基于灰度与纹理的车辆检测方法研究开题报告

1. 研究目的与意义

随着科学技术和世界经济飞速发展，交通安全在经济和社会发展中起着举足轻重作用，交通需求急剧增长和交通运输所带来的交通拥堵以及交通事故等负面效应也日益突出，逐步成为经济和社会发展中的全球性共同问题。因此交通控制是与每个人息息相关的大事，而正确的交通信息又是智能交通的基石。所以交通数据的准确与否影响着对交通的正确控制。

这几年道路运输已经成为超越铁路的最重要的地面运输方式，在网民经济和社会发展中起着举足轻重的作用。进入八十年代以来，无论是发达国家还是发展中国家都承受着不断恶化的交通的困扰，我们不得不开始考虑解决交通问题的新思路。解决交通问题的传统办法是解决车和路的矛盾，常用的有两个办法：一是控制需求，最直接的办法就是限制车辆的增加；二是增加供给，也就是修路。但是这两个办法都有其局限性，在目前的条件下都不是好办法。这就需要依靠除限制需求和提供道路设施之外的其它方法来满足日益增长的交通需求。同时，交通系统是一个复杂的综合性系统，从道路或车辆的角度来考虑，都将很难解决交通问题。在这种背景下把车辆和道路综合起来系统地解决交通问题的思想就油然而生，这就是智能交通系统。

智能交通系统(its)是将先进的信息技术、通信技术、传感技术、控制技术以及计算技术等有效集成并应用于交管体系而建立起的一种在大范围发挥作用的，实时、准确、高效、综合的交通管理系统。

目前，车辆检测在智能交通系统是最基本、最重要的一个环节。传统的车辆检测使用的方法是利用线圈检测，它是一种基于电磁感应原理车辆检测器，它的传感器是一个埋在路面下。它需将道路铺好再埋入线圈，显然埋线圈又需对路面开发，埋好之后再进行铺路这样反复不仅会造成人力物力的资源浪费，还会由于反复开发路面之后也会影响车辆检测精确度。而且线圈检测易受车辆、湿度、温度等外界环境的影响，基准频率会产生漂移，从而影响检测效果。同时，由于车型、车体、车速的不同，也会影响检测的准确性。所以引进了虚拟线圈的方法，这种方法虽然比传统的物理线圈节约了成本，但它是基于运动车辆检测，对于静止车辆检测失效，所以本文将研究一种基于局部方差的车辆目标检测方法，无关运动从图像或视频的纹理以及灰度域进行处理，克服上面一些方法所存在缺陷问题。

2. 研究内容和预期目标

研究内容：

车辆检测最传统的是线圈车辆检测技术，通过采用环形线圈作为传感器，经隔离变压器隔离产生振荡频率，当车辆通过线圈时会引起振荡频率变化。然后，通过比较电路、整形电路对振荡波形进行数字化，通过测周期的技术、环境跟踪技术、阀值判别技术来对有车、无车信号检测。该检测方法在解决一般性的问题方面，已经日趋成熟，但是长期得不到突破，严重制约产业发展，成本利用率较高，使得线圈检测器长期处在被动、被强迫替代的尴尬境地。

随着计算机技术的不断发展以及各国政府的逐步重视，基于图像和视频的车辆检测在现代智能交通系统中现将代替传统的线圈检测技术。视频检测技术在智能交通中是一个重要的基本环节，对实现实时交通信息采集和交通异常事件检测具有重要意义。在各种车辆检测技术中，视频检测技术将会成为主流技术之一。本毕业设计主要从车辆的灰度和纹理特征出发，研究一种无关运动的车辆检测方法。

预期目标：

3. 研究的方法与步骤

通常的车辆检测方法包括光流法、相邻帧差法、背景差法等。但不管哪种方法，都蕴含了研究对象即行驶车辆的运动信息。这些方法都是基于运动差分的思想，只能检测出运动车辆。除了计算复杂或对车速敏感外，更为关键的就是对静止车辆检测失效。本文将提出一种无关运动的车辆检测方法—图像局部方差法。

在统计学上，方差是一种表示某随机变量相对于其均值波动程度的度量。局部方差法本质是一种边缘描述算子，通过交通视频中道路背景和车辆前景的灰度及纹理统计特性。由于自然图像内容丰富其统计特征在不同位置是各域异性的，如在平滑区域像素值变化不大，所以方差小，而在纹理边缘密集的区域像素值波动剧烈，故而方差很大。利用局部方差描述图像就会显得更有意义，这种方法操作便利、适合静止或运动车辆、计算简单。

步骤：

4. 参考文献

[1] 凌永国, 胡维平. 复杂背景下的车辆检测[j]. 计算机工程与设计, 2016, 37(6):1573-1578.[2] 裴明涛, 沈家峻, 杨敏,等. 复杂光照环境下的车辆检测方法[j]. 北京理工大学学报, 2016(4):393-398.[3] 李飞, 张小洪, 赵晨丘,等. 自适应的siltp算法在运动车辆检测中的研究[j]. 计算机科学, 2016, 43(6):294-297.[4] 杨婷, 李博, 石雯婧,等. 基于dsp的单车道车流量实时监测算法[j]. 计算机应用, 2016.[5] 蒋新华, 高晟, 廖律超,等. 半监督svm分类算法的交通视频车辆检测方法[j]. 智能系统学报, 2015, 10(5):690-698.[6] 陆星家, 郭璘, 陈志荣,等. 基于外观和运动的车辆检测和追踪算法研究[j]. 计算机工程, 2014, 40(8):152-157.[7] 杨先凤, 杨燕. 一种基于hog-lbp的高效车辆检测方法[j]. 计算机工程, 2014, 40(9):210-214.[8] 沈振乾, 苗长云, 张芳. 基于视觉的路口车辆排队长度检测方法[j]. 计算机工程, 2014, 40(4):218-222.

[9]刘承香,林武璋,胡学娟,陈俊伟,阮双琛.基于纹理识别的图像鉴伪技术研究[j].激光与红外;2009,06.

[10]sullivan g.d.,baker k.d.,worrall a.d.,attwood c.i.,remagnino p.m.,model-based vehicle detection and classification using orthographic approximation,image and vision computing, vol.15(8): 649-654,1997

5. 计划与进度安排

2.20--3.12，熟悉课题背景，查阅资料，完成开题。

3.13--4.20，开展课题工作，完成课题的主要实验工作。

4.21--5.20，撰写毕设论文初稿。