1、“.....科学出版社，年强能张世琪图象识别中特征提取的跟踪算法，,,,,,饭田恭敬编著，邵春福等译，交通工程学，人民交通出版社，年杨东援编著交通规划决策支持系统，同济大学出版社，年月采样率时间图十三基于均值的彩色图像背景提取时间与采样率关系图改进的基于均值的彩色图像背景提取时间与采样率关系图采样率时间图十四改进的基于均值的彩色图像背景提取时间与采样率关系图基于中值滤波的彩色图像背景提取时间与采样率关系图采样率时间图十五基于中值滤波的彩色图像背景提取时间与采样率关系图基于共同区域的彩色图像背景提取时间与采样率关系图采样率时间图十六基于共同区域的彩色图像背景提取时间与采样率关系图从表和图十三至图十六可以看到，背景提取所需时间随采样率的增加而增加除了基于中值滤波的背景提取方法外......”。

2、“.....处理时间随采样率增加显著增长基于均值的背景提取方法和基于共同区域的背景提取方法所需时间差别不大改进的基于均值的背景提取方法比基于均值和基于共同区域的方法需要时间多。这个和前面每种方法的时间复杂度分析是致的。为了比较不同算法求得的背景图像的效果，需要获得标准背景作为比较标准。标准背景采用同场景尽可能多的图像帧使用第节的改进的基于均值的背景提取算法取得。这是因为此算法根据标准差先将不大可能是背景的像素去除了，比单纯用平均值准确，同时在定程度上抑制了噪声，并且由于使用了尽可能多的图像，比只使用秒的图像有更多信息。实验数据所有帧图像得到的标准图像见图十七实验数据二所有帧图像得到的标准图像见图十八。图十七实验数据的标准背景图像图十八实验数据二的标准背景图像确定了标准图像后，考虑比较标准。越接近标准图像的背景图像越好......”。

3、“.....峰值信噪比的计算公式如下其中，对数中分子的表示像素灰度最大的差值，在级灰度中，这个最大差值是对数中分母的是图像的像素总数，表示两幅图像中的个像素，整个分母表示两幅图像的所有对应像素的差的平方的平均值，如果是彩色图像，对应像素的差的平方用对应像素矢量的分量的差的平方和除以计算。可以看到，当两幅图像越接近，对数中的分母就越小，峰值信噪比就越大当两幅图像差别越大，对数中的分母就越大，峰值信噪比就越小。极端情况，当两幅图像样时，峰值信噪比为无穷大两幅图像差别最大时，峰值信噪比为。我们就以峰值信噪比衡量两幅图像的相近程度，峰值信噪比越大，图像越接近。实验数据不同方法在不同采样率下得到的背景的图像与标准背景图像比较的见表二......”。

4、“.....因为同采样率下不同方法需要的实际处理时间不相同。在处理时间定的情况下，越大的方法越好。因此，结合表二和表，交通流检测及车辆识别系统的设计与实现软件功能概述能够对监视区域内的路段上通过车辆的数目进行标实时计数。能够对监视区域内的运动车辆进行实时速度测量。能够对监视区域内的运动车辆进行车辆类型识别。能够将检测和识别获得的交通数据存入数据库。能对数据库的数据进行统计输出。对系统测量到的车辆数目和每辆车的速度能实时处理并显示。能够对车辆的长度，车辆的车头间距，车辆排队长度等交通流数据进行统计。功能模块设计视频交通流检测及车辆识别系统是由系统初始化模块图象采集模块图象预处理模块图象分割模块特征提取模块流量统计模块类型识别模块数据管理模块系统维护模块组成。下面列出主要功能模块......”。

5、“.....包括设定图象输入参数采集图像的分辨率，图象采集卡视频端口的制式亮度对比度，每秒采集的帧数等检测区域的大小和个数速度检测标线以及象素间距与实际路长的比例系数各种车辆类型的特征量图像二值化及检测区域内特征点的阈值等，并建立识别的匹配摸板。图象采集模块将摄像机传输来的视频图象按初始化设置的要求捕捉下来并将其数字化，然后存储到内存里。采集图像的数字化是通过安装在计算机上的视频捕捉卡来实现的，而图象捕捉控制是由软件来完成。捕捉软件可以按每秒帧制线或帧制来捕捉图像并存贮在帧缓存或计算机内存里以备预处理系统调用。图象预处理对采集到的图像进行滤波除噪，主要采用中值滤波算法降低噪声。因为中值滤波具有抑制图像噪音并保持轮廓清晰的特点。对滤波去噪后的图象进行锐化,锐化算法采用二阶差分法。再对锐化后的图象进行对比度增强,对比度增强算法采用直方图均衡化......”。

