王思甜　趙禹平　劉云飛

摘要：隨著社會(huì)發(fā)展，汽車數(shù)量快速增長(zhǎng)，人們的生產(chǎn)和生活因此變得更加便利，但交通擁堵等一系列問題也隨之而來。因此，城市發(fā)展中的一個(gè)重要問題是如何解決城市道路交通擁堵問題。為了提高交通管理部門的工作效率，智能交通視頻圖像處理技術(shù)發(fā)展日漸成熟。如果智能交通的相關(guān)技術(shù)能夠?qū)崿F(xiàn)，將直接影響道路交通的控制能力。在處理和分析交叉路口的車輛圖像時(shí)，用到計(jì)算機(jī)圖像處理及其分析技術(shù)，同時(shí)獲取道路交叉處的交通參數(shù)，并對(duì)交通燈的紅綠燈持續(xù)時(shí)間進(jìn)行實(shí)時(shí)調(diào)整。介紹了道路監(jiān)控系統(tǒng)中的圖像處理技術(shù)，希望能為相關(guān)人員提供一些參考和意見。

關(guān)鍵詞：智能交通;信息采集;信號(hào)控制;目標(biāo)追蹤

中圖分類號(hào)：U491

文獻(xiàn)標(biāo)識(shí)碼：A

DOI： 10.15913/j.cnki.kjycx.2019.09.017

1 國(guó)內(nèi)外先進(jìn)交通管理系統(tǒng)研究現(xiàn)狀

1.1 國(guó)內(nèi)研究現(xiàn)狀

在中國(guó)道路交通和經(jīng)濟(jì)發(fā)展的過程中，國(guó)家逐漸意識(shí)到交通狀況管理的重要性，并逐步引入智能交通管理系統(tǒng)。中國(guó)在這方面的發(fā)展與其他國(guó)家相比比較緩慢。在技術(shù)人員的研究下，中國(guó)的城市智能交通管理系統(tǒng)的發(fā)展也越來越快。相關(guān)調(diào)查顯示，目前市場(chǎng)上有數(shù)千家智能交通行業(yè)企業(yè)。城市智能交通管理系統(tǒng)是目前中國(guó)交通運(yùn)輸業(yè)最重要的產(chǎn)品，在市場(chǎng)中占據(jù)主導(dǎo)地位，將為中國(guó)的交通運(yùn)輸業(yè)發(fā)展帶來一個(gè)很大的空間。

1.2 國(guó)外研究現(xiàn)狀

智能交通目前在各大國(guó)家和地區(qū)尚處于嘗試探索階段，如美國(guó)、日本、歐洲等。美國(guó)政府因?yàn)橹匾曋悄芙煌ㄏ到y(tǒng)的開發(fā)和建設(shè)，所以在這方面取得了很好的成果。歐洲基于遠(yuǎn)程信息處理技術(shù)的發(fā)展，目前專用的交通無線數(shù)據(jù)通信網(wǎng)絡(luò)也已經(jīng)建立起來，先進(jìn)的公共交通信息服務(wù)系統(tǒng)也已開發(fā)。

1.3 城市智能交通管理系統(tǒng)的組成

1.3.1 智能交通監(jiān)控系統(tǒng)

交通監(jiān)控系統(tǒng)的智能化可以協(xié)助疏導(dǎo)道路交通。在監(jiān)控區(qū)域內(nèi)可以通過監(jiān)控系統(tǒng)，實(shí)時(shí)監(jiān)測(cè)交通的堵塞情況以及信號(hào)燈的狀態(tài)等，并通過監(jiān)測(cè)的信息實(shí)施恰當(dāng)?shù)拇胧┚徑饨煌〒矶?，具體組成如圖1所示。

1.3.2 城市交通流誘導(dǎo)系統(tǒng)

智能交通管理系統(tǒng)需要先對(duì)車輛進(jìn)行定位分析，規(guī)劃車輛行駛路線，及時(shí)解決重要路段和交叉路口的擁堵問題，提供道路交通實(shí)時(shí)信息。交通誘導(dǎo)系統(tǒng)組成如圖2所示。交通信息控制中心可以實(shí)現(xiàn)信息的采集，這些信息包括道路狀態(tài)、流量等，然后處理信息，對(duì)交通流進(jìn)行誘導(dǎo)疏通。

2 視頻圖像處理相關(guān)技術(shù)

2.1 圖像預(yù)處理

2.1.1 圖像灰度化

從監(jiān)控視頻中提取的待處理幀的圖像序列主要是彩色圖像，反映瞬時(shí)真實(shí)交通場(chǎng)景。交通狀況分很多種，不同情況應(yīng)該選擇最恰當(dāng)?shù)哪Ｐ?。監(jiān)視視頻通常是彩色圖像，圖像灰度的轉(zhuǎn)換方法有均值方法、最大值法和加權(quán)平均法等。例如加權(quán)平均方法，通過設(shè)置圖像像素的R、G、B的權(quán)重占比來計(jì)算。彩色圖像灰度化如圖3所示。

