強(qiáng)添綱，林　雨，吳占紅，邵　平，歐陽冬冬

(1.東北林業(yè)大學(xué) 交通學(xué)院，哈爾濱 150040；2.富?？h友誼民族學(xué)校，黑龍江 富裕 161200)

?

基于視頻解析的高速公路車輛測速研究

強(qiáng)添綱1，林雨1，吳占紅2，邵平1，歐陽冬冬1

(1.東北林業(yè)大學(xué) 交通學(xué)院，哈爾濱 150040；2.富?？h友誼民族學(xué)校，黑龍江 富裕 161200)

摘要：為了精確地測量高速公路車輛的速度，降低高速公路車輛測速成本，文章提出了運(yùn)動(dòng)目標(biāo)檢測算法，并自主驗(yàn)證并開發(fā)出了一種基于視頻解析的高速公路多車輛的測速軟件。在該方法中，首先利用改進(jìn)的背景差分法有效地提取前景目標(biāo)；然后，利用“偽目標(biāo)”消除方法，保留有效的運(yùn)動(dòng)目標(biāo)；再次，通過卡爾曼跟蹤算法獲取有效目標(biāo)的運(yùn)動(dòng)軌跡；最后，通過攝像機(jī)標(biāo)定獲取運(yùn)動(dòng)目標(biāo)單位時(shí)間內(nèi)行駛的實(shí)際距離。經(jīng)過驗(yàn)證算法有效的提高了車輛檢測的精度，有著較好的參考價(jià)值。軟件實(shí)現(xiàn)了高速公路車輛超速預(yù)警及事故責(zé)任認(rèn)定的智能化，使事故認(rèn)定更加科學(xué)準(zhǔn)確。軟件為高速公路工作人員處理交通事故提供了輔助決策軟件，提高了硬件設(shè)備的利用率并減少了人力，具有良好的經(jīng)濟(jì)效益和社會(huì)效益。

關(guān)鍵詞：智能交通；視頻解析；測速；高速公路

引文格式：強(qiáng)添綱，林雨，吳占紅，等.基于視頻解析的高速公路車輛測速研究[J].森林工程，2016，32(1)：68-71.

0引言

高速公路是交通運(yùn)輸和國家現(xiàn)代化的重要標(biāo)志。據(jù)統(tǒng)計(jì)，高速公路發(fā)生的交通事故中，有超過70%的都是由于超速引起的[1-3]。大量的超速行為，給高速公路的行車安全造成了極大隱患。智能交通系統(tǒng)(ITS)的任務(wù)之一是監(jiān)督高速公路車輛速度等運(yùn)行狀況，為車輛運(yùn)行管理提供信息和依據(jù)，達(dá)到限制車輛超速的目的[4-8]。因此，精確地測量高速公路車輛速度，可以有效減少交通事故和保障行車安全。

目前，基于視頻解析的車速測量技術(shù)成了國內(nèi)外學(xué)者研究的熱點(diǎn)[9-14]。利用攝像機(jī)獲取數(shù)據(jù)不但安裝簡便、設(shè)置靈活，而且視頻檢測具有容易模塊化、集成化的優(yōu)點(diǎn)，但視頻檢測也存在局限性，例如在大霧、陰雨天等條件下，視頻速度檢測是不適用的?；谝曨l解析的實(shí)時(shí)測速方法是虛擬線圈測速法，在所拍攝的視頻圖像中的車道上，相距30~50 m處畫出兩個(gè)虛擬線圈，它利用車輛通過兩個(gè)虛擬線圈的時(shí)間得出其車輛運(yùn)行速度。該方法簡單易行，不破壞路面，不更換線圈；但測速誤差大，并且一次僅能對一輛車進(jìn)行測速[15-17]。

1算法原理

與傳統(tǒng)的測試方法相比，本文的主要特色是能實(shí)現(xiàn)多個(gè)運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)測速。本文的主要?jiǎng)?chuàng)新點(diǎn)如下。

