安徽理工大學電氣與信息工程學院 王匯芳 洪 炎 彭思雨 司逸菲 蘇 靜

在大學生創(chuàng)新創(chuàng)業(yè)項目的平臺上，提出了一種基于視頻流的車流監(jiān)測系統(tǒng)，以校園內(nèi)的道路交叉路口為檢測區(qū)域，利用無人機進行視頻流的采集，選用背景差分法進行車輛檢測，結(jié)合虛擬線圈法完成車流量的統(tǒng)計。并期望將該系統(tǒng)應(yīng)用于智能交通燈的設(shè)計，通過統(tǒng)計的車流量來動態(tài)的設(shè)置交通燈的等待與通行時間，同時根據(jù)車流量的大小進行限速預警，實現(xiàn)順暢交通和安全交通。

隨著科技時代的來臨，社會逐步向智能化演進，構(gòu)建智能交通體系成為近年來備受關(guān)注的焦點?；谝曨l流的車流監(jiān)測系統(tǒng)將數(shù)字圖像處理領(lǐng)域的技術(shù)融入傳統(tǒng)的交通行業(yè)，進行車輛的檢測，識別追蹤，以及車流量的統(tǒng)計，為交通部門控制交通安全及流量起到了重要的作用。此次的大學生創(chuàng)新創(chuàng)業(yè)項目中，我們從高校內(nèi)校園交通安全問題入手，在校園內(nèi)設(shè)置道路的交叉路口為檢測區(qū)域，在不同的時間段和天氣環(huán)境條件下利用無人機進行視頻的采集，然后經(jīng)過圖像處理，采用背景差分法進行車輛檢測，結(jié)合虛擬線圈法進行車流量的統(tǒng)計。期望可以將此系統(tǒng)應(yīng)用于校園智能交通燈的設(shè)計，使交通燈可以根據(jù)車流情況進行限速預警，并且可以動態(tài)的改變等待和通行的時間，促進交通順暢，控制交通安全。

1 無人機場景

利用大疆min2型無人機進行車流視頻的采集，與傳統(tǒng)的固定監(jiān)控設(shè)備相比，無人機具有高度的機動靈活性，易于操縱。但同時也具有懸停不穩(wěn)定等缺點，后期需要通過對視頻圖像進行消除抖動處理。采集車流視頻時，我們先使無人機懸停在合適的位置，然后通過云臺來調(diào)整視野角度，利用高清攝像頭獲取圖像，同時發(fā)送指令控制無人機的飛行狀態(tài)。

2 基于背景差分法的車輛檢測算法

背景差分法被廣泛的應(yīng)用到目標檢測技術(shù)中，具有計算量小，實時性高的優(yōu)點。同時背景差分法又對光照的變化和道路的狀況較為敏感，背景會不斷的變化，而背景模型的好壞對車輛檢測的效果影響較大，所以在算法運行過程中我們還需要對背景模型進行相應(yīng)的更新和動態(tài)的調(diào)整閾值。背景差分法的基本思想是根據(jù)采集的視頻序列得到背景的初始化參考模型，這里我們采用的是均值法進行背景的提取，得到背景的參考模型以后，將當前的幀圖像與不斷更新的背景參考模型作差分運算，得到差分圖像。經(jīng)過閾值化得到粗前景，如果差分的結(jié)果小于某一閾值，判定為無目標出現(xiàn)。否則，判定為有目標出現(xiàn)。最后通過形態(tài)學處理得到前景圖像。

背景差分法的運算流程如圖1所示。

圖1 背景差分法流程圖

背景差分法的計算公式如下：

利用均值法提取出背景圖像記為B，當前幀圖像記為FK，當前幀和背景幀對應(yīng)的像素點的灰度值為fk(x,y)和B(x,y)，將兩幀圖像對應(yīng)像素點的灰度值相減取絕對值即差分圖像Dk(x,y)，設(shè)定閾值T，進行二值化處理，得到粗前景，前景點灰度值為255，背景點灰度值為0。再對粗前景進行形態(tài)學處理，閉操作，膨脹操作等得到只有車輛的前景圖像。背景差分法效果如圖2所示。

圖2 背景差分法效果圖

背景的提取算法有均值法，統(tǒng)計中值法，單高斯背景模型法和混合高斯背景模型法。這里我們采用的是均值法進行背景的提取，均值法的特點是計算簡便，模型簡單?；舅枷胧沁x取某一點在一段視頻序列中的灰度值的平均值來代替該點的像素值，將運動的車輛作為噪聲，用車輛運行一段時間的N幀圖像做平均，消除車輛引起的變化，得到不變的背景點像素。

