（信号与信息处理专业论文）基于边缘信息的交通流量检测研究.pdf

摘要 摘要 随着社会经济的高速发展和城市化进程的加快，交通运输也在不断地飞速增 长。为了解决日益严峻的交通问题，综合运用了计算机技术、数据库技术和图像 j 处理技术等多种高新技术的智能交通系统i t s ( i n t e l l i g e n tt r a f f i cs y s t e m ) 应运而生。在智能交通系统中，车辆数目、车辆实时速度等交通流参数的实时获 取是信号灯控制、交通仿真和决策的基础，在整个交通系统中起着非常重要的作 用，因此车辆检测技术越来越受到国内外学者的关注。 基于图像处理技术的车流量分析是近年来新兴起的一种车辆检测技术，其主 要任务是通过安装在道路旁边的视频采集设备来获取连续帧数的实时图像信息， 然后经过相应的图像处理算法分析进而反馈出实时的车辆数目，车速等交通系统 所需要的参数，最后达到智能地控制交通的目的。 本文对应用于车流量检测中所用到的图像处理算法做了大量的研究，并在此 基础上提出了基于图像边缘信息的方法来检测车辆数目。检测算法首先对户外环 境下获得的连续帧图像信息作预处理运算以减少后续检测时的误差，然后采用图 像边缘信息对作叠加处理以获得图像的实时背景更新，并在此基础上作图像边缘 差运算检测出运动的车辆，最后提取出检测带数据并作数据的修正运算以减少运 动车辆的误判或漏判。 在图像的预处理方面主要是针对户外环境下光线变化时实时图像获取中的 噪声影响，为此检测算法把原始彩色图像转换为灰度图像并作图像滤波处理。同 时考虑到摄像设置在户外环境下时轻微振动带来的噪声干扰，检测算法相应地采 用领域比较方法以减少噪声影响。 在运动车辆的检测方面，检测算法根据车辆的运动特性和路面静止特性采用 图像边缘叠加来完成背景图像的实时更新。这种方法能够较好得到背景图像的实 时更新效果并解决了背景图像的初始化问题。同时算法处理只在检测带内进行， 减少了算法的运算。对于车辆的过道现象；算法采用浮动窗口法解决。 在车辆计数方面，检测算法提取了检测带的数据并根据车辆特性对数据作了 修正处理以减少车辆误判或漏判。 本文最后提供了大量的实验数据证明了基于边缘信息的车流量检测算法是 广东t 业大学硕士学位论文 可行的，而且具有检测精度高，实时性好，计算速度快等优点，在高速公路上具 有很好的使用价值。 关键词：视频检测技术，车辆目标检测，背景更新，车流量检测，边缘检测， 智能交通系统 h a b s t r a c t a b s t r a c t t h e nt h es o c i a le c o n o m i ca n dg a r d e nc i t yd e v e l o pr a p i d l y , t h et r a f f i ci s i n c r e a s i n gq u i c k l ya tt h es a m et i m e f o rs o l v i n gt h ed i f f i c u l tt r a f f i cp r o b l e m ，t h en e w m e t h o dc a l l e di t s ( i n t e l l i g e n tt r a f f i cs y s t e m ) b e c o m et h em a j o rm e t h o d ，w h i c hu s e s n e w t e c h n o l o g y ，i n c l u d e sc o m p u t e rt e c h n o l o g y , d a t a b a s e ，d i g i t a li m a g ep r o c e s s i n g i nt h ei t s ，t h et r a f f i cp a r a m e t e r s ，i n c l u d e sv e h i c l en u m b e ra n dv e h i c l es p e e d ，a r et h e b a s i co fs i g n a lc o n t r o l ，t r a f f i cs i m u l a t i o na n dt r a f f i cd e c i s i o n ，w h i c hp l a ya ni m p o r t a n t r o l ei nt h et r a f f i cs y s t e m s om a n ys t u d e n t sp a yc l o s ea t t e n t i o no nt h ev e h i c l e m e a s u r i n gt e c h n o l o g y t h ev e h i c l ef l o wm e a s u r i n gb a s e do ni m a g ep r o c e s s i n gi st h en e wv e h i c l e m e a s u r i n gi nr e c e n ty e a r s ，w h i c hg e tt h es e r i e si m a g ei n f o r m a