1.1提出一個(gè)新的背景差分法—基于高斯濾波的雙閾值背景差分法

與傳統(tǒng)的背景差分法相比，這里提出的改進(jìn)方法能有效地減少“空洞”和抑制噪聲。視頻測速會(huì)受到天氣、視頻的清晰度、拍攝角度等因素的影響，因此在運(yùn)動(dòng)目標(biāo)檢測方面本文提出了一種新的背景差分法，提高了運(yùn)動(dòng)目標(biāo)的檢測精度。改進(jìn)算法的具體實(shí)施步驟如下。

(1)根據(jù)公式(1)獲取t時(shí)刻當(dāng)前幀與背景差分后的圖像F(x,y,t)。

其中，I(x,y,t)為t時(shí)刻的圖像，Ib(x,y,t)是利用∑-Δ方法更新后的背景圖像；G(x,y)是均值為μ、方差為σ的二維高斯函數(shù)用于抑制圖像中的噪聲。

(2)根據(jù)公式(2)獲取基于高閾值的二值化圖像和低閾值的二值化圖像。

(2)

(3)根據(jù)公式(3)獲取基于低閾值的二值化圖像。

(3)

(4)為了實(shí)現(xiàn)程序的全自動(dòng)化運(yùn)行，定義Th和Tl表達(dá)式如公式(4)所示。

(4)

其中，μ1和σ1分別是F(x,y,t)中所有像素點(diǎn)的灰度值的均值和方差。

(5)聯(lián)合Fl(x,y)和Fh(x,y)獲取最終前景目標(biāo)圖像f(x,y)，通過圖1的(a)和(b)可以看出本算法的有效性。

圖1　對比圖Fig.1 Comparison charts

1.2提出一種“偽目標(biāo)”消除算法

運(yùn)動(dòng)目標(biāo)提取后，下一步則需要進(jìn)行卡爾曼濾波。由于光照條件、噪聲等因素的影響，一個(gè)運(yùn)動(dòng)目標(biāo)二值化后有可能斷裂為兩個(gè)面積不同的目標(biāo)。該現(xiàn)象的出現(xiàn)會(huì)降低跟蹤精度，從而導(dǎo)致測速的不準(zhǔn)確。針對該問題，本系統(tǒng)首先提出了一種基于面積選擇的“偽目標(biāo)”消除算法。

本算法的核心思想是根據(jù)運(yùn)動(dòng)目標(biāo)的面積確定該運(yùn)動(dòng)目標(biāo)是否保留。因此本算法的關(guān)鍵問題是閾值的選擇，臨界值過大會(huì)屏蔽掉一些小型車輛，過小則失去了意義。假設(shè)ROI區(qū)域(檢測區(qū)域)面積，根據(jù)邊緣檢測獲得區(qū)域的面積為s。本項(xiàng)目在實(shí)現(xiàn)的過程中，S和s的值分別等于ROI中像素點(diǎn)的個(gè)數(shù)和邊緣檢測獲得區(qū)域面積內(nèi)像素點(diǎn)的個(gè)數(shù)。它們的計(jì)算表達(dá)式如公式(5)所示。

(5)

其中，M和N分別是ROI區(qū)域中像素的行數(shù)和列數(shù)，m和n分別是利用邊緣檢測獲取的區(qū)域內(nèi)像素點(diǎn)的行數(shù)和列數(shù)。根據(jù)經(jīng)驗(yàn)，當(dāng)s和S的比值小于0.16時(shí)，該運(yùn)動(dòng)目標(biāo)應(yīng)被忽略，否則，可以保留。通過圖2中(a)和(b)的對比，可以看出該算法的有效性。

圖2　對比圖Fig.2 Comparison charts

2軟件設(shè)計(jì)原理

在算法的基礎(chǔ)上，本文從實(shí)際出發(fā)，通過高速公路視頻驗(yàn)證并開發(fā)應(yīng)用軟件。本軟件主要包括3個(gè)功能模塊：視頻載入模塊、視頻解析模塊和車速計(jì)算模塊。軟件不但能實(shí)現(xiàn)高速公路上車輛的實(shí)時(shí)測速和預(yù)警，也能在交通事故分析中精確地獲取事故車輛的速度。軟件是在VC平臺(tái)上，借助OpenCV計(jì)算機(jī)視覺類庫通過C語言編程實(shí)現(xiàn)的，具體流程如圖3所示。