2.1.2 圖像濾波

交通監(jiān)控捕獲的圖像信息，在傳輸和接收的過程中，會(huì)受到各種噪聲干擾，比如高斯白噪聲。在后續(xù)操作期間不能提取圖像的一些重要特征，執(zhí)行圖像處理和分析時(shí)會(huì)有困難，這不利于交通部門進(jìn)行觀察和記錄。鑒于此，有必要采取一定的措施來抗噪聲，如對(duì)圖像做濾波處理等，從而提高視頻圖像的質(zhì)量。域?yàn)V波方法有均值濾波、中值濾波、高斯濾波等。圖像濾波如圖4所示。

2.1.3 圖像二值化

當(dāng)檢測(cè)到車輛區(qū)域移動(dòng)時(shí)，需要將檢測(cè)到的區(qū)域轉(zhuǎn)換為二值化圖像，這對(duì)于諸如圖像分割的后續(xù)操作是必要的。通過設(shè)置合理的閾值，灰度級(jí)別分為白色（ 255）和全黑色（0）兩種，如圖5所示。

2.1.4 圖像形態(tài)學(xué)操作

當(dāng)檢測(cè)到車輛區(qū)域時(shí)，經(jīng)過二值化處理的圖像存在許多缺陷，例如小孔、孤立的小區(qū)域和孤立點(diǎn)，這導(dǎo)致目標(biāo)車輛區(qū)域信息不完整，不利于圖像分割。在這種情況下，通常使用數(shù)學(xué)形態(tài)學(xué)運(yùn)算來解決問題并提取完整的目標(biāo)車輛區(qū)域，最常用的有膨脹、腐蝕等，具體效果如圖6所示。

2.2 圖像分割

圖像分割，即將圖像根據(jù)性質(zhì)劃分為多個(gè)區(qū)域，之后分析和處理相關(guān)的區(qū)域。同時(shí)，在圖像處理和分析領(lǐng)域，圖像分割具有不尋常的位置，即關(guān)鍵點(diǎn)和難點(diǎn)，良好的分割精度決定了整個(gè)實(shí)驗(yàn)的成敗。圖像分割的主要方法有基于灰度劇烈突變的邊緣檢測(cè)、邊緣連接和基于灰度值相似性的閾值分割方法等。

3 交通視頻中目標(biāo)車輛檢測(cè)

3.1 檢測(cè)方法

3.1.1 光流法

由于車輛在不停運(yùn)動(dòng)，在某一時(shí)刻，車輛的空間運(yùn)動(dòng)被投射到平面圖像上，并且光流是投影運(yùn)動(dòng)的過程，表示圖像的像素點(diǎn)瞬時(shí)速度。

3.1.2 幀間差分法

幀間差分方法的原理如圖7所示。

3.1.3 背景差分法

背景差分方法的實(shí)質(zhì)是在當(dāng)前幀圖像與背景圖像的基礎(chǔ)上做減法運(yùn)算。車輛在監(jiān)控視野內(nèi)運(yùn)動(dòng)，當(dāng)圖像集內(nèi)某個(gè)像素點(diǎn)x在時(shí)刻t和時(shí)刻t+△t的灰度值差異超過一定閾值，時(shí)，該像素被放人移動(dòng)目標(biāo)區(qū)域Sm，反之則放人背景區(qū)域（靜態(tài)區(qū)域）Sb。背景差分法原理如圖8所示。

3.2 目標(biāo)追蹤

對(duì)于區(qū)域跟蹤方法，如果可以在背景建模中恢復(fù)真實(shí)場(chǎng)景并且可以消除影響最終建模的相關(guān)特征，則可以最大化最大值。在提高區(qū)域跟蹤方法的跟蹤效率的問題上，該領(lǐng)域人員在跟蹤方法中遇到的最常見困難是如何處理遮擋問題。與區(qū)域跟蹤相比，動(dòng)態(tài)輪廓跟蹤在邏輯和實(shí)際操作方面更簡(jiǎn)單。如果初始值參數(shù)足夠明確、清晰，則可以快速執(zhí)行預(yù)算和比較。

如果初始參數(shù)有缺陷或必要參數(shù)模糊，則使得整個(gè)操作效率都大幅度下降。在一些環(huán)境中，車輛的局部特征可能更明顯和容易捕獲，在對(duì)象捕獲過程中會(huì)有旋轉(zhuǎn)運(yùn)動(dòng)的對(duì)象。此時(shí)，根據(jù)一般信息提取方法難以收集足夠的有效圖像，并且在鏈路中提取數(shù)據(jù)時(shí)將存在一定比例的失真現(xiàn)象，從而導(dǎo)致系統(tǒng)無法進(jìn)行正常跟蹤，這會(huì)影響最終結(jié)果的準(zhǔn)確性。為了解決這個(gè)問題，系統(tǒng)需要進(jìn)行額外的計(jì)算，用程序計(jì)算方法提高數(shù)據(jù)捕獲的準(zhǔn)確性，但這又會(huì)增加系統(tǒng)的計(jì)算壓力。在進(jìn)行大量計(jì)算時(shí)需要強(qiáng)大的計(jì)算基礎(chǔ)，如果不滿足此要求，計(jì)算過程將花費(fèi)大量時(shí)間，從而降低系統(tǒng)的整體效率，有時(shí)由于計(jì)算時(shí)間錯(cuò)位而導(dǎo)致系統(tǒng)失去原有的跟蹤目標(biāo)，此問題還有待繼續(xù)研究。

