謝敏

摘 要

本文針對日益嚴重的交通狀況和交通事故率，監(jiān)控視頻需要大量的人力監(jiān)測。為改善這種情況，設計在無人職守的情況下的違章車輛監(jiān)控系統(tǒng)，可以自動的監(jiān)控交通情況，對車輛的行駛狀態(tài)進行監(jiān)視跟蹤，記錄違反交通規(guī)則車輛的行駛軌跡，再對行駛軌跡做位置的分析結合機動車行駛的車道及路口的信號燈判斷車輛是否有違章行為。

【關鍵詞】圖像處理 智能交通 違章判別

1 引言

在現(xiàn)代交通管理系統(tǒng)中，己經(jīng)廣泛的將攝像機架設在路面上，用于交通狀態(tài)的管理與監(jiān)視。但它依舊需要大量的人力進行實時觀測，及時反映路面異常狀況，這種方法是繁瑣的，使監(jiān)測工作顯得十分繁重，同時對監(jiān)視人員又要有較高的要求。所以智能化的監(jiān)控系統(tǒng)能有效提高交通管理的效率。

本文所要闡述的違章車輛監(jiān)控系統(tǒng)建立在無人職守的情況下，可以自動的監(jiān)控交通情況，對車輛的行駛狀態(tài)進行監(jiān)視跟蹤，記錄違反交通規(guī)則的車輛。首先通過對待檢測車輛的跟蹤，跟蹤采用Meanshift車輛跟蹤算法，得到其行駛軌跡，再對行駛軌跡做位置的分析結合機動車行駛的車道及路口的信號燈判斷車輛是否違章。

2 Hough變換檢測

本文主要采用Hough變換檢測直線的方法對交通路口場景不變的道路進行車道線的檢測。Hough變換檢測直線的原理是利用點與線的對偶性，將原來圖像空間給定的曲線通過曲線表達形式的變換，變?yōu)閰?shù)空間中的一個點。這樣就把原始圖像中給定曲線的檢測問題轉化為尋找參數(shù)空間中的峰值問題。也就是將檢測整體特性轉化為檢測局部特性。

現(xiàn)有交叉路口基本每個路口都裝有監(jiān)控攝像機，就可以用一個攝像機給該路口做監(jiān)視，從而使監(jiān)控系統(tǒng)簡單化。

本文采用Hough變換檢測直線的方法，在原有Hough變換的理論上增加一些形態(tài)學的改進，使車道線檢測的效果變得更加理想。形態(tài)學改進的流程如圖1所示。

圖2是形態(tài)學處理前后Hough變換對車道線檢測的對比圖。

從圖2中可以看出：經(jīng)過形態(tài)學處理后的Hough變換檢測直線的時候更加的準確，而且檢測的直線是在路口的車道線中間部分。直接的Hough檢測的直線主要是邊緣部分，而且有許多錯誤的檢測。

3 車輛的行為判別方法

車輛的行為判別是根據(jù)車輛的行駛位置坐標值的變化來判別的。圖3為車輛位置變化的示意圖。

車輛左轉、右轉、直行判別用車輛當前幀的中心位置（x2，y2）減去圖像序列上一幀中心點的位置（x1，y1）得到dx、dy。根據(jù)dx、dy的變化判斷出車輛的行為。

表1：車輛行駛行為判別表

左轉 dx<0且 dy>0 dx/dy

右轉 dx>0且 dy>0 dx/dy>T2>0

直行 dy>0 T1

4 遠距離傳輸實現(xiàn)

本文要解決的是路口監(jiān)控視頻的傳輸問題，由于紅外線、藍牙、Wi-Fi、超寬帶技術中傳輸方式只適用于短距離傳輸，由于路口的視頻離路口交換機或者服務器的距離較遠，短距離的傳輸方式不能實現(xiàn)傳輸。zigbee的傳輸帶寬相對較小，路口會有4臺及以上的攝像機數(shù)，所以zigbee不能實現(xiàn)路口監(jiān)控視頻的傳輸。GPRS及3G/4G技術能夠滿足帶寬和距離的要求，但后期所需的月租費用很高，不適合監(jiān)控視頻的傳輸。所以本文選用無線網(wǎng)橋對監(jiān)控視頻進行傳輸。

