.交通巡逻车可以随时了解各路段的交通信息；2.2.7. 语音接口语音接口管理员事件类型设置广播时间设置收听交通广播司机图 2-16 语音接口用例图1.将交通事件汇集成文本信息；iTraf 智能交通系统 16 / 672.

19、定时将各道路交通顺畅程度汇集成文本信息；3.采用语音库将文本信息转化成语音，并输入语音系统；4.可定时进行，也可以事件触发；5.司机可以收听到交通。2.2.8. 短信发送接口短信发送接口管理员管理订阅用户设置发送事件订阅交通短信通司机收看交通短信图 2-17 短信发送接口用例图1、 添加删除订阅交通短信通用户及其手机号；2、 将道路拥挤信息发送到用户。3. 界面设计要求界面设计要求用户界面采用 Windows 风格，便于用户进行操作。在界面设计方面，采用微软的最新技术 WPF 来负责整个系统的界面设计。WPF 的全称是 Windows Presentation Foundation，是微软新发

20、布的 Vista 操作系统的三大核心开发库之一，其主要负责的是图形显示，所以叫Presentation（呈现） 。 作为新的图形引擎，WPF 是基于 DirectX 的，当然增加了很多新的功能。其 2D 和 3D 引擎的强大看看 Vista 的界面就明白了，再加上其对 Aero 图形引擎的支持，更加让你感到神奇。顺便提一下，Aero 是专门为3D 桌面开发的引擎，可以让桌面实现神奇的 3D 翻转，这绝对是操作系统有史以来的一次神奇尝试，虽然对硬件配置的要求也是惊人的。WPF 其实不仅仅是图形引擎而已，它将给 Windows 应用程序的开发带来一次革命，因为新的架构提供了一种全新的开发模式。当然

21、对于普通用户而言，iTraf 智能交通系统 17 / 67最直观的就是界面越来越漂亮，看起来越来越舒服了；但对于开发人员而言，界面显示和代码将更好的得到分离，这与从前的桌面应用程序开发有很多不同（界面设置和代码是融合在一起的） ，这是比较具有革命性的改变之一。还有就是桌面应用程序和浏览器应用程序的融合，根据 ms 的承诺，正在开发中的WPF/E，即 WPF Everywhere 版本，将为基于 WPF 的应用程序提供全面的浏览器支持，这意味着未来开发出的应用程序将可以基于浏览器在不同的操作系统上运行，当然由于目前还在开发中，我们并不确定会不会有一定的限制，根据WPF/E 开发组的定义，WPF/

22、E 仍然是 WPF 的子集，而不是后继版本。总体而言，WPF 的前景应该是一片光明。用户界面设计规则1、 尺寸在合理的布局下尽可能多的显示控件内的内容。2、 布局按照操作流程或浏览顺序自左至右、由上而下的排放各种控件，使界面整体协调、美观大方。3、 自适应父对象的尺寸改变控件应具有自适应父对象的尺寸改变的能力，当父对象的尺寸发生变化时，控件应能自动改变自己的尺寸并使界面保持整体协调，尽量减少因父对象的尺寸改变而带来的操作或浏览上的不便。4. 核心算法设计核心算法设计4.1.运动车辆检测运动车辆检测4.1.1. 运动目标检测运动目标检测运动车辆检测算法是基于图像分析的高速公路事件自动检测系统的关

23、键部分。本系统采用背景差分的方法进行运动目标检测。背景差分法就是对当前帧图像与背景帧图像进行差分，这是最常用的方法，iTraf 智能交通系统 18 / 67运动车辆和暂时停止的车辆都可以检测，因此适用于摄像机静止的情形。它首先为图像序列建立背景模型，提取不含运动目标的参考背景，通过将当前图像帧和参考背景进行比较，确定出亮度变化较大的区域，即认为是前景区域。这种方法的计算速度很快，可以获得关于运动目标区域的完整精确的描述，但对场景中光照条件、大面积运动和噪声比较敏感，在实际应用中需采用一定的算法进行背景模型的动态更新，以适应环境的变化。4.1.2. 背景模型背景模型背景差分法在提取运动目标时假设

