第 1 章 绪论
1.1 研究背景与意义
随着汽车产业的大步前行，行驶在道路上的汽车的数量也急速增长。提升了人们的生活之余，也带来了相应的交通问题。交通事故频发，交通车辆阻塞给人们带来了更加严重的问题，急需人们解决。1850 年，人们首次对十字路口的复杂行车情况安全产生了关注。1868 年，作为英国工程师的纳依特在伦敦首次安装了一台红绿交通灯，以便控制十字路口的马车通行，成为城市交通控制的第一人。1914 年，美国的多个城市出现了以电力作为驱动的信号管制灯。现如今，人们已经不再满足简单的进行交通控制灯的自动变化，为了解决监督车辆的通行情况和违章情况，出现了基于图像的车辆检测系统，人们集中了多种高新科技，加强了了智能交通系统这一新兴领域的研究。
现今每个家庭均采用汽车作为出行必需品，繁杂的车辆监控，使得交通管理工作越来越大。因为人口基数大，复杂的路面情况，使得路面交通的监管，查询，控制变得尤为复杂，不利于人们的管理，因此，为了解决保障车辆的安全行驶，将交通问题系统方便的解决，人们综合借助多年来高速发展的计算机科学与技术和技术日益成熟的传感器技术，将交通违章识别的重任交付于智能交通系统。从而实现了交通事故的减少和交通管理的方便。充分合理的发挥了他们最大的作用，为人们管理交通问题带来了便利。
.......................
1.2 智能交通系统发展状况
ITS（intelligent transpotation system）智能交通系统，是高端的信息技术，流畅的数据通信技术，以及先进的计算机科学技术的综合体，用于管理交通运输体系，是一种大范围的、全方位的、准确实时的管理系统，如图 1-1 所示。智能交通系统用具有较高的实际应用价值，具有较好的应用前景。他使得基础交通设施发挥更好的作用，提高服务质量，有效合理的应用各种交通资源，最大化社会经济效益。在智能交通系统中，如何对机动车辆进行检测是整个系统需要解决的问题。好的检测技术，可以检测交通状况，获取车辆信息，还有助于相关行业的发展[2]。
...................
第 2 章 系统理论基础
2.1 图像的预处理
图像的种类很多，不同图像的类型、处理结果、速度均有不同。一般来说，图像根据生成方法，可将其分为三类：1.可见光图像 2.不可见光图像 3.数学函数图像[5]。不可见光图像又以模拟图像和数字图像为主。如果根据图像的颜色和灰度，则图像可以分类为静态图像和动态图像。静态图像和动态图像又可以根据图像的颜色进行划分，具体图像的分类如图 2.1 所示。
因为我们所要处理的图像由于各种原因包含多种噪音和畸变。为了取得好的图像质量，方便对特征图像进行处理，通常会对图像进行预处理操作。图像的预处理可以通过进行灰度变换增强对比度、平滑去除噪声、锐化增强边缘来改善图像质量。图像的增强，我们可以通过平滑和锐化两个操作来对图像的低高频部分进行增强处理，虽然最终得到的图像不忠于原有图像，但是其并不影响我们的检测，是我们对图像进行处理的一种常用手段。图像的矫正处理，将因输入输出仪器的传送过程产生的畸变进行恢复处理，是将原图像恢复至正常图像的一种手段。
.........................
2.2 图像的二值化
2.2.1 图像二值处理
黑白图像，即二值化图像，它是以像素值为 0 和 1 组成的图像。因为很多图像的本质就是二值图像，所以我们对图像进行二值化处理是合理的。通过数学领域的一些方法，我们可以很好的研究二值化图像，并对其作出正确的处理。我们通常在分析和解决图像问题时，大多会将图像转化为二值化图像，以方便我们对图像进行分析处理。图像的二值化处理过程如图 2-4 所示。在分析图像时，我们首先对图像进行二值化操作，将其像素值变换为 0 和 1，方便我们的修改和分析，从而得到我们需要的特征图像[9]。为了得到更好的图像效果，通常采用平滑去噪处理，使得方便理解、识别和分类相应的目标图像。
图 2.4 二值化处理的一般流程图像的二值化处理可以方便我们提取特定的目标图像，方便我们的识别检测，获得我们需要的图像目标属性，可以更加方便的得到二值化处理后的图像。如公式所述，值为 1 的即目标图像，值为零的即为目标背景。因此，如何选取合适的阙值 t 成为了我们讨论问题的主要方向。合适的 t 值得选取，可以获得更加良好的检测效果。当前，有多种广泛使用的阙值 t 的选取方案：
1）p—参数法
P-参数法的主要思想是将参数的设定值以目标图像的面积值与整体图像的面积值的比值来确定。如我们想要处理的图像的面积为 S0，图像整体面积的值为 s，故比值 p=S0/S。有了比值 p，我们将阙值 t 的选择为目标像素与整体像素的比值和 p的值相当。
P-参数法方法简单，但是也有其缺陷，它只能应用于所处理的图像的轮廓清晰并且面积利于计算的情况。
.......................