該方法適用于車速穩(wěn)定并且路況簡單的環(huán)境中，對于路況復雜并且行車緩慢的情況中，我們需要選取較多幀數(shù)的圖像作均值運算才能取得良好的背景效果，因此采用這種方法數(shù)據(jù)存儲量也較大。

3 基于虛擬線圈法的車流統(tǒng)計

用虛擬線圈區(qū)來設(shè)置感興趣的區(qū)域，不需要對采集的整幅圖像進行處理，只需要對線圈內(nèi)的圖像處理即可。設(shè)置虛擬線圈的寬度為車道的寬度，高度需要大于一輛車背寬的長度，長度小于最小車型的長度且要大于兩輛車的距離。同時虛擬線圈的數(shù)目對車流量統(tǒng)計的結(jié)果也有一定的影響，虛擬線圈數(shù)目越多，則車流量統(tǒng)計的準確率越高，但不是越多越好，可能會造成重復計數(shù)，需要消耗更大的計算資源，因此，在設(shè)置虛擬線圈數(shù)目時，要綜合多種因素進行考慮。

這里我們采用的是當車輛駛出虛擬線圈開始計數(shù)的方法，對圖像進行二值化，閉操作，膨脹操作等，對車輛的信息設(shè)置標志位，標志位的初始值為零，當車輛輪廓進入虛擬線圈內(nèi)時，標志位由0變?yōu)?，為了避免車輛輪廓重復計數(shù)的誤差，等車輛行進一段時間駛出虛擬檢測區(qū)開始計數(shù)，這時的標志位由1變?yōu)?。即車輛的標志位由1變成0時開始計數(shù)，其它情況均不計數(shù)。具體的車流量統(tǒng)計模塊的步驟如下：

(1)利用虛擬線圈設(shè)置感興趣的區(qū)域，虛擬線圈的大??；(2)設(shè)置車輛的信息標志位，標志位為1即有車輛駛?cè)胩摂M檢測區(qū)內(nèi)，若為0則沒有車輛通過；(3)判斷車輛是否駛出虛擬檢測區(qū)，如果駛出則標志位為0；(4)當標志位由1變成0時，對車流量進行加1計數(shù)。

我們設(shè)置了兩個感興趣區(qū)域，分別是安徽理工大學西門與北門，采集早晨7:45至8:00和下午15:30至16:00的車流視頻，如圖3所示，我門可以得出如下結(jié)論：在同一時間段西門與北門的車流量相當，而早晨的車流量要略大于下午的車流量。

圖3 車流統(tǒng)計結(jié)果

4 總結(jié)及展望

本項目在實現(xiàn)的過程中，遇到過很多困難，從檢測區(qū)域的選擇設(shè)置，到算法的修改優(yōu)化，一次次的發(fā)現(xiàn)問題解決問題。雖然進展緩慢，過程曲折，但是我們迎難而上，終于在小組成員的共同努力下完成了本項目。并且通過此次創(chuàng)新訓練項目我們的創(chuàng)新與實踐能力得到了進一步的提升，開拓了視野，增長了見識。

本次研究不僅提出了基于視頻流的車流監(jiān)測系統(tǒng)，并且后期期望將此系統(tǒng)應(yīng)用于智能交通燈的主要模塊，實時地提高交通的通行效率，控制交通安全，有利于實現(xiàn)交通順暢。本系統(tǒng)包括圖像采集，預處理，車輛檢測，車流統(tǒng)計四個模塊，采用背景差分法進行車輛檢測，背景差分法建立的背景模型易受環(huán)境路況和光照的影響，因此我們提出了背景的更新和動態(tài)閾值的設(shè)置。雖然可以較好的解決該問題，但仍然存在一些不足之處有待改進。車流量統(tǒng)計模塊我們采用虛擬線圈法設(shè)置檢測區(qū)域，虛擬線圈的大小位置以及數(shù)目需要綜合多種因素進行考慮，降低漏檢和重復計數(shù)的可能。將所統(tǒng)計的數(shù)據(jù)生成報告提交有關(guān)交通部門，以實現(xiàn)對交通流量的控制，并期望可以將該系統(tǒng)應(yīng)用到智能交通燈的主要模塊，實現(xiàn)校園內(nèi)無阻礙安全交通。