孫 歡，尚緒鳳，朱趙龍，張賀泉

(中國(guó)計(jì)量學(xué)院理學(xué)院，浙江 杭州 310018)

新型監(jiān)控系統(tǒng)可以通過(guò)區(qū)分監(jiān)控對(duì)象的特征，主動(dòng)收集數(shù)據(jù)、分析數(shù)據(jù)，并根據(jù)預(yù)設(shè)條件執(zhí)行報(bào)警、記錄、分析等動(dòng)作。實(shí)時(shí)地交通流量信息反饋，可以為道路擁塞高峰時(shí)期或緊急交通事故發(fā)生時(shí)的道路智能化調(diào)度管理提供依據(jù)，從而減少道路擁塞，提高路面資源的利用率，最合理地利用現(xiàn)有的交通網(wǎng)絡(luò)?，F(xiàn)就其中最簡(jiǎn)單的車流量統(tǒng)計(jì)進(jìn)行分析。圖像處理的過(guò)程分為圖像的預(yù)處理、背景的提取、檢測(cè)線的選取、結(jié)果分析［1－4］。文獻(xiàn)［5］利用Canny邊緣幀差法進(jìn)行公交客流量統(tǒng)計(jì)。文中以杭州某地區(qū)內(nèi)的車流量為例進(jìn)行分析。

1 幀差法和背景差分法優(yōu)劣性分析

1.1 圖像的預(yù)處理

先將視頻變?yōu)橐砸粠瑸殚g隔的圖片，具體方法如下:先讀入視頻，獲得總幀數(shù)并依次讀取。

之后進(jìn)行灰度處理，得到預(yù)處理的值。然后將其進(jìn)行邊緣檢測(cè)，如圖1所示。

圖1 進(jìn)行邊緣檢測(cè)后的圖像

1.2 幀差法和背景差分法分析

1.2.1 幀差法和背景差分法理論比較

圖像提取的背景方法一般用于視頻車輛檢測(cè)技術(shù)。而相關(guān)視頻車輛檢測(cè)技術(shù)的方法如圖2所示。

圖2 視頻車輛檢測(cè)技術(shù)分類

(1)幀差法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單且不易受環(huán)境光線變化的影響，但它不能檢測(cè)靜止車輛，且處理效果依賴于圖像采樣頻率以及被檢測(cè)車輛的車速。

如果運(yùn)動(dòng)速度較快，而選取的時(shí)間間隔過(guò)大，就會(huì)造成兩幀之間無(wú)覆蓋區(qū)域，從而無(wú)法檢測(cè)到運(yùn)動(dòng)物體;如果運(yùn)動(dòng)速度過(guò)慢，而選取的時(shí)間過(guò)小，則造成過(guò)度覆蓋，最壞的情況是物體幾乎完全重疊。

(2)背景差法分簡(jiǎn)單差分和實(shí)時(shí)差分兩種。其中實(shí)時(shí)差分應(yīng)用較廣，它可以根據(jù)環(huán)境的變化進(jìn)行背景的變換。但要求設(shè)定閾值，且更新背景的方法也較繁雜。此方法適用于環(huán)境光照、陰影、風(fēng)等自然因素變化較敏感的情況。設(shè)定閾值的方法較為復(fù)雜。而簡(jiǎn)單差分適用于背景基本不變的情況。

1.2.2 幀差法和背景差分法應(yīng)用比較

(1)幀差法。先將視頻轉(zhuǎn)化成的圖像數(shù)據(jù)化，再進(jìn)行灰度處理，將視頻序列中每?jī)蓭B續(xù)圖像逐像素相減，以去除基本不動(dòng)的物體及背景。此時(shí)的情況與理想情況下相似，因此差分后圖像的非零部分表明對(duì)應(yīng)像素發(fā)生了移動(dòng)，由此可以將圖像中運(yùn)動(dòng)的車輛目標(biāo)突顯出來(lái)。

