基于視頻圖像的逆行交通事件檢測(cè)方法的研究

李桂林

（安徽工程大學(xué)，安徽　蕪湖　241000）

基于視頻圖像的逆行交通事件檢測(cè)方法的研究

李桂林

（安徽工程大學(xué)，安徽蕪湖241000）

基于視頻圖像處理的交通事件檢測(cè)系統(tǒng)是針對(duì)目前公路事件發(fā)生后不能及時(shí)有效檢測(cè)與報(bào)警、事故處理延遲等不足而研究開發(fā)的，其利用計(jì)算機(jī)視覺(jué)與數(shù)字圖像處理技術(shù)，結(jié)合我國(guó)公路上已有的交通監(jiān)控設(shè)施，來(lái)采集視頻圖像，通過(guò)車輛跟蹤和分析車輛的運(yùn)動(dòng)特征來(lái)判斷所發(fā)生的交通事件，并對(duì)其進(jìn)行事件檢測(cè)算法的智能處理，最終實(shí)現(xiàn)對(duì)超速、慢行、變道和逆行的交通事件異常檢測(cè).與傳統(tǒng)的方法相比，該方法反應(yīng)迅速、檢測(cè)率高，可以快速、準(zhǔn)確地對(duì)異常交通事件進(jìn)行檢測(cè)，并且給交通事故后的分析處理帶來(lái)了很大的便利.

交通事件檢測(cè)；數(shù)字圖像處理；逆行

1　視頻圖像交通檢測(cè)系統(tǒng)的研究現(xiàn)狀分析

從20世紀(jì)90年代開始，基于視頻圖像處理的事故檢測(cè)系統(tǒng)的研究在英、美等國(guó)家有了較大的發(fā)展，并以自身具有的準(zhǔn)確率高、檢測(cè)時(shí)間短、能快速適應(yīng)不同交通流等特點(diǎn)成為了交通事件檢測(cè)系統(tǒng)的新方向美國(guó)ISS公司的Autoscope通過(guò)接收多路由路邊攝像機(jī)傳來(lái)的視頻信號(hào)，分析輸入的視頻圖像，讓用戶在屏幕上繪制虛擬的“車輛檢測(cè)器”，這樣每一個(gè)車輛都會(huì)在系統(tǒng)上產(chǎn)生一個(gè)檢測(cè)信號(hào)，使得系統(tǒng)能夠?qū)崟r(shí)檢測(cè)交通參數(shù)，得到相應(yīng)的交通數(shù)據(jù)，以此來(lái)判斷事故發(fā)生的可能性.但由于它的成本高昂，技術(shù)難度較高、難點(diǎn)較多，因此普及率相對(duì)來(lái)說(shuō)并不能達(dá)到我們所需要的程度.從技術(shù)角度來(lái)說(shuō)，國(guó)外更領(lǐng)先一籌，但也在復(fù)雜的道路狀況以及氣候條件下也不一定取得很好的檢測(cè)效果.

在國(guó)內(nèi)，我國(guó)對(duì)交通線路的安全管理需求不斷增多，因此許多研究機(jī)構(gòu)也開始對(duì)視頻圖像檢測(cè)技術(shù)展開了積極的探索.例如清華紫光開發(fā)的VS3001視頻檢測(cè)系統(tǒng)，還有廣州網(wǎng)萊交通科技有限公司的Online交通事件自動(dòng)檢測(cè)系統(tǒng)等，他們?cè)谑录z測(cè)方面已經(jīng)起到了一定的作用，但同國(guó)外產(chǎn)品相比，還是有一定的差距，需要不斷的進(jìn)行研究.

2　視頻圖像處理的關(guān)鍵算法

交通事件自動(dòng)檢測(cè)系統(tǒng)由于能減少事故事件的發(fā)生，為人們的生命安全提供保障，因此研究機(jī)構(gòu)在這一方面也花費(fèi)了愈來(lái)愈多的財(cái)力與物力，力求取得進(jìn)一步的突破，但不可避免的是研發(fā)過(guò)程中涉及到的基礎(chǔ)和理論知識(shí)也是廣泛而又復(fù)雜，要取得研究成果必須持之以恒的做出努力.

