基于背景差分的多车道车流量检测系统
基于视频的道路信息采集与发布系统
一
差分法 Ｊ 、 帧差 法 ｊ 、 边缘 检 测 法 等． 光 流 法 实 时性 较差 ； 灰度 等级法 的灰度 阈值 容 易受 环 境 和 光线 变
化影 响 ； 帧 差 法 提 取 的运 动 目标 不 完 全 ； 边 缘 检 测
个亟 待解 决 的问题 ．
尽管 人们 可 以利 用 导 航 仪 或 广 播 电 台获 得 路 况 等信息 ， 但 出行者 不 能 实 时 了解 所需 路 线 的状 态 信 息． 如 果 拥 有 一 个 实 时 道 路 信 息 采 集 与 发 布 系 统， 出行者 便能 够根 据 自己的意 愿 了解 某 个 路 口的
０ 引 言
随着我 国交 通 事 业 的 飞 速 发 展 和 汽 车 数 量 的
迅猛增 加 ， 交 通 拥 挤 影 响 出行 的 问题 日趋 严 重． 如
在 智能交 通 系统 中 ， 数 据 采集 模 块 占有 重要 地
位． 视 频检测 技术 在交 通 信 号 控 制 系统 中主 要应 用
汽车的定位信息 ， 通过数据中心提供实时路况信息
以供驾 驶 者选择 出 行路 线 ． 系 统将 即时 的路 况信 息
和具体行车路径发送到驾驶者 的移动终端． 移动终
端 与 区域信 息发 布平 台通 信流 程如 图 ２所 示 ．
用 户 终 端 登 移 动 终 端 系 统 信 息 交
基于Vi Be的车流量统计算法
基于Vi Be的车流量统计算法【摘要】基于Vi Be的车流量统计算法在交通领域有着重要的应用价值。
本文首先介绍了Vi Be算法的概述，然后探讨了该算法在车流量统计中的应用及其优势。
还深入讨论了Vi Be算法存在的不足之处，并提出了改进基于Vi Be的车流量统计算法的思路。
结合前人研究成果，展望了基于Vi Be的车流量统计算法的前景，总结了本文的研究工作，并展望未来研究方向。
通过本文的研究，将有助于提高车流量统计的准确性和效率，为交通管理提供更多有力的支持。
【关键词】车流量统计算法, Vi Be算法, 优势, 不足, 改进, 前景, 研究工作, 研究方向, 引言, 正文, 结论.1. 引言1.1 研究背景车流量统计是城市交通管理和规划的重要组成部分。
随着城市化进程的不断加快，城市交通拥堵已经成为人们生活中的一个普遍问题。
准确地监测和统计车流量对于改善交通拥堵、提高道路通行效率、优化交通规划具有至关重要的意义。
传统的车流量统计方法主要依靠人工收集数据或使用传感器设备，但这些方法存在着很多问题，比如数据采集效率低、成本高昂、数据精度无法得到保障等。
研究如何利用先进的计算机视觉技术来实现车流量统计就显得尤为重要。
在这样的背景下，基于Vi Be的车流量统计算法应运而生。
Vi Be 算法是一种基于背景差分的运动目标检测算法，具有简单、稳健、高效的特点。
通过将Vi Be算法应用于车流量统计中，可以实现对车辆的自动检测和跟踪，提高数据采集效率，减少人力成本，提高数据处理精度。
本文旨在深入探讨基于Vi Be的车流量统计算法，分析其应用和优势，同时针对其不足之处提出改进方案，为未来的交通管理工作提供参考和借鉴。
1.2 研究意义车流量统计一直是交通管理和规划领域中的重要问题，通过准确统计车辆数量和流量情况，可以帮助交通部门更好地制定交通政策和优化交通网络。
而随着智慧城市和智能交通技术的发展，基于视频监控的车流量统计算法也得到了广泛的应用。
基于视频车流量检测模拟论文
基于视频的车流量检测模拟摘要:本文以vc++6.0作为基础开发平台,针对采集的交通视频图像,进行相关信息的识别与提取,利用经典的背景提取算法提取背景;采用减背景的方法进行目标检测;对车流量检测进行了简单的模拟。
关键词:背景提取, 目标检测,车流量检测一、引言近年来,基于计算机视觉和图像处理技术的交通信息检测技术(简称视频检测技术)逐步成为研究主流。
其工作流程为:通过安装在路面上方的摄像机采集交通图像,应用计算机视觉和图像处理技术处理图像数据,获取实时、丰富、动态的交通信息,进行交通的信号控制、信息发布等。
视频检测算法是整个智能交通系统的核心,其好坏将直接影响系统的检测精度和检测效率。
而在近几年its市场的推动下,基于视频图像分析和模式识别技术的交通流量检测算法针对其特有的应用场合,逐步成为目标检测技术的一个研究分支。
二、总体框架本文采用的视频文件时raw图像格式,首先读取若干帧的视频文件,然后分别利用背景提取算法和目标检测算法对读取到的视频文件进行背景提取和目标检测,进而统计出当前路面上的车流量信息。
同时,为了得到更为精确的车流量数据,采用了相应的背景更新算法对背景进行实时更新。
图1 总体框架图三、背景提取与更新3.1 背景提取(1)多帧图像平均法是将运动车辆看作为噪声,用累加平均的方法消除噪声。
利用车辆运行一段时间的序列图像进行平均而得到道路的背景图像。
该算法的特点是模型简单、计算方便。
但是,在实际应用中,往往是图像中的某些区域有亮度高的运动目标,而某些区域有亮度低的运动目标经过,通过平均法得到的背景图像就会出现亮暗分布不均匀的区块。
另外,该算法得到的背景图像受车流量的影响变化比较大。
当然,随着帧数的增加,噪声消除后的结果会有所改善。
(2)统计直方图法是统计一段时间内各个像素点上不同亮度值出现的次数,其中出现次数最多的,即直方图中最大值所对应的亮度值就是路面本身的亮度值。
该算法抗噪声干扰性好,在通常情况下提取出的背景较好,但运算量大、提取背景速度慢是该方法的主要缺陷。
