王建華，徐貴力，糜長軍，趙 敏，田裕鵬，王 彪，徐培智

(1.江蘇省交通科學(xué)研究院股份交科院，江蘇南京 211112;2.南京航空航天大學(xué)自動化學(xué)院，江蘇南京 210016)

隨著交通運輸業(yè)的快速發(fā)展，汽車數(shù)量的急劇增加，各種車輛違章行為層出不窮，車輛壓黃線屬于一種嚴(yán)重的交通違章行為，用視頻的方法檢測車輛壓黃線具有一定的實用價值。文中針對這個問題，提出了一種基于計算機視覺的車輛壓線檢測方法。

1 車輛壓黃線檢測算法

1.1 圖像預(yù)處理

圖像預(yù)處理是視頻圖像處理的第一步，它是將輸入的圖像進行濾波去除噪聲，增強圖像的過程。經(jīng)過圖像的灰度化、二值化、中值濾波后可以使得感興趣的區(qū)域可視化效果得到改善，有利于對圖像的進一步處理。

1.2 邊緣檢測

邊緣檢測的基本思想首先是利用邊緣增強算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強度”，通過設(shè)置閾值的方法提取邊緣點集。常用的檢測算子有Roberts算子、Sobel算子、Canny算子、拉普拉斯算子。經(jīng)實驗對比后發(fā)現(xiàn)使用Canny算子的邊緣提取效果優(yōu)于其他算子，因此文中在黃線提取中使用了Canny算子［1］。

1.3 直線提取

判斷車輛是否壓線，要預(yù)先確定黃線的位置。文中采用Hough變換［2］進行直線提取，即通過圖像信息來自動獲取直線位置。

Hough變換是利用圖像的全局特性而直接檢測目標(biāo)輪廓，將圖像的邊緣像素連接起來的常用方法。在預(yù)先知道區(qū)域形狀的條件下，利用Hough變換可以方便地得到邊界曲線而將不連續(xù)的邊緣像素點連接起來。Hough變換的基本思想是利用點、線的對偶性。圖像變換前在圖像空間，變換后在參數(shù)空間。在圖像空間XY中，所有通過點(x，y)的直線一定滿足方程

式中，p為斜率;q為截距。如果將x，y看成參數(shù)，它又代表參數(shù)空間PQ中通過點(p，q)的一條直線。圖像XY中通過點(xi，yi)和(xj，yj)的直線上的每一點都對應(yīng)參數(shù)空間中的每一條直線，而這些直線相交于(p'，q')，(p'，q')恰好就是圖像XY中過點(xi，yi)和(xj，yj)的直線的參數(shù)。由此可知，在圖像空間中同一條直線上的點對應(yīng)在參數(shù)空間里是相交的直線，當(dāng)給定圖像空間中一些邊緣點時，就可通過Hough變換確定連接這些點的直線方程。

1.4 車輛提取

常用的運動目標(biāo)提取算法有幀間差法、背景差分法、背景模型法以及在這些基本算法基礎(chǔ)上提出的很多改進算法。其中，背景差分法主要應(yīng)用于攝像機固定，背景圖像相對靜止的條件下，選取一幀圖像作為背景圖像，計算當(dāng)前圖像與背景圖像的差來實現(xiàn)運動目標(biāo)的檢測

其中，R(i，j)為待測的運動目標(biāo);F(i，j)為視頻序列圖像;G(i，j)為背景圖像。

文中以固定道路交通視頻為基礎(chǔ)進行研究，滿足使用背景差分法的條件，因此選用背景差分法來提取目標(biāo)車輛。背景差分法的優(yōu)點是位置精確、運算速度快，不足之處是對環(huán)境光線的變化比較敏感，在非受控環(huán)境下需要加入背景圖像進行更新。目前主要的背景更新算法有圖像序列平均法［3-4］、IIR 濾波器法［5-6］等。

1.5車輛標(biāo)記

為更明顯地表示車輛的位置，文中采用矩形框?qū)囕v區(qū)域進行標(biāo)記。首先采用圖像分割技術(shù)將車輛從圖像中分割出來。圖像分割的定義為:令集合R代表整個圖像區(qū)域，對R的分割可看作將R分為N個滿足以下條件的非空子集R1，R2，…，RN。

