基于FPGA的交通路口車流量檢測方法研究

王寶珠，高 瑜，吳金龍

（1.河北工業(yè)大學(xué) 信息工程學(xué)院，天津 300401；2.河北省鐵路管理局 河北 石家莊 050051）

隨著經(jīng)濟(jì)的發(fā)展以及城市化進(jìn)程的逐步加快，我國的車輛數(shù)量正在迅速增長，這樣就給城市交通帶來的嚴(yán)峻的挑戰(zhàn)——交通擁堵[1]。交通擁堵不但使事故發(fā)生率加大，而且也加劇了環(huán)境污染，造成了資源浪費(fèi)[2]。為了緩解交通壓力，減少車輛延誤和環(huán)境污染，實(shí)現(xiàn)智能交通信號控制是建設(shè)資源節(jié)約型社會的必然選擇。

在我國，現(xiàn)如今交通信號控制系統(tǒng)主要采取定時(shí)控制的方式[3]。定時(shí)控制不能根據(jù)車流量自動(dòng)調(diào)節(jié)紅綠燈時(shí)間，必然會造成車輛延誤及交通擁塞等情況。因此根據(jù)具體的車流量來控制紅綠燈時(shí)間，可有效的分配交通資源，減少交通擁堵。

傳統(tǒng)的基于視頻的車流量檢測方法包括光溜檢測法，幀差法，背景消減法，邊緣檢測法等[4]，這些方法運(yùn)算復(fù)雜，處理數(shù)據(jù)量大，且易受外部環(huán)境的影響。因此文中采取一種設(shè)置檢測線的車流量檢測的方法，通過在車輛行駛的道路前方垂直于道路的方向設(shè)置檢測線，當(dāng)車輛經(jīng)過時(shí)車身陰影會造成檢測線灰度值的劇烈變化，進(jìn)而即可統(tǒng)計(jì)出車流量。該方法簡單易行，且處理的數(shù)據(jù)量小，運(yùn)算速度快，可得到較好的結(jié)果。

1 算法設(shè)計(jì)

1.1 視頻預(yù)處理

預(yù)處理是實(shí)現(xiàn)算法的重要部分，首先將視頻分成幀序列。設(shè)置于交通路口的攝像頭拍攝到的視頻一般是1秒25幀的標(biāo)準(zhǔn)視頻格式，由于車輛一般在交通路口行駛速度不快，故而不需要十分密集的幀序列，為了減少數(shù)據(jù)處理量而又不影響實(shí)驗(yàn)結(jié)果，采取隔一幀取一次的方法，這樣數(shù)據(jù)量即成為原來的一半。

將視頻分成圖像序列后，要將其轉(zhuǎn)換成灰度圖像，方可進(jìn)行后續(xù)的工作，如圖1所示。通過大量實(shí)驗(yàn)的驗(yàn)證，轉(zhuǎn)換成灰度圖像后，使用閾值0.4，再進(jìn)行二值化，可以清晰的將車身、車身前的車影與道路明顯的區(qū)分開來，如圖2所示。

圖1 灰度圖像Fig.1 Gray-level image

圖2 圖像二值化Fig.2 Image binarization

由圖2可以看出，路面上有很多不連貫的黑色區(qū)域和黑點(diǎn)，這些噪聲會對檢測結(jié)果產(chǎn)生不利的影響，因此，將上述二值化后的圖像序列再進(jìn)行中值濾波，采用5*5的檢測窗口，可以去濾掉圖像上大部分的椒鹽噪聲，起到保護(hù)邊緣信息的作用，如圖3所示。

圖3 中值濾波后Fig.3 Image after median filter

1.2 算法實(shí)現(xiàn)

由圖2及圖3清晰可見，經(jīng)過二值化后的圖像，車身前方的陰影呈黑色，路面呈白色，因此能把車身前方的陰影部分和路面信息清晰的分隔開來。當(dāng)車輛行駛到某一位置時(shí)，車身前方的陰影一定會造成車輛前方的路面上的區(qū)域的灰度值發(fā)生劇烈的變化。因此，當(dāng)發(fā)生一次劇烈變化，計(jì)數(shù)器計(jì)一次數(shù)，這樣即可計(jì)算出行駛過的車輛的數(shù)量。

