一種基于非均勻視頻圖像幀采集的車速實(shí)時(shí)測(cè)量方法

重慶大學(xué)通信工程學(xué)院 嚴(yán)正行 管曉玲 唐方舟 印 勇

?

一種基于非均勻視頻圖像幀采集的車速實(shí)時(shí)測(cè)量方法

重慶大學(xué)通信工程學(xué)院 嚴(yán)正行 管曉玲 唐方舟 印 勇

【摘要】當(dāng)今隨著智能交通系統(tǒng)的不斷發(fā)展，車速檢測(cè)必不可少?；谝曨l圖像的車速檢測(cè)以其安裝簡(jiǎn)便、成本較低的優(yōu)點(diǎn)有著廣泛的應(yīng)用前景，但目前基于視頻圖像的車速檢測(cè)準(zhǔn)確度、精度較低，實(shí)時(shí)性不夠好。本文提出了一種基于非均勻視頻圖像幀采集的車速實(shí)時(shí)測(cè)量方法，該方法通過非均勻視頻圖像幀采集，檢測(cè)測(cè)速起始、結(jié)束區(qū)的感興趣區(qū)域內(nèi)圖像差值大小，利用系統(tǒng)計(jì)時(shí)獲取車輛在固定實(shí)際距離下的運(yùn)動(dòng)時(shí)間，計(jì)算得到車輛運(yùn)動(dòng)速度。該方法與傳統(tǒng)方法相比，測(cè)速準(zhǔn)確度、精度以及實(shí)時(shí)性都得到較大提高，增強(qiáng)了系統(tǒng)魯棒性。

【關(guān)鍵詞】信息處理技術(shù)；車速測(cè)量；車輛檢測(cè)；非均勻圖像幀采集

引言

隨著社會(huì)的急速發(fā)展，在交通領(lǐng)域中，如何精確的測(cè)量機(jī)動(dòng)車輛行駛速度一直是國(guó)家科技工作者們的研究熱點(diǎn)。視頻測(cè)速通過獲取攝像頭采集到的視頻信息，通過軟件分析的方法提取視頻背景和目標(biāo)車輛并通過預(yù)先的實(shí)際標(biāo)定，測(cè)量車輛的速度。

視頻測(cè)速具有安裝簡(jiǎn)單，無需專用測(cè)速設(shè)備等諸多優(yōu)點(diǎn)，但也存在許多需要解決的問題:首先是視頻測(cè)速的精度是隨著光照情況的變化而變化的；其次是視頻測(cè)速算法中陰影問題，易造成誤檢錯(cuò)檢，準(zhǔn)確度不高；最后，車輛在道路場(chǎng)景中的相互遮擋的問題。目前的難點(diǎn)還集中在車輛的分割上，在算法設(shè)計(jì)方面應(yīng)考慮設(shè)置多種輔助檢測(cè)區(qū)域，進(jìn)行多種分析計(jì)算。另外，現(xiàn)在的大多數(shù)視頻測(cè)速方法中的算法較為復(fù)雜，不能很好的滿足實(shí)時(shí)性要求，在硬件上須采用更高速的處理芯片來滿足高級(jí)算法的需求［1］ ［2］ ［3］。

筆者提出一種視頻測(cè)速方法以解決現(xiàn)有視頻測(cè)速方法實(shí)時(shí)性差、精度低、抗干擾能力差以及其他測(cè)速方法測(cè)試設(shè)備成本高、系統(tǒng)復(fù)雜等問題。其系統(tǒng)檢測(cè)簡(jiǎn)要流程如圖1所示。

圖1 測(cè)速簡(jiǎn)要流程圖Fig.1 Brief Diagram of Speed Measurement

圖2 系統(tǒng)初始化流程圖Fig.2 Diagram of System Initialization

1.車速檢測(cè)系統(tǒng)結(jié)構(gòu)及基本原理

速度是單位時(shí)間內(nèi)物體運(yùn)動(dòng)的位移［4］。

測(cè)量速度可采用的方法有：一是固定時(shí)間內(nèi)物體運(yùn)動(dòng)的位移，二是運(yùn)動(dòng)固定位移所需的時(shí)間?；谝曨l圖像對(duì)車輛的測(cè)速，選取方法二更合適，即在視頻圖像中選取固定距離的測(cè)速區(qū)，測(cè)量同一輛車輛經(jīng)過測(cè)速區(qū)的準(zhǔn)確時(shí)間，由公式（1）即可算出目標(biāo)車輛經(jīng)過測(cè)速區(qū)內(nèi)的平均速度。其中的為視頻圖像測(cè)速區(qū)距離經(jīng)過實(shí)地標(biāo)定后的實(shí)際距離，可直接由幀頻導(dǎo)出，也可由系統(tǒng)時(shí)鐘得到。視頻測(cè)速的重點(diǎn)是對(duì)車輛的準(zhǔn)確識(shí)別與分割，對(duì)經(jīng)過測(cè)速區(qū)的時(shí)間準(zhǔn)確測(cè)量。