交通监控系统中帧差法与背景差分法优劣分析
视频 车辆检 测技术
新 型监 控 系统 可 以通 过 区分 监 控对 象 的特 征 ， 主 动 收集 数 据 、 析 数 据 ， 根 据 预设 条 件 执行 报 警 、 分 并 记 录 、 析 等动 作 。实 时地交 通 流量 信息 反馈 ， 以为道 分 可 路拥 塞 高峰 时期 或 紧急交 通 事故 发生 时 的道 路 智 能 化 调度 管 理提 供依 据 ， 而减 少 道路 拥塞 ， 高路 面资 源 从 提
的利用率 ， 最合理地利用现有的交通网络 。现就其 中 最简 单 的车 流量 统计 进行 分析 。图像 处理 的过 程 分 为
图像 的预 处 理 、 景 的 提 取 、 测 线 的 选 取 、 果 分 背 检 结 析 Ｊ 。文献 ［ ］ 用 Ｃ ｎｙ边 缘 帧差 法 进 行 公 交 客 ５利 ａｎ 流量 统 计 。文 中 以 杭 州 某 地 区 内 的车 流 量 为 例 进 行
对不同环境 条件产生的 多种 图像 处理 方法。文 中对其 中两种方法 ：帧差 法和背景差分法 ，在 一般 情 况下的优劣性 进行 分析研 究 ，通过模拟仿真得到 帧差法要 比背景差分 法准确性 更高。
关键词 视 频 分 析 ； 车 流 量 ；差 分模 型 ；检 测 线
中图分类号
１ｌ ７ ２ Ｐ ９ ． １ ］ ７ ． ；Ｔ ３ １４ Ｆ ２
Ｓ ａ ，Ｓ ＵＮ Ｈｕ ｎ ＨＡＮＧ Ｘｕ ｅ ｇ Ｚ ｆ ｎ ， ＨＵ ｈ ｏｏ ｇ Ｚ Ｚ ａ ｌ ｎ ， ＨＡＮＧ Ｈｅ ｕ ｎ ｑ ａ
（ ｏｅｅｏ ｃ ｎｅ ｈｎ ｉａｇＵ ｉ ｒ ｔ，Ｈ ｎｚｏ １０ ８ ｈｎ ） Ｃ ｌ ｇ ｆ ｉ ｃ ，Ｃ ｉａＪｉ ｎｖ ｓｙ ａ ｇｈｕ３０ １ ，Ｃ ｉａ ｌ Ｓｅ ｌｎ ｅｉ
【精编完整版】基于视频的车流量统计算法设计毕业论文设计
基于视频的车流量统计算法设计摘要：智能交通系统(ITS)已经被科学家认为是解决当前城市交通问题最有效的方法,也是目前和未来交通发展的主流方向。
ITS的前提是获得交通道路的实时信息,比如车速、车流量等。
本文主要研究ITS中基于视频检测技术的车流量统计方法,对所涉及的运动目标检测、背景提取、阴影去除以及车辆统计等核心技术进行了详细的研究。
本文的工作主要分为以下四部分：1)对车流量统计相关算法进行了研究,针对目标检测算法,研究了光流法、帧间差分法和背景差分法。
针对背景提取算法,研究了均值法、统计中值法、单高斯背景模型法和混合高斯背景模型法；针对阴影消除算法,研究了基于HSV颜色空间变换的阴影消除算法、基于色彩特征不变量的阴影消除算法和基于纹理特征的阴影消除算法。
同时,本文对上述算法进行了实验对比分析。
2)给出了一种改进的混合高斯模型背景提取算法,当读入一定帧数的图像之后认为背景达到稳定状态,读入新的视频帧时,对当前帧进行判断,如果像素点和稳定背景图像的像素点差值大于阈值Th1,就对该像素点进行更新,反之就不更新。
3)给出了一种改进的基于虚拟区域的车流量统计算法,首先设置检测区域和检测线,然后跟踪检测区域中车辆的质心到检测线的距离d,如果d小于Th2认为有一辆车辆通过,通过实验验证,本文算法的精确率能达到90%左右。
4)实现了一个车流量统计系统,整个系统主要包括视频播放模块、GMM背景更新模块、前景构建模块和车辆计数模块。
视频播放模块主要完成视频的播放和显示；GMM背景更新模块主要是实现本文的背景提取算法；前景构建模块的主要功能是通过阴影去除和形态学操作得到较好的前景图像；车辆计数模块的主要功能是完成本文的车流量统计算法。
本文深入研究了车流量统计的相关算法,并给出了一种改进的混合高斯模型算法和一种改进的基于虚拟区域的车流量统计算法,最后用VC实现了一个车流量统计系统,实验结果表明本文设计的系统能够对车辆目标进行准确检测与统计。
浅谈基于视觉的高速公路车流检测技术
后 计 算 与 Ａｔ 间 间 隔 前 一 帧 的 相 干 系 数 ， 时 相 干 系 数 最 小 时 ， 幅 图像 最 匹配 ， 时 的 两 此 得 出 车辆 的运 动 速 度 。 方 法 计 算 速 度 快 ， 该 精 度 高 ， 该 方 法 也 受 到 检 测 区域 的 影 响 ， 但
尖 锐 ， 后 采 用ＳＯＢＥＬ算 子 对 图像 作 边 缘 然 检测。
因此 ， 多 机 构 开 始 致 力 于 研 究 智 能 许
交 通系统 （ ｔｌ ｇ ｎ ａ ｓ ｏｔ Ｓ ｓ ｍｓ。 Ｉ ｅｌ ｅ ｔ Ｔｒ ｎ ｐ ｒ ｙ ｔ ） ｎ ｉ ｅ
子 传 感 和 控 制 等 高 新 科 学 技 术 所 组 合而 成 的 ， 能 够 覆 盖 很 大 的 区域 ， 且 实 时 、 它 并 准
采用 背景差分法 实现前景 图像的提 取。 不
下 一 些 残 影 ， 成 图像 噪 声 ， 采 用 图像 处 构 需 的 检 测 均 采 用 基 于 局 部 图 像 的 线 式 检 测
基础 设 施 特 别 是 道 路 建设 的相 对落 后 致 使
城 市交 通 拥 堵 、 通 事 故 频 发 、 通 环境 恶 交 交
工 业 技 术
ＳＩＣ ＆ＴＣＮＬ Ｇ Ｏ ＮＥ ＥＨＯ ０Ｙ。 Ｅ
匝圆
浅 谈 基 于 视 觉 的 高速 公 路 车 流 检 测 技 术
葛 群 辉 （ 江杭 徽高速 公路 有 限公 司余 杭收 费所 浙江 杭州 ３ ０ ０ 浙 １ ０ ） ０
