车辆检测是车辆识别和跟踪的重要前提。为解决传统车辆检测算法无法兼顾检测的准确性与实时性的问题, 本文提出一种基于实时交通状况和自适应像素分割的运动车辆检测算法。该算法采用多帧间隔图像建立初始背景模型, 提出基于时-空变化度的背景区域变化评价方法, 并基于时-空变化度制订了自适应的学习率更新策略。通过设置一个信任区间, 并根据当前交通状况和像素点是否处于信任区间内来判断当前的背景模型是否需要更新, 进而实现对运动车辆的准确、快速检测。改进后的像素自适应分割算法在不同场景中检测的性能指标Recall、Precision和F-measure分别达到0.929, 0.864, 0.888, 均高于传统像素自适应分割算法, 且算法的处理时间为88.37 ms, 比传统像素自适应分割算法的运算速度快近10 ms, 基本满足车辆检测所需的速度快、精度高、鲁棒性高等要求。

在大视场交通监控摄像机的标定中, 由于不便于放置大尺寸标定靶标, 常采用交通标线构成的特定几何图形替代标定靶标, 但许多交通场景仅有一组平行的车道分界交通标线, 难以获得传统标定方法所需的标定约束条件。针对此类交通场景, 选取两平行交通标线和其中一条线上的三点作为标定参考物, 依靠其中一条线上三点在单幅图像中的像素坐标、三点间的两个距离值及平行线间距作为约束条件来完成摄像机的标定。建立了图像坐标系与世界坐标系之间新的换算关系, 推导出了摄像机内外参数的求解公式, 探讨了旋转角对测量误差的影响。实验结果表明, 在约束条件不足的情况下能够获得较好的摄像机参数近似解, 沿道路方向上的测距精度优于对比文献的结果, 具有标定参考物选取容易、操作简便、几何约束条件少等优点, 适用于交通监控系统中大视场摄像机的快速标定场合。

针对目前具体产品中算法实现复杂且基于计算机(PC)平台的纯软件环境等问题，提出了一种视频车辆跟踪的嵌入式实现方法。利用可编程片上技术，使得视频检测摆脱PC平台的依赖。以Nios II软核处理器和外设知识产权(IP)核为硬件平台, 结合模拟/数字信号转换(A/D)和数字/模拟信号转换(D/A)的视频接口，以μC/ OS为操作系统,实现了视频检测的硬件与软件结合的嵌入式检测技术。最后实验验证了设计的有效性。