2.測(cè)速方法

視頻圖像測(cè)速易受的干擾因素較多，如光照情況的變化、光照形成的陰影、車燈的影響、車輛遮擋、極端天氣的影響等［2］，這些都對(duì)視頻測(cè)速的準(zhǔn)確度有著很大的影響。這些干擾因素主要影響著車輛的準(zhǔn)確檢測(cè)與分割。

目前常用的車輛檢測(cè)方法有幀間差分法、背景差分法、輪廓檢測(cè)法、光流法、特征檢測(cè)等［2］。大多數(shù)視頻測(cè)速方法計(jì)算較為復(fù)雜，不能很好的滿足實(shí)時(shí)性要求，并且車輛檢測(cè)的準(zhǔn)確性也有待提升［2］。

筆者綜合參考了車輛檢測(cè)準(zhǔn)確性與實(shí)時(shí)性要求，在此提出一種基于非均勻視頻圖像幀采集的車速實(shí)時(shí)測(cè)量方法。

該方法的主要實(shí)施步驟如下：

①系統(tǒng)初始化：首先從攝像頭獲取一幀圖像映射為系統(tǒng)標(biāo)準(zhǔn)尺寸，本方法建議尺寸為1024×768；然后根據(jù)待測(cè)車道的形狀在合適的測(cè)速位置劃定車道的掩膜；其次，根據(jù)該掩膜自動(dòng)生成其最小外接矩作為該掩膜的感興趣區(qū)域，另外，在該掩膜內(nèi)劃定測(cè)速起始區(qū)域掩膜和結(jié)束區(qū)域掩膜，并以同樣的方式生成對(duì)應(yīng)感興趣區(qū)域；最后，提取起始、結(jié)束感興趣區(qū)域的背景，并進(jìn)行灰度處理。在保證測(cè)速準(zhǔn)確性的前提下，使用感興趣區(qū)域進(jìn)行測(cè)速處理。

②實(shí)際標(biāo)定：系統(tǒng)根據(jù)測(cè)速起始、結(jié)束掩膜獲得其中心點(diǎn)，根據(jù)這兩個(gè)中心點(diǎn)測(cè)量出該兩點(diǎn)在車道中對(duì)應(yīng)的實(shí)際距離并輸入系統(tǒng)。

③車輛速度計(jì)算：依次從攝像頭中獲取圖像幀，對(duì)每一幀圖像都進(jìn)行如下處理：更新所有感興趣區(qū)域的數(shù)據(jù)；根據(jù)起始區(qū)掩膜的感興趣區(qū)域檢測(cè)每幀圖像起始窗的圖像差值來判斷是否有車到達(dá)；當(dāng)起始窗檢測(cè)到有車到達(dá)時(shí)，系統(tǒng)根據(jù)系統(tǒng)時(shí)鐘進(jìn)行計(jì)時(shí)；不斷從攝像頭中獲取圖像幀，根據(jù)結(jié)束掩膜的感興趣區(qū)域檢測(cè)每幀圖像結(jié)束窗的圖像差值來判斷是否有車到達(dá)；系統(tǒng)在處理每一幀時(shí)，若有車到達(dá)，系統(tǒng)計(jì)時(shí)結(jié)束，返回測(cè)速時(shí)間，根據(jù)實(shí)際距離和測(cè)速時(shí)間計(jì)算出車速并完成車流量統(tǒng)計(jì)及超速檢測(cè)等功能。若無車到達(dá)，系統(tǒng)立即獲取下一幀進(jìn)行檢測(cè)。