摘 要： 基于视 频的 高速 公路 丰流检 测 系统是 一种结合 数字 图像处理 和计算 机视 觉技术 的智能化 交通检 测 系统 。 文运 用数字 图像 处理 本 和计算 机视 觉技术 ， 对基 于视 烦的 交通 流检测进行 了原理分 析 与设 计， 对数 字图像处理和 计算机视 觉的相关知 识作 了介 绍。 井对摄像机 标
一种改进的路口背景频度估计算法
对 光线 变化 的适 应性 ，提高了背景建模 的准确性 。
１基于频度的背景估计法
在 实际应用中 ， 交通流量大时 ， 随时会有车辆遮挡路 面 ，
成为影响道路 畅通 的关键所在 。传统 的路 Ｉ信号灯 控制方式 ： １ 主要采用 固定模式和半 固定模式 ，很难依据 当前路 Ｉ实际车 ： １ 流信息来智能控制 。基于视频 的交通路 Ｉ信号 灯智能控制系 ： １ 统 ，就是从视频 图像数据 中准确地获取车 流信 息 ，向信 号灯 控制设备发送控制信号 ，完成信 号灯 的智能控制。 基于视频 的运 动对象检测 方法 有多种 ，如光流法 …、邻
ＬＩ Ｓ ｕ ｎ ， Ｕ ｈ ａ ＤＯＮＧ ｕ ｙ ２ Ｊ ｎ ｕ
（ ． ｐ ｒｍ ｅ ｔ ｆＣｏｍｐ ｔｒＳ ｉｎｃ ， ａ ｇ ｕ ｉ ｉｅ ｓｔ， ｕ ｄａ １ Ｄｅ ａｔ ｎ ｏ ｕｅ ｃｅ ｅ Ｈｕ ｎ ｈ ａ Ｕｎｖ ｒｉ Ｚｈ ｍａ ｉｎ４６ ０ ０； ｙ ３０
２ Ｄｅ ａｔ ｎ ｆ ｏ ｕｅ， ｅ ｎ Ｕ ｉｅ ｓ ｙ ｆＣ ｉａ Ｑｉｇ ａ ６ ０ １ ． ｐｒ ｍｅ ｔ Ｃ ｍｐ ｔ Ｏｃ ａ ｎ ｖ ｒｉ ｏ ｒ ｔ ｏ ｈｎ ， ｎ ｄ ｏ ２ ６ ７ ）
帧差法 和 背景减法 等。实 际交通路 Ｉ 的车流速度较慢 ， ： １ 车辆处于 等待状态是很正常 的现象 ，有时甚至会 出现堵 车 ， 邻帧差分 的有效性 就特 别差。加之图像受时间、光照等环境 影响大 ，光流 法算法复 杂，实时性能不好 。而背景减法的车 流量统计 ，准确性 和实时性 都比较高 ，但 如何实时准确地构
ｒ ｓ ｌｓｓ ｏ ｔ ｅｐｒ ｐ ｅ ｅ ｏｄ Ｃ ｒ ｕ ｅ ｈ ｇ ｏ ｌｎ ｃ ｕ ａ ｙ ｕ ｄ ｒｄ ｆｅ ｅ ｔｅ ｖ ｒ ｎ ｅ ｔ ｏ ｄ ｔｏ ｓ ｅ ｕ ｔ ｈ ｗ ｈ ｏ ｏｓ ｄ ｍ ｔ ａ ｐ ｏｄ ｃ ｉ ｈ ｍ ｄｅ ｉ ｇ ａ ｃ ｒ ｃ ｎ ｅ ｉ ｒ ｎ ｎ ｉｏ ｍ ｎ ａ ｃ ｎ ｉｉ ｎ ． ｈ ｎ ｆ ｌ
基于多车道自由流的拥堵收费系统技术方案
基于多车道自由流的拥堵收费系统技术方案一、背景介绍随着城市交通拥堵问题的日益严重，拥堵收费制度逐渐被引入以控制和缓解交通拥堵。
传统的拥堵收费系统多为单车道或者少数车道，其实效较低。
基于多车道自由流的拥堵收费系统则可以更加高效地进行车辆流量控制和拥堵收费。
二、技术方案介绍1.车辆识别技术通过在每个车道上安装车辆识别设备，如摄像头和车牌识别设备，实时识别车辆的车牌号码和车型等信息。
可以采用传统的图像识别技术或者新兴的深度学习技术来进行车牌识别。
2.数据传输和处理技术车辆识别设备将识别到的车辆信息通过无线传输或者有线传输传送给中心服务器。
中心服务器进行车辆信息处理，包括数据筛选、分析和存储，以支持后续的拥堵收费计算。
3.收费设备技术每个车道的收费设备包括收费通道和收费设备。
收费通道设置在车道上方的天线，用于收集车辆通行信息，实时监测并返回车辆信息给收费设备。
收费设备可以采用传统的收费亭和人工收费员，也可以使用无人收费设备，如ETC门架和自助缴费机等。
4.拥堵收费计算技术基于车辆信息和路段拥堵状况，中心服务器可以实时计算出每个车辆的拥堵收费金额，并向收费设备发送相应的指令进行扣费操作。
拥堵收费计算可以基于不同的策略，如根据车辆的通行时间、路段的流量情况和拥堵程度等。
5.数据分析和统计技术中心服务器还可以对车辆通行数据进行分析和统计，以便对交通拥堵情况进行更深入的研究和分析。
可以通过数据可视化技术将数据呈现给决策者，为城市交通规划和管理提供参考。
三、优势和应用1.提高通行效率：车辆无需减速或停车缴费，实现了车辆的自由流动，大大提高了道路的通行效率。
2.提升收费效率：通过自动化的车辆识别和无人收费设备，减少了人工操作和排队等待的时间，提高了收费的效率。
3.减少拥堵现象：实施拥堵收费可以有效控制车辆通行量，减少拥堵现象的发生。
基于机器视觉的车流量检测算法
基 金 项 目 ： 西 教 育 厅科 研 项 目（０ ８ ８ Ｘ ２ ） 广 ２ ０ ０ Ｌ ３ ３
行上述 基于背景差法处理后 ， 得到经 图像处理获得 的车 辆数 ， 如表 １ 所示 。表 中总车辆 数为在 四连拍 时间段 内
实 际 通 过 的 总车 辆 数 。
４ ２ ６ ３ ５ ３ ３ ３ ３ ３ ７ ３ ７ ５
通过构 建神经 网络进行车流量估测 。将四连拍得到
利用 两幅 图像之 间 的差来 判断物体 的出现和运动 ， 即计 算 当前图像与一个 固定 的静止参 考 图像（ 图像 ） 背景 的差
测 方法 ， 采用 动态开 窗 的方 式进 行车 辆 计数 ００ ］ １ 年 值 ， 而得 到图中的车辆数 。同时 ， 。２ 从 许多学者针对背景差 郭怡 文等通过背 景差分方法 实现 图像分 割 ， 使用 虚拟检 法存 在 的局 限及 不足也进 行了很多改进 和完善 ６ １ 。在
（．广 西 工 学院 电子 信 息 与 控 制 工程 系 ， 西 柳 州 ５ ５ ０ ；．广 西柳 州 钢铁 集 团公 司 ， 西 柳 州 ５ ５ ０ ） １ 广 ４０６２ 广 ４ ０ ２
【 摘
