面向城市道路环境的车辆检测算法的设计(2)
1.1.1 城市道路交通安全事故现状
经专家研究，我国城市道路交通安全事故具有几个显著特征：交通事故数量大、死亡频率高、经常发生恶性事故。中国每年造成伤亡的道路交通事故虽然不超过三十万[2]，但是每年报上来登记的交通事故总量却有470万之多，所以事故总量很大。其次，在交通事故中，死亡人数占死亡和受伤人数总和的比例很高，达到了21％，日本只相当于这个比例的1／200，为0.54％，可以想象死亡率有多高。最后的特征是经常发生恶性事故。在2012年之中，全国发生一次性死亡人数超过10人的特大交通事故就有25起。根据《2014年国民经济和社会发展统计公报》的统计数据，2014年的交通事故死亡人数超过34000人，比2013年的死亡人数增加了接近2700人，增长率达到8.5%。同时，交通安全事故造成的经济损失巨大。来自官方的数据介绍，2001年全国道路交通事故造成的直接经济损失总共有30.9亿元，2002年达到了33.2亿元，2003年增长为33.7亿元，2005年大幅度下降，为18.8亿元，2006年又降到了14.9亿元，到2009年，减少至9.1亿元，虽然是逐年降低，不过这些经济损失仍是一笔巨大的数目，同时也从侧面说明我国的智能交通正向着好的方面发展。
1.1.2 城市道路交通安全事故频发原因
引发交通安全事故的原因有很多，有客观因素，也有人为因素，不过，更多的是人为因素。
从客观的角度讲，城市道路中，车辆过多，在有限的车道空间下，车与车之间的距离往往很短，，前后间距短，左右也靠得很近，这就大大增加了车辆之间的碰撞几率，进而发生交通事故；同时，城市道路状况多样，具有很多交叉路口和转弯等情况，这也无形中增大了驾驶员的行驶难度，增加了安全风险；而且，在下雨、降雪等恶劣天气的影响下，交通事故发生的概率也会大大增加。
从人为的角度看，人在驾驶车辆的时候是需要精力的，并且人无法做到360度兼顾车辆的行驶环境，在较长时间的行驶下，人容易出现疲劳，即所谓的疲劳驾驶，这时候人无法集中注意力对路况进行及时反映，从而引发交通事故。
另一个人为因素就是比较为人们所重视的酒驾问题，人在喝酒之后，精神容易出现恍惚，无法进行正常驾驶，这时候如果还坚持去驾驶，则无疑更容易发生交通事故。据统计，2009年，我国汽车保有量占世界的百分之三，而因交通事故死亡的人数却占了百分之十吹冰，而酒后驾驶是这些安全事故的罪魁祸首之一。
1.2 研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 常用的基于视觉图像的车辆检测算法
对于车辆检测的研究，国内外已经有了众多的研究方法与成果，产生了很多算法，其中有一些常用算法已经非常先进与成熟，尤其是一些基于视频图像的车辆检测算法，比如：
帧间差分法：选择时间上连续的两帧图像[6]，将其上面同一位置的像素点的灰度值相减，如果差值小于某个阈值，可以认为在该位置没有车经过，反之则认为有车经过。这种算法的优点是对光照变化不敏感，适用于动态变化的环境，但是不能检测出静态或速度很慢的物体，对于速度很缓慢的车辆易出现检测物体出现空洞或无法分割目标。
光流法：将检测区域的图像作为速度的矢量场[7-8]，每一个向量表示了景物中一个点在图像中位置的瞬时变化，通过对光流场的分析可以判断检测区域车辆的有或无。这个算法比较复杂，计算耗时，还需要一定硬件设施才能使用。
背景差分法：利用当前图像和背景图像的差分来检测目标区域[9]，即首先选取背景中的一幅或几幅图像的平均作为背景图像，然后将后面的序列图像当前帧减去背景图像，进行背景消除。 若所得到的像素数大于某一阈值，则判定被监视场景中有运动物体，从而得到运动车辆,对光照等变化敏感，不适应动态变化的场景[10]。