[14] 蒋刚毅，郁 梅，叶锡恩等.一种基于视觉的车辆跟踪及交通流量参数估计新方法[D].宁波：电路与系统学报.2001，6(4)：69～73.

[15] 左 奇，史忠科.一种新的交通流视频检测方法[D]西安：西安交通大学学报.2004，38(4)：396～399.

[16] 张 玲，易卫明，何 伟等.一种基于视频的车辆检测新方法[J].信息与电子工程.2006，4(4)：264～268.

[17] 罗东华，余 志，李熙莹等.基于边缘的背景差法在车流量检测中的应用[J].光电工程.2007，34(11)：70～73.

[18] 计文平，郭宝龙，丁贵广.基于虚拟线圈的光流法车流量检测[J].计算机仿真.2004，21(1)：109-111.

[19] 巨永锋，朱 辉，潘 勇.基于计算机视觉的车流量检测算法[D]西安：长安大学学报(自然科学版).2004，24(1)：92～95.

[20] 曾接贤，李斯新.基于序列图像的三维刚体运动估计研究进展[D]南昌：南昌航空工业学院学报(自然科学版).2006.20(3)：23～28.

[21] 曾接贤，张桂梅等.基于直线的线流场计算技术[D]. 南昌：南昌航空大学.中国图像图形学报，2003，8(A)：183～187.

[22] 储珺，高满屯等.光流计算中二次曲线的表示与检测[D]. 南昌：南昌航空大学.西北工业大学学报，2003，21(2)：203～206.

[23] 储 珺，高满屯，陈 震.从序列图像计算二次曲线的光流[J].工程图学学报，2002(2)：82～88.

[24] 储 珺，赵志青等.用于计算曲线光流的边缘提取[J].南昌大学学报，2002，24(2)：22-24.

基于NB-Iot技术的智能交通流量检测器研究与设计

前  言

城市智能交通已逐步得到社会各界的广泛关注，如何通过智能交通系统建设来缓解日益严重的交通问题已成为交通领域的研究热点。车流量检测系统是智能交通(ITS)的基础部分，在城市道路建设、国道高速公路建设、隧道桥梁建设以及交通流的基础理论研究中占有很重要的地位。近年来，逐渐发展起来了以空气管道检测技术、磁感应检测技术、波频检测技术和视频检测技术等为代表的多种交通检测技术。车流量检测主要是通过各种传感设备对路面行驶车辆进行探测，获取相关交通参数，以达到对公路各路段交通状况及异常事件的自动检测、监控、报警等目的。

较其它方法而言，基于NB-Iot技术的检测技术涉及到视频采集、通信传输、图像处理、人工智能以及计算机视觉等多个学科，具有安装维修灵活、成本低、应用范围广、可拓展性强和交通管理信息全面等优点，并已经在国内外高速公路和公路的交通监控系统中得到应用。常用的基于NB-Iot技术的车辆检测算法有：灰度法、背景差法、相邻帧差法、边缘检测法等。随着图像处理技术、计算机视觉、人工智能的发展和硬件处理速度的提高，基于NB-Iot技术的车流量检测技术得到了广泛的应用。本文对各种车流量检测方法进行了综述，并对基于NB-Iot技术的车流量检测研究工作进行了展望。

1 传统车流量检测方法

按照车辆信息获取方式的不同，实际应用当中已经产生了空气管道检测技术、磁感应检测技术和波频检测技术。

1.1  空气管道检测技术

空气管道检测是接触式的检测方法，在高速公路主线的检测点拉一条空心的塑料管道并作固定，一端封闭，另一端连接计数器，当车辆经过塑料管道时，车轮压到空气管道，管内空气被挤压而触动计数器进行计算车流量的方法。

显然，该方法只能获取单一的车辆信息，且方法繁琐，寿命短，已经被磁感应检测等技术所取代。

1.2  磁感应检测技术

磁感应检测器可分为线圈和磁阻传感器两种。环形线圈检测器是目前世界上应用最广泛的一种检测设备，由埋设在路表下的线圈和能够测量该线圈电感的电子设备组成。车辆通过线圈，引起线圈磁场的变化，检测器据此计算出车辆的流量、速度、时间占有率和长度等交通参数。利用一个LC振荡器和一个通用单片机即构成了感应线圈检测系统。当感应线圈的电感L发生变化时，LC振荡器的振荡频率也随之变化，由单片机获取其振荡频率并通过频率变化给出高/低电平信号来判断是否有车辆通过。磁阻传感器的基本原理是在铁磁材料中会发生磁阻的非均质现像（AMR）。当沿着一条长且薄的铁磁合金带的长度方向施加一个电流，在垂直于电流的方向施加一个磁场，合金带自身的阻值会发生变化。利用AMR磁阻效应生产的AMR磁阻传感器成功地将三维方向(x，y，z)的单个传感器件集成在同一个芯片上，并将传感器与调节、补偿电路集成，即可检测到地磁范围内低于1高斯的磁场，根据一些铁磁物体对地磁的扰动来检测车辆的存在或识别车辆类型。