24、图像序列的背景是固定不变的，因而它能十分有效地检测出快速和缓慢运动、甚至是静止的非背景的目标。但是这种方法对背景的变化比较敏感，当背景光照发生变化时，如果不能及时地更新背景图像将产生错误的检测结果，因此对于长时间的目标检测来说，背景的光照必然是随时间变化的，必须采用自适应地背景更新的方法。在高速公路监控图像中，通过标定场景路面图像作为图像处理区域，其背景图像简单，而且每个背景点上的颜色分布比较集中。本系统采用运算速度快、性能较好的统计学背景模型序列均值法。 （5-1）,1,(1),1,0( , )( , ),( , ),.( , )1 ( , )t ct ctctncni ciBx yMean

25、 Ix y Ix yIx yIx yn其中 cR，G，B。虽然路面上有车辆通过，但是只要统计的时间足够长总能得到比较好的背景图像。图 3-1 是实验中提取的背景。在图 4-1 中，上左图为视频图像；上右图为视频图像 50 帧的均值结果，由于训练的帧数过小，在提取的背景图像上有目标车辆的残留痕迹；下左图为视频图像 200 帧的均值结果，训练帧数适中，提取的背景图像平滑接近实际背景；下右图为视频图像 700 帧的均值结果，提取的背景更接近于实际背景，比起下左背景改善很小，但运算时间却花费过多。由图可见，背景图像提取过程中，训练帧数需适中，一般 200300 帧即可。iTraf 智能交通系统 19

26、/ 67图 4-1 背景提取比较图4.1.3. 车辆检测车辆检测4.1.3.1.差分模型差分模型传统的背景差分法都采用背景图像与当前帧图像的灰度差值来实现，但是可利用的信息太少，当车辆与路面背景的灰度值非常接近的时候，检测出的车辆目标区域会出现大片的空洞或破裂，甚至漏检。为克服此问题我们对采集的大量视频图像进行了观察和分析，发现物体与背景灰度相同的区域，其颜色一般不会相同，因此采用如下彩色图像差值模型： （5-2）,( , )max(|( , )( , )|,|( , )( , )|, |( , )( , )|)tt Rt Rt Gt Gt Bt BD x yIx yBx yIx yBx yI

27、x yBx yiTraf 智能交通系统 20 / 67图 4-2 上图为本系统差分模型得到的车辆检测图；图 4-2 下图为对应的图像灰度值相差的车辆检测图。由图可以看出，本系统差分模型得到的车辆检测图比较完整，空洞或者破裂的现象较少。图 4-2 差分模型比较4.1.3.2.阴影抑制阴影抑制通过观察发现，经过上述方法分割出的车辆，在大部分情况下是存在阴影影响的，这样就会使分割出来的车辆面积比实际的大，甚至有可能造成两个或多个车辆由于阴影而相互粘连在一起，若以此作为后续工作的依据，则势必会iTraf 智能交通系统 21 / 67造成误差，甚至错误。通常的运动目标检测方法都无法直接区分运动目标和阴影

28、，因为阴影部分与运动目标部分具有某些相似的视觉特征，这就给阴影检测带来困难。由于在RGB 空间中，人的感知差别和计算差别的一致性较差，因此提出了很多颜色空间，如：归一化 RGB，HSV(Hue，Saturation，Value)，C1C2C3 及L1L2L3Error! Reference source not found.。这些颜色空间可以很好地体现颜色的一致性。但是对于归一化 RGB 颜色空间，由于它在黑色(R=G=B=0)上没有定义，因此在黑色附近很不稳定。对于 HSV 空间，当 RGB 三个分量相等时 Hue没有定义。所以在这些颜色不变性彩色空间中，本系统采用了 C1C2C3 模型，其

29、颜色空间定义如下：1( , )( , )arctanmax( ( , ), ( , )R x yc x yG x y B x y （5-3） , （5-2( , )( , )arctanmax( ( , ), ( , )G x yc x yB x y R x y4） 3( , )( , )arctanmax( ( , ),( , )B x yc x yR x y G x y（5-5）其中 R(x，y)， G(x，y)， B(x，y)分别表示像素的 RGB 三个颜色分量。由阴影的性质可知，阴影点比对应位置背景像素点的亮度要低而颜色不变。定义： （5-6）( , )( , )( , )BID x