6、“.....可视化效果得到改善,利于进行图象分割。图象分割模块将预处理后的图象,进行目标与背景分离，也就是把车的图象与背景分离开来，以便于对车辆目标的处理,提高运算速度。分割可以有很多算法。图象二值化算法简单,速度快,符合图象处理系统实时性特点,所以采用图象二值化分割。这种方式的分割，主要问题是如何确定阈值灰度门限。根据实际情况，可以采用自适应门限法来确定阈值。特征提取模块特征描述对分割出来的目标特征进行描述。描述主要是对目标图象的灰度，边界，面积等属性进行测量，使目标的特征量化，从而便于图象分类或图象识别。为加快交通流检测的速度，把检测目标的面积作为特征提取出来,作为判断是否有车辆通过的依据，同时通过对面积的特征匹配来确定车辆的类型。计算区域面积的公式结束语我们实现的视频交通流检测及车辆识别系统已在西安市交通流量的检测中应用，效果良好......”。

7、“.....它的目标就是用计算机视觉技术，通过分析摄象机拍摄的交通图象序列来对车辆行人等交通目标的运动进行检测定位识别和跟踪，并对检测跟踪和识别的交通运动目标的交通行为进行分析和判断，从而既完成各种交通流数椐的采集，又进行与交通管理有关的各种日常管理和控制，形成个全方位立体化的数字交通监控网，真正实现交通管理智能化。因此，开展视频交通监测技术的研究，对于提高我国视频监测技术水平，促进我国城市道路建设，改变我国交通以人管理为主的被动局面，实现城市交通管理智能化都具有十分重要的现实意义。参考文献容观澳编著计算机图象处理，清华大学出版社，年月章毓晋编著图象处理和分析，清华大学出版社，年月严宝杰编著交通调查与分析，北京人民交通出版社......”。

8、“.....清华大学出得到不同方法的随处理时间变化关系图。实验数据不同方法的随处理时间变化关系图如图十九。图十九实验数据不同提取背景的算法与处理时间关系图将图十九中横坐标，区间部分作局部放大，得到图二十。各提取背景算法与时间关系图时间基于均值改进的基于均值基于中值滤波基于共同区域图二十实验数据不同提取背景的算法与处理时间关系图局部实验数据二不同方法在不同采样率下得到的背景的图像与标准背景图像比较的见表三。采样率基于均值改进的基于均值基于中值滤波基于共同区域表三实验数据二不同方法得到的背景与标准背景图像比较的实验数据二不同方法的随处理时间变化关系图，如图二十。各提取背景算法与时间关系图时间基于均值改进的基于均值基于中值滤波基于共同区域图二十实验数据二不同提取背景的算法与处理时间关系图将图二十中横坐标，区间部分作局部放大，得到图二十二......”。

9、“.....我们可以得到以下结论并不是采样率越高处理时间越长，就越高。不同的方法在秒之各提取背景算法与时间关系图时间基于均值改进的基于均值基于中值滤波基于共同区域各提取背景算法与时间关系图时间基于均值改进的基于均值基于中值滤波基于共同区域后，尽管采样率不同，但值都基本不变了。这是因为不同的图像帧区别只在于运动前景不同，背景是相同的，因此不同图像帧之间存在着信息冗余，增加采样率，只会增加处理时间，不会增加，也即不会提高背景提取的质量。也就是说，在背景提取的时候，我们不需要很高的采样率即可得到不错的背景图像。基于均值的算法是效果最差的算法，因为其只是简单的平均，没有做更多的处理。共同区域法需要更高的采样率才能得到好效果。这是因为要找到更多的共同区域，就需要更高的采样率......”。