《交通图像检测与分析》共10章，主要内容包括绪论、数字图像处理基础、交通监控系统、车牌检测与识别技术、交通视频图像的处理、道路交通信息的视频检测技术、运动车辆的跟踪、车辆视频导航技术初探、运动行人检测与分析、未来研究与展望。《交通图像检测与分析》可供从事交通运输、图像处理、自动控制研究的工程技术人员及高等院校相关专业师生参考。

    3.数字视频监控技术发展的未来
    目前的远程图像监控系统中，图像的压缩与解压采用基于PC机的视频卡，视频前端比较复杂，稳定性、可靠性不高，而且价格昂贵；同时PC机也需专人管理，操作繁琐。随着技术的进步，现在出现一种新型的网络化远程视频监控——基于嵌入式Web服务器技术的远程网络视频监控。其主要原理是：视频服务器内置一个嵌入式Web服务器，采用嵌入式实时操作系统；摄像机传来的视频信号数字化后经过高效压缩芯片压缩后，通过内部总线传送到内置的Web服务器；网络上的用户可以直接用浏览器观看Web服务器上的摄像机图像，授权用户还可以控制摄像机云台镜头的动作或对系统配置进行操作。由于把视频压缩和Web功能集成到一个体积很小的设备内，直接连入以太网，做到即插即看，省掉各种复杂的电缆，用户也无需使用专用软件，仅用浏览器即可观看。
    基于嵌入技术的监控系统不需处理模拟视频信号的PC，而是把摄像机输出的模拟视频信号通过嵌入式视频编码器直接转换成IP数字信号。嵌入式视频编码器具备视频编码处理、网络通信、自动控制等强大功能，直接支持网络视频传输和网络管理，使得监控范围达到前所未有的广度。除了编码器外，还有嵌入式解码器、控制器、录像服务器等独立的硬件模块，它们可单独安装，不同厂家设备可实现互联。
    基于嵌入式设备的监控系统的优点是：由于这种系统的硬件是一个同处理器和操作系统捆绑较为紧密、功能专一、专门设计的独立的设备，不像插卡系统那样受通用计算机系统中其他软件硬件的影响，因此性能上更稳定，且便于安装、维护和管理，易于实现系统的模块化设计。
    在基于嵌入式系统的监控应用结构中，前端采用模拟摄像机，通过网络视频编码器，将模拟视频经过数字化、压缩、打包等过程变成基于网络协议的视频流或采用一体化的网络摄像机，在视频监控的前端完成网络化、数字化，视频流通过网络进行传输，发送到视频需求者。视频的使用者可利用软件进行解码，在PC机上进行显示和处理。也可通过硬件解码，解出模拟视频信号输出到监视器，利用键盘进行控制，分布在网络上的服务器或其他类型的网络存储设备根据需要进行录像，利用网管系统代替视频矩阵。由于没有监控中心的概念，任何授权的用户都可根据权限进行视频监控、录像。
    ……

前言
1 绪论
1.1 交通监控
1.1.1 收费和路况监控
1.1.2 违章自动监测
1.2 交通参数提取
1.2.1 基于虚拟点、虚拟线、虚拟线圈的交通参数提取方法
1.2.2 基于目标提取和跟踪的交通参数提取方法
1.3 车牌自动识别系统
1.3.1 车牌定位
1.3.2 车牌预处理
1.3.3 车牌字符识别
1.4 道路识别
1.5 行人检测

2 数字图像处理基础
2.1 图像的数字化描述及基本概念
2.1.1 图像的数字化描述
2.1.2 相关概念
2.2 图像压缩
2.2.1 常用图像压缩方法
2.2.2 常见的图像文件格式
2.3 图像的滤波
2.3.1 领域平均法
2.3.2 中值滤波法
2.3.3 高斯滤波
2.3.4 维纳滤波
2.4 图像的分割
2.4.1 区域分割技术
2.4.2 边缘检测技术
2.4.3 轮廓提取及跟踪
2.5 图像检测技术
2.5.1 投影法
2.5.2 帧差法
2.5.3 模板匹配
2.6 特征提取
2.6.1 目标描述
2.6.2 特征抽取
2.7 图像形态学处理

3 交通监控系统
3.1 多路视频监视技术
3.1.1 视频监视技术简介
3.1.2 视频监控系统的基本组成
3.1.3 图像及其他信号的传输方式
3.1.4 计算机多媒体监控技术
3.1.5 数字视频远程监控系统
3.2 闯红灯检测技术
3.2.1 基本原理
3.2.2 XATM-Ⅲ型闯红灯监摄系统
3.2.3 图像后期处理系统
3.2.4 系统主要特点
3.2.5 几个关键技术问题
3.2.6 数码相机闯红灯监测系统简介
3.3 超速检测技术
3.3.1 基本原理
3.3.2 系统特点
3.4 嵌入式实时DSP交通监控系统
3.4.1 系统的组成原理
3.4.2 系统的实现
3.4.3 系统应用