30、yLx yL x y其中，分别表示背景与当前图像的亮度值，计算方法：( , )BLx y( , )IL x y （5-7）RGBL(x,y)=0.299*I (x,y) + 0.587*I (x,y) + 0.114*I (x,y)在理想的情况下，阴影点必有。但是由于噪声的存在，我们给( , )0D x y 定一个阀值 tL，即变为。为了获得更好的鲁棒性，我们以点(x，y)( , )LD x ytiTraf 智能交通系统 22 / 67为中心的小窗口 (2N1)(2M1）的亮度总差值来代替点(x，y)的亮度差，即： （5-8）*1( , )(,)(21)(21)NMiN iMDx yD xi

31、yjNM 当亮度差值小于 tL 的像素点位置(x，y)就可以被当作候选阴影点。在阴影颜色不变性上，本系统考虑 C1C2C3 差值，其定义为： （5-111( , ) |( , )( , )|ccd x yIx yBx y9） （5-10）222( , ) |( , )( , )|ccdx yIx yBx y （5-11）333( , ) |( , )( , )|ccdx yIx yBx y当 ditmpPointtrObj-globali.iNum+(其中 CTrackObject* trObj = tracklist.GetAt(tracklist.FindIndex(i)，是一个跟踪目标)

32、，如果前后两帧所在的检测线不是一样的，还要判断新的检测线是否在当前检测线之前，如果是表示车辆目标尚不稳定，对当前车辆目标的检测点进行初始化处理；反之判断 trObj-tmpPointtrObj-globali.iNum 是否大于等于 3，是则表示车辆已经稳定地进入了新的检测线，对 globali 进行加 1，然后记录新的检测点的信息。结束扫面当前目标的时候，还要判断当前帧该车辆目标与当前检测点的差值的绝对值是否变小，如果是则还需要更新检测点信息。这一过程可用图 4-18 表示。iTraf 智能交通系统 40 / 67图 4-18 车辆目标经过检测点时的算法流程当车辆稳定经过最后一个检测线时，就

33、可以根据所有记录的检测点信息进行车速计算了，具体过程如下：首先判断经过检测点的个数（globali）是否大于等于 2，少于两个点是不可能进行车速计算的，这种情况一般发生在由于噪声而产生的非车辆目标。然后对这些检测点按照差值大小从小到大进行排序，并统计差值为零的点的个数（差值为零表明目标很精确地驶入该检测线，如果有两个这样的检测点，那么计算出来的速度就是准确的，理论上是没有误差的） ，然后就选择差值最小的两个检测点，如果有差值相同的检测点，则选择距离摄像头最近的两个点进行距离的计算（m_Distance = abs( trObj-Pointsl.line - trObj-Pointsh.line

34、 ) * m_vDistance，其中 m_vDistance 是相邻两个虚拟检测线的实际距离） ，如果入选的两个检测点的差值过大则需要对这个距离进行修正，修正系数可以根据本文提到的图像逐行计算方法计算得出。iTraf 智能交通系统 41 / 674.4.3. 事件检测事件检测道路交通事故，是指车辆驾驶人员、行人、乘车人以及其它在道路上进行与交通有关活动的人员，因违反中华人民共和国道路交通管理条例和其它道路交通管理法规、规章的行为(简称违章行为） ，过失造成人身伤亡或者财产损失的事故。本系统中检测交通事故是在建立目标跟踪和估计出车速之后，下一步就可以根据这两个参量进行事件的判定。通过研究发现，

35、一般情况下交通事件（比如撞车，堵塞，或者其它影响交通畅行的事件）发生时，检测区域一般表现为：车辆数增加，车辆的平均速度很小甚至为零，车距较小，车道占有率明显上升等。在本系统中只选择车辆数和车辆平均速度两个参量作为判定标准，因为这两个参数的误差相对较小，很有参考价值，而其它的参量误差比较大，选取也没有太大的参考价值，只能增加算法的复杂度和机器的处理时间。设置四个判定参数阈值：m_YjVNum（交通拥挤时检测区域的车辆数，m_ZsVNum（交通阻塞时检测区域的车辆数）m_YjSpeed（交通拥挤时检测区域的平均速度）m_ZsSpeed（交通阻塞时检测区域的平均速度） 。iTraf 智能交通系统 4