圖2為系統(tǒng)初始化流程圖，首先從攝像頭獲取系統(tǒng)待測(cè)速車道的圖像，在圖像中劃定待測(cè)車道掩膜，系統(tǒng)會(huì)根據(jù)車道掩膜即刻生成車道掩膜的感興趣區(qū)域。然后，在掩膜感興趣區(qū)域內(nèi)合適的地方劃定測(cè)速起始區(qū)掩膜、測(cè)速結(jié)束區(qū)掩膜，系統(tǒng)也會(huì)即刻生成對(duì)應(yīng)的兩個(gè)感興趣區(qū)域。再將視頻圖像測(cè)速區(qū)的距離經(jīng)過實(shí)地標(biāo)定，得出其實(shí)際距離并輸入系統(tǒng)。除此之外，還要更新測(cè)速起始區(qū)小窗和結(jié)束區(qū)小窗，以獲取較佳的小窗圖像并灰度化作為系統(tǒng)初始測(cè)速的背景。

圖3為系統(tǒng)車速檢測(cè)流程圖，首先對(duì)系統(tǒng)進(jìn)行初始化，將標(biāo)志位HSTART和HEND置零；依次從攝像頭中獲取圖像幀，對(duì)每一幀圖像都進(jìn)行如下處理：更新所有感興趣區(qū)域的數(shù)據(jù)。根據(jù)起始區(qū)掩膜的感興趣區(qū)域檢測(cè)每幀圖像起始窗的圖像差值來判斷是否有車到達(dá)；當(dāng)HSTART ＞1時(shí)，起始窗檢測(cè)到有車到達(dá)，系統(tǒng)根據(jù)系統(tǒng)時(shí)鐘進(jìn)行計(jì)時(shí)；不斷從攝像頭中獲取圖像幀，根據(jù)結(jié)束掩膜的感興趣區(qū)域檢測(cè)每幀圖像結(jié)束窗的圖像差值來判斷是否有車到達(dá)，當(dāng)HEND＞1時(shí)，結(jié)束窗檢測(cè)到有車到達(dá)；系統(tǒng)在處理每一幀時(shí)，若有車到達(dá)結(jié)束窗，系統(tǒng)計(jì)時(shí)結(jié)束，返回測(cè)速時(shí)間，根據(jù)實(shí)際距離和測(cè)速時(shí)間計(jì)算出車速并完成車流量統(tǒng)計(jì)及超速檢測(cè)等功能。若無車到達(dá)，系統(tǒng)立即獲取下一幀進(jìn)行檢測(cè)。

判斷是否有車輛到達(dá)起始窗或結(jié)束窗時(shí)都單獨(dú)設(shè)置了一個(gè)標(biāo)志位，檢測(cè)到圖像差值較大時(shí)標(biāo)志位加1，否則，標(biāo)志位置零，當(dāng)標(biāo)志位大于1時(shí)會(huì)判為有車輛到達(dá)。所以只有當(dāng)連續(xù)監(jiān)測(cè)到兩次差值較大時(shí)才會(huì)認(rèn)定為有車輛到達(dá)起始窗或結(jié)束窗，降低了部分干擾的影響，增強(qiáng)了系統(tǒng)的魯棒性。

3.車輛檢測(cè)方法

在整個(gè)車輛速度測(cè)量過程中，使用圖像差值檢測(cè)在測(cè)速起始區(qū)、測(cè)速結(jié)束區(qū)感興趣區(qū)域中對(duì)車輛進(jìn)行檢測(cè)。該方法能較高效的檢測(cè)車輛，其主要有如步驟下：

（1）當(dāng)前感興趣區(qū)域進(jìn)行灰度處理；

（2）當(dāng)前感興趣區(qū)域與背景在掩膜的輔助下進(jìn)行差分運(yùn)算并處理獲得差值均衡化圖像：首先，當(dāng)前感興趣區(qū)域圖像與背景圖像相減得到差值圖像；然后，找出差值圖像中像素點(diǎn)最小值Min，并讓差值圖像的每個(gè)像素點(diǎn)加上該數(shù)值得到被修改的圖像；最后，找出被修改圖像中像素點(diǎn)最大值Max，并讓被修改的圖像的每個(gè)像素點(diǎn)乘以，得到最終的差值均衡圖像。

（3）對(duì)圖像進(jìn)行自適應(yīng)閾值的二值化處理：對(duì)差值均衡圖像采用大律法［7］計(jì)算閾值，根據(jù)閾值進(jìn)行二值化處理得到二值化圖像［7］。

