1、 本科毕业设计（论文）开题报告书本科毕业设计（论文）开题报告书 题 目： 基于 OpenCV 的车流统计算法设计 指导教师： 专业班级： 学 号： 姓 名： 日 期： 一、选题的目的、意义 随着汽车数量的迅猛增加，导致了道路交通状况的日益恶化， 如何实时智能地对道路车流量进行监控，为交通管理部门提供指挥 决策依据，成为一个亟待解决的问题。 车流量统计是智能交通系统中交通监控系统的核心内容，是指 对道路交通监控视频，采用一定的策略，实现对车辆的监测和跟踪 并进行车辆计数的过程。 基于视频的车流量统计系统适应性强且容易维护，目前已广泛 的应用于智能交通监控系统中。根据车流量的历史数据，交通部门 能
2、推测出道路的车流高峰时段，以及时分配车道和信号灯来疏导车 流，减少交通拥堵。让交通管理变得更加高效，让公众出行变得更 为顺畅。而城市也因此变得更加宜居。 车流统计系统在传统的电视监视系统基础上将计算机视觉引入 到交通信息检测之中，通过计算机从数字图像中提取出高级交通信 息，同时又像其它车辆检测器一样能向交通监控中心提供图像和交 通参数如车流量等。 目前，国内已经较为广泛地应用车流统计系统来监测道路的车 流量，以获取的车流高峰的时段来调整交通管制。但是，国内城市 主干道行车道数目多，在高峰期车辆多，并且车辆来回变道，拥堵 也较为严重。此时，对车流统计系统的准确性带来了挑战。当高峰 期到来时，现有
3、的车流统计系统识别准确率会有所下降，不能统计 一个精确的数值，误差数目较大。 本文研究的车流统计算法，相比于传统的车流统计系统，此算 法有两大改进。 第一个算法改进是利用预测车辆前进的位置来识别同一车辆， 避免在车多拥堵时会将车辆错误地交叉识别为同一车辆，提高车辆 识别的准确性。 第二个算法改进是根据识别目标的特征来区分小型车与大型 车，分别统计小型车与大型车的数目，以达到多种车流统计的需求。 基于上述算法改进的优越性，更准确和更详细的车流统计系统 对于智能交通系统的发展有巨大的推动作用，对于日常生活和国家 的经济发展都有很大的实际意义。 二、本题的基本内容 本文研究的算法设计是在传统的车流统
4、计系统上增加了两个算 法改进，第一个算法改进是利用预测车辆的前进位置来识别同一车 辆，第二个算法改进是根据识别目标的特征，如矩形的面积，宽高 比，最外面矩形边界宽，高，对角线尺寸，区分小型车与大型车， 分别统计小型车与大型车的数目。 传统的车流统计系统分为四大模块：视频图像的获取，图像的 预处理，车辆检测和跟踪，车辆记数。首先需要载入视频的第一帧 和第二帧，然后将图像转换灰度图，以便于后期的图像处理，减少 计算量。接着需要进行高斯模糊，以减少图像噪声。然后计算当前 帧和背景帧之差的绝对值，最后将图像二值化，使整个图像呈现出 的黑白效果，以便于提取目标的轮廓。之后需要对图像的结构元素 进行膨胀操
5、作，用于连接相邻的元素，去掉分散的噪声点，然后进 行腐蚀操作，分割独立的图像元素。最后提取目标的轮廓，得到团 块。符合条件的团块将标记为车辆。 第一个算法改进是在识别前一帧和后一帧图像的同一车辆时， 利用前几帧图像的车辆路径来预测下一帧的位置，使用预测的位置 和后一帧图像中的团块匹配同一车辆，而不是用前一帧图像和后一 帧图像中的团块匹配，以此提高同一车辆识别的准确率。根据前几 帧图像的团块位置，计算出一个位移的平均值，预测下一帧的位置， 然后根据预测的中心点设定一个距离范围，图像中符合距离范围并 且距离此中心点最近的团块则判定为同一车辆。如果有中心点没有 符合任意一个距离范围，则判定为新识别的
6、车辆。 下图为示意图，黑色圆表示前几帧车辆的路径，虚线圆表示预 测的下一帧位置，蓝色圆为下一帧车辆的实际位置。可以看出，当 没有预测位置时，下一帧车辆需要与上一帧车辆位置匹配，从而有 可能会与其他车辆错误识别， 如果使用预测位置和下一帧车辆匹配， 准确率将会有所提高，减少错误识别的发生。 第二个算法改进是对于通过车辆检测线的团块进行特征分类， 首先要设定小型车和大型车在面积，宽高比，最外面矩形边界宽， 高，对角线尺寸特征上的合理范围，然后当团块中心点经过检测线 时，对团块进行分类，统计不同的车型数目。另外，还能根据小型 车和大型车团块完全经过检测线所需要的时间长短来进一步分辨， 通常小型车经过的时间短，大型车经过时间较长。设定一个经过检 测线需要的帧数的中间值，大于帧数中间值的为大型车，小于中间 值的为小型车。 下图为整体的程序流程图，本文研究的算法改进主要是在车辆 检测、车辆跟踪和车辆计数这几个阶段 开始
