鄒金里 李洪芹 吳健珍 李金書(shū) 王文強(qiáng) 楊啟超

摘 要 智能交通系統(tǒng)是一種充分利用交通基礎(chǔ)設(shè)施，實(shí)現(xiàn)交通環(huán)保節(jié)能，提升交通服務(wù)水平的手段。建立智能交通系統(tǒng)，能有效規(guī)劃城市道路，抑制交通事故的發(fā)生。交通監(jiān)控應(yīng)在不同的環(huán)境、天氣和照明條件下正常有效地工作。在晚上，許多中小城市的照明條件不是很好。本文主要針對(duì)夜間的車流量統(tǒng)計(jì)，根據(jù)上述特征對(duì)視頻序列圖像進(jìn)行閾值處理，然后，通過(guò)形態(tài)分析，可以提取燈光走廊，最后根據(jù)前燈之間的一定距離分離車燈對(duì)，將其用作移動(dòng)目標(biāo)并通過(guò)計(jì)算得到交通流量。

關(guān)鍵詞 車燈配對(duì) 交通流量統(tǒng)計(jì) 夜間車輛檢測(cè) 路面反射

中圖分類號(hào)：TP29 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.16400/j.cnki.kjdks.2019.03.035

Abstract Intelligent Transportation System （ITS） is a means of making full use of transportation infrastructure， realizing environmental protection and energy saving， and improving the level of transportation services. The establishment of intelligent transportation system can effectively plan urban roads and restrain traffic accidents. Traffic monitoring should work normally and effectively under different environment， weather and lighting conditions. In the evening， the lighting conditions in many small and medium-sized cities are not very good. In this paper， according to the traffic statistics at night， the video sequence image is threshold processed according to the above characteristics. Then， through morphological analysis， the light corridor can be extracted. Finally， according to a certain distance between headlights， the pair of headlights can be separated and used as moving targets and traffic flow can be calculated.

Keywords headlight pairing； traffic flow statistics； night vehicle detection； pavement reflection

當(dāng)今社會(huì)飛速發(fā)展，科技日新月異，交通工具逐漸從貧瘠變得發(fā)達(dá)，每條道路上車輛數(shù)目急劇增加，為了更好的統(tǒng)計(jì)車流量，需要應(yīng)用到車流量檢測(cè)技術(shù)來(lái)輔助統(tǒng)計(jì)車輛及道路情況。同時(shí)隨著一門新興技術(shù)飛速發(fā)展，名為“計(jì)算機(jī)視覺(jué)技術(shù)”，由于要確保道路交通系統(tǒng)的安全和通行的效率，智能交通系統(tǒng)分析交通視頻序列應(yīng)運(yùn)而生。

智能交通系統(tǒng)利用先進(jìn)的科學(xué)技術(shù)進(jìn)行交通控制和服務(wù)控制，并緊密結(jié)合車輛、道路和用戶，從而形成一個(gè)高效、安全、全方位管理的綜合智能交通系統(tǒng)。智能交通系統(tǒng)是一種充分利用交通基礎(chǔ)設(shè)施，實(shí)現(xiàn)交通環(huán)保節(jié)能，提升交通服務(wù)水平的手段。智能交通系統(tǒng)主要包括車輛檢測(cè)跟蹤，車牌智能識(shí)別，車輛分類，車速檢測(cè)，交通流量統(tǒng)計(jì)等。在智能交通系統(tǒng)的開(kāi)發(fā)中，分割和提取有用的車輛信息以及在復(fù)雜的交通場(chǎng)景中進(jìn)行有效的分析和處理是一個(gè)非常具有挑戰(zhàn)性的問(wèn)題。隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)在智能交通系統(tǒng)中的應(yīng)用將具有更廣闊的發(fā)展前景。

1 課題相關(guān)領(lǐng)域的發(fā)展概括及研究現(xiàn)狀

目前國(guó)內(nèi)研究的交通信息采集方法一般都是物理接觸類，主要包括壓電、壓力管檢測(cè)、環(huán)形線圈檢測(cè)和磁檢測(cè)。經(jīng)過(guò)多年的開(kāi)發(fā)技術(shù)，測(cè)量精度高，易于掌握。但仍存在許多問(wèn)題。例如，收集裝置埋在地下，難以安裝和維護(hù)。隨著公路車輛的增加，接觸裝置的使用壽命越來(lái)越短。為了解決上述問(wèn)題，需要從其他角度入手，而不是一味的依靠一些儀器檢測(cè)出來(lái)的數(shù)據(jù)來(lái)統(tǒng)計(jì)。本文中提出可以逐步用智能系統(tǒng)來(lái)替代這些方法，從而不需要在維護(hù)儀器上浪費(fèi)時(shí)間和精力，我們可以通過(guò)路段監(jiān)控，并且加以視頻處理。通過(guò)計(jì)算得出一個(gè)比較準(zhǔn)確的統(tǒng)計(jì)數(shù)據(jù)，這樣可以節(jié)省很多人力物力。

