趙偉一

摘要：關(guān)于隧道視頻的隧道交通事件檢測(cè)系統(tǒng)的進(jìn)一步研究，提出高斯模型的車(chē)輛檢測(cè)方法，并通過(guò)實(shí)際實(shí)驗(yàn)論證是可行的。

關(guān)鍵詞：高速公路；隧道；交通事件；檢測(cè)系統(tǒng)

中圖分類(lèi)號(hào)：TP216 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）26-6194-03

Abstract： Further study of tunnel traffic incident on the tunnel video detection system， The Gauss model of vehicle detection method， And through the actual experiment is feasible.

Key words： expressway；tunnel；traffic incident；detection system

高速公路隧道因其節(jié)約土地、改善路網(wǎng)等優(yōu)點(diǎn)已成為高速公路建設(shè)的重要部分。但由于高速公路隧道具有空間比較狹窄、結(jié)構(gòu)相對(duì)封閉等缺陷，如果發(fā)生交通事件，十分容易造成交通擁堵。 傳統(tǒng)的隧道安全監(jiān)控通過(guò)人工巡邏以及閉路電視監(jiān)控系統(tǒng)，往往耗費(fèi)人力且監(jiān)控時(shí)效性不強(qiáng)。基于視頻的高速公路隧道交通事件檢測(cè)系統(tǒng)實(shí)現(xiàn)了對(duì)車(chē)流量、違法變道等交通事件的實(shí)時(shí)檢測(cè)，可以為高速公路隧道運(yùn)行管理提供有力的保障。

1 隧道交通車(chē)輛檢測(cè)算法設(shè)計(jì)

車(chē)輛檢測(cè)是基于視頻的隧道交通事件檢測(cè)系統(tǒng)的重要部分，是判斷車(chē)輛運(yùn)動(dòng)狀態(tài)、檢測(cè)交通事件的基礎(chǔ)。車(chē)輛檢測(cè)是首先通過(guò)從視頻圖像中提取運(yùn)動(dòng)車(chē)輛的背景，進(jìn)而判斷運(yùn)動(dòng)車(chē)輛的位置、大小等，為判斷交通事件提供數(shù)據(jù)支持。由于高速公路隧道中攝像機(jī)的位置一般是固定不變的，所以運(yùn)動(dòng)車(chē)輛是基于靜態(tài)背景提出的混合高斯模型檢測(cè)算法，然后通過(guò)形態(tài)學(xué)濾波處理二值化圖片，經(jīng)試驗(yàn)證明能夠較為有效的檢測(cè)運(yùn)動(dòng)車(chē)輛。

1.1 基于高斯模型的車(chē)輛檢測(cè)方法

建模的過(guò)程是在當(dāng)前錄像圖像中提取除了靜止不動(dòng)的背景外的一切運(yùn)動(dòng)物體，也就是前景，圖像的背景與原圖像保持一致。算法為對(duì)兩個(gè)圖像背景的幀進(jìn)行加權(quán)從而更新當(dāng)前背景。高斯混合建模具體流程如下：

1） 對(duì)3到5個(gè)高斯模型進(jìn)行初始化，并計(jì)算高斯模型中的參數(shù)（主要是單個(gè)模型的權(quán)重、單個(gè)模型的平均值、單個(gè)模型標(biāo)準(zhǔn)差以及K個(gè)模型的平均值u ）。

2） 處理所有圖像幀中的各個(gè)像素，如該像素與模型匹配，那么就納入該模型中并更新；反之對(duì)該像素建立高斯模型并進(jìn)行參數(shù)初始化，將原有最不可能的模型進(jìn)行替換。

3） 可能性最大的模型就作為背景模型進(jìn)行處理。

1.2 車(chē)輛檢測(cè)實(shí)驗(yàn)結(jié)果

在車(chē)輛通過(guò)檢測(cè)線(xiàn)后，檢測(cè)線(xiàn)對(duì)應(yīng)圖像灰度將變化，計(jì)算當(dāng)前幀的灰度與背景幀的灰度之差，統(tǒng)計(jì)檢測(cè)線(xiàn)上面運(yùn)動(dòng)像素的數(shù)量，可以獲得車(chē)輛是否通過(guò)的結(jié)果。為驗(yàn)證算法，選取了10段G3京臺(tái)高速銅湯段紫桐隧道視頻序列進(jìn)行分析。實(shí)際車(chē)輛共計(jì)213輛，對(duì)算法進(jìn)行的測(cè)試結(jié)果，漏檢了18輛，誤報(bào)了10輛，檢測(cè)率達(dá)到了96.24%。

2 基于塊匹配算法的事件檢測(cè)