另外，由于運(yùn)動(dòng)的車輛目標(biāo)相對(duì)于路面平動(dòng)而且方向與圖像平面平行，因而形成了簡(jiǎn)單的二維平移運(yùn)動(dòng)。圖像幀之間的間隔非常短(0.04 s)，可以認(rèn)為車輛的各部分在圖像平面上的灰度基本保持不變。

將得到的差值矩陣進(jìn)行二值差分處理，可以使得到的結(jié)果更準(zhǔn)確

其中，T為閾值。

(2)閾值的選取。由于閾值選取相對(duì)繁瑣，所以選取其中一個(gè)較為簡(jiǎn)單的方法進(jìn)行計(jì)算，方法如下:均值比例閾值法是一種基于經(jīng)驗(yàn)估計(jì)的閾值分割算法。設(shè)原始圖像的灰度級(jí)為L(zhǎng);灰度為i的像素點(diǎn)數(shù)為pi;圖像的全部像素?cái)?shù)為N;那么圖像閾值計(jì)算過(guò)程如下:

(1)計(jì)算圖像的直方圖統(tǒng)計(jì)結(jié)果，得到灰度值為k的頻率朋PHS(k)為

(2)計(jì)算圖像的灰度均值

(3)計(jì)算灰度類均值和類直方圖之和

(4)計(jì)算分離指標(biāo)

(5)求出使之達(dá)到最大的值s，則最佳閾值T=s，所以閾值為使得δB(k)最大的點(diǎn)的頻率朋對(duì)輸入圖像二值化處理

其中，T為閾值。

在實(shí)際場(chǎng)景中，每一幀的情況都不是人為所能夠預(yù)料的，所以一個(gè)固定的閾值不能解決變化中的實(shí)際問(wèn)題。而上述方法能夠較好地解決這一問(wèn)題。圖3為每幀間差分后的示意圖。

圖3 相鄰兩幀差分圖像效果示意圖

(3)簡(jiǎn)單邊緣檢測(cè)法。將得到的背景分別與每組連續(xù)圖像差分，以得到去掉背景的目的，灰度化后差分得到的非零數(shù)值基本都是由于汽車移動(dòng)引起的。

要做的背景差法是得到一個(gè)統(tǒng)一的背景，將當(dāng)前待檢測(cè)的視頻幀和該背景進(jìn)行逐像素相減作差分，差值圖像中非零的像素點(diǎn)表示了運(yùn)動(dòng)物體，由此可以實(shí)現(xiàn)運(yùn)動(dòng)車輛的較準(zhǔn)確提取。即計(jì)算

其中，T為閾值。用此來(lái)判斷得出每組背景的矩陣。

采用閾值進(jìn)行目標(biāo)分割的目的是把運(yùn)動(dòng)車輛和微小變化的背景分開(kāi)。閾值分全局閾值和局部閾值兩種，前者只用一個(gè)閾值對(duì)整個(gè)圖像進(jìn)行二值化，后者先將一幀圖像劃分為若干個(gè)子圖像，對(duì)每個(gè)子圖像再確定相應(yīng)的閾值。現(xiàn)實(shí)中需要根據(jù)序列圖像的背景復(fù)雜度進(jìn)行選擇。在此部分研究的車輛運(yùn)動(dòng)的背景相對(duì)單一，所以使用全局閾值。

要得到背景，考慮到整個(gè)過(guò)程中背景變化不大，所以將得到的所有圖像的矩陣相加求均值得到其背景。

用均值法進(jìn)行背景的計(jì)算:均值法，即在一段圖像序列中，取它們的平均值作為背景圖像即

其中，Backgroud(x，y)表示背景;image(x，y)表示每一幀的圖像。該算法簡(jiǎn)單，計(jì)算方便。

圖4 整個(gè)過(guò)程中的背景圖

從圖5中可以看出有兩處亮點(diǎn)，分別是由時(shí)間變化和汽車位移變化引起的。時(shí)間變化不會(huì)引起后面車流量計(jì)算的誤差，所以此處亮點(diǎn)影響不大。通過(guò)對(duì)圖像的觀察發(fā)現(xiàn)背景變化較小。