（4）對(duì)二值化圖像進(jìn)行中值濾波處理，并進(jìn)行閉運(yùn)算形態(tài)學(xué)處理［7］；

（5）統(tǒng)計(jì)灰度值為255的像素點(diǎn)數(shù)占該感興趣區(qū)域總像素點(diǎn)的比例；

（6）判斷比例是否小于設(shè)定的背景更新閾值，若是，則更新當(dāng)前感興趣區(qū)域的背景，反之，則結(jié)束，進(jìn)行下一步的判斷。

車輛檢測(cè)流程可參考差值檢測(cè)流程圖圖4。

圖3　車速測(cè)量總流程圖Fig.3 Total Diagram of Speed Measuremen

圖4　車輛檢測(cè)流程Fig.4 Diagram of Vehicles Detection

4.測(cè)速方法特點(diǎn)

（1）保證準(zhǔn)確的前提下，數(shù)據(jù)量處理較小，抗干擾性較強(qiáng)：

①在系統(tǒng)初始化時(shí)劃定三個(gè)掩膜［6］，并基于每個(gè)掩膜生成了對(duì)應(yīng)的感興趣區(qū)域，在保證測(cè)速準(zhǔn)確性的前提下，使用感興趣區(qū)域進(jìn)行測(cè)速處理大大地減少了系統(tǒng)處理的數(shù)據(jù)量，提高了系統(tǒng)實(shí)時(shí)性。

②在對(duì)車輛的檢測(cè)使用的是感興趣區(qū)域的差值檢測(cè)方法，通過該方法計(jì)算出了灰度值為255的像素點(diǎn)的數(shù)量占總像素點(diǎn)數(shù)量的比例，將該比例和設(shè)定的比例閾值相比，大于閾值表示出現(xiàn)了車輛，小于閾值表示沒有車輛。該檢測(cè)方法簡(jiǎn)單并高效，避免使用復(fù)雜的光流法、角點(diǎn)檢測(cè)與匹配、斑點(diǎn)檢測(cè)與匹配等方法，減小數(shù)據(jù)處理量，提高實(shí)時(shí)性。

（2）車輛經(jīng)過測(cè)速區(qū)時(shí)使用的是系統(tǒng)時(shí)鐘：從起始窗檢測(cè)到車至結(jié)束窗口檢測(cè)到車的系統(tǒng)時(shí)間差是車輛運(yùn)動(dòng)的時(shí)間，使用這個(gè)系統(tǒng)時(shí)間差代替車輛實(shí)際運(yùn)動(dòng)的時(shí)間，相比由固定幀率計(jì)算的時(shí)間，提高了幾個(gè)數(shù)量級(jí)，很大程度上減小了時(shí)間誤差，使得計(jì)算得出的時(shí)間盡可能接近于車輛實(shí)際運(yùn)動(dòng)的時(shí)間。

（3）系統(tǒng)采用了非均勻視頻圖像幀采集方法：在系統(tǒng)進(jìn)行測(cè)速時(shí)，若沒有車輛到達(dá)結(jié)束窗時(shí)，立即放棄處理當(dāng)前幀并從攝像頭獲取下一幀圖像進(jìn)行處理，中間無需等待定時(shí)器時(shí)間。獲得的圖像為非均勻視頻圖像幀，幀率相對(duì)較高，對(duì)車輛實(shí)際運(yùn)動(dòng)過程采樣次數(shù)較多，使得系統(tǒng)獲得更多的車輛的位置信息，在空間距離上減小了系統(tǒng)誤差，與此同時(shí)也讓系統(tǒng)計(jì)時(shí)更為準(zhǔn)確。

（4）在車速計(jì)算中，數(shù)據(jù)處理的對(duì)象是基于測(cè)速起始、結(jié)束掩膜的感興趣區(qū)域，而判斷車輛是否到達(dá)起始窗的根據(jù)是感興趣區(qū)域中的掩膜，并非常用的雙線圈法［8］。

（5）在對(duì)車輛檢測(cè)使用的感興趣區(qū)域的圖像差值檢測(cè)中，使用了差值圖像均衡化方法。

圖5-a 測(cè)速起始窗車輛檢測(cè)情況Fig.5-a The Result of Vehicle Detection In Starting Window

圖5-b 測(cè)速結(jié)束窗車輛檢測(cè)情況Fig.5-b The Result of Vehicle Detection In Ending Window

5.實(shí)驗(yàn)及結(jié)論

對(duì)于該測(cè)量方法，筆者在兩臺(tái)相同計(jì)算機(jī)上（SAMSUNG 450R5VEG2CN）使用相同的USB攝像頭（RER-USBFHD01M）采用本文的檢測(cè)方法［5］分別對(duì)固定幀率的視頻和基于非均勻視頻圖像幀采集的視頻進(jìn)行車輛速度測(cè)量。

