智能交通系统详细设计说明书精选文档格式.docx
《智能交通系统详细设计说明书精选文档格式.docx》由会员分享，可在线阅读，更多相关《智能交通系统详细设计说明书精选文档格式.docx（68页珍藏版）》请在冰点文库上搜索。
4.2.2.基于模板匹配的细分割 28
4.2.3.异常跟踪处理 31
4.3.夜间车辆检测 31
4.3.1.夜间车辆特点 31
4.3.2.车灯配对 32
4.3.3.白天夜晚模式切换 33
4.4.基于图像分析的交通事件检测 33
4.4.1.基于轨迹的事件检测 33
4.4.2.车速检测 36
4.4.3.事件检测 41
4.5.能见度和雪、雨的检测 45
4.5.1.能见度检测 46
4.5.2.局部直方图均衡 46
4.5.3.基于色彩恒常理论的图像增强 49
5.系统流程图 53
5.1.交通事件检测软件 53
5.1.1.视频采集模块 54
5.1.2.预处理模块 54
5.1.3.车辆检测模块 55
5.1.4.车辆跟踪模块 56
5.1.5.车辆运动信息提取模块 57
5.1.6.交通事件检测模块 59
5.1.7.参数设置模块 60
5.1.8.网络管理模块 61
5.2.管理中心软件 62
5.2.1.交通事件集中存储检索模块 62
5.2.2.报警管理模块 63
5.2.3.交通事件统计模块 64
5.2.4.用户管理模块 65
5.2.5.语音接口 66
5.2.6.短信发送接口 67
1.引言
1.1.编写目的
本详细设计说明书确定系统的详细功能模块和数据结构，为下阶段开发工作提供依据。
1.2.背景
软件系统的名称：
iTraf智能交通系统本项目的提出者：
iTraf小组研究学习本项目的开发者：
iTraf小组
软件系统的用户：
用于道路交通紧急救援、道路的智能化控制和管理等方
面
1.3.参考资料
iTraf智能交通系统需求规格说明书
iTraf智能交通系统概要设计说明书
2.程序（模块）系统的组织结构
视频采集模块
预处理模块
车辆检测模块
iTraf交通事件检测软件
车辆跟踪模块
车辆运动信息提取模块
交通事件检测模
块
参数设置模块
网络管理模块
交通事件集中存
储检索模块
报警管理模块
交通事件统计模
iTraf管理中心软件
用户管理模块
语音广播接口
短信发送接口
查询检索交通事件
前端及后台参数
设置
图2-1系统组织结构
2.1.交通事件检测软件
2.1.1.视频采集模块
视频采集是将摄像机的数据按照设定的频率进行采集，以进行实时处理。
初始化参数
采集摄像头视频
采集录像视频
系统
图2-2视频采集模块用例图
1、初始化软件运行参数；
2、提供从前端摄像头采集数字视频到内存服务；
3、提供从视频录像文件采集数字视频到内存服务。
2.1.2.预处理模块
图像增强
昼夜判断
获取背景图像
车灯分离
阴影控制
预处理包括背景获取与更新和阴影控制（去除噪声和阴影），以及高斯滤波，图像锐化和增强，特别针对夜间的“浮雕”预处理，可以将车灯光去掉。
图2-3预处理模块用例图
1、对采集到的视频进行采集时段（白天或夜间）判断；
2、提供白天、夜间两种视频帧预处理模式；
3、视频背景图像获取与更新；
4、阴影控制（去除噪声和阴影）；
5、高斯滤波，进行图像锐化和增强；
6、针对夜间的“浮雕”预处理，可以将车灯光去掉。
2.1.3.车辆检测模块
车辆矩形提取
车辆分割合并
车辆检测包括车辆矩形提取（特征计算、模式匹配、矩形提取）、车辆分割和合并（将连在一起的不同目标分开，将属于同一辆车的不同部分合并）
图2-4车辆检查模块用例图
1、车辆矩形提取（特征计算、模式匹配、矩形提取）；
2、车辆分割和合并（将连在一起的不同目标分开，将属于同一辆车的不同部分合并）。
2.1.4.车辆跟踪模块