圖3　設(shè)計(jì)流程圖Fig.3 Flow chart of the design

2.1視頻載入模塊

功能：實(shí)現(xiàn)視頻的實(shí)時(shí)獲取、加載、顯示和存儲(chǔ)。

方法：主要是將OpenCV中的函數(shù)進(jìn)行了集成，實(shí)現(xiàn)了視頻的實(shí)時(shí)獲取、加載、顯示和存儲(chǔ)。OpenCV類庫中集成了大量的計(jì)算機(jī)視覺函數(shù)及接口，在視頻載入時(shí)可調(diào)用OpenCV計(jì)算機(jī)視覺類庫cvCaptureFromAVI函數(shù)實(shí)現(xiàn)視頻的載入，由OpenCV函數(shù)庫中的cvShowImage函數(shù)進(jìn)行逐幀圖像的顯示，形成視頻的播放。同樣在進(jìn)行視頻的存儲(chǔ)時(shí)也是集成了OpenCV函數(shù)庫中的函數(shù)。

2.2視頻解析模塊

功能：①獲取讀入視頻的前景目標(biāo)，②實(shí)現(xiàn)背景的實(shí)時(shí)更新，③視頻每幀圖像的二值化。視頻解析模塊界面如圖4所示。

原理：在視頻中運(yùn)動(dòng)的目標(biāo)稱之為前景，其他的目標(biāo)稱之為背景。視頻中的每一幀圖像與背景相減，剩余的就是前景目標(biāo)。由于光照的影響，背景是不斷變化的。因此，為了實(shí)時(shí)有效地獲取前景目標(biāo)，背景則需要實(shí)時(shí)更新。另外，為了提高后續(xù)處理工作的效率，獲取前景目標(biāo)后需對其進(jìn)行二值化。

圖4　視頻解析模塊界面截圖Fig.4 Video parsing module interface

方法：利用基于高斯濾波的雙閾值差分法獲取前景目標(biāo)(詳細(xì)的內(nèi)容在第三部分介紹)。利用∑-△方法實(shí)現(xiàn)背景的更新，算法如公式(6)：

Mt(x)=Mt-1(x)+sgn(It(x)-Mt-1(x))

(6)

其中，x為每幀圖像中的像素值；Mt(x)為t時(shí)刻更新后的背景圖像；Mt-1(x)為t-1時(shí)刻的圖像；It(x)當(dāng)前幀圖像。通過圖5中(a)和(b)的比較可以看出∑-△方法的有效性。

圖5　對比圖Fig.5 Comparison chart

2.3車速計(jì)算模塊

功能：①實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的跟蹤，②車速的檢測和顯示。車速計(jì)算模塊界面如圖6所示。

圖6　車速計(jì)算模塊界面截圖Fig.6 The interface of speed calculation module

原理：在獲取前景目標(biāo)(車輛)的基礎(chǔ)上，利用卡爾曼濾波實(shí)現(xiàn)目標(biāo)的跟蹤和獲取單位時(shí)間內(nèi)目標(biāo)(車輛)的運(yùn)動(dòng)距離，從而實(shí)現(xiàn)車速的檢測。

方法：利用卡爾曼濾波是實(shí)現(xiàn)目標(biāo)的跟蹤；利用攝像機(jī)標(biāo)定的方法，實(shí)現(xiàn)由圖像距離到物理距離的映射?？柭鼮V波是用于時(shí)變線性系統(tǒng)的遞歸濾波器，因?yàn)閮蓭瑘D像相差時(shí)間很短(1 s視頻由25幀圖像組成)，因此可將運(yùn)動(dòng)目標(biāo)看做勻速直線運(yùn)動(dòng)。在卡爾曼濾波跟蹤中，選取運(yùn)動(dòng)目標(biāo)的質(zhì)心坐標(biāo)作為輸入量，通過遞歸方程實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的跟蹤。文章需要利用攝像機(jī)標(biāo)定的方法，實(shí)現(xiàn)由圖像距離到物理距離的映射，具體步驟如下：

