随着社会的发展,交通拥堵、交通安全等交通问题越来越突出。为解决这些交通问题,建立智能交通系统是一项有效的方法。交通参数的统计是智能交通系统的重要内容之一,交通参数的实时性和准确性将会直接影响智能交通系统的性能。基于视频的交通参数统计方法以其智能化程度高、适用范围广、成本低、易于操作等特点被广泛关注,是交通参数统计的一个重要研究方向。目前基于低空固定摄像视频的交通参数统计方法在精度和实时性上都比较好,而基于高空固定摄像或无人机视频的交通参数统计,由于受图像中非道路区域的干扰和图像运动的影响,在准确性和实时性上比较差,因此开展基于高空视频图像的交通参数统计方法的研究具有一定实际意义。本文试图通过在检测出的道路上对交通参数(如交通流量、车流密度、行车速度)进行自动统计,以解决由于非道路区域干扰和图像运动等原因造成的参数统计不准确和实时性差的问题。论文围绕道路检测技术与交通参数统计方法展开研究,研究内容如下:(1)针对非道路区域的干扰问题,在研究分析了现有几种道路识别方法的基础上,给出了一种基于边缘检测的道路识别算法。该算法首先采用Canny算子对包含道路的视频图像进行边缘检测和增强,然后通过Hough变换对检测出的边缘形状特征进行匹配,最后通过分析和计算道路的边缘特征,实现了对道路的自动识别与分割。实验结果表明,该方法对不同背景下的道路图像有较高的识别率。(2)针对运动目标检测时容易出现误判以及背景建模的实时更新等问题,在研究分析了现有的几种运动目标检测方法的基础上,给出了一种基于vibe算法的运动目标检测方法。该方法首先利用单一视频帧完成初始化背景模型,接着将待分类像素与对应的背景模型进行比较,将像素点分类为前景像素或者背景像素,最后采取“先进先出”的方式更新背景模型,保证了目标检测的准确性。实验结果表明该算法对于运动车辆的检测有较好的效果。(3)研究了Camshift目标跟踪算法原理,给出了一种基于目标跟踪的车速计算方法。该方法首先采用Vibe算法获取图像中运动车辆的前景图像,然后用Camshift跟踪算法对检测到的运动车辆进行匹配跟踪,获取运动车辆在一定间隔帧后的位置信息,最后根据获取到的两帧图像中运动车辆的位置坐标,通过坐标变换模型计算出实际道路位置中目标车辆的两个中心坐标距离,再利用速度模型计算出车辆速度。实验表明所给出的方法有一定的有效性。(4)在分析基于视频的车速检测原理以及现有检测方法的基础上,结合现有虚拟线圈的方法,给出了一种基于灰度匹配的检测算法。该算法首先利用检测出的道路以及车辆来自动设置虚拟线圈,然后通过检测行驶车辆经过虚拟线圈两条底边时的灰度变化来匹配是否为同一辆车,最后分析计算得到车辆行驶速度。实验结果表明,基于灰度匹配的车速检测算法的准确性较高,其精度可达95.16%。(5)根据系统需求与软件架构,采用本文研究成果,设计并实现了一个基于视频的道路识别与交通参数统计系统。