要 】准确 的车 流量检 测是 实现智 能交通 管理 的基础 。提 出 了一 种将背 景差 法和神经 网络相 结合 的车流量 检测 算法。首
只对窗 口内图像进行计算 ， 取得了较好的效果 ０ ７ ］ ０ 年 。２
帧差 法 、 背景 差法 、 流法和边缘 检测法等 ， 中背景差 光 其
基于视频分析的车流量统计算法研究
基于视频分析的车流量统计算法研究
吕扬建;李光耀
【期刊名称】《井冈山大学学报》
【年(卷),期】2013(034)004
【摘要】车流量统计作为智能交通系统的关键技术之一，逐渐成为研究的热点。
主要研究了基于虚拟线圈的车流量统计算法和基于目标跟踪的车流量统计算法，综合了两种算法的优势，结合Canny算子边缘检测算法、均值背景建模法和背景差分法等技术，提出了一种基于质心的车流量统计综合算法。
实验结果表明综合算法在实时性和准确性方面均取得较好的实验结果。
【总页数】6页(P46-51)
【作者】吕扬建;李光耀
【作者单位】同济大学电子与信息工程学院,上海201804
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于视频分析的车流量综合检测算法 [J], 王勃;贾克斌
2.一种基于视频分析的多车道车流量检测方法 [J], 马怀志
3.基于DSP图像处理的车流量统计算法研究 [J], 尹晓丁;吴阳明;赵喆;王钰
4.基于视频分析的车流量统计算法研究 [J], 吕扬建;李光耀
5.基于多目标跟踪的车流量统计算法研究 [J], 朱晨; 费树岷
因版权原因，仅展示原文概要，查看原文内容请购买。
车流量检测系统设计报告
车流量检测系统设计报告1. 引言车流量的监测在现代交通管理中起着至关重要的作用。
准确地了解道路上的车辆密度和流量，可以帮助我们进行交通流量调控和路况状况评估。
本文介绍了一种基于计算机视觉技术的车流量检测系统设计。
2. 系统设计2.1 硬件设备车流量检测系统主要由以下硬件设备组成：- 摄像头：用于采集道路上的车辆图像。
- 服务器：用于接收和处理采集到的车辆图像。
- 显示器：用于展示车流量数据和图像。
- 网络设备：用于连接服务器、摄像头和显示器。
2.2 软件设计车流量检测系统的软件设计主要包括以下几个方面：- 图像采集：通过摄像头采集道路上的车辆图像，并传送给服务器进行处理。
- 图像处理：服务器接收到摄像头传来的图像后，使用计算机视觉技术对图像进行分析和处理，如目标检测、车辆跟踪等。
- 数据分析：对处理后的图像中的车辆进行计数和统计，得到车流量数据。
- 数据展示：将车流量数据在显示器上进行展示，以供交通管理人员或其他相关部门进行参考。
3. 系统实现3.1 摄像头选型在车流量检测系统中，摄像头的选型非常重要。
一般需要选择高分辨率、夜间拍摄效果良好的摄像头。
3.2 服务器配置为了处理高负载的图像处理任务，服务器需要具备较高的计算性能。
同时，为了保障系统的稳定性和可靠性，服务器应具备良好的散热系统和可靠的硬盘。
3.3 图像处理算法图像处理算法是车流量检测系统的核心。
用于目标检测和跟踪的算法可以选择基于深度学习的算法，如Faster R-CNN、YOLO等，也可以选择传统的图像处理算法。
根据实际需求和系统性能，选择合适的算法进行实现。
3.4 数据展示界面数据展示界面是车流量检测系统的用户接口，交通管理人员可以通过该界面实时了解车流量数据和图像。
界面设计应简洁明了，方便用户操作。
4. 系统测试为了验证车流量检测系统的性能，我们进行了一系列测试。
通过在实际道路上布置摄像头，采集车辆图像，并对图像进行处理和分析，得到了相应的车流量数据。
多车道的车流量统计
（ 北方 工业 大 学机 电工程 学院 ， 北京
摘
要 ：针对 视频 车流量 检测 容 易受光 线变 化 以及相 邻车 辆 阴影 影 响 的问 题 ， 出一 种 基 于车 辆 图像 能 量 差 分 的车 流量 检 测 方法 。 提
该 方法 利用 车辆视 频 图像 的能量 信息作 为 车辆 的检测 特征 ， 辨别 检测 区域 各部 分 状 态 ， 弱 光 照 、 影等 的影 响 ； 减 阴 并且 通 过实 时 自动
ｌｍｓ。ｔｅｎｅ ｄ ｔｃｉｎｍｅｈ ｄ ｂ ｓ ｄ ｏ ｍａ ｅｅ ｅｇ ｉｆｒｎ ｅｉ ｒ ｓ ｎｅ ． Ｂｙｕ ｉｇ ｔｅｅ ｅ ｇ ｎｏ ｍａｉｎｏ ｉｅ ｍａ ｅ ｏ ｅ ｉｌ ｓｔｅ ｅ ｈ ｗ ｅｅ ｔｏ ｔｏ ａｅ ｎｉ ｇ ｎ ｒｙｄ ｆ ｅ ｃ ｓｐ ｅ ｅ ｔｄ ｅ ｓｎ ｈ ｎ ｒ ｉｆｒ ｔｏ ｆｖｄ ｏｉ ｇ ｆｖ ｈｃｅａ ｈ ｙ
文献标 志码 ：Ａ
Ａｂ ｔａ ｔ ｈ ｉｅ ｒｆｃｆ ｗ ｄ ｔｃｉｎｉ ｅ ｓｙａｆｃｅ ｙｃ ａ ｇｓｏ ｅｌ ｈ ｎ ｈ ｈ ｄｗｓｏ ｄａｅ ｔｖｈｃｅ ｏｓｌ ｈ ｓ ｒｂ ｓｒｃ ：Ｔ ｅｖｄ ｏｔ ｆ ｏ ｅｅ ｔ ｓ ａｉ ｅｔｄｂ ｈ ｎｅ ｆ ｈ ｉ ｔ ｄｔｅｓａ ｏ ｆａｊｃｎ ｅ ｉｌ．Ｔ ｏｖ ｔｅｅｐｏ ・ ａ ｌ ｉ ｏ ｌｆ ｔ ｇ ａ ｅ
ｄ ｃ ｄ Ｉ ｄ ｉｉｎ，ｔｅ ｂ ｃ ｇ ｏ ｄ ｅ ｅｇ ｍａ ｅ ｉ ａ ｔｍａｉａｌ ｘｒ ｃｅ ｎ ｐ ａｅ ｎ ｒａ－ｉ ｏ ｅｅ ｔ ｇ ｔａ ｃｆｏ ｕ ｅ ． ｎ ａｄｔ ｏ ｈ ａ ｋ ｒｕｎ ｎ ｒ ｉ ｇ ｓ ｕ ｏ ｔ ｌ ｅ ｔａ ｔｄ ａ ｄ ｕ ｄ ｔｄ ｉ ｅ ｌｔｍｅｆｒｄ ｔｃｉ ｒｆ ｗ．Ｔｈ ｘ ｅｉ ｎｓ ｙ ｃ ｙ ｎ ｉ ｌ ｅ ｅ ｐ ｒｍｅ ｔ
基于背景更新的运动车辆检测算法研究