36、2 / 67图 4-19 交通阻塞检测流程图4.4.3.1.交通阻塞检测交通阻塞检测交通阻塞是指道路上因发生交通事故或者前方道路不同而造成车辆滞流，大量车辆长时间停留在原地，造成交通堵塞，这种情况会严重影响人民生活的便利。当高速公路上出现交通阻塞的情况，可以表现为车辆行驶缓慢或者车辆数较多。当车辆数量较多时，比较难以准确的检测分割出车辆，在本系统中用了一种近似的检测方法。当检测到车辆目标区域与检测区域的比例超过预设阀值iTraf 智能交通系统 43 / 67即认为发生了交通阻塞。在上图中，从进入点开始，如果四个判定条件都满足，即检测区域的车辆数大于交通阻塞时检测区域的车辆数 m_ZsVNum，

37、平均速度小于交通阻塞时检测区域的平均速度 m_ZsSpeed。4.4.3.2.交通拥挤检测交通拥挤检测交通拥挤和交通阻塞类似，只是交通拥挤的时候车辆比较多，交通流可能比较缓慢，也可能比较流畅，发生交通拥挤的时刻，路面的交通没有受到太大的影响，但是一旦有交通拥挤就很容易发展成为交通阻塞，因为只要有一个车道出校停车或者行动迟缓的车辆，那么整个交通干线就会受阻。因此检测交通拥挤可以有效预防交通滞流，可以事先对拥挤之后所发生的交通状况进行预估和提早做出疏导决策。交通拥挤的判断标准有两个，一个是当前视频检测图像上车辆数目比正常情况下明显增多，超过设定门限值；另一个就是整个图像上车辆的平均速度明显偏低，达

38、到一定的限度，这个限值也是事先设定好了的。这两个条件同时满足，才能判定当前状况为交通拥挤，如果有一个不满足，则不能判定为拥挤。在上图中，如果检测区域车辆数大于交通拥挤时检测区域的车辆数m_YjVNum 而小于交通阻塞时检测区域的车辆数 m_ZsVNum，那么就可以认为当前路况为拥挤。4.4.3.3.交通流量统计交通流量统计车流量统计分为几种情况：出入口统计量，即全部路网所有收费站在特定时间段内的出、入车辆数。横截面统计量，即寻找一个或几个交通量较为平均的路段，在特定时间段内计算通过车辆数，分为上行和下行数。目前国外还有电子统计，平均 1-3 公里有一个横截面电子感应器，用来统计路网通过数量，同

39、时监控堵车情况，如果两个感应器之间在几分钟之内数量iTraf 智能交通系统 44 / 67变得非常不均衡（即堵车或事故） ，就会报警。去除车影分割出不同车辆之后，在二值图像的检测区域中，设第 j 列的白像素个数为 Mj，如果 Mj5，此列可能为车辆列，反之可能为空隙列，三个以上连续的空隙列作为一个空隙。如果两个空隙之间的白像素区域面积 SSth，且其中没有 3 行以上的黑像素带（其中没有一个白像素） ，就认为此区域可能为一辆车，求它的中心位置的横坐标，反之就是没被去除掉的噪声。设定两个大小都为 N 的数组，分别用于保存检测区域中先前各个车辆的中心横坐标和当前各个车辆的中心横坐标，将车辆首次出现

40、时的中心横坐标依次保存在先前数组中，下一帧中的车辆中心横坐标保存在当前数组中，进行如下判断：（1）如果当前数组中的某值与先前数组中某值的绝对值差小于一个阈值，说明当前数组中该值被匹配，将它用当前数组中与之匹配的值取代，如果先前数组中的某个值连续 3 次或者 3 次以上被匹配，说明一辆车通过，总车数加；（2）如果当前数组中的某个值连续 3 次没被匹配，说明该值对应的车已通过，将它从数组中删除；（3）如果当前数组中的某个值在先前数组中没有值与之匹配，说明可能出现了新车，将该值保存在先前数组的空白位置处，直到 3 次被匹配，总车数加。4.4.3.4.停车车辆检测停车车辆检测停车车辆是指车辆速度过于缓

41、慢，接近零，或者进入检测区之后，很长时间都没有驶出检测区，这样的车辆可认为是停车车辆。停车在某种程度上会影响交通质量，特别是在交通繁忙的时段，如果发生停车，就会使得一个车道不能畅行。对于 2 车道的高速公路来说，这是一个不能容忍的情况，必须及时处理，不然就会造成交通阻塞，甚至更大的交通事故。要识别停车车辆，必须使用背景差分的方法，帧差法不能识别停车和速度过慢的车辆。在背景差分之后进行车辆目标的检测和跟踪，以及速度估计，当iTraf 智能交通系统 45 / 67车辆目标停止不动，并且该车辆目标的速度在一定的范围内，那么就能认为该车辆目标是停车车辆，对停车车辆计数值加 1，同时可根据需求进行报警。

