随着社会经济的快速发展,人们生活水平不断提高,各种汽车的保有量大幅增加,怎样提高交通效率就显得越来越重要。世界各国都投入了大量的人力和物力对智能交通系统(Intelligent Transportation Systems, ITS)进行研究。车辆检测作为ITS的基础部分,为整个系统提供基础数据。在众多车辆检测方法中,视频检测具有直观性、大范围检测、安装方便和维护费用相对较低等优点,成为最有前途的采集交通信息的技术,以指导车辆运行。视频检测也是计算机视觉和图像处理领域的一个研究热点。视频车辆检测系统的主要目标是在不破坏路面的情况下,获取道路车流量、车长、车速、占道率等交通信息,为道路的宏观管理和公路规划设计提供重要科学依据。本文从事基于视频的交通路口车辆检测系统的研究,其目的是设计出适用于大面积、多目标的复杂场景,能排除干扰,具备实时和自适应能力的车辆检测系统,为道路交通管理提供更为有效的依据,从而提高交通管理的自动化、现代化水平。主要工作内容如下:(1)基于视频虚拟检测线的车辆检测算法:该算法基于视频虚拟检测线,改进了背景差法,可同时统计视窗内多个车道的车辆,并且不受车辆行驶位置的影响,无论车辆是否按车道行驶均不影响计数,对于型号不同、宽窄不同的车辆都能检测到;根据可能出现误检和漏检的情况,该算法采用预估校正、相关性修正等多种措施进行数据流修正,大大提高了车辆检测和计数精度。(2)基于多Kalman滤波的多车辆自动跟踪算法:该算法采用二次帧差掩模对运动对象进行分割,通过对每一个运动对象建立相应的Kalman滤波器,在预测区域内对提取的运动区域按视频序列中车辆的实际尺度进行区域融合,最后定位最大的运动对象掩模就可以实现车辆跟踪。(3)基于跟踪结果的车辆运动方向检测算法:提出了一种对复杂交通路口下的车辆行驶方向进行检测的算法。首先结合改进的帧差法,对复杂交通路口下的视频图像序列建立二值化的待检测区域;然后用形态学方法进行除噪,利用区域生长法找到目标车辆。最后采用MAD (mean absolute difference)准则和改进的三步搜索法进行匹配,完成对车辆行驶方向的检测。基于上述技术构建了基于视频的交通路口车辆检测系统,将车辆检测、车行方向检测等功能整合在整个系统。该系统不需获取红绿灯信号,可利用单一摄像头对交通路口各方向上的交通流参数(车流量和车速)进行获取,系统试验效果比较理想。