1 概述
随着社会的发展，智能交通系统在社会中的作用越来越重要，车辆检测作为智能交通系统的重要环节，能够有效地获取车辆拥堵状况、车流量等交通参数，实现对交通状况的管理。然而在实际的车辆检测过程中，由于所安装摄像头拍摄角度的问题，所获得的道路图像中车辆之间会形成遮挡，输出图像出现多个车辆之间的重叠。准确、实时地检测与分割重叠车辆是智能交通系统的基础，也是实现运动车辆检测与跟踪的关键，因此，准确检测及分割重叠车辆具有重要研究意义。
2 运动目标检测
运动目标检测是进行车辆分割和跟踪的前提，运动目标检测的准确性会影响后续的处理工作。常用的运动目标检测方法有光流法、帧间差分法和背景差分法。方法通过利用固定窗口统计法进行背景建模，该方法在统计直方图的基础上进行改进，减少了处理的数据量，能快速适应环境的变化。通过固定窗口的方法，统计某灰度值出现的频率，以进行背景像素的提取。
3 重叠车辆的检测与分割
由于目标区域之间可能存在相互重叠的现象，即出现多个车辆出现在一个目标区域的情况，会造成车辆跟踪及车流量统计不准确等问题，因此需要对各个目标区域进行检测，判断目标区域中是否存在多个车辆，并分割重叠车辆区域，以开展后续工作.
重叠车辆的分割步骤重叠车辆的分割方法的步骤如下:
( 1) 检测目标区域的特征点及最小外接矩形，进行重叠车辆的检测。
( 2) 对重叠车辆进行凸包检测，以得到凹陷区域的凹陷跨度及深度，如果满足一定条件，那么该区域为重叠车辆的凹陷区域，并标记该区域的方向。
( 3) 计算凹陷区域内的特征点到凸包两侧顶点的距离，并将最短距离记为该点到凸包顶点的距离Pdist。
( 4) 比较凹陷区域特征点的Pdist，其中，Pdist 值最大的点即为该重叠车辆区域的分割点。
( 5) 判断是否还有满足条件的凹陷区域; 若有，则跳转到步骤( 3) ，否则继续执行。
( 6) 连接具有不同方向的分割点，并判断分割后的车辆是否满足重叠车辆判断原则，若满足，则进行分割。
4 实验结果及分析
本文方法是对交通视频图像进行的处理，利用Microsoft Visual Studio2010 ( C) 编写的实验平台，实验平台的硬件环境是Pentium 处理器、3. 00 GHz、2 GB内存、Win7 操作系统。主要对视频Highway I和Traffic 进行了测试，Highway I 是车辆检测经常使用的基准运动图像序列，Traffic 是笔者和相关实验人员采集得到的交通视频。
5 结束语
本文对如何有效检测及分割重叠车辆的问题进行研究，根据目标区域的轮廓形状特征，结合特征点提取与分类、凹陷区域检测等方法，提出一种基于轮廓特征点的重叠车辆检测与分割方法。实验结果表明，该方法能够准确地分割大多数重叠车辆，较好地解决了交通视频场景中重叠车辆的检测与分割问题，减少了车辆检测及跟踪过程中存在的误差。在后续的研究中，将在当前方法的基础之上，进一步优化目标区域的边缘轮廓，并研究如何实现车辆跟踪。