鄧向林

摘要：交通智能化管理是智慧型交通系統(tǒng)的重要功能之一，當(dāng)?shù)缆钒l(fā)生交通堵塞時(shí)，系統(tǒng)能及時(shí)發(fā)現(xiàn)并相應(yīng)進(jìn)行疏導(dǎo)。目前對(duì)于路況實(shí)時(shí)視頻的監(jiān)控方法側(cè)重于白晝時(shí)段，而對(duì)于夜間條件下則因?yàn)楣庠辞闆r復(fù)雜難以應(yīng)用。本文提出一種適用夜間實(shí)時(shí)交通狀況檢測(cè)的方法，通過分析影像畫面的光源亮度平衡及色彩調(diào)整，識(shí)別其中車輛剎車燈光及其光暈像素特征，并依據(jù)此類像素在連續(xù)畫面中的變化情況判斷所檢測(cè)路口交通擁擠程度。實(shí)驗(yàn)結(jié)果表明，檢測(cè)正確率在80%以上。

關(guān)鍵詞：智慧交通；像素分析；夜間路況偵測(cè)

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）24-0217-02

1 研究背景

機(jī)動(dòng)車數(shù)量的快速增長與道路運(yùn)輸能力不足之間的矛盾使城區(qū)交通擁塞不可避免。為提高道路運(yùn)輸效率，減少交通擁擠時(shí)間，各國政府對(duì)智慧交通系統(tǒng)（Intelligent Transportation Systems， ITS）的開發(fā)與應(yīng)用日益重視。其中，視頻監(jiān)控系統(tǒng)的運(yùn)用較為廣泛，通過實(shí)時(shí)路況采集為交通調(diào)度提供第一手的信息，能有效地緩解在高峰時(shí)刻的擁擠現(xiàn)象。在白晝時(shí)段，此時(shí)交通環(huán)境的光照條件好，對(duì)前景物體的偵測(cè)與判定較為容易[1]；在光源復(fù)雜的夜間，則多采用偵測(cè)車頭燈的方法來采集或識(shí)別夜間交通信息，但當(dāng)出現(xiàn)多部車輛并排或擁塞時(shí)，光源集中且出現(xiàn)光暈擴(kuò)散，導(dǎo)致交通信息的采集困難[2-3]。由于都市生活的特點(diǎn)，城市在夜間的交通流量與日間相比差距不大，對(duì)夜間交通狀況的監(jiān)控需求更為迫切。

2 文獻(xiàn)研究及建模

對(duì)視頻畫面中的前景物體偵測(cè)技術(shù)主要有三種：背景相減法、時(shí)間差異法、光流分析法。其中背景相減法是通過事先建立背景模型，然后將目前的影像畫面與背景模型做相減后比對(duì)得出前景物體的像素的方法。該方法運(yùn)算較快且實(shí)現(xiàn)簡(jiǎn)單，也是目前廣泛使用的方法，但如果畫面中有背景變化（如樹枝劇烈搖晃）則會(huì)增加識(shí)別的難度。時(shí)間差異法則是通過連續(xù)畫面的相減識(shí)別前景物體，與背景相減法相似，但不能識(shí)別靜止物體。光流分析法是以一張影像畫面上的某一個(gè)點(diǎn)為基礎(chǔ)，找出其他影像畫面同時(shí)具有一致性的像素點(diǎn)，較適合應(yīng)用在追蹤獨(dú)立移動(dòng)物體，但運(yùn)算較慢。

Li等人曾提出一種以活動(dòng)基模型（Active Basis Model，ABM）為基礎(chǔ)的圖形結(jié)構(gòu)車輛偵測(cè)方法，在車輛正向是用擋風(fēng)玻璃的圖形結(jié)構(gòu)，反向則是用車輛尾燈的圖形結(jié)構(gòu)檢測(cè)車輛；此方法耗時(shí)且對(duì)不同車型須手動(dòng)設(shè)置系統(tǒng)參數(shù)，難以在實(shí)時(shí)交通監(jiān)控系統(tǒng)中應(yīng)用[4]。Liu&Luo對(duì)此提出了一種改進(jìn)方法，以霍夫轉(zhuǎn)換法偵測(cè)所需觀察的區(qū)域，并利用車輛擋風(fēng)玻璃與引擎蓋之間的邊界統(tǒng)一車輛數(shù)目，該法在車輛出現(xiàn)擁擠時(shí)也可快速準(zhǔn)確的判斷車輛數(shù)量，但只限于光源充足的環(huán)境使用[5]。