1.1 項(xiàng)目方案

（1）道路交通資料收集。在某個(gè)路段或某幾個(gè)路段采集多組視頻監(jiān)控，并加以保存歸類。

（2）各時(shí)段交通道路情況的視頻了解。除了采集視頻，還要對(duì)每個(gè)時(shí)間段有明確的認(rèn)知，因?yàn)椴皇敲總€(gè)時(shí)間段的車流量都是相近的，高峰期的監(jiān)控視頻和交通舒暢時(shí)段的監(jiān)控都要有收集并分類。

（3）對(duì)視頻加以處理。對(duì)視頻的去噪處理、灰度變換。

（4）在不同天氣條件下（晴天，陰天，下雨）檢測(cè)道路車輛。留意各個(gè)天氣的車流量，爭(zhēng)取各類天氣的監(jiān)控視頻都有收集，這樣得出的結(jié)論才會(huì)更加準(zhǔn)確。

（5）資料分析。整合處理好的視頻資料，利用背景差分法計(jì)算數(shù)據(jù)。

（6）車流量統(tǒng)計(jì)。整理計(jì)算好的數(shù)據(jù)，加以匯總。

2 視頻中運(yùn)動(dòng)目標(biāo)檢測(cè)方法

2.1 背景差分法

背景差分法也稱為背景減法方法或減法背景方法，基本思想是獲得背景圖像。把輸入圖像和背景圖像進(jìn)行相減運(yùn)算得到與輸入圖像和背景都不同的區(qū)域背景。差分法的主要思想是將視頻幀與估計(jì)的背景圖像幀相減，兩幀差異用作前景運(yùn)動(dòng)圖像以分割前景并用以檢測(cè)運(yùn)動(dòng)對(duì)象。本文采用該方法來(lái)計(jì)算車流量，因?yàn)樵摲椒梢韵鄬?duì)下面兩種方法來(lái)說(shuō)更準(zhǔn)確的得出計(jì)算結(jié)果。通過(guò)每一幀的背景差異來(lái)做運(yùn)算，不僅可以計(jì)算精準(zhǔn)，更可以消除模糊背景帶來(lái)的視覺(jué)誤差和系統(tǒng)誤差。

2.2 幀間差分法

幀間差分法，其思路是將鄰近兩幀做減法運(yùn)算并將相減結(jié)果作為前景用來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)信息。

2.3 光流法

在圖像處理領(lǐng)域，光流的概念是在圖像中移動(dòng)物體所呈現(xiàn)的速度。當(dāng)我們用眼睛觀察運(yùn)動(dòng)的物體時(shí)，一系列連續(xù)運(yùn)動(dòng)的信息傳達(dá)給我們的視覺(jué)接收器——視網(wǎng)膜，而隨著時(shí)間的延伸，變化的信息不斷地傳遞給視網(wǎng)膜，運(yùn)動(dòng)的信息實(shí)際就是光線不斷變化的信息猶如光流一樣。

2.4 問(wèn)題及解決辦法

如何提取車前燈的關(guān)鍵信息是本文的研究重點(diǎn)。由于夜間可見(jiàn)度低，有很多干擾物，不能清晰的體現(xiàn)出來(lái)車燈的數(shù)量以及位置，為了提取車前燈的關(guān)鍵信息，項(xiàng)目小組成員經(jīng)過(guò)查閱資料發(fā)現(xiàn)，確定了可以通過(guò)車前燈的對(duì)數(shù)來(lái)計(jì)算并完成夜間的車流量的統(tǒng)計(jì)設(shè)計(jì)方案。首先，通過(guò)對(duì)比可以了解到在晚上統(tǒng)計(jì)車流量的特點(diǎn)。然后，通過(guò)在某一段路口監(jiān)控視頻的采集并處理圖像來(lái)方便計(jì)算。最后，制定一種算法，通過(guò)該算法以及對(duì)車燈對(duì)數(shù)的統(tǒng)計(jì)來(lái)實(shí)現(xiàn)車輛的檢測(cè)和車輛的跟蹤。這種方法可以較好的在跟蹤目標(biāo)的過(guò)程中實(shí)現(xiàn)夜間車流量的計(jì)算的。

