陈柏生

（华侨大学 计算机学院，福建 泉州 362021）

基于计算机视觉和图像处理的交通监控技术具有成本低、可扩展性好的特点，而且能够提供比传统的地埋式感应线圈技术更为丰富和深层次的交通信息。目前，对日间条件下的交通监控国内外都已经做了大量的研究工作，并取得了一些重要的成果[1-3]。然而，作为全天候交通监控的一部分，夜间条件下的车辆监控因其复杂的光照条件一直是一个十分棘手的难题。一些发达国家采用安装红外摄像机来获取夜间道路图像[4-5]，这种方法在检测夜间行人时非常有效，但是在检测夜间行驶的车辆时，仍然会受到车头灯的强光、地面反射光和环境光线的影响，而且红外摄像机价格昂贵。因此，目前较为通用的方法仍然是采用普通CCD摄像机拍摄夜间图像，通过检测图像中的车头灯来检测车辆[6-8]。

目前为数不多的关于夜间交通监控的研究都是在环境照度低、车体少部分可见的情况下进行的，提取车灯这一显著特征作为车辆检测的依据自然就成为了首选方案。事实上，目前大中城市的道路夜间光照条件普遍较好，车体可见度较高，因此提取车灯不再是夜间车辆检测的唯一方案，检测出车体轮廓进而实现跟踪和识别成为可能。本文根据夜间交通的不同环境特点，把夜间交通区分为充足照明和低照度两种情况，并采用不同策略进行处理。首先利用亮度分布的显著差异自动地判别两种情景，并导入相应的处理流程（如图1所示）。……