4 交通燈智能控制

設(shè)在南北方向上運(yùn)行，其順序?yàn)橄蚯爸毙泻笞筠D(zhuǎn)，在東西方向直行，然后左轉(zhuǎn)。在初始化時(shí)，系統(tǒng)進(jìn)入基本模式（固定模式），南北直行及東西直行時(shí)間為30s，左轉(zhuǎn)時(shí)間為20 s。系統(tǒng)啟動(dòng)前的3 min采用固定模式，此時(shí)，連續(xù)更新背景，然后進(jìn)入自動(dòng)調(diào)整模式。首先，可以在紅燈倒計(jì)時(shí)3s時(shí)采集圖像，計(jì)算車輛的密度，記為D。，此綠燈時(shí)間記為Ys。如果D_s∈|0，5%），則Y_s=10;如果D_s∈[5%，l0%），則Y_s=20;如果D_s∈[10%，15%），則Y_s=30;如果D_s∈[15%，25%），則Y_s=40;如果D_s∈[25%，30%），則Y_s=50;如果D_s≥30%，則Y_s=60。調(diào)整南北方向左轉(zhuǎn)的紅綠燈，車輛直行后左轉(zhuǎn)，直行倒數(shù)3s時(shí)采集圖像，計(jì)算得到左轉(zhuǎn)車道車輛密度，記為Di，左轉(zhuǎn)綠燈時(shí)間記為Yl。如果D_s∈[O，5%），則Y1=8;如果D_s∈[5%，lO%），設(shè)置Y1=12;如果D1< l0%，設(shè)置Y1=12;如果D1∈[10%，15%），設(shè)置Y1=25;如果Dl≥15%，則Y1=35，其他情況類似。對(duì)于直行和左轉(zhuǎn)同時(shí)可通行的路口，也可參照以上方案，只需使綠燈時(shí)間疊加。

5 結(jié)語

城市智能交通系統(tǒng)具有重要的現(xiàn)實(shí)意義，智能交通系統(tǒng)對(duì)促進(jìn)城市建設(shè)和社會(huì)合理發(fā)展起著關(guān)鍵作用。智能交通視頻圖像處理技術(shù)可以幫助交通管理部門和司機(jī)獲得更多的道路交通信息，減少城市交通資源的不合理分配情況。

參考文獻(xiàn)：

[1]周建儒基于Java Web的智能交通管理系統(tǒng)的設(shè)計(jì)與仿真[J].信息技術(shù)，2017（3）：143-145.

[2]夏洋.城市智能交通系統(tǒng)的設(shè)計(jì)研究以及發(fā)展策略[D]。西安：長(zhǎng)安大學(xué)，2012.

[3]徐建偉.淺析城市智能交通管理系統(tǒng)運(yùn)營(yíng)維護(hù)管理[J].建筑工程技術(shù)與設(shè)計(jì)，2017（ 26）：1752.

[4]高美蓉.智能交通管理系統(tǒng)的研究與設(shè)計(jì)[J].電子設(shè)計(jì)工程，2018，26 （9）： 115-122.

[5]張愛梅，孔文杰.基于圖像處理和DSP的交通燈實(shí)時(shí)智能控制系統(tǒng)的研究[J].鄭州大學(xué)學(xué)報(bào)（工學(xué)版），2010，31 （3）： 50-56.

[6]張立成，蔣楠，杭亦文，等.基于視頻控制的智能交通燈[J].電子測(cè)量技術(shù)，2011，34 （6）： 28-32.

[7]王鼎湘，李茂軍.基于車流量的交通燈智能控制算法[J]計(jì)算機(jī)應(yīng)用與軟件，2015，32（ 6）： 241-250.

[8]唐佳林，李熙瑩，羅東華，等.一種基于幀差法的夜間車輛檢測(cè)方法[J].計(jì)算機(jī)測(cè)量與控制，2008，40（12）： 1810-1813.

[9]楊陽，唐慧明.基于視頻的行人車輛檢測(cè)與分類[J].計(jì)算機(jī)工程，2014，40（ ll）：129-138.

[10]周志華.機(jī)器學(xué)習(xí)[M].北京：清華大學(xué)出版社，2016.

[11]楊占林.光纜網(wǎng)智能管理系統(tǒng)原理及在軌道交通骨干光纜網(wǎng)的應(yīng)用[J].通訊世界，2019.26（1）：18-23.

[12]張譯方.圖像處理與圖像識(shí)別新技術(shù)在智能交通中的運(yùn)用與實(shí)踐研究[J].商，2016 （7）： 227.

[13]趙凱.一種基于EDA的智能交通燈設(shè)計(jì)[J].武漢輕工學(xué)院學(xué)報(bào)，2009，28 （1）： 53-56.