基于机器视觉的公路流量统计技术研究

刘贺 臧晶

摘   要：公路流量统计是智能交通系统的主要功能之一。本文针对公路流量统计的问题，利用物体轮廓检测技术，使用背景差分算法和K最邻近分类算法，实现运动物体检测、车辆跟踪和流量统计功能，设计了公路流量统计系统，并用Python进行编程实现，对部分视频进行了测试，取得了较好的效果。

关键词：智能交通系统  公路流量统计  运动物体检测  车辆跟踪

1  引言

基于机器视觉的公路流量统计技术是公路汽车流量统计技术是在不需要人为干预的情况下，从获取视频初始帧开始，对监控摄像头中的图像序列进行剖析，将移动对象从背景中分离，然后对每辆汽车进行跟踪，最后完成整个视频的汽车数量计数，基本得到汽车数量及道路拥堵情况。

2  公路流量统计系统的设计

公路流量统计系统共包含四部分，提供运动的图像获取以及预处理、位置预测跟踪、车辆计数与物体计数日志模块，完成运动物体检测、车辆跟踪和流量统计等主要功能，其结构如图1所示。

3  公路流量统计系统的实现

公路流量统计系统是基于Python語言和OpenCV库实现的。系统由四部分构成，实现技术描述如下。

（1）运动图像获取以及预处理。对常用图像背景差分法、进行噪声处理进行预处理以及车辆轮廓检测。

（2）位置预测跟踪。采用的算法为K最邻近分类（k-Nearest Neighbors，KNN）算法[1]。KNN算法不需要进行参数估计，属于一种非参数方法[2]。将每个物体的运动轨迹进行分类，将距离新的位置最近的上一个位置进行匹配，即可判断新的位置是哪一个物体。

（3）车辆计数。当物体越过计数线时对物体计数。首先判断物体的运动轨迹，进而判别物体是否越过计数线，并且判断运动的方向。

（4）车辆计数日志。视频的下方建立一个计数栏，每当一个新的车辆被计数时，该车辆的图像将会被加载到计数栏中。

4  公路流量统计系统测试

为了验证本论文研究的公路流量统计系统是否具有可行性，对测试结果进行分析和总结。

（1）车辆获取以及预处理如图2、图3所示。

（2）位置预测跟踪如图4所示。

（3）车辆计数及车辆计数日志如图5、图6所示。

对公路流量统计系统的实验结果进行比较分析，发现系统中各功能正常运行，故可验证本论文设计的基于机器视觉的公路流量统计技术是准确有效的。

5  结语

本文针对公路流量统计问题，设计了基于机器视觉的公路流量统计系统，并将其应用程序实现。经过部分视频对公路流量统计系统进行测试，并且对测试结果进行分析，最后验证公路流量统计系统的正确性。采用公路流量统计系统后，能够实时对路况进行分析，可以有效缓解交通拥塞问题。

参考文献

[1] 迟殿委.一种基于KNN算法的手写数字识别实现[J].信息与电脑：理论版，2019，31（17）：20-22.

[2] 桑应宾.基于K近邻的分类算法研究[D].重庆大学，2009.