t i o ni nr e a lt i m eb y v i d e oe q u i p m e n tf i x e do nt h es i d e w a r dr o a da n du s et h ei m a g ea l g o r i t h mt oo b t a i nt h e v e h i c l en u m b e r sa n dv e h i c l es p e e do ft h et r a f f i ca n dc o n t r o lt h et r a f f i ca tl a s t t h ep a p e rs t u d i e dn u m b e r so fi m a g ep r o c e s s i n ga l g o r i t h m si nv e h i c l ef l o w m e a s u r i n ga n dp r o p o s e dak i n do fv e h i c l ef l o wm e a s u r i n ga l g o r i t h mb a s e do ni m a g e e d g e a tf i r s t ，t h ep a p e ru s e st h es e r i e si m a g e s ，w h i c hg o tf r o mo u t d o o r s ，t of m i s ht h e p r e t r e a t m e n tf o rr e d u c i n ge r r si nt h em e a s u r e ，a n dt h e nu s et h ea d d i t i o no fe d g e i n f o r m a t i o nt og e tt h eu p d a t eb a c k g r o u n di m a g e a f t e rt h a t ，t h ep a p e rg e t st h em o v i n g v e h i c l ei n f o r m a t i o nb yi m a g ed i f f e r e n c e a tl a s t ，t h ep a p e rg e t st h ed a t ao fm e a s u r i n g d o m a i na n da m e n d si tf o rr e d u c i n gt h ew r o n g o p e r a t i o n t h ei m a g ep r e t r e a t m e n ts o l v et h ei m a g ee f f e c to fy a w p ，w h i c hc a u s e db yl i n e c h a n g ei nt h eo u t d o o r s t h ep a p e rc h a n g e st h eo r i g i n a lc o l o ri m a g et og r a yi m a g ea n d f i n i s h e st h ef i l t e rp r o c e s s i n g f o rr e d u c i n gt h ey a w pc a u s e db yv i d e oe q u i p m e n ti nt h e o u t d o o r s ，t h ep a p e rn e e d st oc o m p a r et h ed o m a i nb e t w e e nt h ed i f f e r e n ti m a g e s f o rg e t t i n gt h eu p d a t eb a c k g r o u n di m a g e ，t h ep a p e ru s e st h ea d d i t i o no fe d g e i m a g eb yt h ec h a r a c t e r i s t i cm o v i n gv e h i c l ea n ds t a t i cl o a d t h em e t h o dc a no b t a i nt h e e f f e c to fu p d a t ei m a g ea n ds o l v et h ei m a g ei n i t i a l i z a t i o nd i f f i c u l t y b e s i d e s ，t h e i i i 广东工业大学硕上学位论文 m e t h o df i n i s h e st h eo p e r a t i o ni nt h em e a s u r ed o m a i n ，w h i c hr e d u c e st h eu n n e c e s s a r y w o r k b e c a u s et h ev e h i c l ew i l lm o v eb e t w e e nt w or o a d s ，t h ep a p e rm e a s u r