1、“.....常会提取不出个完全连通的车辆目标，这会对下步的车辆目标跟踪带来影响，应该填充图像。本系统在车辆区域内采用如下方法填充处理横向填充。扫描二值图像,的每行，假设自左至右扫描第行找到第个目标像素，其灰度值为，标记该点坐标为再在同行即行自右向左找到第个灰度值为的目标像素,其灰度值为，标记该点坐标然后将第行中的这两个目标点之间的所有像素点构成变成目标背景。纵向填充。横向填充以后对图像,的每列进行扫描，假定自下至上扫描无锡太湖学院学士学位论文第列找到第个目标像素，其灰度值为，标记该点坐标为然后在同列即列自上至下找到第个灰度值为的目标像素，其灰度值为，标记该点坐标再将第列中的这两个目标点之间的所有像素点变成目标背景。填充以后，目标车辆能完整的被检测出来，如图所示。其中，图中，为未填充的车辆区域图像......”。

2、“.....为填充后的图像。原始图像二值后填充图原始图像二值后填充图图图像填充处理结果基于视频的车辆检测系统基于帧间差分法的车辆检测盒计数方法视频车辆检测是运动目标检测的部分，前面已经描述了用于运动目标检测的三中算法光流场法帧差法背景差分法，它们各自都有优缺点，考虑到算法实现简单，易于实时监控，本文采用基于帧间差分法来检测视频车辆和计数。帧间差分法帧间差分法是对图像序列的相邻两帧或是三帧图像做差分处理，然后通过阈值化获取运动变化区域，接着采用边缘提取找出动物体的边缘，最后检测出目标。其基本原理是，在图像序列中如果对象在不同帧中具体位置产生变化，那么对应的不同帧的该位置上其灰度也会产生变化，而对象没有产生变化的位置，其灰度值不产生变化，然后通过阈值化得到目标对象。般有相邻帧差分和多帧差分，本文采用第种方法。相邻帧差分就是对相邻的帧进行差分......”。

3、“.....为判定二值图的阈值。,,帧间差分法简单，检测运动目标快速且比较强的自适应性。二值化幅图像包括目标物体背景还有噪声，要想从多值的数字图像中直接提取出目标物体，最常用的方法就是设定个阈值，用将图像的数据分成两部分大于的像素群和小于的像素群。本文就需要将差分图像二值化。二值化检测代码如下,显示图像无锡太湖学院学士学位论文,,边缘检测改变参数再检测边缘显示二值图像二值图像垂直的线性结构元素,水平的线性结构元素对图像进行膨胀,显示膨胀后的二值图像膨胀后的二值图像对图像进行填充显示填充后的二值图像填充后的二值图像,形态学滤波为提高目标检测的有效性和正确性，有必要对二值图像进行形态处理以消除噪声。其实现方法是对二值化后的图像进行膨胀腐蚀等形态学滤波，这通过函数仿真实现......”。

4、“.....,,,系统流程图车辆检测和计数的总体流程图如下所示图设计总流程图无锡太湖学院学士学位论文分析目标物体和计数通过对视频中运动车辆的提取，般都可以得到提取的目标物体，接下来就可以对系统进行车辆计数功能的设计。在算法中，通过对二值化图像提取轮廓，然后获得矩形框数据。这样对图像中矩形框的数目的计算来对车辆的数目进行计数，但要解决以下几个问题首先，对视频的处理实际上是把视频分成帧帧的图像进行处理，单纯根据矩形框的数目进行车辆计数会造成车辆的重复计数，因为同车辆会在几个帧图像中出现其次，对停止车辆的处理，若车辆驶入画面停了段时间又继续前进，那么，就必须要防止车辆的重复计数第三，车辆重叠问题，由于二值化图像的缺陷，重叠的车辆会被同个矩形框圈出，从而造成车辆的少计数，因此，也需要对此进行处理。在算法中......”。

