- 上一篇：SMARTFIURE基于CFD的某商场火灾的模拟研究
- 下一篇：RBF神经网络控制系统时延模型的探讨与仿真
综上所述，研究车辆检测和跟踪并且研究其相关参数是非常有意义并且能够有现实的价值的。
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
2 车辆检测和跟踪
所谓车辆检测，就是分析视频图像中特定区域像素灰度值的变化判断当前是否有车辆通过[4]。它是交通流参数采集中至关重要的一步，是整个交通信息检测的基础，它的精度对车速，流量和其他交通流参数的准确性影响很大。而在车辆检测的过程中，有着许多因素制约着其测量的精度，比如阴影问题，车辆有一部分遮挡问题等。因此，把车辆检测作为本课题的一个研究重点。
2.1 车辆检测算法分类
对于那么多的车辆检测算法，我们大概分为两大类，即宏观上检测方法和微观上检测方法[3]。而宏观检测方法又可以分为基于整个图像和基于局部图像的算法，微观检测算法又可以分为背景减法检测法和边缘信息检测方法。
2.1.1 宏观检测方法
1)基于整个图像的算法
它是用一整幅图像作为输入，对图像处理来检测有无车辆通过[3]。该方法优点：由于图像信息丰富，所以有算法优化的空间；该算法可以同时检测出全部车道的车辆，方便从所有车道分析，检测精度大大提高。当然，该检测法也有缺点：一整幅图像的运算量相对较大，计算时间拉长，实时性变差等问题。来.自/751论|文-网www.751com.cn/
2)基于局部图像的算法
它包括线式检测法和面式检测法[3]。线式检测法是在车道上选定一条线当做检测线，根据这条线的灰度值变化，来检测是否有车辆通过。该算法数据运算量较小，噪声干扰较少，所以运算速度快，实时性强，是大家较多运用的方法。不过该算法在提高检测线的自适应性上受到较大的限制。
面式检测法是在图像上设置一定的区域作为检测依据。该算法运算复杂度和实时性介于整幅图像检测法和线式检测方法之间。它能够有效地规避上面两种方法的缺点，前景比较宽阔。