采用卡而曼虑波，对目标先进行运动估计，后再寻找匹配目标。
利用车辆跟踪可绘制车辆的轨迹图像，据此可进行碰撞预测（利用隐马尔可夫HMM模型结合直线拟合预测可能出现的交通事故）。
运动估计
绘制轨迹
直线拟合预测
图2-5车辆跟踪模块用例图
1、要采用卡而曼虑波，对目标先进行运动估计，后再寻找匹配目标；
2、利用车辆跟踪绘制车辆的轨迹图像，据此进行碰撞预测；
3、利用隐马尔可夫HMM模型结合直线拟合预测可能出现的交通事故。
2.1.5.车辆运动信息提取模块
在车辆跟踪的基础上，对车辆的运动轨迹以及车速进行估计。
并根据运动轨迹，进行碰撞预测。
轨迹直线拟合
车速估计
碰撞预测
图2-6车辆运动信息提取模块用例图
1、轨迹直线拟合；
2、车速估计；
3、碰撞预测。
2.1.6.交通事件检测模块
显示过往车辆信息
车道占有率检测与统计
快行车辆识别与统计
慢行车辆识别与统计
平均车速检测与统计
车道变换车辆识别与统计
显示过往车辆数
交通流量的检测
交通拥挤识别
车辆型号识别与统计
逆向车辆识别与统计
交通事件位置识别与统计
雪雨天气检测
停车车辆识别与统计
能见度的检测
将各种信息（诸如每辆车的信息、平均车速、是否拥挤、是否发生交通事故、天气状况、车道变换统计、以及车道占有率等）不但显示在客户端还要分类实时或定时发送到服务端，以供决策者进行决策指挥和研究者进行交通状况研究。
图2-7交通事件检测模块用例图
1、显示过往车辆信息；
2、显示过往车辆数；
3、交通流量的检测；
4、停车车辆的识别与统计；
5、慢行车辆的识别与统计；
6、快行车辆的识别与统计（是否超速）；
7、车辆型号的识别与统计（是否在正确的车道上行使）；
8、逆向车辆的识别与统计（违章驾驶）；
9、平均车速检测与统计（路况是否畅通）；
10、车道占有率检测与统计（可扩展功能）；
11、车道变换车辆的识别与统计（可扩展其功能）；
12、交通拥挤的识别；
13、交通事件类型的识别与统计；
（把事件分细）；
14、交通事件位置的识别与统计；
15、能见度的检测；
16、雪、雨天气的检测；
17、显示交通状况。
2.1.7.参数设置模块
输入源设置
查看闭图像
虚拟检测线设置
背景差分选择
二值化阈值设置
图像存储路径设置
车型设置
运行暂停
阴影消除设置
车道线设置和校准
交通事件相关参数设定
管理员
背景更新时间设置
检测区设置
查看二值化图像
查看轨迹图像
查看车道线
背景保存
查看差分图像
形态滤波选择
主要是设定系统工作所需要的参数：
视频源，图像文件和视频录像的存放位置，背景更新的时间，提取背景所用的帧数，阴影去除相关参数，灰度二值化阈值，车道线标定，车型界限设定，车速检测线标定等。
图2-8参数设置模块用例图
1、输入源设置；
2、图像存储路径设置；
3、车道线设置和校准；
4、检测区设置；
5、背景保存；
6、背景更新时间设置；
7、阴影消除设置；
8、二值化阈值设置；
9、车型设置；
10、虚拟检测线设置；
11、运行暂停；
12、交通事件相关参数设定；
13、查看轨迹图像；
14、查看差分图像；
15、查看二值化图像；
16、查看闭图像；
17、查看车道线；
18、背景差分选择；
19、形态滤波选择；
20、存储录像设定。
2.1.8.网络管理模块
与管理中心通讯，提供参数远程设置功能。
帐号密码设置
图2-9网络管理模块用例图
2、背景更新时间设置；
3、阴影消除设置；
4、二值化阈值设置；
5、车型设置；
6、运行暂停；
7、交通事件相关参数设定；
8、背景差分选择；
9、形态滤波选择；
10、远程连接帐号密码设置。
2.2.管理中心软件
2.2.1.交通事件集中存储检索模块
获取前端交通事件
交通事件检索
图2-10交通事件集中存储检索模块用例图