4 车牌检测与识别技术
4.1 概述
4.1.1 车牌自动识别系统的组成
4.1.2 车牌自动识别系统的研究现状
4.1.3 LPR技术的应用
4.2 车牌定位提取
4.2.1 基于数学形态学的车牌定位
4.2.2 基于投影法的车牌定位
4.2.3 基于模糊边缘检测的车牌定位
4.3 车牌分割及字符提取
4.3.1 车牌图像分割
4.3.2 车牌的几何校正
4.3.3 字符的切分方法
4.4 字符辨识
4.4.1 字符大小的归一化
4.4.2 车牌字符的特征提取
4.4.3 基于字符统计模板的识别方法
4.4.4 基于傅里叶描述子特征的数字、字母识别
4.4.5 基于层次搜索的车牌字符识别
4.4.6 基于神经认知机的字符识别

5 交通视频图像的处理
5.1 视频成像变换
5.1.1 坐标系定义
5.1.2 成像变换
5.2 背景更新技术
5.2.1 背景帧差背景更新技术
5.2.2 连续帧差背景更新技术
5.3 运动检测算法
5.3.1 基本方法简述
5.3.2 基于HIS色彩空间的运动检测方法
5.4 视频图像分割
5.4.1 传统的基于背景差分的视频分割
5.4.2 基于背景差分和噪声模型的视频分割
5.4.3 噪声去除
5.5 基于彩色检测线线间差分的阴影消除方法
5.5.1 引言
5.5.2 车辆/阴影模型的建立与判决
5.5.3 阴影消除方法
5.5.4 阴影消除实验及分析
5.6 交通信息检测基础
5.6.1 虚拟检测线
5.6.2 车辆检测
5.7 交通参数提取
5.7.1 车流量
5.7.2 车型

6 道路交通信息的视频检测技术
6.1 概述
6.1.1 基于非模型的交通信息采集技术
6.1.2 基于模型的交通信息采集技术
6.2 非模型的道路交通信息视频检测
6.2.1 交通信息视频检测算法描述
6.2.2 车流量视频检测方法
6.2.3 车速视频检测算法
6.2.4 其他交通参数的导出方法
6.3 基于模型的交通信息视频检测方法
6.3.1 算法简介
6.3.2 检测区域分布
6.3.3 运动图像分割
6.3.4 基于目标的多尺度形态滤波
6.3.5 运动角点跟踪
6.3.6 区域跟踪
6.3.7 实际检测效果测试
6.4 排队长度的视频检测
6.4.1 基于投影法的车辆排队检测方法
6.4.2 基于边缘分割的车辆排队检测算法

7 运动车辆的跟踪
7.1 车辆轨迹的视频跟踪思路
7.1.1 跟踪预处理
7.1.2 跟踪策略
7.2 起始跟踪问题
7.2.1 运动目标的特征
7.2.2 特征相似度评判函数
7.3 轨迹跟踪方法
7.3.1 基于Kalman滤波的跟踪回顾
7.3.2 基于GM（1，1）模型的跟踪
7.3.3 跟踪方法的性能分析
7.3.4 基于支持向量机的运动轨迹分析
7.4 目标的合并和分离处理
7.5 跟踪实验

8 车辆视频导航技术初探
8.1 公路标识辨识技术简介
8.1.1 引言
8.1.2 路标提取算法简介
8.1.3 路标识别算法
8.2 道路识别技术
8.2.1 道路标识识别
8.2.2 提取车道标线的特征点
8.2.3 实验结果
8.3 道路模型匹配与跟踪
8.3.1 道路模型
8.3.2 模型匹配
8.3.3 道路的视频跟踪
8.3.4 实验结果及分析
8.4 基于视频的前车检测
8.4.1 工作模式的判断
8.4.2 日间驾驶前车检测
8.4.3 夜间驾驶前车检测
8.4.4 前车跟踪
8.4.5 实验结果

9 运动行人检测与分析
9.1 概述
9.2 运动行人检测的实现思想
9.2.1 行人检测
9.2.2 行人跟踪
9.2.3 运动参数提取
9.3 运动行人检测算法
9.3.1 运动行人检测方法
9.3.2 图像的预处理
9.3.3 运动行人分割
9.3.4 运动行人的初步检测
9.3.5 行人的精确检测
9.3.6 试验结果
9.4 行人识别与跟踪
9.4.1 运动行人跟踪
9.4.2 目标特征提取
9.4.3 行人的运动预测
9.4.4 特征匹配
9.4.5 行人运动分析

10 未来研究与展望
10.1 图像采集系统
10.2 图像鲁棒检测和识别
10.3 图像处理方法的实时性和有效性
主要参考文献