基于opencv的道路车流量统计技术

吴洪渝 重庆交通大学

关键字：车流量统计 opencv 车辆检测。

前言：在当前这个网络盛行的时代，计算机技术也在向衣食住行各个领域渗透。例如美团、去哪儿、支付宝、微信等app，每时每刻都会有人使用这些计算机技术开发出来的软件。已经依赖软件来帮助自己方便、快捷的完成自己想要完成的事情。在交通方面也有很多的应用，例如google地图，百度地图，高德地图。它们的首要功能是导航，无论是步行还是驾车，它都可以帮人类找到一条最近的路线或者耗时最短的路线。这些技术也是在最近这十几年提出来并且实现的。从很大程度上解决了人类出行的问题，让出行方式有了翻天覆地的变化。

1 系统概述

该系统的主要架构是由摄像头获取实时的道路交通情况数据，然后利用处理器进行实时的计算分析，再将数据以单位时间段的频率向上一级反馈数据，根据数据相应交通部门决定是否需要派出人员进行现场指挥，利于人员的合理分配。在终端传输向上级传输完数据之后，会自行对内存进行一个清理。删除已经没有用处的数据，避免内存不足而出现故障。在早期会以有监督的形式对模型的判别进行修正。以及在收集了大量数据之后，利用大数据技术对整个交通情况进行分析在一定时间段以内的道路车流量进行流量分析，以及在进行大量数据的分析之下，制定出一些更好的、更合理的交通规定和合理的建设交通设施。有利于交通资源的合理分配，将资源用在最需要用的地方，避免出现没有意义的资源浪费。还能使治安性更好。

2 关键算法

2.1 空间滤波技术

空间滤波技术是一种采用滤波处理的影响增强方法，它能够对图像中的噪声有一个很好的消除作用，从而改善整个影像的质量。影响着整个处理过程的数据真实性，起着非常重要的作用。在此处我们采取高斯滤波技术对图像进行滤波。公式为：

2.2 帧差技术

在处理摄像头捕获的每一帧之后，会利用上一帧的图像对其做一个矩阵对应位置相减。因为整个大环境的背景是不会有太大变化的，作完减法之后提取出来的就是运动的车辆在当前帧的一个大概的位置，当然如果相隔帧数取得不合适的话可能会造成产生重影的现象。该系统在此处选用的帧差为3，在相应的硬件设施下，能够清晰的获取到运动物体的位置。

2.2.1 二值化

使用二值化的目的是为了让运动物体和当前的大环境之间的区分度更加的明显。环境在大多数情况之下经过帧差处理，都是呈现成黑色。而运动的车辆具有亮度是呈现的一种灰度颜色，所以经过阈值将其处理为黑白图像。

2.2.2 膨胀算法以及腐蚀算法

膨胀算法和腐蚀算法是在图像处理技术中十分常见的处理技术，通常是相辅相成的。膨胀是对高亮度区域中的每一个像素按一定范围，进行一个高亮区的范围扩宽，在此处可以将二值化之后的图像中运动的车辆内部进行一个扩充，尽量的将其填充成一个闭合的几何图形。而腐蚀算法则是相反，它的作用是减少孤立的高亮点。处理的是高亮区边缘的点，不会导致中间部分失真。

2.2.3 边缘提取技术以及感兴趣区域的设置

在图像中提取出边缘，可以调用opencv中findContours()方法。该方法能够自适应提取出闭合几何图形的轮廓，在此处就能够很好的提取出经过处理之后的膨胀腐蚀之后物体的轮廓。然后涉及一个感兴趣区域，感兴趣区域在本文中的设置是摄像头能够拍摄到的多条马路，从物体进入这个感兴趣区域，到物体消失在感兴趣区域就认为有一辆车经过。所以感兴趣区域的设置会影响整个统计的结果值。

2.3 产品检验与缺陷

在综合了多次测试结果之后，得到如下的结果。十分钟之内通过人数出的车辆为287辆左右，通过软件得出的结果为254辆左右。可见其中还是存在漏数的情况。识别率为88%。经过总结，得出有如下几点缺陷：（1）数据集中车辆的模型还不够多。（2）没有考虑光线和天气因素。（3）还有行人的因素在其中。