更新 的算法 ， 结合 背景 图像 差分 法得到 完整 的运 动 目 标 区域 ， 据灰度 值 的相似 性分 割出运 动 目标 。该 算 根 法鲁 棒性好 、 时性高 ， 实 能很 好地检 测 出运动 目标 ， 对
和天气 条件 的变化 ， 存在 着在 没有 任何 车辆 通过 肘 但
它也需 要对 背 景图像 初始 化的 缺陷 。 在文 献 ［］ 采 ２ 中，
用 了基 于边 缘 的背景 去除算 法 ， 将实 时路 况 图像 的边
进 行 分割 ， 会产 生 不 理想 的 分割 、 至是 错 误 的分 则 甚 割 。因此在对 运动 目标 进行 检测时 ， 保持 背景模 型实
收 稿 日期 ： ０ ０ １ — ２ ２１— １ ５
作 者 简 介 ： 如 泉 （９ ｌ ） 女 ， 西 萍 乡 ， 师 ， 士 ， 文 １８一 ， 江 讲 硕 主要 从 事 机 械 车 辆方 面 的研 究 。
・ ６・ １
萍 乡高等 专科 学校 学报
Ｉ ｘ， ） ｊ ｙ （ 一 ＊Ｖ（ ｙ ｘ， ）
于没 有先验 背景 图像 的情况 也适用 。 １背 景模型 的建 立 在 理 想情 况 下 ， 背景 模 型 的构 造 是很 简单 的 ， 获
取 背 景模 型 的最 简单 的 方法 是 在场 景 没有 运 动 目标 的情况下 进行 的 图像 。但 是在 现实环 境 中 ， 背景 的变 化 是复杂 的 ， 括 ： 光 照条件 的变化 ， 包 ① 包括一 天 中光 照 的缓 慢变 化 和 突然 变化 ， 如灯光 的开关 、 云蔽 日 乌 等 引起 的背 景 变化 ； 背 景 物体 的 运动 ， 风 中树 木 ② 如 的 摆动 ； ③运 动 目标 引 起 的背 景变 化 ， 车辆 密 集 的 如 情况下 （ 如某些 物体 的进入 后停 下来 ） 因此 背景并 例 。 不是静 止不 变 的 ， 如果直 接用 当前 帧和静 止背 景相减
基于视频图像处理的车辆排队长度的检测
起 的 ， 这 些 区域标 记 为前 景像 素 ， 用标 记 的像 素 区 将 利 域 可 以确定 运 动 目标 在 图像 中的位 置 。由 于相邻 两 帧 间的 时间 间隔非 常短 。用前 一 帧 图像 作 为 当前 帧 的背 景 模型 具有 较好 的实时 性 ， 背 景不 积 累 ， 更新 速 度 其 且 快 、 法简 单 、 算 计算 量小 。
２２车辆 存 在检 测 ．
图 １直线 检测 算 法 原 理 图
对 图 像 中检 测 边 缘 后 的 虚 拟 区 ， 理 过 程 是 从 处
（ ，） ｉｊ 像素开始， ＯＯ 从左至右， 从下至上， 处理每一个像素。 以黑色 点像 素 ） ， 个像 素处 理过 程 为 根据 参数 为例 每 如 果 没 有 检测 到 虚 拟 区 内的运 动 车辆 ，那 么 接 下 Ｗ、， Ｌ先检测相邻上方 的点， 再检测相邻右方的点， 只要 来 要进 行车 辆存 在检 测 。本 文将 背 景差 别法 和边 缘 检 在 一 个方 向上 检测 到直 线 ， 判 定（ｉ 则 ｉ） ，位于某 条 直线上 ， 测 法这 两种 算法 结合 起来 来 对 车辆进 行存 在 检测 。下 置标 志位为 真， 到 的直线 数加 ｌ 检测 。 面分 别对 这 两种 算法 进行 介绍 。 显然 ，， Ｌ ｈ参数 是控 制直线 检 测精 度（ 图 中，＝ ；， 上 Ｌ ｈＬ
摄 像机 来获 取 车流量 信 息 ，安装 在计算 机 里 的控 制 软
件 可 以在拍 到 的现场 图上设 置 虚拟车 辆检 测 域 ，当 车 辆 通过 虚拟 检测 域 时 ．检测 器对 路 口各 车道 车流 量 进
ｗ
， ＝
ｗ２ｘ ） ｗ（Ｙ （， ， Ｍ － ｚ ｙ ） ｌ ｘ ＞ －
基于背景重构的公路车流量检测方法
基 于背 景 重 构 的公 路 车流 量 检 测 方 法
周义建 万路 军 ， 庆 民 ， 徐
（． １空军工程 大学电讯 工程 学院 ， 陕西 西安 ２中国人 民解放军 ９６ ６部队。 ． ３５ 北京 ７０ ７ ； １０７ １１ １ ） ０ １４
摘
要： 在分析现有检 测算法的基础上 ， 出了一种车流量统计算法， 提 应用 自适应 背景重构方法 ， 首先利 用差分 法提取 动
目标 ， 然后通过先边缘检测再膨胀腐蚀的方法去除车影 ， 最后在虚拟检测线上分 区域段设置资源信号灯统计车流量。实验
结果表明 ， 本算法能够适应公路 背景的变化 ， 有效地去除了车影， 统计结果准确 可靠。
关 键 词 ： 动 目标检 测 ； 景重 构 ； 影 去 除 ； 运 背 车 车流 量 中图 分 类 号 ：Ｐ ９ ３１ ｒ 文 献标 识 码 ： Ａ
测 技术 、 雷达 技术 、 超声 波技术 、 频检 测技 术等 ， 视 这些 方 法存 在设备 成本 、 工作 寿命 、 用环境 及 可靠性 等 问 使
法【 帧差法［］ ｌ 】 、 ２、 － 背景差法、 ３ 边缘检测法 。灰度 比较法 采用对路面和车辆的灰度统计值来检测车辆 ，但它对 环境 光线 的变化 十分 敏感 ；边缘 检测 法 能够 在不 同的 光线 条件下 检测 到车 辆 的边 缘 ，然 而 当车辆 色彩 较 暗 或位 于 阴影 中 ， 车辆 边 缘模 糊 ， 可 能 引起 漏 检 ； 使 则 帧 差法是将相邻两帧相减， 按车道开固定窗 口对保 留的 运动 车辆信 息进行 检测 ，该 方法 常 因车 辆换 道或 相邻