e st h e v e h i c l eb yf l o a t i n gw i n d o w f o ro b t a i nt h en u m b e r so fv e h i c l e ，t h ep a p e rg e t st h ed a t ao fm e a s u r i n gd o m a i n a n da m e n d si tf o rr e d u c i n gt h ew r o n go p e r a t i o n i nt h ee n do ft h ep a p e r , i tp r o v i d e st h en u m b e r so fe x p e r i m e n td a t at op r o v et h e a l g o r i t h m ，w h i c hp r o v e st h a tt h ea l g o r i t h mi sf e a s i b l e ，e f f i c i e n ta n dh a sh i g hp r e c i s i o n a n ds p e e d t h ea l g o r i t h mc a nb eu s e di nh i g hw a ye f f i c i e n t l y k e y w o r d ：v i d e od e t e c t i o nt e c h n o l o g y , v e h i c l eo b j e c td e t e c t i o n , b a c k g r o u n du p d a t e ，v e h i c l ef l o w m e a s u r i n g ，e d g et e s t i n g ，i n t e l l i g e n tt r a f f i cs y s t e m 独创性声明 独创性声明 秉承学校严谨的学风与优良的科学道德，本人声明所呈交的论文是我个人在 导师的指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以 标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，不包 含本人或其他用途使用过的成果。与我一同工作的同志对本文研究所做的任何贡 献君己在论文中作了明确的说明，并表示了谢意。 本学位论文成果是本人在广东工业大学读书期间在导师的指导下取得的，论 文成果归广东工业大学所有。 申请学位论文与资料若有不实之处，本人承担一切相关责任，特此声明。 4 7 指导教师签字： 论文作者签字： 砂俨j 月纠日 绪论 1 1 课程背景及意义 1 1 1 课题研究背景 第一章绪论弟一早珀下匕 交通运输系统是国民经济的基础，也是确保社会生产和人民生活得以正常进 行的重要条件。随着公路运输的快速发展，机动车辆使用量剧增，这在给人们日 常生活带来便利、促进社会和经济发展的同时，也带来了一系列的负面影响。无 论是发达国家还是发展中国家，路面交通运输都不同程度地存在人们最关心的交 通安全问题。 随着城市化进程和汽车的普及，交通运输问题日益严重。道路车辆拥挤、交 通事故频发、交通环境不断恶化。交通问题不仅困扰着发展中国家，同时在发达 国家也存在着严重的问题n ，。众所周知，解决交通堵塞的最直接的办法就是提高 路网通行能力。然而无论是哪个国家的大城市，都存在可供修建道路的空间有限， 建设资金筹措困难等实际问题。同时，由于交通系统是一个相当复杂的大系统， 单独从车辆方面考虑或是从道路方面去考虑都很难从根本上解决问题。此外，能 源和环境问题的严重性也日益为人们所认识，而且自上世纪8 0 年代以来，欧美、 日本等发达国家虽然已经基本建成了四通八达的现代化国家道路网，但是仍然解 决不了上述问题。经过长期和广泛的研究，目前这些国家已从主要依靠修建更多 的道路、扩大路网规模来解决日益增长的交通需求，逐步转移到从系统的观念出 发，把车辆和道路综合起来考虑，运用各种高新技术系统地解决道路交通问题， 从而大幅度地提高路网的通行能力和服务质量。上世纪8 0 年代末以来，日本、 美国和欧盟等发达国家为了解决共同面临的交通问题，竟相投入大量的资金和人 力，开始大规模地进行道路交通运输智能化的研究。上世纪6 0 年代，美国就已 经开始了有关智能化交通方面的研究，之后，欧洲、日本等也相继加入这一行列。 经过4 0 多年的发展，美国、欧盟、日本成为世界智能化交通研究的三大基地 目前，其它一些国家和地区的研究也有相当大的规模，如澳大利亚、韩国、新加 坡、香港等。可以说，全球正在形成一个新的智能化交通产业，难以记数的大小 广东工业大学硕士学位论文 项目正在开展，其发展规模和速度惊人，以保障安全、提高效益、改善环境、节 约能源为目标的智能化交通系统概念正逐步在全球形成。 2 0 世纪9 0 年代以来，中国经济进入高速发展的时期，交通需求越来越高， 车辆和道路的矛盾越来越大。我国政府加紧了对道路基础设施的建设，特别是高 速公路和高等级公路得到高速发展。但是，政府和专家们所设计的道路的发展速 度还是远远赶不上车辆的发展速度，发达国家在交通上遇到的问题，在我国来得 比预期的要早，甚至更严重。