42、但这只是理论上的方法，在系统中考虑到如果是停车，那么很有可能该车辆长时间不能驶出检测线，这样就难以估算目标车辆的速度。因此，在系统中采用目标定位的方法，计算一段时间内目标移动了多少距离，如果该目标在一定时间内移动的距离接近零，那么就认为该目标已经停靠在了检测区，就应该报警，通知相关人员进行处理。4.4.3.5.慢车车辆检测慢车车辆检测慢车车辆识别的原理与停车车辆的识别基本一样，只不过在判断是否是慢车车辆的时候阈值要取的大一些，当交通繁忙或者拥挤的时候，整个视频检测图像上的车辆目标的速度都比较慢，也可以据此来判断是否是交通拥挤。4.4.3.6.车辆变换车道数统计车辆变换车道数统计车道线在背景提取

43、出来之后，由人工设定，将系统默认的车道线与当前环境的车道线进行校准。判断车道变换的方法为：每一个时刻都要检测车辆所在的车道，通过车辆目标的中心与各车道线进行对比，判定其所在车道，如果一个目标前一个时刻在车道 A，后一时刻处在车道 B，那么就认为当前监控区域有了一次车道变换。考虑到实际情况：摄像机图像抖动、残留阴影、目标检测不稳定等因素的影响，如果仅仅只算前后两帧来判断车道变换数，这样的误差就很大，甚至造成严重的错误。因此，本系统考虑了这一点，采用延迟计数和稳定统计的方法，当前 N（本系统 N3）帧车辆在车道 A，而后连续 N 帧车辆处于 B 车道，这时候才能认为该车辆进行了一次车道变换。这样就

44、大大提高了判断精度，达到 90以上。4.5.能见度和雪、雨的检测能见度和雪、雨的检测车辆目标的检测以及交通流数据的提取往往会受到各种环境因素的影响而iTraf 智能交通系统 46 / 67导致图像识别错误，例如：雨雾天气等，为了消除恶劣天气对检测结果的影响，必须对恶劣的天气状况作图像增强处理。本课题采用两种图像增强方法：局部直方图均衡算法为核心的一种基于区域分割的雾天图像增强方法和基于色彩恒常理论的图像增强方法。4.5.1. 能见度检测能见度检测根据能见度的判断可以进行夜间的检测，如果能见度低于一定的阈值，图像上有部分区域亮度为零（无路灯）或者大部分区域亮度低于一定阈值（有路灯） ，这个时候就

45、可以认为是夜间，对夜间的准确检测，有助于系统自动切换到夜间模式。4.5.2. 局部直方图均衡局部直方图均衡利用以局部直方图均衡算法为核心的一种基于区域分割的雾天图像增强方法。对于场景深度信息多变且又未知的雾天图像，采用局部增强的方法可以在很大程度上减小场景深度在对比度增强效果上的影响，从而还原出较清晰的图像。其基本思想是将直方图均衡化运算压缩到图像的局部区域，然后遍历所有的局部区域。具体为：首先定义一个适当大小的移动子块，然后在以每个像素点为中心的子块上进行直方图均衡化，处理结果只取代相应子块中心点的灰度值。与全局直方图均衡化相比，局部直方图均衡化算法仅考虑像素点邻域的亮度条件对该像素点进行灰

46、度值变换，从而使输入图像的局部信息因对比度的增强而突现出来，但付出了巨大的运算代价，为了弥补这个不足，本系统采用一种改进的局部直方图均衡算法，其基本思想为：首先采用基于边缘检测的区域分割方法将图像各平坦区域提取出来，避免进行图像增强处理时造成平坦区域噪声的过增强，再通过局部直方图均衡的方法对退化图像的非平坦区域进行增强，将非平坦区域中分布集中的灰度充分扩展到整个灰度范围，提高图像对比度，再现模糊的图像细节；然后通过距离变换对各平坦区域边缘进行渐变处理，消除边界效应，最后对处理所获取的图像进行信息融合，从而达到改善图像质iTraf 智能交通系统 47 / 67量、提高图像景物清晰度的目的。4.5