（1）截取視頻中有車輛經(jīng)過的多輛目標(biāo)車的圖像，檢測(cè)效果如圖5。圖中a圖表示車輛到達(dá)測(cè)速起始窗的檢測(cè)情況，b圖表示車輛到達(dá)測(cè)速結(jié)束窗的檢測(cè)情況。從圖看出，車輛經(jīng)過測(cè)速起始窗和測(cè)速結(jié)束窗時(shí)，系統(tǒng)能準(zhǔn)確檢測(cè)到車輛。

（2）對(duì)固定幀率的視頻和基于非均勻視頻圖像幀采集的視頻進(jìn)行車輛速度測(cè)量，測(cè)速區(qū)實(shí)際標(biāo)定的距離為26.1m，被測(cè)速車輛以制定速度勻速經(jīng)過測(cè)速區(qū)。測(cè)量結(jié)果分別記錄于表1和表2中。

表1　基于固定幀率（幀率為30）的視頻測(cè)速結(jié)果Tab.1 The Results of Speed Measurement Based On Fixed Frame Rates（30 frames/sec）

表2　基于非均勻視頻圖像幀采集的視頻測(cè)速結(jié)果Tab.2 The Results of Speed Measurement Based On grabbing non-uniform video image frame.

精度計(jì)算公式［5］：

其中vm為實(shí)驗(yàn)測(cè)量獲得的車輛速度，vr為車輛的實(shí)際速度。

從表1可以看出，使用文中的車輛檢測(cè)方法，在幀率為30的固定幀率的視頻測(cè)速中，測(cè)速平均精度96.1%；從表2可以看出，在相同的測(cè)試環(huán)境下，使用相同的車輛檢測(cè)方法，在基于非均勻視頻圖像幀采集的視頻中，測(cè)速平均精度為98.49%。在使用基于非均勻視頻圖像幀采集的方法中，測(cè)速精度明顯要高于基于固定幀率視頻的方法。兩種方法用在測(cè)量低速車輛時(shí)，相比高速車輛，精度都較高。除此之外，表2每一輛車輛的速度測(cè)量精度普遍高于表1中的精度，即基于非均勻視頻圖像幀采集的方法速度測(cè)量精度要比基于固定幀率視頻的方法精度要高。

另外，我們繼續(xù)使用該實(shí)驗(yàn)裝置在道路上進(jìn)行了10到20分鐘左右的實(shí)時(shí)車速測(cè)量［6］，車輛檢測(cè)平均正確率為89.9%，平均漏檢率為2.0%，平均錯(cuò)檢率為8.1%。

由于實(shí)驗(yàn)條件有限，我們不能知道車輛的實(shí)際精確速度，并且還有一些設(shè)備等限制，會(huì)一定程度上影響實(shí)驗(yàn)結(jié)果的準(zhǔn)確性。但在以上數(shù)據(jù)看來，實(shí)驗(yàn)結(jié)果還是很滿意的。因此，本文的基于非均勻視頻圖像幀采集的車速實(shí)時(shí)測(cè)量方法相比普通的車速測(cè)量方法，精度、準(zhǔn)確度以及實(shí)時(shí)性均有提高，是一種實(shí)際可行的車速測(cè)量方法。

參考文獻(xiàn)

［1］泉州市視通光電網(wǎng)絡(luò)有限公司.一種基于視頻的車輛測(cè)速方法［P］.中國(guó)201210063280.1，2012.07.18.

［2］董春利，董育寧.基于視頻的車輛檢測(cè)與跟蹤算法綜述［J］.南京郵電大學(xué)學(xué)報(bào)，2009，29（2）：88-94.

［3］韓露莎.ITS中交通狀態(tài)檢測(cè)的算法研究［D］.浙江：浙江工業(yè)大學(xué)，2013.

作者簡(jiǎn)介：

嚴(yán)正行（1994-），男，大學(xué)本科，研究方向：視頻分析處理。

通訊作者：

印勇（1963-），男，教授，重慶大學(xué)通信工程學(xué)院副院長(zhǎng)，研究方向：圖像信息處理與識(shí)別、視頻分析處理、現(xiàn)代信號(hào)與信息處理。

基金項(xiàng)目：國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃資助項(xiàng)目（項(xiàng)目編號(hào)：201510611084）。