劉自選，王爭爭，王雅雯，李利果，焦建業(yè)，王 琳

(河南科技大學，河南 洛陽 471023)

1 背景介紹

智能交通系統(tǒng)是一個基于現(xiàn)代電子信息技術(shù)面向交通運輸?shù)模瑢崟r、準確、高效的綜合運輸和管理服務系統(tǒng)。針對當前交通領(lǐng)域的矛盾與沖突以及信息采集延遲性問題，能夠?qū)崿F(xiàn)實時監(jiān)控交通運行情況，準確采集交通信息，實現(xiàn)自動控制球型攝像機的云臺及鏡頭狀態(tài)來動態(tài)跟蹤車輛目標并進行行為分析[1]，從而有效監(jiān)管車輛。基于視頻處理的車流量檢測設備安裝簡單、維護方便、運算快捷,能夠有效減少誤檢率[2]。基于全視頻圖像的智能交通監(jiān)控系統(tǒng),所擁有的實時監(jiān)控、布控、統(tǒng)計分析等基本功能的設計,可以從海量視頻數(shù)據(jù)中將一些無法直接獲取的有用信息通過智能分析、挖掘的手段提取出來,并以一種直觀的形式呈現(xiàn)給用戶,為廣大公安民警與交通管理人員提供一個更加智能的業(yè)務輔助工具,從而進一步提升道路交通管理水平[3]，為使交通運行處于最佳狀態(tài)，改善交通堵塞，提高運輸能力和整個交通系統(tǒng)的機動性、安全性及效率提供了穩(wěn)固的技術(shù)支持。

智能交通監(jiān)控管理系統(tǒng)是現(xiàn)代化城市建設不可或缺的一部分，智能交通監(jiān)控系統(tǒng)的普及可以使交通資源最大化利用。國內(nèi)車輛監(jiān)測發(fā)展過程主要分為四個階段，上世紀80年代采用普通照相機和感應線圈相結(jié)合的方式，90年代通過數(shù)碼相機和感應線圈相結(jié)合，做出了部分改進。2000年初期采用的是工業(yè)攝像機與感應線圈及工業(yè)控制計算機構(gòu)成系統(tǒng)，之后一直采用的是工業(yè)攝像機和工業(yè)控制計算機控制的系統(tǒng)，通過監(jiān)控區(qū)域所采集的實時圖像進行分析處理。20世紀90年代初，我國開始關(guān)注智能交通系統(tǒng)的發(fā)展,并在城市道路交通管理領(lǐng)域開展了多項科研和工程實踐。最開始時是建立“執(zhí)法記錄儀管理系統(tǒng)”配合“電子數(shù)據(jù)采集系統(tǒng)”用于傳輸、處理收集的電子證據(jù)。但是大量建設子系統(tǒng)缺乏對智能交通監(jiān)控系統(tǒng)的系統(tǒng)性、條理性管理。系統(tǒng)信息交流首先打破資源島的封鎖，通過超越管轄區(qū)域和交通方式的使用及管理實現(xiàn)信息資源的緊密連接，是智能交通監(jiān)視系統(tǒng)發(fā)展的必然趨勢[4]。目前交通控制系統(tǒng)決定了影像檢測技術(shù)在城市道路視頻監(jiān)控中的位置和作用，影像檢測技術(shù)為城市道路影像監(jiān)控中的應用提供了前提[5]。我們所做的開發(fā)系統(tǒng)的最終目標是用最新的算法進行運動目標的檢測及跟蹤，設計出一個完善的智能交通監(jiān)管系統(tǒng)。