本文主要使用無線網(wǎng)橋技術對路口的監(jiān)控視頻進行無線傳輸，采用點對多點的結構，整個系統(tǒng)構架如圖4所示。

每個路口架設攝像頭，無線網(wǎng)橋在路口傳輸：每個攝像機接一個無線網(wǎng)橋，在遠端的交換機上也接一個無線網(wǎng)橋，對無線網(wǎng)橋的收發(fā)進行設置。再由交換機傳回中心服務器對傳回的視頻進行處理。由于實驗是校園環(huán)境中模擬路口環(huán)境，論文僅采用點對點式模擬整個傳輸處理過程。

5 系統(tǒng)實現(xiàn)

本文研究的是路口的交通視頻，由于條件限制，系統(tǒng)架設在學校環(huán)境中。實驗所選用的器件如下：攝像機：實驗選用海康威視DS-2CD2212D-l5的日夜型筒型網(wǎng)絡攝像機；無線網(wǎng)橋：實驗選用150M的無線網(wǎng)橋，網(wǎng)橋采用ubnt的airOS系統(tǒng)，支持2.3G-2.7G的超寬頻段；網(wǎng)絡硬盤錄像機：實驗選用?？低旸S-7804N-SH/N的網(wǎng)絡硬盤錄像機。

在校園環(huán)境中模擬路口的環(huán)境，同時在路上架設攝像機和無線網(wǎng)橋，另一個網(wǎng)橋架設在實驗室中，兩個網(wǎng)橋隔著相距約400m的湖面。整個遠程無線視頻監(jiān)控的示意圖如圖5 所示。

發(fā)射端架設在離地面高度約為6米的橫桿上（離實驗室約400米遠），實驗室的接收端直接連接硬盤錄像機就可以在顯示器上顯示監(jiān)控畫面，如圖6所示。

本文的服務器端主要在基于VC++平臺，利用OpenCV實現(xiàn)的。本文將采集到的視頻導入電腦中，編寫的服務器程序。

本文所編寫的服務器端程序在服務器上的效果如圖7所示。

6 總結

本文主要研究的是基于傳統(tǒng)的軌跡判別方法。依據(jù)軌跡的坐標變化來判別，也就是對車輛坐標位置的變化來判斷車輛的行為。對左轉、右轉、直行的坐標變化設定閾值范圍，并對于實際偏差的影響，增加判別的連續(xù)幀數(shù)，再判定車輛的行為，最后結合車輛的所屬車道和路口的紅綠燈來判別車輛是否有違章轉彎和闖紅燈等行為。文在室外模擬路口的環(huán)境下搭建了視頻采集與傳輸系統(tǒng)，該系統(tǒng)能夠將400m外的視頻進行采集，并利用無線網(wǎng)橋傳回實驗室。之后在服務器端編寫了基于VC++6.0平臺利用OpenCV對視頻圖像序列進行車輛檢測、跟蹤和違章判別。

參考文獻

[1]張正華，許曄，蘇權，等.基于背景差分和混合幀差的運動目標檢測[J].無線電工程，2012，42（08）：14-17.

[2]亢朋朋，朱錫芳，南東亮，金運策.一種改進Meanshift 算法的視頻監(jiān)控系統(tǒng)[J].微電子學與計算機，2013.30（02）：153-156.

[3]王田，劉偉寧，韓廣良，杜超，劉戀.基于改進的Meanshift目標跟蹤算法[J].液晶與顯示，2012，27（03）：396-400.

[4]金鑫，梁雪春，袁曉龍.復雜情況下的多目標跟蹤統(tǒng)計技術[J].計算機科學，2013，40（06）：268-271.

[5]張德才.視頻流中多人體跟蹤算法研究[D].吉林大學，2011.

[6]Sivaraman，S，Trivedi M.M.Integrated Lane and Vehicle Detection， Localization，and Tracking： ASynergistic Approach[J].IEEE Transactions on Intelligent Transportation Systems，2013，14（02）：906-917.

[7]de la Rubia E.，Diaz-Estrella A. Improved pedestrian tracking through alman covariance error selective reset[J].Electronics Letters，2013，49（07）：464-465.

[8]Rezaee K，Alavi S R，Madanian M，et al.Real-time intelligent alarm system of driver fatigue based on video sequences[C]//Robotics and Mechatronics （ICRoM），2013 First RSI/ISM International Conference on. IEEE，2013：378-383.

[9]Herout A，Dubská M，Havel J.Review of Hough Transform for Line Detection[M]//Real-Time Detection of Lines and Grids. Springer London， 2013：3-16.

作者單位

南京郵電大學通達學院 江蘇省揚州市 225127