3 目標(biāo)跟蹤方法

3.1 基于特征的跟蹤

該方法做出一種假設(shè)，通過(guò)建立一個(gè)唯一的目標(biāo)特征集來(lái)確定移動(dòng)目標(biāo)，然后把移動(dòng)的目標(biāo)設(shè)置成相應(yīng)的特征集。本文使用該方法進(jìn)行目標(biāo)跟蹤，因?yàn)榧夹g(shù)原因，基于區(qū)域的跟蹤并不成熟，容易出現(xiàn)數(shù)據(jù)上的誤差，所以使用該方法更佳嚴(yán)謹(jǐn)一些。

3.2 基于區(qū)域的跟蹤

這種方法需要的是一個(gè)沒(méi)有太多形狀變化的目標(biāo)，而且視線良好無(wú)障礙物影響，要不然的話，很容易因?yàn)槟承┲匾奶囟ǖ囊蛩貋G失導(dǎo)致失去對(duì)目標(biāo)的跟蹤。這些年以來(lái)，這種方法逐漸的受到人們的重視，社會(huì)以及國(guó)家的相關(guān)研究人士也開(kāi)始從該方法入手，當(dāng)需要解決一種模版的變化的問(wèn)題，可以了解到該種變化可能是因?yàn)槟繕?biāo)的移動(dòng)以及形態(tài)或者位置引起的。

4 夜間視頻圖像預(yù)處理

夜間視頻圖像處理過(guò)程如圖1所示，具體流程詳見(jiàn)下面介紹。

4.1 流程

（1）收集視頻。通過(guò)提取某路段的監(jiān)控視頻或者不定期的在該路段拍攝視頻實(shí)現(xiàn)收集各種情況下的車流量視頻。

（2）視頻格式化。

（3）灰度變換。通常經(jīng)輸入系統(tǒng)獲取的圖像信息中含有各種各樣的噪聲與畸變，例如室外光照度不夠均勻會(huì)造成圖像灰度過(guò)于集中；這些不可遊免地影響系統(tǒng)圖像清晰度，降低了圖像質(zhì)量，因此，在對(duì)對(duì)圖像進(jìn)行分析之前，必須對(duì)圖像質(zhì)量經(jīng)行改善，一般情況下使用圖像增強(qiáng)，該方法目的是設(shè)法改善圖像的視覺(jué)效果，提高圖像的可讀性，將圖像中感興趣的特征有選擇的突出，便于人與計(jì)算機(jī)的分析和處理灰度變換是圖像增強(qiáng)處理中一種非常基礎(chǔ)直接的空間域圖像處理方法?；叶茸儞Q是根據(jù)某種條件按一定變換關(guān)系逐點(diǎn)改變每一個(gè)像素灰度值的方法。

（4）二值化。一幅圖像包括目標(biāo)物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個(gè)閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。這是研究灰度變換的最特殊的方法，稱為圖像的二值化。

（5）圖像去噪。去噪處理，可以讓圖像精準(zhǔn)度更高。

（6）數(shù)學(xué)形態(tài)學(xué)處理。通過(guò)數(shù)學(xué)方法加以計(jì)算分析，得到所要求的結(jié)果。

4.2 數(shù)字圖像技術(shù)

在本文中，基于車輛前燈的運(yùn)動(dòng)檢測(cè)用于交通流量統(tǒng)計(jì)，攝像機(jī)應(yīng)捕獲車輛進(jìn)入的視頻鏡頭。圖像處理軟件基于數(shù)字運(yùn)算的處理方式，決定了圖片大小（像素點(diǎn)的多少）與之運(yùn)算速度直接關(guān)聯(lián)。對(duì)于車輛檢測(cè)和統(tǒng)計(jì)車流量來(lái)說(shuō)，實(shí)際只需提取交通圖像幀中的感興趣區(qū)域，僅對(duì)感興趣區(qū)域（ROI）執(zhí)行相應(yīng)算法操作即可達(dá)到研究目的?；诟信d趣區(qū)域的運(yùn)動(dòng)目標(biāo)檢測(cè)在實(shí)現(xiàn)功能的情況下，相比檢測(cè)完整圖片幀中的所有像素點(diǎn)具有運(yùn)算量少、精度高等優(yōu)點(diǎn)。

夜間環(huán)境下交通視頻幀含有噪聲因素較多，其中光線變化因素對(duì)前景像素的提取具有很大干擾。為了后續(xù)較好的提取車燈前景像素，需要對(duì)所獲取的交通監(jiān)控視頻圖像進(jìn)行預(yù)處理，其中包括閾值分割、灰度變換、對(duì)比度調(diào)整、高斯平滑濾波等。