磁感应检测技术不受恶劣天气气候、日照光线强弱影响，性能稳定，并已经广泛应用在交通数据统计、交通控制和诱导等方面。但由于线圈固定埋设在地面，当车辆违章非正常骑线行驶时，相邻车道的两个线圈均感应到金属车体并产生误判，而且埋设感应线圈后，路面可维修性降低。

1.3  波频检测技术

波频车辆检测是对车辆发射电磁波产生感应的检测方法（多为悬挂式检测系统）。根据发射电磁波的不同可分为雷达（微波）检测、超声波检测和红外检测等。

1.3.1  雷达检测技  

车辆检测雷达是调频连续波（FMCW，Frequency Modulated Continuous Wave）雷达。该雷达发出的电磁波频率随线性调制信号电压的变化而变化。将该雷达安装在马路边的竖起高杆上，俯向下往各车道发射微波，并接收各车道上车辆反射回来的微波。由于不存在多普勒频移，各车道上车辆和雷达之间的距离不同，反射回来的电磁波与当前雷达发射的电磁波频率之差也不同，雷达通过对中频信号进行频谱分析，并判断各车道对应频率分量的强弱即可知道各车道有没有车辆存在。

    车流量检测雷达主要由天线、收发组件射频单元、线性调制FPGA单元、中频放大器、信号处理机、ARM系统控制显示装置等7个单元组成。

1.3.2  超声波检测技术  

超声波检测器是基于声波的传播和反射原理，通过对发射波和反射波的时差测量实现位移测量的设备。由超声波发生器发射一束超声波，再接收从车辆或地面的反射波，根据反射波返回时间的差别，来判断有无车辆通过。

每个车道上的超声波检测装备各有前后二个探头，根据车辆的通过进程，超声波探测结果分为所示的三种形态：①等待车辆；②车辆进入检测区；③车辆到达第二检测点。通分析这三种形态，即可得到整条道路的车辆速度与流量信息等。

1.3.3  红外检测技术　

红外检测器是顶置式或路侧式的交通流检测器，一般采用反射式检测技术。反射式检测探头由一个红外发光管和一个红外接收管组成。由调制脉冲发生器产生调制脉冲，经红外探头向道路上辐射，当有车辆通过时，红外脉冲从车体反射回来，被接收管接收后经过解调、放大、整流滤波后输出一个检测信号送入单片机。

显然，以上三种基于波频检测的方法中，由于电磁波在传播过程中会随着传播距离而衰减，回波信号非常微弱，几乎被噪声淹没，而且实际应用中还存在误判、遮挡、安装复杂、不便于维护、车流信息量不足等问题。因此，很多学者将研究目标转向基于NB-Iot技术的车流检测。

2  基于NB-Iot技术的车流量检测

随着计算机技术、数字图像处理、人工智能和模式识别等技术的发展，计算机视频技术在交通信息检测中占据了越来越重要的地位。目前常用的基于视频车辆检测算法主要有：灰度比较法、背景差法、帧差法、边缘检测法。它通过对数字图像的处理获取交通流量信息，主要有以下优点：

(1) 能够提供高质量的图像信息，信息量大，可以高效、准确、可靠地完成道路交通的监视和控制工作。

(2) 安装视频摄像机方便、经济，现在国内许多城市道路已经安装了摄像机监控系统。

(3) 计算机视觉和数字图像处理技术发展迅速，满足了系统实时性、可靠性方面的要求。

基于NB-Iot技术的车流量检测技术的基本思想是在视频图片中的每条车道上设置一个固定区域作为虚拟的检测线，再对该区域内图像进行处理，完成对车辆信息的获取。背景差法将当前输入帧图像与背景图像进行差值计算，以分离出车辆。但背景图像需要实时刷新，影响因素较多。帧差法则是对相邻两帧图像进行差值计算，但不能支除摄像头抖动引起的干扰，对静止或速度慢（两帧图像中车辆运动位移不明显）的车辆无法有效检测。边缘检测法通过对帧图像进行边缘检测，以提取车辆的边缘特征进行识别。该方法可在不同的光线条件下进行检测，但对于车辆边缘不明显或存在道路隔离带等干扰物体时可能造成漏检和误检。

针对传统方法的不足，通过分析光照、车道和阴影等模型间的关系来判断车辆的存在，提出了基于彩色虚拟检测线的交通流信息视频检测方法。结合边缘检测法，在算法中采用预估校正、相关性修正等措施对帧差法进行改善实时自动提取和更新背景边缘并采用动态开窗的方式，利用边缘信息作为车辆特征，提出了基于边缘信息的背景差车流量检测方法。结合光流法，根据光流场的信息判断车辆通过，提出了基于虚拟线圈的光流法车流量检测方法。利用摄像机标定原理，根据成像模型提出了基于计算机视觉的车流量检测算法。

3　基于NB-Iot技术的车流量检测研究展望

基于NB-Iot技术的车流量检测技术有着广阔的应用前景，对城市道路建设、国道高速公路建设、隧道桥梁建设、交通流的基础理论与控制等都有着积极的支持作用。但是，在绝大部分实际应用中都有漏检、误检问题，基于目前已提出的各种方法，尚无一种能得到完美的解决，这也给进一步的研究提出了挑战。目前，基于NB-Iot技术的车流量检测研究主要集中在以下几个方面。

