智能交通系统中的运动目标检测方法的创新机制论文
二十一世纪初，我国公路总里程数及汽车保有量大幅增加。随着汽车社会的到来，交通拥挤、环境污染、交通安全等所带来的负面效应也日趋严重，由于交通拥挤、交通事故而造成的直接经济损失也有上千亿元之多，间接损失更是无法计算。随着计算机技术，电子产业等新兴产业快速发展，快速，便捷，安全的交通才能更好的服务当前世界经济的发展，单纯依靠增加公路与人口矛盾带来的城市用地等问题也日益突出。智能交通系统则是伴随着这种潮流发展出来的，其是指运用先进的计算机技术，电子信息技术，自动控制技术等将人（包括驾驶员和交通管理者）、车辆、道路三者有机的结合起来，使之成为一个运行有序的系统。
一、国内外目标检测方法分析
目标检测方法通过成像系统或雷达跟踪技术检测目标，而其对动态目标的检测存在一定局限性。对于复杂环境下的动态目标，目标信息可被背景噪声淹没，使得数据丢失，造成目标跟踪不稳定。目前应用较多的有先检测后跟踪算法和检测前跟踪的方法。先检测后跟踪算法属于经典的红外目标检测方法，目前已提出了一系列比较成熟的点目标检测滤波预处理算法，如高通滤波处理方法、最小均方误差滤波方法和中值滤波处理方法等。数学形态学法采用数字图像处理技术抑制高频背景噪声成分，具有很好的背景噪声抑制功效，对弱小目标检测比较有效。先跟踪后检测算法利用目标图像在跟踪过程中每一阶段的目标成像信息，跟踪图像中较多可能的目标轨迹，并借助动态过程的目标特性对各条轨迹进行检测判决，得到真实目标的轨迹，完成目标检测，提高了低信噪比情形下目标检测方法的性能。运动目标检测是通过对图像传感器拍摄到的图像序列进行分析，检测出运动目标，为后续的目标分类、目标跟踪以及更高层的行为理解打下良好的基础。常用的`运动目标检测方法主要有3种：光流法、帧间差法和背景差法。
二、运用帧间差分法进行运动目标检测
（一）帧间差分法。帧间差分法是指对一个很小的时间间隔△t（一般△t=1s）前后的两帧图像进行差分形成差分图再通过取阈值得到二值化图来得到运动目标区域的方法。因为运算十分简单，并且差分图二值化也有许多高效算法，从而非常适合于实时检测运动物体，设t1时刻的输入帧为f1（x，y），t2时刻的输入帧为f2（x，y），若此期间有车辆行驶，应有f2（x，y）=f1（x-△x，y-△y），令：△f（x，y）=︳f2（x，y）-f1（x，y）︳。
对于图像中的静态部分，△x=△y=0，则△f（x，y）=0，而对于运动部分△f（x，y）≠0，从而得到运动区域。实际使用中，相邻两帧差后，运动目标内部容易产生空洞现象，因为通过二值化分割出来的区域实际上是物体前后两个位置的合并区域，要比物体实际面积要大。其次，它对噪声非常敏感而且检测出的物体的位置不精确。该算法检测的运动区域是在t和（t-△t）时刻，这就关系到视频采样率的问题。对于运动速度快的车辆，若时间差选择得不合适，容易误检为两个分开不同的物体；而对运动速度慢的车辆，选择不适当时间差，只能检测出目标很小的一部分，一般可采用多帧之间差分法或者运动边缘检测法对其进行改进。
（二）实验及分析。以下列视频图像中的白色小车为例，通过道路摄像机拍摄到在道路上行驶的白色小车的视频，利用帧间差分法中的多帧相减的方法，先对视频进行分割，形成每一帧图像。其原始分割后图像如下：
用帧间差分法处理后通过每两帧差分得出连续图像，下面为上面对应的帧图像：
通过实验分析，帧间差分法不仅完成了对道路中白色小车的检测，同时白色小车后面的车辆同样被检测出来。说明帧间差分法不仅能够完美的检测出单个运动目标，并且在多目标检测上也有很好的效果。
三、结束语
本文通过研究时域检测中的帧间差分法方法完成了对道路交通中运动车辆的实时检测。从实验结果来看，帧间差分法不仅能够完美的检测出单个运动目标，并且在多目标检测上也有很好的效果，为后续运动目标的跟踪提供的良好基础。
参考文献：
[1]张娟，毛晓波，陈铁军.运动目标跟踪算法研究综述[J].计算机应用研究，2009（12）.
[2]但妮.视频序列中运动目标提取与检测算法的研究与实现[D].南京邮电大学，2009.
【智能交通系统中的运动目标检测方法的创新机制论文】相关文章：