此外，我国现有的交通管理系统大部分都是采用人 工为主、机器为辅的方法，由人对机器获取的信息进行判读。随着城市交通的发 展，对交通监控系统提出了越来越高的要求，而现有系统已经不能适应现代化的 需要。具体表现在： ( 1 ) 需要投入大量的人力、物力和财力； ( 2 ) 不能提供足够多的实时交通参数，帮助交通管理者决策； ( 3 ) 没有实时自动分析功能，难以满足现代化管理的需要。 基于以上原因，寻找一种更为高效、可靠的系统来替代现有系统已经成为迫 在眉睫的任务，智能化交通系统在我国的提出和实施势在必行。 1 1 2 课题研究意义 智能交通( i n t e l l i g e n t 删cs y s t e m ，i t s ) 指出未来世纪的交通发展方向，它 是新时代下科技和社会发展、信息革命推动下的产物。对它全面的研究涉及到了 交通工程学、智能控制科学、计算机科学、通信科学、汽车技术等众多学科和领 域。毫无疑问，i t s 将对未来的世界将产生深刻的影响。交通流量检测是智能交 通系统i t s 中的一个重要课题悖，它为智能控制提供重要的数据来源。m ，。 随着中国智能交通系统的发展，可以肯定，基于计算机视觉和图像处理技 术的道路视频监测系统将在i t s 中扮演着越来越重要的角色哺，。因此，对相关问 题的研究具有很大的现实意义和应用价值。 1 2 车流量检测常用算法概述 从视频图像数据中检测运动目标有许多种方法，如帧差法、背景抑制、光流 法、马尔可夫随机场、速度场。就交通车辆检测而言，交通场景中的车辆有以下 2 绪论 特点： ( 1 ) 车辆与背景的色彩和亮度存在差异。 ( 2 ) 车辆部分图像具有较背景路面部分图像更高的边缘信息。 ( 3 ) 运动车辆在图像序列中的位置不断改变。 相应的，在车辆检测的算法中，常用的方法有超声波检测、红外检测、环形 感应圈检测和计算机视觉检测咖、立体视觉分析法伸”、基于光流场分析的算法 m ，、基于模型的检测算法、背景差分法“n ”、边缘信息检测法、帧间差分法“引“础 等，下面对一些典型的算法进行详细介绍。 1 2 1 立体视党分析法 立体视觉分析法是利用两个摄像头与3 d 模型相匹配的方法来检测与跟踪车 辆。由于三维立体处理的信息量很大，该系统力图通过处理一部分有代表性的主 要特征并充分利用摄像机的角度来减小计算量，使原图经过转换成为每一车道的 侧向投影图。此系统要求提供准确的摄像机安装信息：高度，俯视角和水平角度。 系统将从两个摄像头所拍摄的图像中抽取特征，进行匹配，从而得到其三维图像， 由此生成侧向投影图用于车辆的跟踪。此系统声称克服了车辆阴影、路面有积水 时车辆前灯的反射、低对比度情况以及拥挤情况下的车辆检测问题。但立体视觉 的信息量较大，在计算速度有限的情况下，使得处理的帧速大大降低。加拿大的 o m r o m 公司，日本的p a r m a 大学和r o u e n 大学对此进行了研究，并取得了一 定的成果。 1 2 2 基于光流场分析的算法 光流场分析法就是利用图像灰度在时间上的变化与表观运动和物体真实运 动之间的关系，进行运动物体的检测，。在图像中观察到的表面上的模式运动就 是所谓的光流场，而运动场则是三维物体的实际运动在图像上的投影。研究光流 场的目的就是为了从序列图像中近似计算不能直接得到的运动场，来分析图像中 的运动目标及其运动参数。 求取光流场的方法从分析手段来看可分为如下几类：基于时空梯度的算法， 基于匹配的算法，基于相关的方法和基于频率域分析的方法n ”。 广末i 业大学硕士学位论文 基于光流场分析进行跟踪的方法，可以很精确的计算出运动目标的速度，但 是这种方法采用选代的方法，计算时间较长，无法进行实时的跟踪，并且该方法 受噪声的影响比较太，所以在交通视频检测中不太适用。 2 3 基于模型的检测算法 基于模型的检测是一个比较多被采用的算法，该方法先建立目标( 车辆) 的三 维模型，再将模型投影在二维的平面上并在图像中进行匹配，找到目标的三维 的信息。然后根据目标在各帧图像中的姿态( 位置与方向) 的变化，用最优化的方 法计算出运动模型的参数( 速度、方向、旋转角等) 。 基于模型的跟踪算法对目标进行了完全的三维空间的重建，理论上讲，这种 方法能够准确的对目标进行定位和跟踪，并获得目标的瞬时的运动参数。 124 背景差分 背景差分就是选取一个固定的静止参考帧( 不存在任何运动物体) 作为参考 图像，用图像序列中的每一帧与参考帧做差分，如果参考图像选取适当，能比较 准确的分割出运动物体。 如式( 11 ) 所示设邱，) 表示背景图像，o ，j ) 表示前景图像，则差分图像 d g ，) 表示为 d 0 ，) = ，o ，) 一b a c k g r o u n d ( i ，j ) ( 1 1 ) 实验结果如图2 - 3 所示： - 一- j 。甬 图二1 前景图 f i g2 - - 1f o r e g r o u n di m a g e 图2 - 2 背景图 f l g2 - 2b a c k l 口o u n di m a g e 图2 - 3 差分图 f i g2 - 1d i f f e r e n c ei m a g e 如果背景图像是静止的，即不随时间发生改变，而具有运动目标的图像除了 运动目标区域的象素值发生变化，其余属于背景的部分，保持不变，这样的情况 是背景差分的理想情况。