3.1  改进图像处理方法

基于NB-Iot技术的方法中，图像处理过程均是它们的基础。图像处理涉及噪声、光照条件变化、多物体遮挡、误识别以及图像处理速度与质量问题。同时，为了获取诸如车辆速度、加速度等更多的信息，有些学者将研究目光转向光流法和计算机视觉理论。

为了改进图像处理的质量和速度，提高抵抗噪声、光照条件变化等因素影响的能力，有些学者提出将图像处理的抽像层次提高到线的层次，计算直线和曲线的线流场，或是将基于特征的方法和基于光流场的方法相结合起来。认为点-线对应是对图像运动中孔径问题最可靠的解决办法，提出了线性规划点-线对应的方法计算运动。文献利用Hough变换点-线对偶性提出了空间直线的表示方法及直线线流场的解释，并就直线线流场的计算做了研究。文献给出了适合光流计算中二次曲线坐标概念，提出用分段二次曲线描述边缘，并计算得到二次曲线的光流。

采用物体上的线作为图像处理的特征基元，从理论上说，至少有两个优点：一是从噪声图像中进行特征线的提取将比点更加稳定，对噪声的敏感程度也将降低；二是物体上的线（特别是棱线）是物体的稳定特征，它几乎不受光照条件的影响。随着线流场理论的不断完善、增加更多的约束信息以及计算方法的不断改进，该方法将有很强的实际应用意义。

3.2  采用立体视觉的方法

现有的视觉监控中，几乎所有的研究都是基于单目影像对运动物体的监测与跟踪，所得到的运动信息存在一个深度尺度因子，要想得到绝对移动量，需要一个附加条件。立体视觉研究的是由多目NB-Iot技术获取物体三维几何信息的方法，它符合人们观察物体的习惯，也能获得三维物体的景深信息。建立双目或多目立体视觉运动分析所要解决的核心问题是模型中的立体匹配问题。

3.3  人工神经网络等方法的应用

人工神经网络是一个超大规模非线性连续时间自适应信息处理系统。近年来，基于人工神经网络的目标检测方法得到了极大的发展。基于人工神经网目标检测方法的基本思路是将每帧图像分割为m×n个图像块，预处理后将这些图像块投影到一个线性滤波器组，得到不同的图像模式；然后把这些不同的图像模式根据预先计算得到的聚类原形进行分类；最后用训练得到的神经网络分类器来判断图像模式是否包含目标。随着神经网络技术的发展，必将推动对车流量检测技术的发展。

4  结  语

车辆检测技术因其能够为交通监控管理与车辆控制提供有效准确的数据依据，有效地保障交通的顺畅与行车安全，达到改善交通环境的目的而被越来越多的交通管理部门所使用。基于视频的车流量检测技术以其直观明了，安装方便和维护费用相对较低等优点，成为了最有前途的大范围采集交通数据的技术。

参考文献

[1] 刘东.ITS中的车辆检测技术[D]北京：公安大学学报(自然科版)，2000，20(4)：35～39.

[2] 彭仁明，贺春林.基于视频的车流量检测[D].南充：西华师范大学学报.2004，25(4)：404～409.

[3] 姜紫峰.车辆检测器的进展[J].公路交通科技，1996，13(1)：62～65.

[4] 李宁.一种感应线圈车辆检测器的抗干扰方法[D].现代电子技术，2001，(12)：74～75.

[5] 周 晔.数字信号处理系统在车流量检测系统中的应用与研究[M].上海：华东师范大学， 2007.

[6] 张亚平，裴玉龙，王 富.现代交通检测技术在城市快速路系统交通调查中的应用[M].哈尔滨：哈尔滨工业大学交通研究所.2005.

[7] 丁鹭飞，耿富录.雷达原理[M].西安：西安电子科技大学，2001.

[8] 蒋铁珍，吴 凯，孙晓玮.基于DSP的车流量检测雷达的信号处理研究[J].现代雷达，2005，vol.27(11)：27～30.

[9] 马 枫，张庆英.基于以太网的超声波车流量自动检测系统设计[D]武汉：武汉理工大学学报(交通科学与工程版)，2007，vol.31(1)：180～182.

[10] 肖兴达，李继芳.基于热释电红外传感器的车流检测装置[J].激光与红外， 2005(2)： 94～95.

[11] 郭银景，康景利，吕文红等.道口车流量监测系统设计[J].传感器技术.2003，22(11)：66～68.

[12] 艾 红，王 捷，孙 硕.基于热释传感器的车流量监测系统[J].仪表技术与传感器，2007(6)：46～48.

[13] 张 玲，陈丽敏，何伟等.基于视频的改进帧差法在车流量检测中的应用[D]重庆：重庆大学学报<   全套毕业设计论文现成成品资料请咨询微信号：biyezuopin QQ：2922748026     返回首页 如转载请注明来源于www.biyezuopin.vip