5、“.....对个矩形框，首先求取其中心点的值，以后宽高等基本数据。为了避免重复计数，可以利用边界进行计数，可首先根据中心点的值判断车辆是否处于边界，若处于边界且未完全进行画面，则不断更新边界值，并根据上帧图像的边界量判断车辆是否刚刚进入画面。对于刚进入的车辆进行计数，这样，即使车辆在画面中停顿后又开始运动也不会重复计数。利用设计界面，二值化并形态学滤波结果运行如下设计界面基于视频的车辆检测系统二值化处理结果图设计界面和二值化处理在视频中加标记框并计数结果显示如下车辆检测并计数结果车辆检测并计数结果二车辆检测并计数结果二图车辆检测并计数结果无锡太湖学院学士学位论文结论与展望结论运动车辆的有效检测以及实时跟踪和计数是车辆的行为和交通流分析的前提，是智能交通的核心计数。本文围绕视频图像的运动目标检测，在分析和集成前人研究成果的基础上......”。

6、“.....初步设计和实现了车辆实时检测系统，验证了了本文给出的方法的有效性和可行性，并在此基础上实现了计数功能，满足般交通流控制的需要。视频图像处理技术在智能交通系统中的应用是个具有广阔前景的研究方向。本文只是对其进行了初步研究，为今后的进步研究确定了定方向。由于智能视频监控系统的实际应用环境比较复杂多样，如何使智能视频监控系统实现快速高准确性和高鲁棒性的实时监控，将是个系统工程，还有很多问题需要进步的深入探索。不足之处与对未来的展望智能交通系统是目前世界交通运输领域的前沿研究课题，它将先进的电子信息技术数据通信技术自动控制和计算机技术综合运用于交通运输管理体系，从而实现交通运输服务和管理智能化。交通监视系统是智能交通系统的重要环节，负责采集有关道路交通流量的各种参数。为获取交通数据，传统的方法是通过埋入路面下的电感传感器来检测车辆。由于需挖掘路面......”。

7、“.....同时也影响交通。近年来，逐步发展了雷达超声波红外线微波声频及视频图像等悬挂式传感器获取有关交通数据的技术。其中，基于视频图像技术的方法具有直观可监视范围广可获取更多种类的交通参数以及费用较低等优点。这种方法能够检测跟踪车辆，辨别车辆类型，通过车牌识别唯标识车辆，监测异常情况和事故的发生，因而可广泛应用于交叉道口和公路干线的交通监视系统中。车辆检测是基于视频图像的交通监视系统的基础。灰度比较法采用对路面和车辆的灰度统计值来检测车辆。但它对环境光线的变化十分敏感，而且由于车辆的色彩差异较大，因而很难确定车辆的灰度范围。帧差法利用两幅连续帧之间的差值，排除静止物获取字符串长度,读取该目录下的图像,,,设定标记框颜色计数,无锡太湖学院学士学位论文,,......”。

8、“.....列判断行数是否小于无锡太湖学院学士学位论文标价出车辆标记二值车辆图像构造矩阵返回矩阵中非零元素所在的行,列车辆加框标记体和背景，保留图像中的运动物体。虽然环境光线的变化对该方法影响不大，但它不能检测静止车辆，而且由于图像采样频率固定，被检测车辆如果车速太快或太慢都可能导致检测。背景差法利用幅不断更新背景图像从输入图像中提取前景物体。该方法很大程度上依赖于背景图像的可靠性，背景图像需不断地被更新，以迎合环境光线阴影和天气的变化等......”。

9、“.....边缘检测法是另类较为有效的车辆检测法，因为即使在不同的光线条件下，车辆的边缘通常仍然能够被检测到。然而，如果车辆边缘模糊，则边缘检测法可能漏检车辆。基于视频的车辆检测系统致谢本设计的完成是在我们的导师李朝锋老师的细心指导下进行的。在每次设计遇到问题时老师不辞辛苦的讲解才使得我的设计顺利的进行。从设计的选题到资料的搜集直至最后设计的修改的整个过程中，花费了李老师很多的宝贵时间和精力，在此向导师表示衷心地感谢,导师严谨的治学态度，开拓进取的精神和高度的责任心都将使学生受益终生,还要感谢和我同设计小组的几位同学，是你们在我平时设计中和我起探讨问题，并指出我设计上的误区，使我能及时的发现问题把设计顺利的进行下去，没有你们的帮助我不可能这样顺利地结稿，在此表示深深的谢意......”。