但是这种情况在交通流量的图像序列中是不存在的。基 本上，背景是个渐变的过程。因为外界的自然景物环境永远不会静止，例如，风 吹动树枝和树叶，一天中不同时间段光线、天气、太阳位置等的改变也容易对检 测结果造成影响。所以背景差分的关键是选择合适的图像做为背景“。目前研究 人员已经提出了一些方法来解决这个问题。如最早是人工观察选择一幅质量好的 图像作为背景：后来发展到间隔一段时间更换一幅背景图像，以增加系统的自适 应性。到现在，基本上建立了一个自适应的背景模型所以，背景差分的关键在 于背景模型的自适应更新。 125 帧差法 一般的视频图像是三维图像的二维投影虽然不能完全反映真实的三维物体 或场景但是三维图像发生变化时其二维投影图像也会发生相应的改变。连续视 频流的场景也具有连续性，图像若没有运动，连续帧图像之间变化很小，反之若 有运动产生则会引起帧差。帧差法可以确定图像序列有无运动。算法流程如图 2 - 4 所示。 图2 4 帧差法算法流程 f i g 2 - 4f l a m ed i f f e r e n c ea l g o r i t l 】mf l o w 下面讨论三种具体的方法。 广东t 业大学硕士学位论文 方法一：最简单的算法是直接计算帧差绝对和。对于检测图像区域，判定条 件为： is ( x ，y ，t ) - s ( x ，y ，t - a t ) i t ( 1 2 ) 其中s ( x ，y ，r ) 为图像序列在时刻点( 工，y ) 处的灰度值，同样t 也是离散化的， 时间间隔出，可以为帧间隔的整数倍，t 为灰度阈值。不等式成立时认为有运动 发生。这种方法简单，运算量小，检测速度快，也容易实现。其最大的缺点是对 天气光线等因素的变化敏感，如果光照变化或者场景有雨雪，会产生误报。 方法二：为了克服光照变化引起的虚警报。修改报警判据，加入整体光照敏 感的添加项。判定条件如下： 胙 u ( is ( 圳m ( x , y , t - a t ) 一( 磊一m ( x , y , t - a t ) i ) ) 坼( 1 3 ) 式比式复杂得多，实际上概念还是很明确的，就是统计差值的绝对值超过阈 值的像素点的数目，如果点数大于一个固定值f ，则认为有运动发生。 鲁i s ( x ，y ，f ) 一s ( x ，y ，f 一出) i 它代表光线的整体变化。其中入为调节系数参考 7 ( j y ) e 值取，为检测区域内的像素数目，函数定义如下： ，_ 誊翌 m 4 ， 在光照变化不是很大时，阈值项中的2 ls ( x ，y ，f ) 一s ( x ，y ，f 一出) i 应该似 刀( 蒜a 于光照变化的绝对值，由于整体变化比较均匀，差值分布就比较集中，因此超过 阈值的点数不会超过m ，这样就有效地抑制了光照变化带来的影响。如果有运 动发生，则变化不均匀，差值分布比较分散，超过闭值的点就比较多，超过时就 报警。经过优化设计，此方法运算次数不多。但有一个缺点是对图像中运动目标 的大小无选择性。即如果区域比较大，而活动目标较小，也会产生误报。 方法三：为了克服方法二的缺点，需对其做一点修改，在差值阂值添加一固 定项，为了对活动量有一个大小的概念，规定正比于图像检测区域像素点的总数。 判决条件变为： 6 绪论 ( 磊义y ) - s ( x , y , t - a t ) l - ( n ( 鲁) ( 磊陋 f ) - s ( x , y , t - a t ) i ) ) l 5 ( ，。川i e “ ( x y ) 式中的0 ( o ，1 ) ，一般0 0 5 左右就可以了。此判决条件一定程度上规定了监 控报警目标的大小，有助于提高报警的准确性，避免了由于小运动目标的干扰而 导致虚警。但是为了提高运动检测准确性最好将运动检测区域设得尽可能准确。 1 2 6 路面标记法 由路边建筑、树木等物体引起的静态阴影和由运动物体如车辆引起的运动阴 影，是导致车辆检测错误的一个主要因素。事实上，由阴影引起的问题可利用路 面标记方便地予以解决，因为如果路面标记被车辆所覆盖，则标记不可见，否则， 不论路面标记是否位于阴影中，该标记都应该是可见的。因此可以用路面标记来 模拟传统的电感传感器以检测车辆n ”。 在此采用边缘检测的方法来检测路面标记，因为与基于分割的标记检测方法 相比，边缘检测的方法对图像亮度的变化更为稳健啪1 。对于输入的灰度图像 e ， ，其像素 e 。，) 的边缘强度可表示为： 叱= m a x 怯薹。小“y 屯小i 驯t + lc 列r i ) 6 ， 这里岷和呢为加权系数，为加权系数的和。对s o b e l 算子而言，它们分别 三三引 三三三 并且m - 4 ，二值边缘隰刚可虹式族觚，- 嚣列，肌为闭 以检测标记是否可见。对于车道的二值参考图像 墨，y ) 和相应的路面标记区域的 7 广东工业大学硕士学位论文 瞩= b ，y 木巨。y瓦木面训 h 2 靠 ( 1 7 ) 这里r 和e 分别为r 和e 的逻辑非。呒表示被检测图像中车道1 9 的白色边 缘像素与参考图像匹配的比例相应的色表示被测图像中车道n 的黑色像素与参 考图像匹配的比例。