基于视频的交通参数检测技术摘要：智能交通系统（ITS）是现代交通领域的研究热点，而交通参数的检测是ITS中的重要组成部分。本文主要研究了基于视频的交通参数的检测方法，分析了各种方法的算法。关键词：交通参数检测视频中图分类号：TP2文献标识码：A文章编号：1007-9416（2014）04-0054-01当今车辆的日益增长给城市的道路管理带来严峻的挑战，如何保证交管部门能实时获得交通信息，成为当前的热点研究课题。而由于人力资源有限，现在绝大多数交通路面等信息都是由有摄像头采集，这些视频信号的采集、处理及传输的质量影响了交管部门的管理。所以对这些技术的研究，能减轻交管部门的工作量，使其更好地为人民服务。1视频的采集视频采集主要通过架在道路上的固定摄像头完成，通过该设备采集的视频具备如下特点，使得后期的图像处理有规律可循。由于摄像头相对固定，所以采集的图像相邻帧之间的差异不大；根据交通视频的需求，一般感兴趣的区域基本集中在摄像头前4～5米处，所以图像处理起来有独特的方法。2前期处理由于照相机的位置及受到环境因素的影响，首先要对采集的图像进行预处理。预处理主要包括图像的矫正，滤波、增强等。滤波主要目的是去除图像的噪声干扰。在道路交通参数视频检测中，对摄像机获取的初始图像产生影响的噪声主要来自检测现场的环境噪声和检测系统的设备噪声。为了将噪声对图像干扰的程度最小化，必须对图像进行滤波去噪处理。采用邻域平均法的特点就是减少椒盐噪声的影响，但是由于平均算法的特点，对图像去噪的同时也会对图像的精细度和层次性产生不良的影响，比较适合用于对图像扫描设备获取的图像进行处理。中值滤波是一种非线性去噪方法，它是利用噪声在图像属性序列中相对突出的特点，用周边区域的图像属性的中值来取代噪声点得属性值，这种滤波方法有很好地抑制脉冲干扰和椒盐类的噪声的作用，能够保护图像的边缘不变模糊，对于图像边界的影响比较小，所以适合交通图像的处理，经过中值滤波后的图像在图像质量上要优于滤波前的图像。小波去噪法是通过对图像进行分解后将阈值量化并重建图像信号的方式，优点是对于处理图像中的某些细节可以进行保留。图像的对比增强是指对采集到的初始图像进行处理，强调出图像中车辆目标的整体特性，使得车辆目标在图像中与其他物体的差别增大，为后期的分析提供条件。3基于视频的车辆检测方法视频交通监控系统的关键是进行车辆的检测，对于基于视频的车辆检测算法有很多种，常见的算法有灰度比较法、背景差法、帧差法、边缘检测法、虚拟检测窗、选择性更新背景、路面标记法等，判断算法优劣的首要标准是实时性。灰度比较法是根据车辆和路面的灰度信息特征不同来区分的，这种方法的缺点是对环境和光线的变化敏感，车辆颜色有很多，很难以确定车辆的灰度级别，因此这种检测系统的稳定性能不够。背景差法是通过输入帧与背景图像之差，来检测前景物体。这种算法的缺点由于背景时刻更新，所以这种算法适合检测静止车辆，而对于视频环境光线的变化和运动阴影敏感。帧差法是将图像的相邻两帧进行相减，以滤除其中的静止物体，保留运动物体。这种算法的不足之处是不能去除摄像头抖动引起的干扰和不能检测静止车辆，优点是对车辆周围的环境光线的变化不敏感。但是由于图像的采样频率固定，所以这种算法会导致系统会收到车辆运动速度的影响，车速过快或者过慢都会有可能导致检测误差。4基于视频的道路交通参数的检测随着视频车辆检测技术的不断发展，人们已经不再满足于只检测车辆，更希望能用此项技术来提取道路交通参数，比如车流量、车速检测、车型判断或者车辆转向信息等等。基于此项技术的智能交通系统在现代交通发展中起到了举足轻重的作用。与传统的磁感应线圈检测器作为车辆检测和流量计数的手段相比，基于视频图像技术的方法可靠性和准确性高，更加直观、监视范围广，成本费用相对较低，因而得到了广泛的应用。通过对道路交通参数的检测、分析和处理，能够提高道路通行能力，减少交通事故，缓解交通压力。车流量的检测车流量检测指在一定的时间间隔内，通过道路或道路上某车道的某横截面的车辆数。车流量是衡量交...