基于視頻信號的車輛檢測流量統(tǒng)計系統(tǒng)

關(guān)鍵詞：智能交通系統(tǒng)；動態(tài)背景刷新；圖像處理 中圖分類號：TP274 文獻標(biāo)識碼：A Improved Traffic Flow Measuring System Based on Video LUO Xin, ZHU Qing-xing (Computer Science College, University of Electronic Science and Technology, Chengdu 610054,China) Abstract: With the rapid development of the modern economy, the research and realization of the intelligent traffic system is becoming more and more important. The technology of the detection of the vehicles is the key to the series of technologies for the intelligent traffic system. The research on the technology for the detection of the vehicles based on image processing is just the hot of the field. Based on image processing, we developed the system which detected the vehicle on the detected line by the value of RGB color, in order to realize the count of vehicles. Installation of the system is very simple, maintenance of the system is easy and the cost of the system is also low. The recognition rate of the system can reach over 95%. Key words: Intelligent traffic system; Dynamic background refresh; Image processing 1 引言 隨著現(xiàn)代經(jīng)濟的高速發(fā)展，交通運輸?shù)谋Ｕ暇惋@得尤其重要，對交通管理的要求也越來越高，將計算機科學(xué)與通信等高新技術(shù)運用于交通監(jiān)控管理與車輛控制的智能交通系統(tǒng)ITS(Intelligent traffic system，ITS)也隨之應(yīng)運而生。實時獲取交通車流量的車輛檢測技術(shù)是ITS的基礎(chǔ)。 目前，實時交通流量車輛檢測技術(shù)可分為三類。第一類為基于壓電回路的永久埋入式系統(tǒng)，這類系統(tǒng)雖然可靠，但費用較高。第二類為近年來興起的懸掛式系統(tǒng)，如基于閉路電視、微波、雷達、紅外線或超聲波傳感器的監(jiān)測系統(tǒng)。第三類為基于圖像處理技術(shù)的交通流量車輛檢測系統(tǒng)。采用圖像處理技術(shù)車輛檢測方法具有明顯的優(yōu)越性：檢測的覆蓋范圍大，檢測的參數(shù)多；安裝簡單，維護方便，不破壞路面，工程造價低；適用面廣，可適用于路段、交叉路口等；可以適應(yīng)多種氣候條件等。因此，基于視頻圖像處理技術(shù)的交通流量車輛檢測技術(shù)已成為人們研究的熱點。 我們開發(fā)的這套系統(tǒng)基于視頻圖像處理技術(shù)中的檢測區(qū)域思想、色差算法以及動態(tài)背景刷新策略，系統(tǒng)識別率達95％以上。 