2.1運(yùn)動(dòng)車輛檢測(cè)算法

最大程度上的提取前景目標(biāo)是事件檢測(cè)操作的關(guān)鍵步驟，這一步如果進(jìn)行的不精確，則整個(gè)事件檢測(cè)系統(tǒng)都會(huì)因?yàn)槟繕?biāo)的跟蹤不準(zhǔn)確而受很大的影響，運(yùn)動(dòng)目標(biāo)的檢測(cè)和提取是運(yùn)動(dòng)車輛檢測(cè)算法的兩大部分，而每種（主要有光流法、幀差法、背景差分法三種）運(yùn)動(dòng)目標(biāo)的檢測(cè)算法都有不同的應(yīng)用場(chǎng)景.

2.1.1光流法

光流法檢測(cè)運(yùn)動(dòng)目標(biāo)的方式是給每一個(gè)像素賦一個(gè)速度矢量，他們速度矢量變化是連續(xù)的的標(biāo)志則是沒(méi)有前景目標(biāo)在相鄰幀間移動(dòng)；否則，其速度矢量的變化是不連續(xù)的.簡(jiǎn)單來(lái)說(shuō)，光流法就是通過(guò)分析圖像序列在時(shí)間緯度的變化和相鄰幀間速度矢量的變化趨勢(shì)來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)的，其的優(yōu)點(diǎn)在于能夠檢測(cè)出前景運(yùn)動(dòng)目標(biāo)并計(jì)算出目標(biāo)的運(yùn)動(dòng)速度，但它的算法復(fù)雜、計(jì)算量大，難以用于實(shí)時(shí)系統(tǒng)檢測(cè)，因此它的使用空間會(huì)被制約，從而造成在實(shí)際生活中的應(yīng)用較少；其次，光照對(duì)這種檢測(cè)方法的影響較為嚴(yán)重，若圖像中光照變化，則速度矢量也會(huì)受之的影響而變化，從而產(chǎn)生誤差，因此，光流法在工程中的應(yīng)用并不多見(jiàn).

2.1.2幀差法

幀差法是通過(guò)把圖像序列的相鄰幀作差，之后取得目標(biāo)輪廓，它能夠有效地求取前后多幀圖像之間的變化情況，因此，其在多個(gè)運(yùn)動(dòng)目標(biāo)和攝像槍移動(dòng)的情況下比較適用.當(dāng)用圖像上當(dāng)前幀的所有像素和前一幀同一位置的像素作差時(shí)，若閾值小于差的絕對(duì)值，前景像素則為當(dāng)前像素，否則，則為背景像素.它的原理和實(shí)現(xiàn)都比較簡(jiǎn)單，受光照強(qiáng)度的影響也不大，因此它適用于動(dòng)態(tài)環(huán)境下的事件監(jiān)測(cè).但它也因?yàn)椴荒軌蛲暾靥崛〕鲞\(yùn)動(dòng)目標(biāo)的輪廓，而使速度的計(jì)算結(jié)果不準(zhǔn)確.

2.1.3背景差分法

運(yùn)動(dòng)目標(biāo)普遍應(yīng)用的檢測(cè)方法之一即為背景差分法，其前景運(yùn)動(dòng)目標(biāo)部分是差分當(dāng)前幀的圖像序列和背景圖像而得到的.背景差分法將長(zhǎng)時(shí)間靜止的車輛歸結(jié)為背景，能夠檢測(cè)出短時(shí)間靜止的車輛，其復(fù)雜度低、計(jì)算效率高，因此在生活中的應(yīng)用也比較廣泛.背景差分一般包括背景建模和前景提取兩個(gè)步驟.