1、与前端车辆事件检测软件通讯，获取前端交通事件（交通流量、停车车辆数、慢行车辆数、快行车辆数、通行车辆的型号、逆向车辆数、平均车速、车
道占有率、车道变换车辆数、交通拥挤情况、天气状况）；
2、提供前端交通事件检索服务。
2.2.2.报警管理模块
逆行车辆报警
管理报警日志
交通拥挤报警
设置报警联动
车辆碰撞报警
查看报警日志
停车报警
车辆变道报警
图2-11报警管理模块用例图
1、当出现交通拥挤时，触发报警；
2、当出现逆向行驶车辆时，触发报警；
3、当出现车辆碰撞时，触发报警；
4、当一定时间内停车车辆数超过预先设置的最大值，触发报警；
5、当一定时间内变道车辆数超过预先设置的最大值，触发报警；
6、用户可设置报警联动动作，包括声光提示、短信发送、语音等；
7、用户可查看管理报警日志。
2.2.3.交通事件统计模块
查看车辆数报告
查看车型统计报告
实时交通拥挤事件报告
查看变道数报告
事故类型位置统计
交通拥挤时间统计
图2-12交通事件统计模块用例图
1、报告一天内各点及总体车辆数；
2、报告一天内各点及总体的大、小型车辆数；
3、报告一天内各点及总体的变化车道统计数据；
4、报告一天内各点及总体的事故类型及次数（碰撞、异常滞留、拥挤）；
5、报告一天内各点及总体的交通拥挤、故障持续时间；
6、实时的交通拥挤、事故报告。
2.2.4.用户管理模块
用户添加删除
操作日志管理
权限配置
图2-13用户管理模块用例图
1、用户帐号密码设置；
2、用户权限配置；
3、用户添加删除设置；
4、用户操作日志管理。
2.2.5.交通管理部门接口
图2-14交通管理部门接口用例图
1、定时将各道路交通顺畅程度汇集成文本信息，发送给交通管理部门；
2、将交通事件分类汇总，按事件严重程度的优先级，先后向交通管理部门报警；
3、将发生交通事件前后的视频录制保存，为交通管理部门的工作提供依据；
4、交通管理部门对收到的警报做出响应操作；
5、交通管理部门可以随时了解各路段的交通信息；
2.2.6.交警巡逻车接口
事件类型设置
接收事件通知
交警
管理者
安排事件发送
图2-15交警巡逻车接口用例图
1.将交通事件分类汇总，按事件严重程度的优先级，先后发送给交警巡逻车；
2.交通管理部门对收到的警报做出响应操作，并以就近原则赶往现场；
3.交通巡逻车可以随时了解各路段的交通信息；
2.2.7.语音接口
收听交通广播
广播时间设置
管理员 司机
图2-16语音接口用例图
1.将交通事件汇集成文本信息；
2.定时将各道路交通顺畅程度汇集成文本信息；
3.采用语音库将文本信息转化成语音，并输入语音系统；
4.可定时进行，也可以事件触发；
5.司机可以收听到交通。
2.2.8.短信发送接口
管理订阅用户
订阅交通短信通
设置发送事件
收看交通短信
图2-17短信发送接口用例图1、添加删除订阅交通短信通用户及其手机号；
2、将道路拥挤信息发送到用户。
3.界面设计要求
用户界面采用Windows风格，便于用户进行操作。
在界面设计方面，采用微软的最新技术WPF来负责整个系统的界面设计。
WPF的全称是WindowsPresentationFoundation，是微软新发布的Vista操作系统的三大核心开发库之一，其主要负责的是图形显示，所以叫Presentation（呈现）。
作为新的图形引擎，WPF是基于DirectX的，当然增加了很多新的功能。
其2D和3D引擎的强大看看Vista的界面就明白了，再加上其对Aero图形引擎的支持，更加让你感到神奇。
顺便提一下，Aero是专门为3D桌面开发的引擎，可以让桌面实现神奇的3D翻转，这绝对是操作系统有史以来的一次神奇尝试，虽然对硬件配置的要求也是惊人的。
WPF其实不仅仅是图形引擎而已，它将给Windows应用程序的开发带来