Ｋｅ ｏｄ ： ｖｎ ｂｅｔ ｅｅｔ ｎ ｂｃｇｏ ｎ ｃｎｔ ｃｉ ； ｅ ｃ ａｏ ｌ ｉａｏ ； ｅｉｅＦｏ ｙｗ ｒ ｓ ｍｏ ｉ ｏｊｃ ｄｔ ｉ ； ａｋ ｕ ｄｒ ｏ ｓｕｔ ｎ ｖ ｈ ｌｓ ｄ ｗ ｅｍ ｎｔ ｎ ｖｈ ｌ ｌｗ ｇ ｃｏ ｒ ｅ ｒ ｏ ｉ ｅｈ ｉ ｉ ｃ
基于计算机视频的交通流参数检测
维普资讯
基 于计算机视频的 交通 流参数检 测——鲍 占阔 扬 玉珍
陈阳舟
际距 离 与摄 像 机 的 安装 位 置 密切 相关 ， 各个 参 数
的关 系 如 图 ２所 示 ： 摄 像 机 的 安装 高 度 ； 为 ｈ为
视 场 角度 （ ＯＶ） ｆ ｒ为 一条 检 测线对 应 的角度 ； Ｆ ；／ ｌ
１ 虚 拟 检 测 区域 设 置 与 图像 处 理 流
程
１ １ 虚拟检 测 区域设 置 ．
２ ）安 装 视 频 摄 像 机 比安装 其 它 传 感 器更 经 济， 对道 路交 通 设施 破坏 性更 低 ； ３ ）由计 算 机 视 频 采集 的交 通 量 信 息 便 于联 网通信 ， 于实 现对 道路 交通 网的监控 。 便 基 于计 算 机视 频 图像 的车辆 检测 方法 主要有
处理速 度 ， 笔者 在这 里只考 虑单 车道 的情 况 。
将 摄像 机 安装 在 被 检测 道 路 的 正上 方 ， 向 面 车头。 摄像 机安 装的理 想高 度 为７ ５ｍ～１ ． ． ０ ０ｍ， 太 高或 太 低都 会 影 响摄 取 图像 的效 果 ， 便进 行 不
（ ）图 像 帧 差 法 （ 续 两 幅 图 像 之 间 的 差 １ 连
优 背景更新 策 略 。该 更新策 略是 在选择 性更 新背
景算 法 的基 础 上 ， 过 比较 时 间段 内衣 度 变化 的 通
维普资讯
交通 与 计 算 机 ２ ０ 第 ３期 第 ２ ０ ６年 ４卷 总 １０期 ３
基于计算机视频的交通流参数检测
鲍 占阔 杨 玉珍 陈 阳舟
（ 京工业大学 北 北京 １０２） ０ ０ ２
摘 要 针对视频 交通流 的特点 ， 总结 以往视 频车辆检测方 法的基础上 ， 出了一种改善 在 提 背景的更新方法 ， 并着重对车流量统计 和车速计算算法 的实现进 行了介绍 。最后给 出了实现结果 并 讨论 了提高检测数据准 确性 的措施 。 关键词 交通流 ｉ 视频车辆检测 ｉ 背景差分 Ｉ 背景更新
基于计算机视觉的隧道机动车流量统计开题报告
毕业设计（论文）开题报告题目基于计算机视觉的隧道机动车流量统计研究学生姓名魏运东学号2007105208专业机械设计制造及其自动化班级20071053指导教师陈从平评阅教师完成日期2011年1 月21日1课题的来源及研究的目的和意义随着汽车保有量大幅增加，怎样安全高效地对交通进行管理，就显得非常重要。
解决这一问题的关键是建立智能交通系统( ITS) [1]。
其中隧道机动车辆流量计数与监控是智能交通系统需要考虑的重要技术与信息之一。
它为智能控制提供重要的数据来源，作为ITS 的基础部分，车辆检测系统在ITS 中占有很重要的地位。
基于计算机视觉的机动车流量统计系统可以检测很多交通参数，这些参数中的一个重要参数就是汽车流量[2,4]。
作为最有前途的方法之一——基于视频的检测法，有以下优点[3]：(1) 能够提供高质量的图像信息，能高效、准确、安全可靠地完成道路交通的监视和控制工作。
(2) 安装视频摄像机破坏性低、方便、经济。
现在我国许多城市已经安装了视频摄像机，用于交通监视和控制。
(3)由计算机视觉得到的交通信息便于联网工作，有利于实现道路交通网的监视和控制。
(4) 随着计算机技术和图像处理技术的发展，满足了系统实时性、安全性和可靠性的要求。
本课题将对基于计算机视觉的隧道机动车流量统计进行研究。
2 国内外现状和发展趋势2.1智能交通监控系统的发展现状智能交通监控系统通过采集处理有关道路车辆状况的实时信息，以指导车辆的运行。
交通流量数据可以通过各种类型的传感器获得，比如埋于路面下的电感传感器和设置于路面上的雷达、红外线、微波传感器等等，但是这些方法的缺陷是很明显的[7,8,9]：1.不便于安装，甚至有的需要对路面挖掘来埋入检测器，并且不便于维护。
2.所获取的信号不直观，需要经过比较复杂的处理，才能获取有用的交通参量，不便于实时控制。
3.能够检测的交通参量有限，仅限于汽车流量及速度的检测，不能适应以后的更新换代需要。
改进的基于边缘检测技术的车流量统计系统
ｆｒｈ ｅｉ ｅ ｅ ｃ ｏ ａｅ ｎ ｍ ｇ ｏ ｅｓ ｇ ｓｕｔｈ ｏ ｏ ｅ ｉ ｄ Ｔ ｉ ｐｐ ｒ ｒ ｅ ｔ ａ ｌ ｒ ｈ ａ ｄ ｔ ｔ ｖ ｈ ｌ ｎ ｏｄｂｓｄ ｏ ｔ ｖｈ ｌ ｄ ｔ ｔ ｎ ｓｄ ａｅ ｒｃｓｉ ｓ ｔ ｈ ｔ ｆｈ ｅ ｈ ａｅ ｐ ｓｎ ｎ ｇ ｉ ｍ ｔ ｔ ｅ ｃ ｅ ｉｅ ｏ ａ ａ ｅ ｃ ｅ ｉ ｂ ｏｉ ｐ ｎ ｉｊ ｅ ｔ ｆ ｌ ｓ ｅ ｓ ａ ｏｔ ｈ ｅｓ ｃｓ ｒ ｅ
重要，对交通管理的要求也越来越高，将计算机科学与通信
等高新 技术 运用于交通 监控管理与车辆控制 ，以保 障交通顺 畅及行车安全 ，从而改善环境质量 ，促进经济发展 的智能 交
通 系统 （ ｔ ｌ ｅｔｒｆ ｃｓｓ ｍ，Ｔ ）也随之应运而生。实 Ｉ ｅ ｉ ｎ ｔ ｆ ｙｔ Ｉ Ｓ ｎ ｌｇ ａ ｉ ｅ 时获取 交通车 流量的车辆检测技术 是 Ｉ Ｓ的基础。利用图像 Ｔ 处理技术来实现交通流量 的车辆检测技术 已成为该研 究领 域
测 区域 Ｈ Ｖ 颜色值 的背景差 分结果以及 由此结果计算得到 Ｓ
的边缘信息来判断有无车辆通过以统计车流量。