目前，背景建模方法主要有混合高斯模型、序列均值法、背景更新三種.混合高斯法建模的整個(gè)過(guò)程主要有混合高斯模型的建立、混合高斯模型的參數(shù)更新和背景模型選擇及前景檢測(cè)三個(gè)步驟，但其如果對(duì)每個(gè)像素都建立高斯模型的話，會(huì)造成算法計(jì)算量過(guò)大，空間復(fù)雜度高，從而在實(shí)時(shí)檢測(cè)中不占優(yōu)勢(shì)；序列均值法相對(duì)于高斯模型來(lái)說(shuō)，算法簡(jiǎn)單、運(yùn)算量小、性能較高，比較適用于實(shí)時(shí)場(chǎng)合，但由于檢測(cè)環(huán)境一般是自然環(huán)境，是會(huì)隨時(shí)變化的，所以需要及時(shí)地對(duì)背景進(jìn)行更新.因此，在實(shí)時(shí)檢測(cè)方面，雖然利用序列均值法可以實(shí)現(xiàn)，但背景模型的建立和更新不是一時(shí)就能夠完成的，在這個(gè)過(guò)程中葉子的抖動(dòng)、光照的變化等都有可能對(duì)其產(chǎn)生影響；使用背景差分法建模時(shí)，背景起著決定性的作用，是至關(guān)重要的，現(xiàn)實(shí)條件下系統(tǒng)的運(yùn)行時(shí)間一般需要比較長(zhǎng)，當(dāng)前圖像會(huì)受天氣和時(shí)間的變化而改變，因此及時(shí)地更新背景是尤為重要的，比較好的方法是選擇性地將當(dāng)前幀插入到背景序列，用除前景區(qū)域以外的像素對(duì)背景模型進(jìn)行更新，這種算法在一定的程度上降低了前景對(duì)背景更新的影響.

2.2運(yùn)動(dòng)目標(biāo)提取算法

運(yùn)動(dòng)目標(biāo)提取算法主要有形態(tài)學(xué)濾波、連通區(qū)域標(biāo)記、車輛六邊形提取三種.形態(tài)學(xué)濾波在實(shí)際檢測(cè)中，能夠?qū)蓚€(gè)斷裂的目標(biāo)合并起來(lái)，并且能夠消除目標(biāo)周圍的一些噪聲，它有膨脹（將一些圖像與核進(jìn)行卷積）、腐蝕（與膨脹操作的操作相反）、開啟（先進(jìn)行腐蝕操作再進(jìn)行膨脹操作）、閉合（先進(jìn)行膨脹運(yùn)算再進(jìn)行腐蝕運(yùn)算）四個(gè)基本運(yùn)算，是視頻圖像處理中應(yīng)用比較多的一種處理方法，運(yùn)用其可消除前景上的噪聲，并可把圖像上孤立的像素連接在一起，使系統(tǒng)能夠更完整地檢測(cè)到對(duì)象.在具體實(shí)施時(shí)，要掃描一遍整個(gè)圖像序列，掃描完成后，根據(jù)像素相應(yīng)的標(biāo)記值劃分出所有的連通區(qū)域.表示前景運(yùn)動(dòng)目標(biāo)的方法主要是使用最小外接矩形來(lái)表示，但實(shí)際中，攝像槍拍到的往往不是車輛的正面，此時(shí)若繼續(xù)采用最小外接矩形來(lái)表示運(yùn)動(dòng)目標(biāo)，產(chǎn)生的“空洞”就會(huì)比較大，改良系統(tǒng)則是先求出最小連通區(qū)域的最小外接矩形，車輛的車道線偏向則由其的運(yùn)動(dòng)軌跡來(lái)決定，如果車道線偏左，就用左偏的六邊形表示，若偏右，則用右偏的六邊形表示，若剛好和圖像橫坐標(biāo)垂直則仍舊使用最小外接矩形.