最终的匹配函数定义为： 坂= 氓木e ( 1 8 ) 车辆检测可由式1 9 判断 k = ：；，凳“ m9 ， 这里圪= 1 表明当前输入图像中有车辆经过车道1 9 的路面标记区域。基于路 面标记检测的车辆检测方法能有效地消除各种阴影的影响。如果路面标记没有被 车辆所覆盖，即使这些标记全部或部分位于静态或运动阴影中，其鸠值仍明显 区别于被车辆覆盖的路面标记区域的值心。显而易见，简单清晰的路面标记可 提高车辆榆测的准确性。 1 3 视频检测在it s 中的应用和国内外现状 1 。3 1 视频检测在it s 中的应用 获取交通信息的主要手段是车辆检测。车辆检测是智能交通系统( i t s ) 的一 重要研究领域，是进行一切公路交通管理的基础。它可以用于检测公路主线车量、 车型、车速、占有率等交通数据，是控制公路的车流出入，确保道路安全通的重 要手段。同时它也为交通管理统计有关数据，为管理者、决策者提供有的数字依 据。目前交通检测广泛应用于交通疏导、道路资源配置、道路建设评等领域。 本文介绍的是基于图像处理技术的交通流量视频检测系统。视频交通流检测 统是一种利用图像处理技术实现对交通目标检测的计算机处理系统。视频交通量 检测系统利用图像处理与识别技术，通过视频信号检测道路交通流量。利用频采 8 绪论 集卡获取视频信号，由图像处理设备将视频信号转换成数字图像；通过对路交通 状况信息与交通目标的各种行为( 如违章超速，停车，超车等等) 的实时测，实现 自动统计交通路段上行驶的机动车的数量、计算行驶车辆的速度等各有关交通参 数，达到监测道路交通状况信息的作用。同时，将检测到的交通信存储起来，为 分析和交通管理提供依据，因此它也是一个交通信息的管理系统。 采用视频图像检测的方法具有明显的优越性：检测的覆盖范围大，检测的数 多：安装简单，维护方便，不破坏路面，工程造价低；适用面广，可适用于路段、 交叉路口等；可以提取高质量的车辆和交通场景的信息：可以适应多种气候条件 等。由于视频检测方法的诸多优点，基于视频图像的交通流量检测方法已成为人 们研究的热点。 随着中国智能交通系统的发展，可以肯定，基于计算机视觉和图像处理技术 的道路视频监测系统将在i t s 中扮演着越来越重要的角色。因此，对相关问题的 研究具有很大的现实意义和应用价值。 1 3 2 国内外发展现状 交通信息采集已经成为计算机视觉技术应用的一项重要课题。视频交通信息 检测的概念最初由美国加州的j e tp r o p u l s i o n 实验室于1 9 7 6 年提出的。随着计算 机技术的高速发展，国内外很多学者针对交通信息检测技术中存在的问题提出了 相关的算法。 b r i s t o l 大学先进计算研究中心研究人员应用图像帧差方法处理复杂路口上 的多车道车辆统计、车速检测和车辆跟踪，即通过跟踪图像序列上分割出来的车 辆运动区域来完成车辆的路径、速度和进出点的监视控制。研究人员提出了减少 灯光变化对运动检测的影响和确保运动检测可靠的图像帧差方法。车辆检测算法 具有较强的泛化能力，并可采用专用视觉传输硬件和可编程硬件来提高处理速 度。 加州大学伯克莱分校d k o l l e r 和他的研究小组提出了在同一时刻检测和跟 踪多辆车，并得到车辆形状信息的方法。此方法应用图像帧差技术进行运动分割， 背景图像用滤波进行更新。图像帧差得到的结果用来初始化每一个运动区域的轮 廓或蛇形线，在连续图像中用滤波跟踪轮廓的位置和形状，通过检测闭合线得到 9 广东t 业大学硕七学位论文 车辆的形状信息，速度和流量检测是通过跟踪图像序列的特征来检测的，首先提 取图像中角点，然后应用相关性在图像序列中跟踪每一个角点，由同一车辆运动 的一致性条件把同一车辆的角点组合在一起，通过车辆在图像序列中出现规律可 计算出速度和流量。 m f a t h y 和m y s i y a l 提出了排队状态、排队长度、占有周期和占有率检测 方法。此方法在由轮廓围成的小区域上应用图像帧差方法。每一个轮廓仅有一个 像素宽并且沿车道的中心线延伸。排队检测时，首先确定轮廓区有没有运动，然 后基于边缘的车辆检测算法检测车辆是否出现，如果车辆一旦出现且没有运动， 则可确定为排队状况，沿轮廓以一定的间隔来检测车辆，得到用时间表示的排队 长度函数关系式的值，即排队长度。占有周期和占有率同样可根据排队长度表达 式的值计算出来。 从国内外学者提出的视频检测技术来看，检测技术在近年内得到了一定的发 展，但在针对交通流量检测的具体环境下还存在一定不足，同时我国在这方面研 究起步较晚，技术还不是很成熟。因此在国内外的现有成果仍有许多地方需要进 一步完善。 1 4 论文的构成及研究内容 本设计的研究思路是广泛查阅国内外有关资料，熟悉视频检测的基本理论， 采用理论探讨和实验验证分析相结合、数学模型与实验系统开发相结合、算法设 计与实例验证相结合的方法，实现本文的研究目标，即实现交通视频流中车辆的 检测和车流量的统计。其研究内容涉及到计算机视觉和数字图像处理两个重要的 学科分支，是两者的交叉与融合。 在对视频图像进行分析研究中，车辆的实时检测与分割是最基础的部分，其 他的功能都是建立在车辆检测与分割算法的基础上的，它要求从摄像机所得到的 图像序列中，检测有无运动车辆进入摄像机的视场，并且定位出运动车辆的位置， 它属于运动目标的检测与分割的研究范围。