在車輛行駛的道路前方，設(shè)置一虛擬檢測區(qū)域，便可以實(shí)現(xiàn)上述過程。傳統(tǒng)的虛擬檢測區(qū)域可以分為3類：基于特征點(diǎn)、基于檢測線、基于檢測窗口。由于檢測點(diǎn)包含的信息量太少，且易受噪聲干擾；而檢測區(qū)域過大，當(dāng)車輛經(jīng)過時(shí)，容易造成重復(fù)計(jì)數(shù)，因此文中將采取基于檢測線的檢測方法[5]。如圖4所示。

當(dāng)車輛即將行駛到檢測線上時(shí)，車身前方的陰影會迅速覆蓋檢測線，造成檢測線上的灰度值發(fā)生劇烈的變化。通過設(shè)定閾值，若灰度變化大于閾值，可判斷為有一輛車到達(dá)，若灰度變化小于閾值，就判斷為沒有車輛通過，這樣便完成了整個(gè)檢測過程。

圖4 設(shè)置檢測線Fig.4 Set a test line

由上可知，我們只需處理每一幀圖像的一行像素值，因此大大減少了數(shù)據(jù)的存儲空間，從而使計(jì)算機(jī)的處理速度更快。在實(shí)際處理中，用前一幀圖像減去后一幀圖像，比較差值圖像檢測線位置的像素值，此處通過大量實(shí)驗(yàn)數(shù)據(jù)，設(shè)定閾值為15，若其值大于該閾值，則可判斷有車輛通過，若小于該閾值，則沒有車輛通過。所有檢測線位置像素值做差后，可得到如圖5所示的數(shù)據(jù)曲線。

圖5 像素差數(shù)據(jù)曲線Fig.5 Data analysis curve

由圖5可見，圖像的正值尖峰，可看做一輛車的到來，通過設(shè)定閾值，可將小的尖峰部分濾掉，小的尖峰部分是車身及車窗造成的干擾，故通過此方法，可得到具體通過路口的車輛的數(shù)量。

統(tǒng)計(jì)寬闊路口的車流量，可將整個(gè)路口分成幾個(gè)車道，對幾個(gè)車道分別用此方法進(jìn)行統(tǒng)計(jì)，最終求和，即可實(shí)現(xiàn)車流量的統(tǒng)計(jì)。

2 基于FPGA的硬件仿真

FPGA即現(xiàn)場可編程門陣列，它是在PAL、GAL、EPLD等可編程器件的基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物。它是作為專用集成電路領(lǐng)域中的一種半定制電路而出現(xiàn)的，既解決了定制電路的不足，又克服了原有可編程器件門電路數(shù)有限的缺點(diǎn)。FPGA的使用非常靈活，同一片F(xiàn)PGA通過不同的編程數(shù)據(jù)可以產(chǎn)生不同的電路功能。FPGA在通信、數(shù)據(jù)處理、網(wǎng)絡(luò)、儀器、工業(yè)控制、軍事和航空航天等眾多領(lǐng)域得到了廣泛的應(yīng)用。

文中通過使用matlab對上述算法進(jìn)行仿真，我們可以得到視頻圖像每一幀的像素信息，并將該信息作為一個(gè)數(shù)據(jù)矩陣儲存到后綴名為dat的二進(jìn)制數(shù)據(jù)文件中，作為FPGA硬件仿真的輸入激勵(lì)，即像素點(diǎn)檢測的輸入部分。

基于FPGA平臺來完成實(shí)時(shí)算法的硬件實(shí)現(xiàn)，文中根據(jù)算法復(fù)雜度及資源使用情況，選取Xilinx公司的SpartanIII XC3S50芯片完成實(shí)現(xiàn)。

XC3S50是Xilinx公司推出的SpartanIII系列中資源可用量較少的一款芯片，它包含768個(gè)slices、4塊18×18乘法器、4塊獨(dú)立RAM（每塊RAM容量為18K）。經(jīng)過綜合計(jì)算以及篩選，在節(jié)約成本的基礎(chǔ)上，確定XC3S50為交通信號燈路口的車流量檢測算法的硬件實(shí)現(xiàn)平臺。