2 程序設計

2.1 智能交通監(jiān)控系統(tǒng)的設計框架

本系統(tǒng)共有五個模塊：視頻采集模塊、運動目標檢測模塊、運動追蹤模塊、規(guī)則判別模塊、前臺用戶交互界面。視頻采集模塊是用攝像頭采集視頻并傳送到服務器，實現(xiàn)視頻的采集；運動目標檢測模塊用混合高斯模型訓練背景圖像，循環(huán)讀取視頻的每一幀，來獲取運動目標的信息即車輛的型號、顏色、車牌號等并發(fā)送到運動目標追蹤模塊；運動目標追蹤模塊接收到運動目標檢測模塊發(fā)送的信息后，根據(jù)已接收到的信息追蹤車輛；規(guī)則判別模塊根據(jù)已追蹤到的信息判別是否違反規(guī)則；前臺用戶交互界面將檢測到的信息及交通參數(shù)呈現(xiàn)給用戶，例如單位時間內(nèi)車流量、平均車速、擁堵狀態(tài)判斷等。基于視頻圖像處理的智能交通監(jiān)控系統(tǒng)的設計方案圖如圖1示。

圖1 智能交通監(jiān)控系統(tǒng)模塊

2.2 檢測追蹤

2.2.1 采集目標視頻

首先判斷是否有車輛通過，在有車通過的情況下將緩存視頻，將采集到的視頻信息輸入到客戶端進行讀取。

2.2.2 讀取視頻

1) 視頻圖像處理

彩色圖像灰度化：彩色圖像灰度化采用分量法，將RGB圖像中的三個分量的灰度值提取出來作為三個灰度圖像，可以按照需要選擇其中一個作為該圖像的灰度圖像。

圖像濾波去噪：圖像過濾器的作用是抑制影像噪音，保存圖像細節(jié)，這是圖像處理中最重要的階段，高斯濾波是過濾高斯白色噪音的有效方法，并且可以更好地保存圖像的細節(jié)信息，因此，選擇高斯濾波作為本文圖像濾波去噪的方法。

圖像二值化：圖像二值化是將處理過的圖像的所有像素值設為0或1，以黑白制作的過程，本文采用的圖像二值化算法為最大間類方差法。

圖像形態(tài)學處理：本文采用開運算作為形態(tài)學處理方法，開運算可以消除圖像中的細小黏連，可以保持目標區(qū)域大小基本不發(fā)生改變。

圖2 圖像處理效果

2) 運動目標檢測

背景差分法是最常用的運動檢測方法，是一種利用當前圖像和背景圖像之間的差分檢測運動區(qū)域的方法，它可以提供最完整的特征數(shù)據(jù)，但是它對動態(tài)場景中的更改，例如燈光和其他事物的改變比較敏感。背景差分法在運動目標識別中具有快速、準確、易于實現(xiàn)的特點，其關(guān)鍵是背景圖像的獲取。

背景差分法的原理是用背景參數(shù)模型近似代替背景圖像的像素值。然后用視頻當前幀和背景圖像做差分運算，從而提取出前景目標。背景差分法需要設定一個閾值，差分圖像像素值小于閾值的像素被當做背景像素，大于閾值的被當做前景像素。

圖3 背景差分法效果圖

整個視頻圖像的程序處理流程如圖4所示。

圖4 程序流程示意圖

車輛檢測結(jié)果如圖5所示。

圖5 車輛檢測結(jié)果

3 實驗結(jié)果與分析

經(jīng)多次實驗證明，本文開發(fā)的基于視頻處理的車輛檢測程序能夠?qū)崿F(xiàn)較好的監(jiān)測效果，但仍存在一定的誤差和漏檢，經(jīng)分析得，出現(xiàn)誤差和漏檢的主要原因如下：

1) 車輛顏色不均勻，經(jīng)過灰度化處理之后得到的灰度圖顏色也不均勻，使得提取到的前景圖不完整，一個車輛會有多個外接矩形而造成誤檢。

2) 早晚光線會有變化，背景圖會隨著光線變化而發(fā)生變化，可能會存在把光線變化的背景圖誤檢為前景圖，非車輛也會有外接矩陣。

程序還存在一定缺陷，有很多的改進余地，后續(xù)可進行更多研究，研究出一種誤差更小、能夠?qū)嶋H應用的車輛檢測系統(tǒng)。

4 結(jié)語

本文對視頻車輛檢測進行了研究，其中包括視頻圖像處理和車輛目標的提取跟蹤，完成了基于視頻處理的車輛檢測功能，該設計程序準確率較高，但仍存在一些缺陷，可完善之后再應用于實際情況中。