由于對(duì)于夜間的影像常用的識(shí)別方式是通過對(duì)畫面上的光源觀察來辨識(shí)物體，假設(shè)夜間在發(fā)生擁塞時(shí)，那么必然出現(xiàn)多部車輛的減速或剎車情況，此時(shí)車輛后部的剎車燈將亮起。影像畫面顯示，當(dāng)剎車為常踩狀態(tài)時(shí)，剎車燈的紅色亮度會(huì)比未踩剎車時(shí)更加明亮，其光暈部分也較為明顯（見圖1），因此可以通過識(shí)別剎車燈及其光暈變化來判斷是否發(fā)生擁塞。

3 實(shí)驗(yàn)情況與分析

系統(tǒng)以Microsoft Visual Studio 2012為開發(fā)工具，使用程序語言為C#，視頻采集設(shè)備為固定式槍型攝像機(jī)，采集的影像大小為720×480 Pixels，畫面時(shí)間間隔為10幀/秒，在交通高峰時(shí)段采集，圖像文件以AVI格式保存。當(dāng)系統(tǒng)判定影像連續(xù)畫面出現(xiàn)擁塞時(shí)，記錄發(fā)生擁塞的起始時(shí)間點(diǎn)；系統(tǒng)判定交通順暢時(shí)，則記錄交通擁塞的結(jié)束時(shí)間點(diǎn)。將系統(tǒng)判斷的擁塞起始點(diǎn)與結(jié)束時(shí)間點(diǎn)與人工識(shí)別情況對(duì)比，若兩者比對(duì)小于偏差，認(rèn)為系判斷的擁塞情況為正確。測(cè)試結(jié)果顯示，系統(tǒng)的正確識(shí)別率為84.6%。

對(duì)于系統(tǒng)出現(xiàn)誤判的原因，主要有以下兩種。其一是部分道路的紅綠燈在深夜的時(shí)候會(huì)將具有規(guī)則性的紅綠燈變化切換為閃黃燈或閃紅燈，造成系統(tǒng)對(duì)所采集的影像進(jìn)行亮度的平衡及色彩調(diào)整處理時(shí)出現(xiàn)偏差；其二是在城市道路的多線道路口會(huì)以紅、黃、左轉(zhuǎn)綠箭頭、前行綠箭頭、右轉(zhuǎn)綠箭頭等信號(hào)燈組合來管制車流，對(duì)于左轉(zhuǎn)車輛需要等到左轉(zhuǎn)綠箭頭亮?xí)r才能放行，此時(shí)系統(tǒng)判斷時(shí)會(huì)誤判為交通擁塞。

運(yùn)用本研究的方法能有效識(shí)別夜間城區(qū)交通的擁擠情況，對(duì)于出現(xiàn)誤判的情況，希望能在交通畫面的關(guān)注區(qū)域增加車道分割并識(shí)別當(dāng)時(shí)的紅綠燈燈號(hào)，以提高系統(tǒng)判定的正確率。

參考文獻(xiàn)：

[1]Kong J， Zheng Y， Lu Y， et al. A novel background extraction and updating algorithm for vehicle detection and tracking[C]，Proc. IEEE Int. Conf. Fuzz. Syst.Knowl. Discovery， 2007：464 -468.

[2] Chen T H， Chen J L， Chen C H， et al.Vehicle detection and counting by using headlight information in the dark environment[C]. In Intelligent Information Hiding and Multimedia Signal Processing， 2007，IIHMSP 2007， Third International Conference on， 2007， 2（1）：519-522， Nov..

[3]Zhang W， Wu Q M J， Wang G，et al.Tracking and pairing vehicle headlight in night scenes[S]. IEEE Trans Intell Trans Sys， 2012，13（1）：140-153.

[4]Li B Y，Tian B Li， Yao Q M.Vehicle detection based on the and-or graph for congested traffic conditions[C] .accepted， 2013，14（5）： 984-993.

[5]Liu Junwei， LuoShaokai.A novel image segmentation technology in intelligent traffic light control systems[C].Consumer Electronics， Communications and Networks （CECNet）， 2013 3rd International Conference on， 2013：26-29，.