运动目标的检测与分割研究大致可分 为两类： ( 1 ) 摄像头是固定的，只对视场内的运动目标进行检测。目前大多数目标检 测算法研究的都是这种情况。在实际应用中，通过架设在高处的角度固定、高度 1 0 绪论 固定的摄像头来获得车辆行驶图像，经过图像处理，得到各种有用数据。 ( 2 ) 摄像头和检测的目标都是运动的。或者摄像头同安装它的主体( 如车辆) 同时运动，或者摄像头安装在可转动的云台上，随着运动目标移动，始终保持目 标在图像的中心。 本论文的研究是采用第一种情况，摄像头固定，对摄取的一系列视频图像进 行分析处理，实现对交通流参数的检测。主要涉及如下几个方面的工作：图像的 预处理、背景的获取和更新，色彩空间的转换、目标的检测和提取，车流量的统 计等，通过对有关方面理论的学习，算法的研究，采用实例进行演示验证。其中 对背景的获取和更新，运动目标的检测和提取，车流量的统计等关键技术进行了 重点研究。 本论文的各个章节内容简单介绍如下： 第一章绪论部分对课题研究的背景和意义作了介绍，其中阐述了智能交通系 统的概念及其重要性；进而详细对比和介绍了现今车流量检测中所用到的各种算 法，提出了本文视频检测的方案，并讨论了目前国内外在这个方面的进展和研究 现状。 第二章概括了地介绍了本实验系统的设计思想，工作原理，算法流程图以及 每部分所使用的算法。 第三章车辆视频检测中的相关图像处理知识，主要介绍了数字图像处理用到 的算法如图像灰度化、图像平滑、高斯低通滤波、领域比较，图像边缘化处理等。 第四章具体地介绍了本系统所用到的算法，包括图像预处理、背景更新、前 景帧处理及背景差分、检测带的设置、车辆检测及判断、数据流的提取、数据流 的校正、车辆的计数。 第五章是实验结果总结及数据分析，通过多次重复实验来验证算法的正确 性。 最后一部分是结论，对该设计的工作做了总结，同时针对设计中不完善的地 方给出了下一步的工作展望。 广东丁业大学硕士学位论文 第二章系统设计 弟一早尕现阪丌 基于边缘信息的交通流量检测算法研究是通过视频获取设备获取连续帧的 图像信息，进一步根据图像的边缘信息特性实时更新背景图像和检测出车道上是 否有车辆经过，最后在检测带内提取数据和统计车辆数目。 2 1 设计思想 算法主要提出基于边缘信息的交通流量检测算法实现系统设计。完成工作是 在图像的原始输入后把图像信息转化为图像边缘信息，此部分主要是图像的预处 理内完成，接着是对运动车辆的检测判断，其中车辆的判断是在检测带完成以减 小对整个图像作处理的较大运算，最后就是对数据进行统计来计算出车辆在车道 上的数目。 该算法的总体设计流程如图2 1 所示。 2 2 工作原理 图 图 ，。 还 奎 像 像动流 输 预 奎 邑 里 入 处辆检 理 检测 测 图2 1 总体流程 f i g 2 - 1t o t a lf l o w 整个设计系统包括五大部分( 如图2 - 2 ) ，其中每部分中包含的算法原理及算 法流程如下图所示： 1 图像输入： 由图像采集系统将摄像机获取的连续帧道路视频图像数字化，并存入内存或 帧缓存中。 2 图像预处理： 将这些采集到的序列数字图像首先进行灰度化，然后对每帧图像做领域比较 1 2 系统设计 来纠正摄像设备因轻微抖动带来像素偏移现象，接着采用高斯低通滤波作去噪声 处理以减小后续处理中毛刺现象，最后用边缘算子把图像灰度信息转化为边缘信 息。 3 运动车辆检测： 首先采用连续帧图像边缘信息作叠加处理来完成背景实时更新，接着在虚拟 检测带内作当前帧图像与实时更新后的背景图像作帧差处理，然后根据差值信息 判断当前帧是否存在车辆。 4 车流量检测： 经过差分处理后的数据虽然只剩下车辆信息的数据，但也存在其它噪声数 据，这有可能误判为车辆，因此为得到更准确的信息需要对数据作校正处理。在 得到车辆的正确判断后便开始对每帧图像的车辆数目统计。 图 图像预处理运动车辆检测车流量检测 像 输 入 灰闻领边背背 奎 数 车 度斯域缘 景 景辆据辆 化 低 比 化 更 差 判提 计 处通 较 处新分断取数 理滤理与 波校 正 图2 - 2 算法具体流程 f i g 2 - 2a l g o r i t h mf l o w 1 3 广东工业大学硕士学位论文 第三章图像获取以及预处理 在户外环境下图像的获取以及图像预处理的效果直接影响后续的运动车辆 识别和车辆计数。视频设备在获取图像时的角度和高度是获取图像时的关键因 素，而图像的预处理运算是减少算法误差，提高计数精确度的关键步骤。 3 1 系统的总体设计 系统的设计主要基于从视频输入设备获取连续的图像信息，然后对连续的图 像信息作算法处理。算法采用基于p c 的m a t l a b 仿真平台实现，最后也得到 预期较好的效果。总体设计图3 1 所示： 图3 1 算法具体流程 f i g 3 - 1a l g o r i t h mf l o wi nd e t a i l 1 4 图像获取以及预处理 3 2 图像获取 图像获取设备一般安装在天桥底或公路旁边，但安装位置与路面的高度和角 度必须综合考虑。如果安装的高度离路面太高的话，在获取的图像信息中车辆在 整图中所占相对较小则会难以判断车辆信息，最终严重影响算法的准确度。