第 3 章 运动目标检测算法和结果.....................17
3.2 基于三帧差分法的运动目标检测................ 18
第 4 章 基于车辆跟踪的检测算法...........................31
4.1 运动目标跟踪算法简介....................... 31
4.1.1 基于模型追踪............................... 31
4.1.2 基于区域追踪............................. 31
第 5 章 车辆闯红灯违章的检测与实现........................... 37
5.1 闯红灯违章的检测.............................37
5.1.1 虚拟线圈的设置与筛选........................38
5.1.2 虚拟线圈匹配.............................. 40
第 5 章 车辆闯红灯违章的检测与实现
5.1 闯红灯违章的检测
在当今交通系统科技化发展的时代，现在的交通管理系统趋向于更加的灵活化方法，使其减少人力、资金的投入。传统的闯红灯违章检测主要是在一些路口安装的摄像机，然后通过摄像机得到的图像传给交通的监控管理部门，然后工作人员进行肉眼检测。由于这种传统的方法耗费巨大的人力，而且不够智能化，人为的肉眼疲劳后会带来很多的误判情况，给工作人员增加了工作的负担和难度。为使其智能化，很多研究学者和公司也相继的提出一些改进方法，如感应线圈的检测方法，在感应线圈埋藏于路口的前方，也就是每辆车辆在过红路灯时需要在一条白色的线停止的地方，当行驶的车辆经过时，埋藏的线圈会产生磁场或电流，当磁场和电流的变化超过一定范围时，摄像机便会对路上行驶的车况进行拍照，从而得到违章车辆的一个图像记录[26]。
感应线圈检测技术是一种传统的车辆检测方法，但是由于其破坏路面，维修困难，地下腐蚀等原因，存在着多种不利因素，因此人们提出一种基于虚拟线圈的检测技术VLD (Virtual Loop Detectors )，完成对感应线圈的补足。此方法不仅维护了设备成本，更提高了效率，更符合当今社会的主流趋势。因此，在本文采用虚拟线圈检测技术。它是一种以数字图像处理技术来虚拟出感应线圈的一种方法，他仿照感应线圈应有的功能，实现对车辆红灯违章的检测。
...........................
第 6 章 总结与展望
6.1 总结
本文主要提出了基于图像的车辆闯红灯违章识别系统的研究与实现，并且对现有的相关算法进行了比较与分析，选择了相关可以使识别率提升的算法。本篇论文最初介绍了有关 ITS 的内容与功能，研究其前后发展背景。并对我国现行的交通法律法规进行了深入的学习与理解，与此同时，初步介绍了有关图像的基础知识。通过对比分析两帧差法的优势与缺点，我们提出了一种基于三帧差法的算法，不仅加强了运动目标的提取能力，还使得识别率也大大提高，实现了对前人有关研究的改进与修缮。在对行驶车辆是否违规判断方面，我们提出了路面分割的检测算法，提高了稳定性，升级了系统的适应能力。
随着人们生活水平的日益增强，道路上的车辆也随之增加，因此人们对车辆违章系统的要求也越来越高。由于当今计算机科技术水平不断加强，有一天，也许人们能够将智能交通系统与物联网相结合，能够智能的提醒车辆对危险行为进行规避，能够根据不同的道路交通情况，能够做出分析，回馈给人们，使得人们可以在未来的交通生活中未雨绸缪，更加安全。
虽然车辆违章检测算法具有一定的效果，但是当出现过多的车辆也容易出现误检测及漏检测的情况，本文接下来的研究方向将致力于更为鲁棒的检测算法，并且能够检测到闯红灯车辆的车牌，尽可能的提供车辆违章的信息。
参考文献（略）