2 車輛跟蹤及車流量問(wèn)題

2.1 檢測(cè)線的選取

要進(jìn)行車流量的檢測(cè)，檢測(cè)線的選取至關(guān)重要，它關(guān)系到預(yù)測(cè)的車流量與實(shí)際車流量之間是否會(huì)出現(xiàn)誤差，是否會(huì)出現(xiàn)對(duì)同一車次多次計(jì)算的可能。

選取檢測(cè)線原理:先固定一條線，此線必須和4個(gè)車道都全面接觸，且與水平面平行最好，將此直線分別代入由前面進(jìn)行差分的點(diǎn)構(gòu)成的圖形，檢驗(yàn)是否有點(diǎn)在其直線上，若有點(diǎn)，則記為加1次，若無(wú)，則進(jìn)行下一個(gè)圖形的判斷。直到所有圖都運(yùn)行結(jié)束，得到的數(shù)即為車流量。

采用差分的方法得到檢測(cè)線。以下為用差分法求檢測(cè)線的步驟:

(1)選取視頻序列里任意一個(gè)圖片如圖7(a)所示，將其放入畫圖工具欄里。

(2)在圖上做出一條與水平面平行的直線，且與4個(gè)車道完全接觸，如圖7(b)所示。

(3)將圖7(a)與圖7(b)進(jìn)行差分，得到的矩陣即為檢驗(yàn)線矩陣。

(4)將檢驗(yàn)線矩陣中的非零部分提取出來(lái)，得到檢驗(yàn)線。

如圖7所示，將4通道“簡(jiǎn)化”為單通道，通過(guò)人工標(biāo)記檢測(cè)線，在Matlab中導(dǎo)入標(biāo)記圖片和未標(biāo)記圖片，然后對(duì)兩者做差分求取其差分矩陣，從而可以得到檢測(cè)線在288×352矩陣中的位置為第217行，第60列到352列的區(qū)域中。

圖7 檢測(cè)線的選取示意圖

3 結(jié)束語(yǔ)

表1為在各個(gè)時(shí)段下，應(yīng)用背景差分和幀差法得到的預(yù)測(cè)車流量與真實(shí)車量的對(duì)比。

表1 各幀值下兩種方法的車流量預(yù)測(cè)與真實(shí)值對(duì)比

經(jīng)過(guò)對(duì)比，可以發(fā)現(xiàn)幀差法比背景差分法準(zhǔn)確度高。這是因?yàn)閹罘橄噜忺c(diǎn)間的視頻序列的差值，比背景差分法中任意時(shí)間序列與背景差值更精確。

因此，得出結(jié)論，在一般情況下，幀差法在處理交通檢測(cè)問(wèn)題上更加準(zhǔn)確。

［1］丁一，毛征，余歡.基于對(duì)比度的目標(biāo)跟蹤系統(tǒng)及算法研究［J］.中國(guó)科技論文在線，2005(6):323－329.

［2］王衛(wèi)峰，王昆，郝志峰.基于視頻的車流量統(tǒng)計(jì)算法計(jì)算［J］.科學(xué)技術(shù)與工程，2011，11(17):4080 －4082.

［3］張永麗，張?zhí)?，畢建?基于自適應(yīng)背景初始化的車流量檢測(cè)算法［J］.微電子學(xué)與計(jì)算機(jī)，2007，24(5):138－140.

［4］馬曉宇.基于視頻分割與跟蹤算法的車流量統(tǒng)計(jì)［D］.杭州:浙江大學(xué)，2008.

［5］田牛，應(yīng)捷.基于Canny邊緣幀差法的公交客流量統(tǒng)計(jì)［J］.微計(jì)算機(jī)信息，2010(32):196 －198.

［6］武智霞，王化，王沛.基于H.264壓縮域的運(yùn)動(dòng)目標(biāo)檢測(cè)算法［J］.電子科技，2010，23(7):8 －10.