4.3 視頻采集的地點(diǎn)

基于本文使用車前燈這一車輛局部特征識(shí)別車輛運(yùn)動(dòng)特征的方法，選取交通道路的要求為具有多車道且車流量較多的城市主要交通干路，采集時(shí)間為夜晚下班高峰時(shí)間段。鑒于是夜晚時(shí)段，經(jīng)過(guò)商議，一致決定挑選該的地點(diǎn)應(yīng)為路面情況好，燈光照明設(shè)備良好，道路兩旁雜亂物體應(yīng)盡可能少。

5 統(tǒng)計(jì)與計(jì)算

在不發(fā)生車輛變道的情況下，對(duì)于最左側(cè)車道即認(rèn)為該車道上運(yùn)動(dòng)車輛的前燈的中心坐標(biāo)不斷朝視頻幀左下角運(yùn)動(dòng)，并記錄坐標(biāo)變化后的車前燈中心坐標(biāo)。當(dāng)新的車前燈中心位于記錄的車前燈中心坐標(biāo)行駛方向的后方一定距離時(shí)且當(dāng)前前方無(wú)車輛前燈，認(rèn)為有新車輛進(jìn)入該車道，該車道流量計(jì)數(shù)加一。最后完成計(jì)算。

6 結(jié)束語(yǔ)

本文主要研究基于智能系統(tǒng)，前期不定期收集監(jiān)控視頻，待各時(shí)段，各種天氣的視頻都收集整理好，加以分類處理，格式化之后通過(guò)去噪，灰度變換得到可以計(jì)算的格式，通過(guò)背景差分法來(lái)計(jì)算數(shù)據(jù)并整理，期間目標(biāo)跟蹤利用假設(shè)一個(gè)目標(biāo)的特征，例如車前燈對(duì)數(shù)來(lái)實(shí)現(xiàn)對(duì)每個(gè)目標(biāo)的清晰跟蹤。最后得出計(jì)算結(jié)果，可以簡(jiǎn)易實(shí)現(xiàn)智能架通系統(tǒng)的夜間車流量統(tǒng)計(jì)。

參考文獻(xiàn)

[1] 郭怡文，袁飛虎.基于背景差分的多車道車流量檢測(cè)系統(tǒng)[J].電光與控制，2010.17（9）：90-93.

[2] 章冠，李棟，郭建強(qiáng)等.基于磁感線圈的車流量檢測(cè)的研究[J].現(xiàn)代電子技術(shù)，2012.

[3] 陰亮.基于視頻圖像的車輛車速與外形參數(shù)檢測(cè)[D].北方工業(yè)大學(xué)，2008.

[4] 馬永杰，李鵬飛，王彬.一種新的夜間交通流量檢測(cè)方法[J].西北師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2015（3）：43-48.

[5] 周斌.基于視覺(jué)的夜間車輛檢測(cè)與跟蹤[D].杭州電子科技大學(xué)，2015.

[6] 張永麗，張?zhí)?，畢建?基于自適應(yīng)背景初始化的車流量檢測(cè)算法[J].微電子學(xué)與計(jì)算機(jī)，2007.24（5）：138-140.

[7] 宋雪樺，陳瑜，耿劍鋒，等.基于改進(jìn)的混合高斯背景模型的運(yùn)動(dòng)目標(biāo)檢測(cè)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2010.31（21）：4646-4649.

[8] 聶美玲.基于車燈幾何和運(yùn)動(dòng)特征的夜間車輛檢測(cè)及追蹤[D].哈爾濱工程大學(xué)，2014.

[9] 劉莉，潘曉露，李一民.基于視頻的夜間車流量統(tǒng)計(jì)[J].微處理機(jī)，2012.33（1）：67-70.

[10] Zhang W，Wu Q M J，Wang G， et al. Tracking and Pairing Vehicle Headlight in Night Scenes[J].IEEE Transactions on Intelligent Transportation Systems，2012.13（1）：140-153.

[11] 聶美玲.基于車燈幾何和運(yùn)動(dòng)征的夜間車輛檢測(cè)及追蹤[D].哈爾濱工程大學(xué)，2014.

[12] 李小琦.基于Matlab的圖像閾值分割算法研究[J].軟件導(dǎo)刊，2014（12）.

[13] 許欣.圖像增強(qiáng)若干理論方法與應(yīng)用研究[D].南京理工大學(xué)，2010.

[14] 趙小川，何灝，繆遠(yuǎn)誠(chéng)等.Matlab數(shù)字圖像處理實(shí)戰(zhàn)[M].北京：機(jī)械工業(yè)出版社，2013：59-74.