(1)利用卡爾曼濾波跟蹤計(jì)算出像素位移?？柭鼮V波很好的實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的跟蹤，從而確定了前后兩幀圖像中同一運(yùn)動(dòng)目標(biāo)的坐標(biāo)位置，通過坐標(biāo)很容易獲得兩個(gè)運(yùn)動(dòng)目標(biāo)的像素距離。

(2)借助某一目標(biāo)的像素位移和實(shí)際位移標(biāo)定出攝像機(jī)參數(shù)。在攝像機(jī)標(biāo)定中，運(yùn)動(dòng)目標(biāo)的像素位移、實(shí)際位移和攝像機(jī)參數(shù)有著特定的轉(zhuǎn)換方程。通過上一步得知運(yùn)動(dòng)目標(biāo)的像素位移，在選取某一物體的實(shí)際坐標(biāo)位置后代入方程可得到攝像機(jī)參數(shù)。

(3)由攝像機(jī)參數(shù)與實(shí)際位移對應(yīng)關(guān)系實(shí)現(xiàn)測速。通過以上兩步得到了攝像機(jī)的參數(shù)，在利用攝像機(jī)參數(shù)與實(shí)際位移的對應(yīng)關(guān)系得到運(yùn)動(dòng)目標(biāo)的實(shí)際位移，從而獲得了單位時(shí)間內(nèi)運(yùn)動(dòng)目標(biāo)的速度。因此可知對于攝像參數(shù)的標(biāo)定是至關(guān)重要的，其關(guān)系到位移測量的精確程度，進(jìn)而影響最后的速度檢測。

3結(jié)束語

目前，高速公路中因車輛超速引起的事故頻發(fā)生，隨之產(chǎn)生的二次事故、事故責(zé)任認(rèn)定問題尤為突出。對此，文章提出新的檢測算法，在實(shí)際視頻為基礎(chǔ)上以VC為開發(fā)平臺(tái)，借助OpenCV計(jì)算機(jī)視覺類庫開發(fā)此軟件。研究可在歸納為3個(gè)方面：

(1)將本軟件應(yīng)用到高速公路，與現(xiàn)有的設(shè)施相結(jié)合，可實(shí)現(xiàn)高速公路的車輛的實(shí)時(shí)測速并發(fā)布超速預(yù)警信息。

(2)在發(fā)生事故后，利用本軟件分析視頻，準(zhǔn)確計(jì)算出車輛在事故前后的速度并分析行為變化，實(shí)現(xiàn)事故責(zé)任的認(rèn)定。

(3)隨著后期的研究，將實(shí)現(xiàn)流量統(tǒng)計(jì)、排隊(duì)長度檢測和交通事件檢測等功能的應(yīng)用。

本文在提出運(yùn)動(dòng)目標(biāo)檢測算法的前提下，對算法進(jìn)行了實(shí)例驗(yàn)證，并借助于計(jì)算機(jī)進(jìn)行了軟件開發(fā)。研究可得，軟件實(shí)現(xiàn)了高速公路車輛超速預(yù)警及事故責(zé)任認(rèn)定的智能化，使事故認(rèn)定更加科學(xué)準(zhǔn)確。軟件為高速公路工作人員處理交通事故提供了輔助決策軟件，提高了硬件設(shè)備的利用率并減少了人力，具有良好的經(jīng)濟(jì)效益和社會(huì)效益。

【參考文獻(xiàn)】

[1]段建民，劉冠宇，鄭榜貴.基于視覺及多特征的前方車輛檢測算法[J].北京工業(yè)大學(xué)學(xué)報(bào)，2015，41(9)：1326-1333.

[2]陳征，王飛，項(xiàng)煜.智能視頻分析技術(shù)在高速公路建設(shè)和管理中運(yùn)用分析[J].中國科技信息，2015(1)：72-74.

[3]支晨蛟.基于視頻的高速公路車速檢測和車輛跟蹤系統(tǒng)[D].杭州：浙江大學(xué)，2013.

[4]姚明明.高速公路隧道停車檢測中的車輛跟蹤及狀態(tài)識(shí)別方法研究[D].重慶：重慶大學(xué)，2014.