47、.2.1.退化图像的增强退化图像的增强对于雾天条件的退化图像来说，只要将图像景物影像的对比度作适当的提高，就可达到清晰化的目的。但由于不同深度的物体在雾中呈现出的差异较大，而当图像中景物深度未知时，则无法使用大气模型对退化图像进行复原，因此可采用局部直方图均衡化的方法来改善图像各区域对比度，将各局部区域内的景物看作位于同一深度，这样就可对不同深度的目标物有不同的适应性，并且不会产生块效应。设图像 f 的大小为 MN，结果图像为 g，移动模板 A 的大小为 mn，局部直方图均衡化算法描述如下：(1)初始化：k=0，l=0；x=1，y=1。(2)判断图像当前的像素点(x，y)是否属于图像提取出的平

48、坦区域，如果是，则 f(x，y)不变，否则，转到第(3)步处理。(3)按照移动模板 A 的大小 mn 取出图像 f 的子块 fA，fA(x，y)=f(x，y)|x=k+1，k+m，y=l+1，l+n(4)对子块 fA 进行直方图均衡处理，得到 gA。(5)将 gA 拷贝到 g 中相对应的区域。(6)将模板 A 移动一个像素位置，判断若 kM-m，则 k=k+1；若 k=M-m，l=2检检测测点点按按照照差差值值从从小小到到大大排排序序统统计计差差值值为为零零的的点点的的个个数数差差值值为为零零的的点点个个数数=2存存在在差差值值相相同同的的检检测测点点选选择择距距离离摄摄像像头头最最近近的的两

49、两个个点点挑挑选选差差值值为为零零的的两两个个点点选选择择差差值值最最小小的的两两个个检检测测点点按按距距离离除除以以时时间间差差算算速速度度噪噪声声而而产产生生的的非非车车辆辆目目标标是是否否是是否否否否是是是是是是否否否否图 5-7 车速检测流程图iTraf 智能交通系统 59 / 675.1.6. 交通事件检测模块交通事件检测模块图 5-8 交通拥塞检测流程图iTraf 智能交通系统 60 / 675.1.7. 参数设置模块参数设置模块用用户户设设置置参参数数参参数数是是否否合合理理动动态态调调整整参参数数系系统统更更新新参参数数写写入入本本地地数数据据库库同同步步到到管管理理中中心心是

50、是否否图 5-9 参数设置流程图iTraf 智能交通系统 61 / 675.1.8. 网络管理模块网络管理模块交通事件检测管理中心查查询询前前端端参参数数返返回回前前端端参参数数设设置置前前端端参参数数返返回回设设置置结结果果查查询询交交通通事事件件返返回回交交通通事事件件图 5-10 网络管理时序图iTraf 智能交通系统 62 / 675.2.管理中心软件管理中心软件5.2.1. 交通事件集中存储检索模块交通事件集中存储检索模块交通事件检测管理中心新新的的交交通通事事件件事事件件入入库库用户检检索索交交通通事事件件统统计计交交通通事事件件返返回回交交通通事事件件统统计计信信息息图 5-11

51、 交通事件集中存储检索时序图iTraf 智能交通系统 63 / 675.2.2. 报警管理模块报警管理模块交通事件检测管理中心新新的的报报警警信信号号分分析析报报警警类类型型记记录录报报警警日日志志查查询询报报警警联联动动规规则则执执行行报报警警联联动动图 5-12 报警管理时序图iTraf 智能交通系统 64 / 675.2.3. 交通事件统计模块交通事件统计模块管理中心用户检检索索交交通通事事件件统统计计交交通通事事件件返返回回交交通通事事件件统统计计信信息息生生成成统统计计报报表表图 5-13 交通事件统计时序图iTraf 智能交通系统 65 / 675.2.4. 用户管理模块用户管理模块图 5-14 用户登录流程图iTraf 智能交通系统 66 / 675.2.5. 语音接口语音接口管理中心无线广播系统交交通通事事件件语语音音统统计计交交通通事事件件生生成成事事件件语语音音交交通通台台播播放放图 5-15 语音时序图iTraf 智能交通系统 67 / 675.2.6. 短信发送接口短信发送接口管理中心短信发送系统事事件件文文本本、目目标标手手机机号号统统计计交交通通事事件件生生成成事事件件文文本本发发送送短短信信查查询询订订阅阅用用户户图 5-16 短信发送时序图