淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


  查詢圖書館館藏目錄
系統識別號 U0002-0702200714242700
中文論文名稱 日間車輛計數系統之實作 ---利用高速公路攝影機的影片
英文論文名稱 Implementation of Vehicle Counting System in the Daytime---Using Video from Camera in the Freeway
校院名稱 淡江大學
系所名稱(中) 資訊工程學系碩士在職專班
系所名稱(英) Department of Computer Science and Information Engineering
學年度 95
學期 1
出版年 96
研究生中文姓名 陳政豐
研究生英文姓名 Cheng-Feng Chen
學號 792190133
學位類別 碩士
語文別 中文
口試日期 2007-01-16
論文頁數 98頁
口試委員 指導教授-洪文斌
委員-謝文恭
委員-范俊海
中文關鍵字 二值化  連結元件標號  車輛追蹤 
英文關鍵字 Segmentation  Connected Component Labeling  Vehicle Tracking 
學科別分類 學科別應用科學資訊工程
中文摘要 本篇論文主要展示一個針對高速公路路旁的高架攝影機的影像來做車輛偵測、追蹤與計數的即時系統,主要方法分成兩個階段: 第一個階段為車輛偵測,主要是用影像相減法,將目前影像與背景影像相減,在用二值化將相減影像的車輛與背景分割,再利用型態學(Morphology)的方式將破碎的車輛區塊連結起來,最後連結元件標號與填滿將記錄區塊與將內部完全填滿,使的區塊的形心更能代表區塊的中心點。
第二階段是利用連續兩個影像中區塊與區塊之間各自的特徵來做配對,若是區塊都配對成功,則可以利用連續影像中相同區塊之間的形心,依序連結就能畫出車輛的軌跡。
實驗結果不塞車時正確率能達到90%以上,每個畫面的平均執行時間最多為58.13ms小於影像最低執行時間66.66ms,故本系統是一個可行的即時系統。
英文摘要 This paper presents a real-time system of vehicle detection, tracking and counting. Image sequences are from the road side camera in the freeway. There are two main stages in this system.
Stage 1. Vehicle detection. We use Image subtraction to show the difference between background and vehicle, then segment difference image to separated vehicle and background. Use Morphology to combine region which belong to the same vehicle. Connected component labeling and fill is to fill each region, and then region’s centroid can be more accuracy.
Stage 2. In image sequences, each region in the image have difference feature. Use each region’s centroid, length, width and area to match region between two image sequences. If every region matches success, then we can use match region’s centroid to draw trajectory.
In the Experimental result, if not traffic jams, accuracy can be more than 90%; each frame average execution time is less than 58.13 ms, lower than image need execution time 66.66ms. So this system is a workable and real-time system.
論文目次 目錄
第一章 緒論…………………………………………………………1
1.1 研究背景……………………………………………………………1
1.2 研究目的………………………………………………………… 5
1.3 論文組織……………………………………………………………5
第二章 文獻探討……………………………………………………10
第三章 高速公路背景處理………………………………………… 21
3.1 背景的建立……………………………………………………… 21
3.2 背景建立的方法………………………………………………… 21
3.2.1 投票法…………………………………………………………21
3.2.2 漸進背景影像的建構…………………………………………22
3.2.3 平均法…………………………………………………………23
3.3 背景的更新………………………………………………………27
第四章 車輛區塊的擷取……………………………………………30
4.1 影像分割法………………………………………………………31
4.1.1 背景相減………………………………………………………31
4.1.2 影像分割………………………………………………………33
4.2 移動邊緣偵測法(Moving Edge Detection)……………………43
4.2.1 影像邊緣偵測…………………………………………………44
4.2.2 影像相減………………………………………………………45
4.3 區域變異數法……………………………………………………47
4.4 結果比較…………………………………………………………52
4.5 型態學(Morphology)……………………………………………54
4.6 連結元件標號(connected component labeling)與填滿(Fill)…………………………………………………………………………60
第五章 車輛追蹤與記數……………………………………………66
5.1 區塊的參數………………………………………………………66
5.2 區塊的配對………………………………………………………68
