视频流中车辆识别开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

课题意义：随着现代社会的物质发展，人们经济消费能力的提高，买车族增多，所以引入智能交通系统（its）尤为重要^[1]。its的核心即针对交通形势和交通资源压力，采用多种技术（计算机、信息、数据通信等技术），在交通运输体系中应用，统筹协调各种情况，建立一种交通运输体系，使其准确、准时、高效的在大范围内以及全方位的发挥作用，实现交通运输的集约式发展^[2][3]。本次课题研究视频流中的车辆识别，旨在利用计算机技术，提取视频流中含车辆的帧，转存为bmp图片，对图片中的车辆进行检测，提取车型特征，为交通收费站提供车型识别功能。

本系统功能主要分为两个模块，车辆检测和车辆识别。

国内外研究概况：国内外一直都没间断在its这方面的研究，而车辆检测更是车辆识别系统中的基础。从1972年日本第一次成功研发用图像处理来处理实时测量交通的装置后，全世界都相继在这个领域展开研究。在这方面，当时日本处于领先地位；80年代后，随着微型计算机的普及，对计算机和模式识别的研究空前活跃，也为该领域的快速发展奠定了基础，例如美国的autoscope系统和欧洲联合研制的euro-cost系统等。在车型分类识别技术上，国内外采用的技术有感应线圈法、红外探测法、超声波检测法、车牌识别法和轮廓识别法^[4]。我国在该领域的起步较晚，在近几年才展开研究，随着我国技术领域和生活物质水平各方面的不断提高，视频的车辆检测与识别系统必有广阔应用前景。

2. 研究的基本内容和问题

研究目标：本课题旨在研究视频流中的车辆。从视频流中提取带有车辆的帧，并转存为bmp图片，在图片上分割出车辆，并进一步识别出车辆所属的车型。

研究内容：在视频流上提取视频序列，并选出包含车辆的帧，在多个连续帧中选出图片可用性较高的图片并进行存储（bmp格式），此部分为车辆检测模块；将存储的bmp图片读取出来，通过图像分割技术（背景差分法、图像二值化、开运算、去噪声、图像填充）、车型特征提取技术和车型识别技术（轮廓识别法）最终得到车型信息。

拟解决的关键问题：第一，如何在视频流中提取图像帧，以及如何在多个帧中选择可用性较高的帧图像；第二，图像二值化的算法；第三，如何将识别出的车型轮廓与车型模板比较及作出正确判断。

3. 研究的方法与方案

研究方法：本系统将大的模块分为车辆检测和车型识别。车辆检测模块的主要目标是背景建模以方便之后的车辆提取技术，背景建模可采用高斯分布混合建模，基于中值变换的估计方法并且利用协方差矩阵对多模型分区等方法；视频流中提取关键帧并转换为bmp图像采用vc中的mfc实现并存储bmp图像；打开bmp图像并对图像进行图像分割，由于之前提取过背景图像，所以用背景差分法实现第一步提取车辆的工作，然后会对提取出的包含车辆的图像进行二值化、开运算及去噪处理，得到车辆的模型，再利用图像填充法和轮廓识别法得到车辆轮廓，最后比较得到车型。

技术路线：采用vc 、opencv和mfc实现。

实验方案：本实验通过计算机技术对车辆进行检测处理最终识别出车辆的车型，通过vs2010平台并利用opencv的库函数和mfc实现一个界面良好并能正确识别出车型功能的系统。在实施过程中要不断学习所涉及的知识和编写程序，最终实现系统功能。

4. 研究创新点

一般车辆识别功能都是通过对静止图像进行操作，而本实验是对视频流中的车辆进行处理及识别车型。

通过将视频转换成bmp图片实现动态到静态的转换，这样可以选取视频序列中可用性较高的图片进行处理，提高程序的效率。

5. 研究计划与进展

在3月12日开题报告之后开始着手毕设的前期准备，用一到两周的时间（3月25）来查阅资料及相关程序代码，将整个毕设内容实施划分为三大阶段：车辆检测、avi到bmp的转换、车型识别。每个阶段分别用4到5天去独立实现（3月25到4月10日）。

4月9日毕设中期检查，此时各个模块应能独立运行。

4月10日起，将各个模块组装，测试。用3天左右的时间完成整个程序的设计。