一次革命，因为新的架构提供了一种全新的开发模式。
当然对于普通用户而言，
最直观的就是界面越来越漂亮，看起来越来越舒服了；
但对于开发人员而言，界面显示和代码将更好的得到分离，这与从前的桌面应用程序开发有很多不同
（界面设置和代码是融合在一起的），这是比较具有革命性的改变之一。
还有就是桌面应用程序和浏览器应用程序的融合，根据ms的承诺，正在开发中的WPF/E，即WPFEverywhere版本，将为基于WPF的应用程序提供全面的浏览器支持，这意味着未来开发出的应用程序将可以基于浏览器在不同的操作系统上运行，当然由于目前还在开发中，我们并不确定会不会有一定的限制，根据WPF/E开发组的定义，WPF/E仍然是WPF的子集，而不是后继版本。
总体而言，WPF的前景应该是一片光明。
用户界面设计规则
1、尺寸
在合理的布局下尽可能多的显示控件内的内容。
2、布局
按照操作流程或浏览顺序自左至右、由上而下的排放各种控件，使界面整体协调、美观大方。
3、自适应父对象的尺寸改变
控件应具有自适应父对象的尺寸改变的能力，当父对象的尺寸发生变化时，控件应能自动改变自己的尺寸并使界面保持整体协调，尽量减少因父对象的尺寸改变而带来的操作或浏览上的不便。
4.核心算法设计
4.1.运动车辆检测
4.1.1.运动目标检测
运动车辆检测算法是基于图像分析的高速公路事件自动检测系统的关键部分。
本系统采用背景差分的方法进行运动目标检测。
背景差分法就是对当前帧图像与背景帧图像进行差分，这是最常用的方法，
运动车辆和暂时停止的车辆都可以检测，因此适用于摄像机静止的情形。
它首先为图像序列建立背景模型，提取不含运动目标的参考背景，通过将当前图像帧和参考背景进行比较，确定出亮度变化较大的区域，即认为是前景区域。
这种方法的计算速度很快，可以获得关于运动目标区域的完整精确的描述，但对场景中光照条件、大面积运动和噪声比较敏感，在实际应用中需采用一定的算法进行背景模型的动态更新，以适应环境的变化。
4.1.2.背景模型
背景差分法在提取运动目标时假设图像序列的背景是固定不变的，因而它能十分有效地检测出快速和缓慢运动、甚至是静止的非背景的目标。
但是这种方法对背景的变化比较敏感，当背景光照发生变化时，如果不能及时地更新背景图像将产生错误的检测结果，因此对于长时间的目标检测来说，背景的光照必然是随时间变化的，必须采用自适应地背景更新的方法。
在高速公路监控图像中，通过标定场景路面图像作为图像处理区域，其背景图像简单，而且每个背景点上的颜色分布比较集中。
本系统采用运算速度快、性能较好的统计学背景模型——序列均值法。
Bt,c（x,y）=Mean（It,c（x,y）,It-1,c（x,y）, It-（n-1）,c（x,y））
å
=1（n-1Ini=0
i,c
（x,y））
（5-1）
其中c＝R，G，B。
虽然路面上有车辆通过，但是只要统计的时间足够长总能得到比较好的背景图像。
图3-1是实验中提取的背景。
在图4-1中，上左图为视频图像；
上右图为视频图像50帧的均值结果，由于训练的帧数过小，在提取的背景图像上有目标车辆的残留痕迹；
下左图为视频图像200帧的均值结果，训练帧数适中，提取的背景图像平滑接近实际背景；
下右图为视频图像700帧的均值结果，提取的背景更接近于实际背景，比起下左背景改善很小，但运算时间却花费过多。
由图可见，背景图像提取过程中，训练帧数需适中，一般200～300帧即可。
图4-1背景提取比较图
4.1.3.车辆检测
4.1.3.1.差分模型
传统的背景差分法都采用背景图像与当前帧图像的灰度差值来实现，但是可利用的信息太少，当车辆与路面背景的灰度值非常接近的时候，检测出的车辆目标区域会出现大片的空洞或破裂，甚至漏检。