5.3 區塊會有的狀況…………………………………………………70
第六章 實驗結果……………………………………………………79
第七章 結論與未來工作……………………………………………89
7.1 結論………………………………………………………………89
7.2 研究方向…………………………………………………………90
參考文獻………………………………………………………………91
圖目錄
圖1.1 背景處理與車輛區塊擷取的流程圖……………………………7
圖1.2 接圖1.1做車輛區塊追蹤與計數的流程圖……………………8
圖1.3 區塊配對的流程圖………………………………………………9
圖2.1 R. Rad, 與 M. Jamzad在分割合併區塊的範例圖…………14
圖2.2 比較區塊群聚的結果…………………………………………19
圖2.3 比較區塊群聚的結果…………………………………………20
圖3.1 兩個影像直接相減的差異影像………………………………23
圖3.2 車速緩慢且大型車輛多,用500個畫面處理完的結果………25
圖3.3 正常車速且行車順暢時,用10個畫面處理完的結果………26
圖3.4 正常車速且行車順暢時,用20個畫面處理完的結果………26
圖3.5 間隔一秒擷取一個畫面,總共抓取10個畫面的結果………27
圖3.6 背景更新的方法………………………………………………29
圖4.1 目前影像與背景相減之後的結果……………………………32
圖4.2 目前影像與背景相減之後的結果,有問題的狀況…………33
圖4.3 要處理的圖像…………………………………………………35
圖4.4 圖4.23的長條圖………………………………………………35
圖4.5 使用不同二值化方法得到的結果……………………………40
圖4.6 使用不同二值化方法得到的結果……………………………42
圖4.7 當車道上沒有車輛行進時, 使用Otsu來找尋門檻值………43
圖4.8 經過不同測邊的方法所得到的結果…………………………44
圖4.9 邊緣偵測之後再做相減的動作的結果………………………45
圖4.10 邊緣偵測之後做相減的動作之後再取二値化(iterative)的結果……………………………………………………………………46
圖4.11 有問題的偵測法結果…………………………………………47
圖4.12 不同區塊大小區域變異數法處理之後的結果………………50
圖4.13 不同區塊大小處理之後的結果………………………………52
圖4.14 直接用型態學處理之後的結果………………………………53
圖4.15 先用面積濾波器將雜訊過濾之後,再用型態學處理之後的結果………………………………………………………………………54
圖4.16 標準資料結構元素……………………………………………55
圖4.17 經過封閉運算子的過程後,結果是會將有缺口的部分補起來………………………………………………………………………56
圖4.18 經過開放運算子的過程後,結果是會將有突出的部分抹除………………………………………………………………………56
圖4.19 四種二值化的方法經過一次擴張運算之後的結果…………57
圖4.20 四種二值化的方法經過兩次擴張運算的結果………………59
圖4.21 四種二值化的方法經過封閉運算子的結果…………………59
圖4.22 四種二值化的方法經過三次擴張運算與兩次腐蝕運算的結果………………………………………………………………………60
圖4.23 八連通與四連通………………………………………………61
圖4.24 測試影像………………………………………………………62
圖4.25 第一次掃描的流程圖…………………………………………63
圖4.26 第一次掃描的陣列 L改變的流程圖…………………………63
圖4.27 第二次掃描的結果……………………………………………64
圖4.28 四種二值化的方法經過三次擴張運算與兩次腐蝕運算 之後作連結元件標號與填滿的結果………………………………………65
圖5.1 分離的狀況表示………………………………………………73
圖5.2 結構變化情況示意圖…………………………………………73
圖5.3 分離的狀況表示………………………………………………75
圖5.4 分離的圖解表示………………………………………………75
圖5.5 合併的圖解表示………………………………………………76
圖5.6 合併的狀況圖…………………………………………………76
圖5.7 合併的狀況結構的示意圖……………………………………78
圖6.1 檔案ㄧ的影像…………………………………………………80
圖6.2 檔案二的影像…………………………………………………80
圖6.3 檔案三的影像…………………………………………………81
圖6.4 檔案四的影像…………………………………………………81
圖6.5 檔案五的影像…………………………………………………82
圖6.6 一台車由於車身灰階值與路面相似,先分離再合併的狀況…84
圖6.7 兩輛車從出現到結束都一直連結在一起……………………85
圖6.8 計算錯誤的原因………………………………………………87
表目錄
表6.1 對檔案一計算出來的結果……………………………………79
表6.2 對檔案二計算出來的結果……………………………………80
表6.3 對檔案三計算出來的結果……………………………………80
表6.4 對檔案四計算出來的結果……………………………………81
表6.5 對檔案五計算出來的結果……………………………………82
表6.6 實驗結果的正確率……………………………………………82


參考文獻 1. 張 懿,即時路面標線、車輛偵測與距離估計,私立淡江大學資訊工程學系碩士論文,台灣,2002
2. 石博宇,駕駛助理視覺系統之日間高速公路前車及鄰接車輛偵測,國立中正大學電機工程研究所碩士論文,台灣,2003
3. P. Paclík, J. Novovicová, and R. P. W. Duin, “Building Road-Sign Classifiers Using a Trainable Similarity Measure” IEEE Transactions on Intelligent Transportation Systems, vol. 7, no. 3, September 2006
4. de la Escalera , L. E. Moreno , M. A. Salichs and J. M. Armingol, Road traffic sign detection and classification, IEEE Transactions on Industrial Electronics, 44(5), 848-859, 1997.