3　交通事件檢測(cè)算法研究

運(yùn)動(dòng)車輛跟蹤算法對(duì)事件檢測(cè)效果有著比較大的影響，因此其是事件檢測(cè)系統(tǒng)的核心，其采用卡爾曼濾波識(shí)別跟蹤目標(biāo)車輛，分割黏在一起的車輛，合并分割的車輛.本文接下來(lái)將會(huì)對(duì)基于視頻圖像的逆行檢測(cè)算法進(jìn)行探討.在車輛跟蹤算法中，要使得連續(xù)圖像序列中的車輛位置中心構(gòu)成車輛的運(yùn)行軌跡，車輛位置的表示就需要選擇圖像中識(shí)別到的車輛外形的外接矩形中心點(diǎn).在固定的道路上，行駛方向的正方向是已經(jīng)定好的，根據(jù)車輛的運(yùn)動(dòng)軌跡和已定的正方向，就可以知道車輛是否是逆行的.但在實(shí)際生活中，會(huì)有很多不確定因素的干擾，因此，僅通過(guò)兩個(gè)軌跡點(diǎn)很容易產(chǎn)生錯(cuò)誤，是不能用其來(lái)判斷的.我們應(yīng)該用更為謹(jǐn)慎的方法來(lái)判斷車輛的行駛狀況.避免偶然因素對(duì)影響判斷，使結(jié)果差之甚遠(yuǎn).

在序列圖像中，比較目標(biāo)車輛對(duì)應(yīng)的位置的隔幀，記錄比較的結(jié)果，如果是負(fù)數(shù)，計(jì)數(shù)器加1，依次比較k次，如果與k的比值達(dá)到閾值T，就判定目標(biāo)車輛是逆行的，閾值大小與k值可以根據(jù)具體場(chǎng)景的復(fù)雜程度而定，一般來(lái)說(shuō)，比較次數(shù)越多，判定結(jié)果越準(zhǔn)確，但考慮到計(jì)算量的問(wèn)題，比較次數(shù)也不宜過(guò)多.大量的實(shí)驗(yàn)結(jié)果說(shuō)明，如果運(yùn)用此算法的話，在正常情況下，在車輛出現(xiàn)的1.5秒內(nèi)就能夠判斷出它是否有逆行行為，判斷結(jié)果的準(zhǔn)確性也是極高的.

4　結(jié)語(yǔ)

經(jīng)濟(jì)的發(fā)展使得人們的生活水平有了較大的提高，生活方式也逐漸變化，更多的人們以私家車作為出行的工具，這給道路交通方面帶來(lái)了很大的負(fù)擔(dān)，交通要道越來(lái)越擁堵，事故事件的發(fā)生也愈來(lái)愈頻繁，為提高道路的通行能力，減少事故事件的發(fā)生，對(duì)交通異常和交通事件進(jìn)行檢測(cè)必須迅速而又準(zhǔn)確，因此數(shù)字圖像處理技術(shù)和計(jì)算機(jī)視覺(jué)技術(shù)在基于視頻圖像的逆行交通事件檢測(cè)方法中的應(yīng)用也越來(lái)越受到人們的重視.基于視頻圖像的視頻檢測(cè)系統(tǒng)利用公路原有的監(jiān)控系統(tǒng)提供的圖像信息，再用計(jì)算機(jī)技術(shù)圖像對(duì)接收到的圖像信息進(jìn)行識(shí)別和處理，準(zhǔn)確而迅速地檢測(cè)交通事件，為實(shí)現(xiàn)交通參數(shù)的提取和突發(fā)事件的自動(dòng)檢測(cè)、記錄和報(bào)警提供了先進(jìn)的手段.這種基于視頻圖像處理的檢測(cè)系統(tǒng)能夠適應(yīng)我國(guó)道路交通發(fā)展的實(shí)際需要，擁有良好的市場(chǎng)需求和社會(huì)經(jīng)濟(jì)效益.

〔1〕林浪橋.基于視頻圖像的交通事件自動(dòng)檢測(cè)系統(tǒng)關(guān)鍵算法研究［D］.華南理工大學(xué)，2013（12）.

〔2〕朱婧.基于視頻圖像分析的交通事件檢測(cè)方法研究［D］.長(zhǎng)安大學(xué)，2007（6）.

〔3〕錢金法，余惠芬，趙力，鄒采榮.基于視頻的交通事件自動(dòng)檢測(cè)方法的研究［J］.電視技術(shù)，2010（11）.

TP391.41

A

1673-260X（2016）04-0063-02

2016-02-18