文献［， 冲 基于检测线 的算法没有考 虑到 阴影的影 响， Ｉ２
因此不能适应光照较 强的天气 ，无法达到实用的阶段。本算 法利用了 ＨＳ Ｖ颜色模 式本身提供 的色 彩特 征， 并结合车辆 自
基 于图像 处理技 术的交通流量车辆检测技术 的研 究始于 ２ ０世纪 ８ ０年代 。到现在 ，检测思 想和 算法 一直在不 断地改
的热点 。
身的丰富的边缘信息 能够比较准确地判定阴影从而排除了 阴 影的影响 。利用本算 法做 出来 的车辆检测流量统计系统能够 适应天气 的变化 ，具 有很强的鲁棒 性 。 ２ 阴影特征 ． ２
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
0
引言
智能交通系统 ITS
［ 1 ］
1
是一种实时、 高效、 全方位的综
背景差分算法
背景差分的基本原理就是利用两帧图像之间的差
合交通运输管理系统。车流量检测作为其重要组成部 分， 为道路智能化信息管理调度与道路规划建设提供依 据。目前得益于人工智能计算机视觉技术和硬件技术 的飞速发展， 图像和视频技术已经广泛应用于新一代智 能交通系统中。国内常见的车流量检测方法有超声波 环形感应圈检测等主要方法。超声波检测精度不 检测、 高， 容易受车辆遮挡和行人的影响； 环形感应圈检测精 度高， 但要求设置于路面土木结构中， 对路面有损坏， 不 便于施工和安装。背景差分算法是一种基于视频流的 运动检测技术， 是一种结合数字图像处理和模式识别的 技术
［4 ］ ［3 ］
。 这种方法的优点是位置精确 、 速度
快， 满足实时处理的要求， 因为它只需要获取当前的一
， 其效率高、 开发成本低、 检测准确率高； 随着计
自动控制和多媒体 算机技术和多媒体技术的迅速发展， 技术的融入， 其使用范围将越来越广泛。
收稿日期： 2010 － 05 － 14 修回日期： 2010 － 06 － 18 作者简介： 郭怡文（ 1989 —） ， 男， 湖北襄樊人， 本科， 主要研究方向为 数字图像处理与计算机视觉 。
图3 Fig． 3
检测线设置 Set of test line
图4 Fig． 4
系统软件设计流程图 Software flow chart
当交通状况较好， 路面车辆较少的时候， 每隔 5 帧 检测一次。若 5 帧内 3 条检测线有两条都检测到有物 则认为有车通过， 通过检测到横向位置的不同 体通过， 即可判断是哪个车道上的车 。 当交通拥挤， 车辆行驶 非常缓慢的时候， 需相应降低本系统的检测频率， 在此 检测精度会有所下降 。 种条件下，
第 17 卷 第 9 期 2010 年 9 月
电 光 与 控 制 Electronics Optics ＆ Control
Vol． 17 No． 9 Sep． 2010
基于背景差分的多车道车流量检测系统
郭怡文， 袁飞虎
（ 武汉大学电子信息学院， 武汉 430079 ） 摘 要： 研究了背景差分算法， 并设计了一种对多车道路段的车流量检测系统 。首先通过背景差分的方法， 实现了运
s
N 取值越大合成背景越好 。 但实际 由图 1 所示， 上随着时间推移， 光线不断变化， 再考虑到时间因素， N 取 100 ～ 200 就比较合适了 。
μ（ s） =
Σ
k × P HS （ k）
s
（ 6） （ 7）
k =0
ω（ s） =
Σ
P HS （ k）
k =0
1． 2
背景更新
由于环境光线在不断地变化， 要准确检测出运动
实验证明： 上式中 α 取 0 ． 1 时效果比较好， 即表明 在新的背景中， 原来的背景占有 90 % 的比例， 这一点 也是符合实际的， 背景之间的变化只能是渐变的， 所以 在相邻的背景之间有着很大的相似性 。利用上面这种 可以获得比较理想的结果 动态的背景更新方法，
［5 ］
图2 Fig． 2
Otus 二值化方法处理效果图
最后， 求出使 σB 达到最大的值 s， 则最佳阈值 T = s。 如图 2 所示的差分图像经过计算得到的二值化处 理的阈值为 T = 35 。Otus 法求阈值不管图像的直方图 有无明显的双峰， 都能得到较满意的结果， 这种方法是 全局阈值自动选择的最优方法 。
{
j） + （ 1 － α） B K （ i ， j） ， DB K （ i ， j） = 0 αI K （ i ， B K （ i， j） ， 其他 （ 3）
Abstract： The background difference algorithm was studied， and a traffic flow measuring system for multilane road was designed． First，the background difference method was used to achieve the segmentation of moving foreground from background． Then， a virtual test line was used to measure the traffic flow． Visual C ++ and OpenCV were used together for the programming． The system was used for testing a large number of road image sequences of the actual environment，and the result showed the effectiveness of it． Key words： image processing； background difference； threshold segmentation； virtual test line； traffic flow measurement