5. C.Y. Fanga,C.S. Fuhb, P.S. Yena, S. Cherngc, S.W. Chendy94 , “ An automatic road sign recognition system based on a computational model of human recognition processing” , Computer Vision and Image Understanding 96 (2004) 237–268
6. P. Smith, M. Shah, Niels da Vitoria Lobo “Determining Driver Visual Attention With One Camera”, IEEE Transactions on Intelligent Transportation Systems, vol. 4, no. 4, December 2003
7. 陳志遠,即時駕駛人疲倦偵測系統,私立淡江大學資訊工程學系碩士論文,台灣,2002
8. C. Nikolaos E et al., “A License Plate-Recognition Algorithm for Intelligent Transportation System Applications”, IEEE Transactions on Intelligent Transportation Systems, vol. 7, no. 3, September 2006
9. 邱瑩青,動態彩色影像之車牌辨識,私立淡江大學資訊工程學系碩士論文,台灣,2004
10. S. Gupte,O. Masoud, R. F. K. Martin, ”Detection and classification of vehicles”, IEEE Transactions on Intelligent Transportation Systems,2002,3 (1):37-47.
11. Shin-Ping Lin, Yuan-Hsin Chen, Bing-Fei Wu, "A Real-Time Multiple-Vehicle Detection and Tracking System with Prior Occlusion Detection and Resolution, and Prior Queue Detection and Resolution,", International Conference on Pattern Recognition (ICPR'06), 2006.
12. YK Jung and YS Ho, “Traffic parameter. extraction using video-based vehicle tracking”, IEEE Proc. International Conference on Intelligent Transportation. Systems, pp. 754-769, October. 1999.
13. G. Jiang,S. Wang,M Yu,TY Choi, YD Kim,et. “New Method of Vision Based Vehicle Detection and Tracking in Complicated Background .”, TENCON 2004. 2004 IEEE Region 10 Conference, pp. 387- 390 vol. 1, Nov. 2004
14. C. Zhang, SC Chen, ML Shyu, S. Peeta,” Adaptive Background Learning for Vehicle Detection and Spatio-Temporal Tracking”, ICICS-PCM 2003
15. 莊建宏,自動化交通監控系統,國立臺灣師範大學資訊教育研究所碩士論文,台灣,2001
16. 莊劍嵐,機車偵測演算法之研究,私立淡江大學運輸管理學系碩士論文,台灣,2002
17. 莊盛淵,夜間車流影像之車輛分類與追蹤之研究,私立淡江大學運輸管理學系碩士論文,台灣,2002
18. S. Gupte, et al.,”Vision-Based Vehicle Classification”, Proc. of. ITS Conf., Dearbom, USA – October 1-3, 2000, pp.46-51.
19. R. Rad, and M. Jamzad,”Real time classification and tracking of. multiple vehicles in highways,” Pattern Recognition Letters, vol. 26,. no. 10, 15 July 2005, pp. 1597-1607.
20. Zhang, C., Chen, S.-C., Shyu, M.-L., and Peeta, S.:”Adaptive Background Learning for Vehicle Detection and Spatio-Temporal Tracking.” Proc. of the 4th IEEE Pacific-Rim Conference on Multimedia, pp. 1--5, 2003.
21. Lai, A. H. S., & Yung, N. H. C. (1998).”A fast and accurate scoreboard algorithm for estimating stationary backgrounds in an image sequence.” Proc. of IEEE Int’l Symp. on Circuits and Systems, vol. 4, 241 –244.
22. 王俊明,”Progressive Background Image Generation”,師大學報:數理與科技類,民國91年,pp.43-54
23. J. Kittler and J. Illingworth, “Minimum error thresholding,” Pattern Recognition, vol. 19, pp. 41-47, 1986.
24. Di Stefano, L. Bulgarelli , A.”A Simple and Efficient Connected Components Labeling Algorithm”, Image Analysis and Processing, 1999. Proceedings. International Conference on, 1999
25. 簡隆至,即時移動物體偵測及自動追蹤系統,國立台灣科技大學電機工程系碩士論文,台灣,2004
26. 陳鏗名,以鑽石型搜尋法實現即時移動物體自動追蹤系統,機電整合雜誌,pp.104-113,民國95年三月
27. YM Liang, HR Tyan, SL Chang, HY Mark Liao, and SW Chen ,”Video Stabilization for a Camcorder Mounted on a Moving Vehicle” IEEE Transactions on Vehicular Technology, vol. 53, no. 6, November 2004
28. 鍾國亮教授,影像處理與電腦視覺,第二版,東華書局,2004
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2008-02-27公開。
  • 不同意授權瀏覽/列印電子全文服務。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信