電路設(shè)計(jì)的開發(fā)環(huán)境采用ise12.4，并使用modelsim6.5se進(jìn)行硬件電路仿真。

圖6是該算法在FPGA上實(shí)現(xiàn)的電路設(shè)計(jì)圖。

圖6 FPGA電路設(shè)計(jì)框圖Fig.6 Block diagram of circuit design

如圖6所示，視頻幀切換脈沖到來時(shí)啟動(dòng)計(jì)數(shù)器進(jìn)行時(shí)序控制計(jì)數(shù)，計(jì)數(shù)到37后保持，等待下一個(gè)脈沖的啟動(dòng)，在計(jì)數(shù)過程中將數(shù)值輸出至其他電路。累加器接收到計(jì)數(shù)后，對每一幀更新的并行灰度信號進(jìn)行逐位累加處理，當(dāng)37位累加完畢，輸出累加結(jié)果至減法器。減法器在時(shí)序計(jì)數(shù)控制下將當(dāng)前幀的累加值與寄存器存放的上一幀灰度累加值做差，將結(jié)果輸出至比較器。比較器將差值與門限值進(jìn)行比較，如果超過門限，則輸出一個(gè)高脈沖，作為有車經(jīng)過的標(biāo)志。

圖7是采用modelsim的仿真結(jié)果。

圖7 modelsim仿真結(jié)果Fig.7 Simulation result of modelsim

仿真采用的系統(tǒng)時(shí)鐘為65.536 MHz，對應(yīng)時(shí)鐘周期約為15.2 ns，如圖7所示，每一幀的處理時(shí)間僅需38*15.2 ns≈577 ns，可以滿足快速處理的需要。圖中output_signal為比較器輸出的結(jié)果，即為監(jiān)測是否有車輛通過的標(biāo)志，該結(jié)果與matlab算法仿真結(jié)果完全一致。該算法實(shí)現(xiàn)簡單，有很高的實(shí)時(shí)性和可操作性。

3 結(jié)束語

文中的算法是利用Matlab編程實(shí)現(xiàn)的，而硬件實(shí)現(xiàn)是在ise12.4+modelsim6.5se的環(huán)境下編譯完成的。通過對一段3分48秒的交通路口視頻進(jìn)行驗(yàn)證，準(zhǔn)確率在97%以上。文中與其他實(shí)現(xiàn)車流量統(tǒng)計(jì)的算法相比較，優(yōu)點(diǎn)在于完成該算法的硬件實(shí)現(xiàn)，且就算法本身而言，實(shí)現(xiàn)簡單，數(shù)據(jù)處理量小，處理速度快。但該算法自適應(yīng)性較弱，容易受到外界干擾影響，需要進(jìn)一步加強(qiáng)對檢測算法的優(yōu)化和改進(jìn)研究，以提高檢測算法的準(zhǔn)確度和自適應(yīng)性。

[1]王衛(wèi)峰，王錕，郝志峰.基于視頻的車流量統(tǒng)計(jì)算法[J].科學(xué)技術(shù)與工程，2011，17（11）：4080-4082.

WANG Wei-feng，WANG Kun，HAO Zhi-feng.Video-based statistical algorithm for traffic flow[J].Science Technology and Engineering，2011，17（11）：4080-4082.

[2]楊永輝，黃磊，劉昌平.基于視頻分析的車輛排隊(duì)長度檢測[J].計(jì)算機(jī)應(yīng)用研究，2011，28（3）：1037-1041

YANG Yong-hui，HUANG Lei，LIU Chang-ping.Mesurement of vehicle queue length based on video analysis[J].Application Research of Computers，2011，28（3）：1037-1041.

[3]洪清輝.基于PLC的智能紅綠燈專家控制系統(tǒng)[J].漳州師范學(xué)院學(xué)報(bào)：自然科學(xué)學(xué)版，2007（3）：42-46.

HONG Qing-hui.Expert control system of intelligent traffic light controlled by PLC[J].Journal of Zhangzhou Normal University：Nat.Sci.，2007（3）：42-46.

[4]張輝，董育寧.基于視頻的車流量檢測算法綜述[J].南京郵電大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，3（27）：88-94.

ZHANG Hui，DONG Yu-ning.Survey on video based vehicle detection algorithms[J].Jounnal of Nanjing University of Posts and Telecommunications：Natural Science，2007，3（27）：88-94.

[5]劉章軍.基于差分圖像的車流量檢測算法及實(shí)現(xiàn)[D].西南交通大學(xué)，2011.

[6]司紅偉，全蕾，張杰.基于背景估計(jì)的運(yùn)動(dòng)檢測算法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2011，32（1）：262-266.

SIHong-wei，QUAN Lei，ZHANG Jie.Motiondetection algorithm based on background estimated[J].Computer Engineering and Design，2011，32（1）：262-266.