2 系統(tǒng)設(shè)計與實現(xiàn) 系統(tǒng)利用攝像機按PAL制式把道路車流行駛情況拍攝下來，并傳輸至計算機，利用計算機進行實時處理。采用PAL制式視頻流和檢測線技術(shù)來統(tǒng)計車流量會不會因為車速太快而導(dǎo)致車輛通過檢測線時車輛與檢測線相交的圖片沒有被采集到呢?如果發(fā)生這種情況，就會出現(xiàn)有車輛被漏識的情況，那么系統(tǒng)還得提高拍攝速度。采用PAL制式每秒鐘可拍攝25幀，也就是說兩幀間隔時間為t=1/25s(秒)，我們可假設(shè)車輛最短車長為d=3m(米)，最大車速v：180km/h(公里/小時)。則車輛在t時間內(nèi)行駛的距離為s=180*1000/60/60*(1/25)=2(米) 第一步：在所拍圖片序列中設(shè)定主檢測線和輔助檢測線。在視頻圖片中的每條車道上設(shè)置兩條線段，靠近道路前方的一條線段稱為主檢測線，另一條稱為輔助檢測線。通過后面介紹的方法相應(yīng)地確定兩塊獨立的檢測線區(qū)域。 第二步：生成背景；第一種方法，抽取檢測線區(qū)域附近沒有車輛的圖片，認定為最初的背景。第二種方法，根據(jù)后面介紹的生成背景算法自動生成背景。 第三步：隨著圖片序列的不斷更新，動態(tài)地刷新檢測線區(qū)域的背景，不斷取得檢測線區(qū)域附近的前景與背景比較，判斷檢測車輛，實現(xiàn)車流量統(tǒng)計。 2．2 車流量統(tǒng)計原理 利用后面講述的車輛檢測算法進行流量統(tǒng)計。當(dāng)檢測線區(qū)域的內(nèi)容被認定為背景時，主檢測線的顏色設(shè)定為白色，當(dāng)檢測線區(qū)域的內(nèi)容被認定為車輛時，主檢測線的顏色設(shè)定為紅色。當(dāng)主檢測線顏色由白變紅時，說明本車道檢測區(qū)域來了一輛車，本車道車流量計數(shù)器加1。其它主檢測線顏色變化情況，計數(shù)器不變。 2．3 車輛檢測算法實現(xiàn)原理 2．3．1 基本思想 在視頻圖片中的每條車道上設(shè)置兩條檢測線段，通過下面介紹的方法相應(yīng)地確定兩塊獨立的檢測區(qū)域。利用下面介紹的動態(tài)背景刷新策略確定的檢測區(qū)域的背景RGB顏色值與當(dāng)前圖片中檢測區(qū)域的前景ROB顏色值的變化量來確定檢測區(qū)域附近有無車輛通過。 2．3．2 設(shè)定檢測區(qū)域 設(shè)置檢測線時應(yīng)遵循以下三條原則：①檢測線一定要設(shè)定在車道內(nèi)，線段寬度應(yīng)與公路車道寬度基本一致，②線段方向應(yīng)與車道方向基本一致，③輔助檢測線應(yīng)與主檢測線平行，與主檢測線的距離略大于車身后玻璃的寬度。 單靠一條檢測線段來作為檢測區(qū)域，車輛誤識率還比較高。經(jīng)過我們的試驗，我們發(fā)現(xiàn)，以檢測線為基礎(chǔ)，再自動把靠近檢測線與檢測線只有一個象素距離的所有象素也當(dāng)作比較區(qū)域，效果要好得多。我們把這樣得到的檢測區(qū)域稱為檢測線區(qū)域，為區(qū)分兩塊獨立的檢測線區(qū)域，我們把由主檢測線確定的檢測區(qū)域稱為主檢測線區(qū)域，由輔助檢測線確定的檢測區(qū)域稱為輔助檢測線區(qū)域。 2．3．3 生成背景 如攝像機位置保持不變，則所拍攝到的背景圖像基本保持不變。假設(shè)對于一個圖像序列，在時間軸上提取某個圖像位置上的像素，得到一個關(guān)于時 我們的車輛檢測算法可以利用這個原理來自動生成檢測線區(qū)域最初的背景。 2．3．4 動態(tài)背景刷新 對于自適應(yīng)的車輛檢測算法來說，檢測線區(qū)域的背景需要根據(jù)實際情況動態(tài)刷新。