相反 如果安装的高度离路面太低的话，在获取的图像信息中车辆在整图中所占相对较 大，不利于检测带的设置，同时增加算法的计算量，如果在车速非常快的情况下 则会形成漏判。除此之外，视频设备的安装也要考虑设备的与路面的角度，当角 度太小的话就会造成前车遮挡后车的现象，而角度过大的话则不能获取足够多的 图像信息以便后续的处理。 系统所采用的视频获取设备在获取图像时离路面4 到5 米，设备与路面的成 角是4 0 度到5 0 度，如图4 2 所示 3 3 图像转换 图4 - 2 图像获取 f i g4 2i m a g eo b t a i n 路面 我们接触到的现实世界中图像为模拟图像，但是计算机只能处理数字信息， 因此必须将其数字化为数字图像嘲，。常见的各种照片、图片、海报、广告画等均 属于模拟图像。而数字图像处理( d i g i t a li m a g ep r o c e s s i n g ) 一般都用计算机处理 或实时的硬件处理，因此也称为计算机图像处理( c o m p u t e ri m a g ep r o c e s s i n g ) 。 在日常生活中包括电脑人像艺术，电视中的特殊效果，自动售货机钞票的识别， 广东工业大学硕士学位论文 邮政编码的自动识别和利用指纹、虹膜、面部等特征的身份识别等，其优点是处 理精度高，再现性好，易于控制处理效果，可进行复杂的非线性处理，有灵活的 变通能力。其缺点是处理速度还是一个问题，特别是进行复杂的处理更是如此。 将模拟图像信号转变为计算机处理的信号的过程称为数字化。通常的图像都 是模拟图像，可用一个二维连续函数厂g ，y ) 来表示，其中g ，少) 是图像平面上任 意一个二维坐标点，指出该点颜色的深浅( 灰度) 。为了便于计算机对这些模拟图 像进行处理，m + s t x ( x ，y ) 必须在空间上和在颜色深浅的幅度上都进行数字化。要 将模拟图像数字化成数字图像有两个过程：一是采样，二是量化。空间坐标( x ，y ) 的数字化被称为图像采样，颜色深浅幅度的数字化被称为灰度级量化。因为图像 是二维平面上的强度分布，所以，为了把图像数字化，必须在空间点阵上采样和 灰度量化。因此，所谓数字图像就是灰度值的二维数组。 令二维连续函数厂( x ，y ) 为景物辐射和反射太阳能量的记录( 即灰度) ，其中x 和y 为空间坐标，大小正比于图像在( x ，y ) 处的灰度。均匀采样以矩阵表示，有 f = 彳。、于2 于。n 厂：，厂：厂： fff jm ijm 2 jm 弧 ( 3 1 ) 等式右边的矩阵就代表数字图像，矩阵中的每一个元素称为像素。m 和n 分别表示图像的横向像素数和纵向像素数。幅模拟图像转换成数字图像后，往 往会丢失一些信息，为了从数字图像中完全恢复模拟图像，要按照奈奎斯特采样 定律，即要求采样频率至少大于图像信号最高频率的2 倍。但此时采样点是一个 理论上的点，在实际中无法实现，这样就会造成点扩散，使图像质量下降。此外， 量化等级也会影响图像的质量。比如量化等级取2 ，则只能得到灰度等级为2 的 二值图像。量化等级取8 则能得到灰度级从0 - 2 5 5 级的图像。 对一连续图像数字化，如何选取采样间隔缸，) ，与量化指数善昵? 理论上，采 样间隔有采样定律确定，但实践中总想以较少的比特总数获取同样质量的数字图 像或比特总数一定时使数字图像质量更好一些。总的说来，图像画面灰度变化缓 1 6 图像获取以及预处理 慢时，宜采用粗采精量化：画面细节丰富，宜采用细采粗量化。 进行图像处理时，对所获得的数字图像进行预处理是重要的。因为经过数字 化后得到的图像，可能带有严重噪声信号，或变形，或信号微弱等，影响人们和 计算机对图像的分析理解。只有通过图像预处理环节，使要处理分析的图像除掉 噪声干扰，增强信号强度，对图像进行恢复，改善图像质量，从而保证以后对图 像分析理解的准确性。 3 4 图像预处理 预处理是检测系统中一个至关重要的环节，在很多视觉系统中，预处理都占 有很大的比重。在大多数的情况下由于受到客观因素如光照、环境的影响，输入 图像可能出现颜色分布不均衡，亮度过高或过低或者噪声过大的情况，使得图像 的质量不是很理想，或分辨率不能满足系统的需要，因此必须经过一些处理过程 才能输入到处理系统中，它是一个去除无用信息，提高算法效率和速度的过程。 预处理做的好可以减少后面核心算法中的工作量，更有可能决定算法的有效性。 如果缺少必要的预处理，则会对后面系统的结果产生较大的影响，造成工作量的 增大和效率的降低。 3 4 1 图像灰度转换 从视频设备中获取的图像信息是彩色空间的图像信息，而本文需要采用灰度 图做图像的预处理运算，然后进一步做图像的后续算法运算，因此必须把彩色空 间图像转换为灰度图，如图4 3 所示： 1 7 广东i 业大学硕士学位论文 3 42 图像平滑 彩色图 图4 0 灰度转换图 f i 9 4 - 3c o n v e f f a n g g r a y 吃 j 图像的平滑也称图像的去噪处理，由于受摄像头、视频捕获卡等因素影图像 中有不同程度的噪声。其中电子元件，传感器引起的噪声占主要部分。噪声将影 响提取边缘信息的效果，因此在提取边缘前需对待识别图像进行预处理。 图像平滑的主要目的就是去除或衰减图像上的噪声和假轮廓，即衰减高频 量，增强低频分量，或称低通滤波