首先將檢測(cè)車(chē)輛所在區(qū)域化成塊，再搜索匹配區(qū)域，從而獲得車(chē)輛實(shí)際的運(yùn)行軌跡。由于高速公路隧道中正常車(chē)輛運(yùn)動(dòng)軌跡多數(shù)是按照道路方向行駛，當(dāng)異常車(chē)輛運(yùn)動(dòng)軌跡偏離行駛路線(xiàn)或停止運(yùn)動(dòng)時(shí)，即可判斷車(chē)輛發(fā)生了違章變道、路邊停車(chē)等交通事件。經(jīng)實(shí)驗(yàn)證明該算法可以有效的檢測(cè)高速公路隧道中發(fā)生的交通事件。

2.1 塊匹配運(yùn)動(dòng)估計(jì)搜索路徑

菱形搜索算法被認(rèn)為是目前最快最優(yōu)的塊匹配算法之一，考慮到在高速公路隧道內(nèi)車(chē)輛運(yùn)動(dòng)軌跡一般都是按照道路方向前進(jìn)，因此采用菱形算法對(duì)交通事件檢測(cè)進(jìn)行判斷。

菱形算法基本思想是搜索模板分為大模板和小模版兩種，大模板中定義的檢測(cè)點(diǎn)有9個(gè)，小模板中定義的檢測(cè)點(diǎn)有5個(gè)。在進(jìn)行搜索的過(guò)程中首先用大模板，當(dāng)大模塊的中心點(diǎn)是最小SAD值時(shí)，再使用小模版進(jìn)行搜索，找到的最小SAD值就是最優(yōu)匹配點(diǎn)。菱形匹配算法根據(jù)視頻圖像中運(yùn)動(dòng)矢量的特點(diǎn)，使用一大一小兩個(gè)搜索模板對(duì)視頻中運(yùn)動(dòng)物體做粗定位和精確定位。粗定位是為了快速確定在搜索匹配的范圍，而精確定位可以較為準(zhǔn)確的確定合適的點(diǎn)。因此在搜索的過(guò)程中粗定位和精確定位關(guān)聯(lián)性很強(qiáng)，提高了搜索的效率

3 視頻交通檢測(cè)系統(tǒng)硬件實(shí)現(xiàn)

由于視頻交通檢測(cè)系統(tǒng)硬件需對(duì)大量的視頻圖像快速分析處理，主控芯片采用TMS320DM642這款處理器，用于視頻客戶(hù)端編解碼應(yīng)用。由于DM642集成的RAM空間較小，需連接SDRAM以擴(kuò)大容量?jī)?nèi)存，兩塊MT48LCM32B2并聯(lián)大小為256M，能夠提供充足運(yùn)行空間。因?yàn)門(mén)MS320DM642的ROM空間有限不能夠?qū)Υ蟪绦蜻M(jìn)行保存，系統(tǒng)需要連接FLASH芯片AM29LV320來(lái)保存數(shù)據(jù)。攝像頭拍攝的模擬視頻通過(guò)輸入接口連接TVP5150芯片，能夠把N制式或者P制式的視頻數(shù)據(jù)流處理成ITU-R格式，通過(guò)DM642連接網(wǎng)口至輸出設(shè)備。

4 結(jié)論與展望

基于視頻的交通事件檢測(cè)系統(tǒng)是一種多學(xué)科集成的綜合系統(tǒng)，本設(shè)計(jì)主要用于車(chē)流量的檢測(cè)和交通事件分析。在這個(gè)基礎(chǔ)上，通過(guò)進(jìn)一步對(duì)算法的更新即可對(duì)車(chē)速、車(chē)型、車(chē)牌進(jìn)行識(shí)別。硬件方面使用ARM+DSP架構(gòu)，將分別處理算法和模塊控制，大大方便了模塊化的開(kāi)發(fā)。采用簡(jiǎn)單實(shí)用的塊匹配算法，提升了系統(tǒng)的運(yùn)行效率。基于視頻的交通事件檢測(cè)技術(shù)已然智能交通研究中的重點(diǎn)內(nèi)容，隨著圖像處理芯片的發(fā)展，交通檢測(cè)技術(shù)將會(huì)得到更為廣泛的應(yīng)用。視頻圖像觀測(cè)直觀明了，圖像處理算法較為豐富，決定了基于該技術(shù)將成為ITS今后的發(fā)展方向。

參考文獻(xiàn)：

[1] 吳軍偉.談?wù)劯咚偎淼赖膭?chuàng)業(yè)創(chuàng)新管理[J].臺(tái)州高速公路網(wǎng)，2008（5）.

[2] 盛剛.我國(guó)高速公路隧道機(jī)電系統(tǒng)現(xiàn)狀和急需解決的問(wèn)題[J].中國(guó)交通信息產(chǎn)業(yè)，2008.