(2)對于所有的i，j，當(dāng)i≠j時，滿足Ri∩Rj= ?。

(3)對i=1，2，…，N，有P(Ri)=TRUE。

(4)對于i≠j，有P(Ri∪Rj)=FALSE。

(5)對i=1，2，…，N，Ri是連通的區(qū)域。

其中，P為對所有集合Ri中元素的邏輯謂詞，?則代表空集。文中使用大津法作為閾值分割法。大津法(Ostu)是大津于1979年提出，對圖像I，記T為前景與背景的分割閾值，前景點數(shù)占圖像比例為w0，平均灰度為u0;背景點數(shù)占圖像比例為w1，平均灰度為u1。圖像的總平均灰度為uT=w0×u0+w1×u1。從最小灰度值到最大灰度值遍歷T，當(dāng)T使方差值σ2=w0×(u0-uT)2+w1×(u1-uT)2最大時，T即為分割的最佳閾值。方差是灰度分布均勻性的一種度量，方差值越大，說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分前景錯分為背景或部分背景錯分為前景都會導(dǎo)致兩部分差別變小，因此使方差最大的分割意味著錯分概率最小。直接用大津法計算量較大，因此在實現(xiàn)時采用等價公式σ2=w0×w1×(u0-u1)2。完成車輛分割后，再進行圖像形態(tài)學(xué)處理，進而完成矩形框標(biāo)記。

2 實驗結(jié)果與分析

選取固定攝像機獲取的一段城市道路交通視頻作為研究對象。首先采用圖像分割技術(shù)，只選取黃線附近的大致區(qū)域，得到檢測帶，從而減少數(shù)據(jù)量，提高處理速度。實際情況中，由于光線影響以及人為劃定的黃線存在偏差，會造成圖像中的黃線不一定為嚴(yán)格意義上的直線。在用Hough變換標(biāo)定黃線時會造成圖1右側(cè)所示的情況:兩條黃線并非完整直線，而是由直線段連接而成。通過連接距離最遠的端點即可得到道路中兩條黃線。而Hough變換后，就可以得到所有線段的端點，即用十字標(biāo)出的端點。再用Matlab在圖中標(biāo)定出黃線的位置［7］，如圖1所示。

圖1 壓黃線車輛檢測示意圖

圖1(b)中兩條直色線即為用上述方法標(biāo)定的黃線。黃線標(biāo)定后，這兩者之間即為黃線區(qū)域，通過判斷這個區(qū)域內(nèi)是否有車輛，即可判斷是否有車輛壓線，達到檢測目的。由圖可以看出，圖中有車輛存在壓黃線的行為。確定黃線位置后，需要在圖中用矩形框標(biāo)出車輛位置，圖2為車輛分割結(jié)果，圖3即為處理結(jié)果。

圖2 車輛分割結(jié)果

圖3 車輛標(biāo)記

通過這個方法可以達到判斷車輛壓線的目的，并且算法簡單有效。但與此同時，由于實際車輛行進中車距較小，車輛之間存在遮擋現(xiàn)象，在分割以及標(biāo)記中容易把幾輛連在一起的車誤判為一輛，對車輛的判斷和跟蹤造成影響，這也將是后續(xù)研究中需要解決的問題。

3 結(jié)束語

文中提出車輛壓線的檢測方法，可以比較準(zhǔn)確地實現(xiàn)運動目標(biāo)的檢測、分割、以及壓線的判斷，從整體效果看，基本滿足使用要求。

［1］CANNY J.A computational approach to edge detection［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1986，8(6):679-698.

［2］ILLNGWORTH J，KITTLER J.A survey of the hough transform［J］.Computer Vision，Graphics and Image Processing，1988，44(1):87-116.

［3］JUNG Y K，HO Y.Traffic parameter extraction using videobased vehicle tracking［C］.Proceeding of IEEE/I EEJ/JSAI International Conference on Intelligent Transportation Systems，1999:764-769.

［4］KAMIJO，MATSUSHITA，IKEUCHI K，et al.Traffic monitoring and accident detection at intersections［C］.Proceeding of IEEE/IEEJ/J SAI International Conference on Intelligent Transportation Systems，1999:703-708.

［5］STAUFFER C，GRIMSON W E L.Learning patterns of activity using real-time tracking［J］.IEEE Trans.PAMI，2000，22(8):747-757.

［6］崔錦泰.小波分析導(dǎo)論［M］.西安:西安交通大學(xué)出版社，1997.

［7］王家文，李仰軍.Matlab 7.0圖形圖像處理［M］.北京:國防工業(yè)出版社，2006.