實際背景路面顏色值一般都會發(fā)生變化，若采用固定的背景進行車輛檢測，一旦實際背景與固定背景的差別過大，則無論在檢測線區(qū)域采到的是背景還是車輛，都與固定背景的差別超過閥值，也就都被識別成車輛。這樣，就會降低系統(tǒng)的識別成功率，因此，必須實現(xiàn)實時的動態(tài)背景刷新，以反映真實的背景變化。 背景變化一般存在兩種：緩慢變化(如太陽光線強度由強到弱等)與突然變化(如灑水車通過在道路上留下一片水漬等)。本系統(tǒng)采取的策略是：當(dāng)檢測線區(qū)域中連續(xù)10幀圖片的內(nèi)容都被確定為不是車輛時，則取其中色差值最小的那一幀圖片中的檢測線區(qū)域的當(dāng)前RGB顏色值作為最新的檢測線區(qū)域上的待比較的背景顏色值；當(dāng)檢測線區(qū)域中連續(xù)200幀圖片的內(nèi)容都被確定為車輛時，則可認為此時背景發(fā)生了突變，取當(dāng)前幀中的檢測線區(qū)域的 RGB顏色值作為最新的檢測線區(qū)域上的待比較的背景顏色值。 在實驗中，我們還發(fā)現(xiàn)：系統(tǒng)在拍攝視頻流時，由于光線交叉反射的原因，并不能保證所得到的圖片序列會保持同一種亮度。這也會導(dǎo)致系統(tǒng)誤識。為了解決這一問題，系統(tǒng)假設(shè)視頻流中總有一小塊區(qū)域圖像內(nèi)容不會發(fā)生改變，亦即是說，總會有一小塊區(qū)域只有背景，沒有在運動的車輛。只要適當(dāng)調(diào)整攝像頭位置，這個假設(shè)總可以變成現(xiàn)實。系統(tǒng)依據(jù)這一原理，對動態(tài)生成的背景還要進行調(diào)整。 實驗證明，這種背景刷新策略和背景更正算法是非常有效的。 2．3．5 車輛檢測RGB色差算法。 利用當(dāng)前幀中主檢測線區(qū)域的RGB顏色值與用前面的動態(tài)背景刷新策略生成的背景中相應(yīng)位置的RGB值進行比較，得到的色差總值如為C，若 僅采用主檢測線區(qū)域來判斷有無車輛還有不足之處：車身后部的玻璃容易被誤識為背景，而增加一次計數(shù)，為了消除這種誤識現(xiàn)象，我們增加了第二個檢測線區(qū)域：輔助檢測線區(qū)域(判斷輔助檢測線區(qū)域有無車輛仍然采用前面介紹的算法)。在設(shè)置輔助檢測線時，應(yīng)堅持一條原則：輔助檢測線與主檢測線的距離在圖片中應(yīng)略大于車身后玻璃的寬度。因此，改進后的車輛識別算法思想為：同時檢測主檢測線區(qū)域和輔助檢測線區(qū)域，當(dāng)它們的色差值都大于色差閥值C。時，則認定當(dāng)前檢測線區(qū)域有車輛通過。反之，則沒有車輛通過。通過這一改進，可以很好地解決車窗后玻璃的誤識問題。 2．4 車長和車速的測定 根據(jù)智能交通管理系統(tǒng)的需要，本系統(tǒng)還可大致估計車身長度和車輛運行速度等參數(shù)。 本系統(tǒng)經(jīng)過大量的實驗，其識別正確率可達到95％以上。下面是一組實驗數(shù)據(jù)。 3 結(jié)束語 本系統(tǒng)與以前的同類系統(tǒng)相比對檢測區(qū)域進行了改進，用兩條有一定間距的平行線作為兩個相對獨立的檢測區(qū)域同時測算，去除了車窗玻璃的誤識情況，并對色差閥值與車道寬度的比例作出了認定，而且對動態(tài)背景刷新策略作出了較好的改進。本系統(tǒng)仍然有待進一步改進。我們以后的工作準備從以下兩個方面著手： 1)如何去除車輛陰影的誤識?受天氣影響，當(dāng)某車道有車經(jīng)過時，可能會給鄰近車道投下陰影，從而造成鄰近車道車輛的誤識。 2)車長和車速參數(shù)算法思想的進一步改進。前面提到的算法只是一個估計值，并不十分準確。因為并不能保證車輛撞擊主檢測線和輔助檢測線時是車身的同一個位置。 參考文獻 [1] 郭蘭英．鎖相技術(shù)的環(huán)形線圈車輛檢測器的研究[J]．西安交通大學(xué)學(xué)報，1998，18(3)：110～112．<