为克服此问题我们对采集的大量视频图像进行了观察和分析，发现物体与背景灰度相同的区域，其颜色一
般不会相同，因此采用如下彩色图像差值模型：
Dt（x,y）=max（|It,R（x,y）-Bt,R（x,y）|,|It,G（x,y）-Bt,G（x,y）|,
|It,B（x,y）-Bt,B（x,y）|）
（5-2）
图4-2上图为本系统差分模型得到的车辆检测图；
图4-2下图为对应的图像灰度值相差的车辆检测图。
由图可以看出，本系统差分模型得到的车辆检测图比较完整，空洞或者破裂的现象较少。
图4-2差分模型比较
4.1.3.2.阴影抑制
通过观察发现，经过上述方法分割出的车辆，在大部分情况下是存在阴影影响的，这样就会使分割出来的车辆面积比实际的大，甚至有可能造成两个或多个车辆由于阴影而相互粘连在一起，若以此作为后续工作的依据，则势必会
造成误差，甚至错误。
通常的运动目标检测方法都无法直接区分运动目标和阴影，因为阴影部分与运动目标部分具有某些相似的视觉特征，这就给阴影检测带来困难。
由于在RGB空间中，人的感知差别和计算差别的一致性较差，因此提出了很多颜色空间，如：
归一化RGB，HSV（Hue，Saturation，Value），C1C2C3及L1L2L3Error!
Referencesourcenotfound.。
这些颜色空间可以很好地体现颜色的一致性。
但是对于归一化RGB颜色空间，由于它在黑色（R=G=B=0）上没有定义，因此在黑色附近很不稳定。
对于HSV空间，当RGB三个分量相等时Hue没有定义。
所以在这些颜色不变性彩色空间中，本系统采用了C1C2C3模型，其颜色空间定义如下：
c1（x,y）=arctan
3）
c2（x,y）=arctan
4）
c3（x,y）=arctan
R（x,y）max（G（x,y）,B（x,y））
G（x,y）max（B（x,y）,R（x,y））
B（x,y）max（R（x,y）,G（x,y））
（5-
（5-
（5-5）
其中R（x，y）， G（x，y）， B（x，y）分别表示像素的RGB三个颜色分量。
由阴影的性质可知，阴影点比对应位置背景像素点的亮度要低而颜色不变。
定
义：
D（x,y）=LB（x,y）-LI（x,y）
（5-6）
其中LB（x,y），LI（x,y）分别表示背景与当前图像的亮度值，计算方法：
L（x,y）=0.299*IR（x,y）+0.587*IG（x,y）+0.114*IB（x,y）
（5-7）
在理想的情况下，阴影点必有D（x,y）>
0。
但是由于噪声的存在，我们给
定一个阀值tL，即变为D（x,y）>
tL。
为了获得更好的鲁棒性，我们以点（x，y）
为中心的小窗口（2N＋1）×
（2M＋1）的亮度总差值来代替点（x，y）的亮度差，即：
M
D*（x,y）= 1 å
N å
D（x+i,y+j）
（2N+1）（2M+1）i=-Ni=-M
（5-8）
当亮度差值小于tL的像素点位置（x，y）就可以被当作候选阴影点。
在阴影颜色不变性上，本系统考虑C1C2C3差值，其定义为：
1 1
d1（x,y）=|Ic（x,y）-Bc（x,y）|
9）
2 2
d2（x,y）=|Ic（x,y）-Bc（x,y）|
（5-10）
d3（x,y）=|Ic
（x,y）-B（x,y）|
c
3 3
（5-11）
当di<
Ci时，i＝1，2，3，即认为位置（x，y）颜色不变，为阴影候选点。
同时，与处理亮度差值一样对di（i＝1，2，3）做窗口化处理。
综合上述亮度差值与颜色不变性两个条件，就可以得出阴影检测结果。
图4-3为阴影检测图，其中参数设置为：
tL＝10，C1＝0。
2，C2＝0。
2，C3＝0。
2，白色部分表示的为阴影。
由图中可以看出，阴影检测效果较好。
只是
升级会员 