随着我国经济的飞速发展和城市化进程的加快,机动车保有量剧增,这在给人们日常生活带来便利、促进社会和经济发展的同时,也导致了道路交通状况的日益恶化,交通阻塞普遍存在、交通事故发生量不断上涨。为了缓解交通运输压力,提高道路的通行能力并降低交通事故发生率,本文立足于计算机视觉技术,构建了一个应用于市区公路上的交通流量检测系统,并对其中车道线检测和车辆的识别与跟踪方法进行了重点研究。本文主要工作如下:1.本文分析了交通流量检测中背景提取的各种方法。在均值法提取背景的基础上,对交通场景序列图采用背景差分法进行运动目标提取。另外,建立了直线型车道模型;以车道上的白色标记线为基础,采用基于颜色的图像分割,通过边缘提取和Hough变换识别出路面上的车道边缘线。2.在车道检测的基础上,采用基于车道标记线的水平投影算法实现车辆检测,即:根据前景目标的水平投影直方图来判断车辆是否存在,通过验证水平投影的像素特征来检测车辆。3.以车辆检测为基础,采用“匹配—修正—预测”的循环策略进行车辆跟踪,在跟踪基础上进行了流量参数统计。本文首先检测出运动车辆的角点,然后根据运动车辆的一致性原则,假设同一辆车的各部分具有相同的速度,利用Kalman滤波预测技术预测角点在序列图像下一幅图像中的位置,使系统在预测范围内进行角点运算,从而提高运算速度,在车辆跟踪的实时性等方面令人满意。实验结果表明,本文提出的车道检测和车辆识别与跟踪方法是可行的,能够满足系统实时性和准确性的要求。