。
The result of thresholding image using Otus
92
电
光
与
控
制
第 17 卷
2
2． 1
基于虚拟检测线的车流量检测
虚拟检测线检测方法原理
在采集到的视频图像帧中， 在每条车道上人为地设
在图像上的位置 。 3 ） 运动目标检测 。 对存入内存的图像进行获取 预处理 、 二值化阈值分割和后处理， 然后提取出 背景 、 车辆目标 。 4 ） 流量检测 。根据流量检测的原理和判定标准 来进行车流量的检测 。 5 ） 背景更新 。为了让背景在系统整个工作过程 中更好地适应光线变化， 并且更新速度满足实时性处 强制性地使背景每隔一段时间重新进行一次 理要求， 获取 。可以根据统计信息， 在每天车流量较小时重新 开始获取背景 。 详细的系统流程图如图 4 所示 。
动前景和背景的分割； 进一步使用虚拟检测线实现了多车道车流量的检测 。 系统平台用 Visual C++ 结合 OpenCV 进 取得了较好的效果。 行编程实现。对实际道路环境下的大量的图像序列进行了测试， 关键词： 图像处理； 背景差分； 阈值分割； 虚拟检测线； 车流量检测 中图分类号： V271． 4 ； U495 文献标志码： A 文章编号： 1671 － 637X（ 2010 ） 09 － 0090 － 04
Traffic Flow Measuring Sபைடு நூலகம்stem Based on Background Difference
GUO Yiwen， YUAN Feihu
（ School of Electric Information，Wuhan University，Wuhan 430079 ，China）
N －1
这种方法虽然在开始时要损失一段时间， 用中值法来 进行背景抽取， 但是在得到理想背景的条件下， 用二值 可以减少计算量， 确保系统的实 背景差分图像来更新， 时性 。
1． 3
阈值选取技术
对于不同光线背景下的差分图像， 用固定的阈值
T 去进行二值化显然不能对每一帧图像都达到很好的 效果 。希望得到的阈值不仅可以将目标从背景中分离 出来， 而且要能根据不同的图像来智能地选取 。1978 年提出的 Otus 法以其计算简单 、 稳定有效而一直广为 使用 。由于车辆交通图像内容不太复杂 、 灰度分布较 集中， 所以本系统采用了 Otus 阈值化技术， 以简化阈 值的选取 。 Otus 方法的基本思想： 选取的最佳阈值 T 应当使得不同类间的分离性最好 。 M × N 的一幅图像， 对于灰度级为 0 ～ 255 ， 记 f （ i， j） 为图像点（ i ， j） 处的灰度值 。 Otus 法具体步骤： 1 ） 计算图像的直方图统计结果， 得到灰度值为 k 的频率 P HS （ k） 为 P HS （ k） = 1 1 Σ M × N f（ i， j） = k （ 4）
4 ） 计算类分离指标 σ B 为 σB =
2 ［ μ T × ω（ s） － μ（ s） ］ 1 － ω（ s） ］ ω（ s） ［
（ 8）
车辆， 需要及时对背景进行更新 。获得初始图像以后， 接下来就是在获得初始图像的基础上进行背景更新 。 通过计算当前帧和背景帧的差值， 得到当前背景差分 j） ， 有： 图像 D K （ i ， D K （ i， j） = I K （ i ， j） － B K （ i ， j） 对背景进行更新： B K + 1 （ i， j） = （ 2）
。
1． 1
背景估计
背景差分法是最常用 、 最有效的交通视频处理模
第9 期
郭怡文等：
基于背景差分的多车道车流量检测系统
91
式， 而背景估计正是背景差分法的基础和核心环节 。 采用背景差分法进行运动检测， 先要对背景进行准确 再用当前图像和背景图像进行差分运算， 并对 的估计， 差分图像进行区域分割， 提取出运动区域 。 车辆交通 序列图像间具有很强的相关性， 仅仅利用单帧的信息 更好的方法是联合多帧的信 进行处理容易产生错误， 息进行分析 。基于这一思想， 可以根据各个坐标处像 素值在整个序列中的统计信息对运动场景的背景进行 抽取 。 背景估计有很多方法， 本系统采用效果较好且效 率相对较高的均值法， 即任意像素点的背景信息由序 列图像中对应像素点颜色的均值来确定， 如式 （ 1 ） 所 示。 1 B（ i， j） = j） Σ I （ i， N k =0 k
［ 2 ］
来判断物体的出现和运动， 背景差分法用序列中的每 一帧与一 个 固 定 的 静 止 参 考 帧 （ 不 存 在 任 何 运 动 物 体） 做图像差 幅图像 。 背景差分方法检测效果的好坏在很大程度上依赖 于背景图像的质量 。背景图像会随着光照强度和方向 的变化而缓慢变化 。背景差分方法的优势可以获得完 整的运动物体的外形， 但关键在于找一个背景模型的 自适应更新算法 。在利用背景差分或帧间差分方法提 取目标时， 还必须选择适当的阈值 。 阈值的选取对目 标分割效果影响非常大， 不适合的阈值很可能使整个 阈值选取 系统无法实现预期的设计功能 。 背景更新 、 是背景差分算法的关键技术