[5]張曉松，張波，金濤.高速公路ETC交易耗時(shí)估計(jì)與車道分區(qū)設(shè)計(jì)[J].公路工程，2014，39(4)：78-81+85.

[6]邱凌赟，韓軍，顧明.車道模型的高速公路車輛異常行為檢測方法[J]，計(jì)算機(jī)應(yīng)用，2014，34(5)：1378-1382.

[7]林立原，陳林.基于高斯混合模型和卡爾曼濾波的車輛檢測與跟蹤方法[J].武漢科技大學(xué)學(xué)報(bào)，2015，38(3)：226-230.

[8]王迎，周燕.基于廣義線性模型的高速公路交通事故預(yù)測[J].公路工程，2015，40(5)：115-119.

[9]鄧其，潘曉東，方青.基于可拓理論的高速公路事故動(dòng)態(tài)預(yù)警方法[J].公路工程，2013，38(4)：115-119.

[10]孫寧，張重德.一種提高視頻車速檢測精度的算法分析和實(shí)現(xiàn)[J].合肥工業(yè)大學(xué)學(xué)報(bào)，2014，37(12)：1462-1468.

[11]江東，曾亞光.機(jī)動(dòng)車視頻測速系統(tǒng)及主要問題分析[J].中國測試技術(shù)，2007，33(5)：41-43.

[12]童劍軍.說說視頻測速[J].中國交通信息產(chǎn)業(yè)，2006(9)：36-38.

[13]王海燕.視頻違章超速監(jiān)測系統(tǒng)技術(shù)分析[J].32H中國交通信息產(chǎn)業(yè)，2006(8)：110-112.

[14]王大鵬.區(qū)間測速系統(tǒng)的框架結(jié)構(gòu)與功能設(shè)計(jì)[D].廣州：中山大學(xué)，2008.

[15]王健.視頻測速系統(tǒng)中的測距和攝像機(jī)標(biāo)定研究[D].南昌：南昌大學(xué)，2008.

[16]鮮海瀅，李曉峰，李在銘.基于攝像機(jī)的車輛測速儀[J].電子測量與儀器學(xué)報(bào)，2008，22(3)：94-99.

[17]秦武，基于機(jī)器視覺的高速公路車輛測速研究[D].宜昌：三峽大學(xué)，2011.

Research on the Measurement of Vehicle Speedon Highways Based on Video Analysis

Qiang Tiangang1，Lin Yu1，Wu Zhanhong2，Shao Ping1，Ouyang Dongdong1

(1.Traffic College，Northeast Forestry University，Harbin 150040；

2.Fuyu Friendship National School，F(xiàn)uyu 161200，Heilongjiang Province)

Abstract：In order to measure the speed of vehicles in expressways accurately and reduce highway speed vehicle costs，a testing algorithm for moving objects was put forward and the corresponding software for measuring the vehicle speed in highways was designed based on video analysis.Firstly，the detection method of background subtraction was used to effectively extract the prospect goal；then，the method of “phony” elimination was adopted to keep effective kinetic target.Next，the target trajectory was acquired effectively through Kalman tracking algorithm；finally，the camera was used to calibrate the actual distance per unit time for the moving target.After verification，the accuracy of vehicle detection by the algorithm was effectively improved and the algorithm has a good reference value.The software can realize the intelligence of highway speeding warning and accident responsibility confirmation and the identification of accidents will be more scientific and accurate.For staff，the software has provided decision support to deal with traffic accidents and improve the utilization of hardware and decrease the use of manpower，which has good economic and social benefits.

Keywords：intelligent transportation；video parsing techniques；speed measurement；highway

作者簡介：第一強(qiáng)添綱，博士，教授。研究方向：寒地交通系統(tǒng)管理與控制技術(shù)。E-mail: qiangtg123@163.com

基金項(xiàng)目：黑龍江省博士后特別經(jīng)費(fèi)項(xiàng)目(LBH-TZ0501)；國家自然科學(xué)基金項(xiàng)目(51405075)

收稿日期：2015-10-09

中圖分類號：S 714.8

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號：1001-005X(2016)01-0068-04