隧道照明節(jié)能控制系統(tǒng)的車輛信息視頻檢測方法研究?

王在浩，李 震，李良榮

(貴州大學大數(shù)據(jù)與信息工程學院貴州貴陽550025)

隧道照明節(jié)能控制系統(tǒng)的車輛信息
視頻檢測方法研究?

王在浩，李 震，李良榮?

(貴州大學大數(shù)據(jù)與信息工程學院貴州貴陽550025)

針對傳統(tǒng)的隧道車輛檢測方法存在錯檢、漏檢的現(xiàn)象，提出一種高效、快速、準確的隧道內高速行駛車輛的信息檢測方法。該方法的主要思想是在垂直方向和水平方向進行“地磁模擬”，結合背景差分法有效地檢測出車輛信息。計算分析表明，該方法能準確、快速地檢測出車輛信息，且原理簡單容易實現(xiàn)。

隧道照明;控制系統(tǒng);視頻檢測;車輛信息

自適應隧道照明節(jié)能控制系統(tǒng)要求安全、可靠，檢測到隧道中通行的車輛并計數(shù)，其準確性直接決定了“車近燈亮、車過燈滅”的核心思想能否實現(xiàn)[1-3]。目前廣泛使用的地磁檢測雖然靈敏，但是無法準確檢測出“騎”著分道線行駛的車輛，而且需破路安裝，有施工量大、維護不便的致命弱點[4]；微波檢測可以檢測并行車輛，且比較準確，但是周圍不能有墻壁，也就是說不能應用于隧道中，其應用環(huán)境受到限制；其它視頻檢測，主要用于慢速車輛檢測與跟蹤，對于高速公路上行駛車輛的信息檢測，需配合地磁或微波傳感器使用[5]。本文針對現(xiàn)有車輛檢測方法存在的問題，研究一種基于隧道行車視頻的車輛信息檢測方法，在保證信息檢測的可靠性、及時性基礎上，減少設備安裝的施工量，且具有便于維護的特點。

1 視頻檢測方法設計

本設計的基本思想是采用機器視覺技術，通過“地磁模擬”方法，結合背景差分法對隧道高速行車進行有效信息檢測。

1.1 地磁檢測模擬方法

1.1.1 地磁檢測方法

地磁檢測通過在地面埋設地磁傳感器，當有車輛經(jīng)過時會引起周圍的磁力線發(fā)生彎曲，用其產(chǎn)生的電信號來檢測車輛。該方法有著檢測靈敏度高、抗干擾能力強等優(yōu)點，但是其安裝時需破路埋設，而且對“騎”著分道線行駛的車輛檢測可能產(chǎn)生數(shù)據(jù)偏差(如，1輛車的檢查結果是2輛車)。

1.1.2 機器視覺技術

機器視覺主要利用計算機來模擬人的視覺功能，從圖像中提取出有效信息并加以利用。該技術最大的特點就是速度快、功能多、信息量豐富。

1.1.3 用機器視覺技術檢測隧道高速行車信息

用機器視覺技術檢測隧道路段一定范圍內的車輛通行情況，由于攝像頭是安裝在隧道頂部、與正前方呈一定角度、固定焦距，有安裝及維護方便、成本低等特點。檢測算法的核心思想是利用模擬地磁法結合背景差分法[6，7]進行車輛信息檢測，如圖1所示，在垂直方向和水平方向上通過設置虛擬線圈來進行地磁檢測模擬，具體算法如下:

圖1 視頻模擬地磁檢測

1)垂直方向:視頻信號中，行駛車輛有間距是絕對的，在虛擬線圈內，每一幀與背景的差值超過閾值就判斷為有車，該幀稱為有效幀；如果遇到堵車的緩行情況，車輛間距雖然很短，由于速度慢，故檢測和計數(shù)仍然可以完成，但需要考慮數(shù)據(jù)冗余及存儲容量問題。本文研究，著重高速行駛車輛的信息檢測，而高速行車會保持一定車距，中間肯定存在沒有檢測到車輛的幀(稱為空幀)，在“空幀”出現(xiàn)之前，前面的“有效幀”檢測的都是同一輛車，即車輛數(shù)目為1，如圖2所示。

圖2 垂直方向車輛檢測原理

2)水平方向:在水平方向，利用垂直方向的“空幀”判斷思想，兩輛并行車輛之間會保持一定空隙，以此分辨車的數(shù)量，水平方向的判斷是檢測并行車輛的關鍵。如圖3所示。利用視覺感知技術算法，能有效地克服地磁檢測存在的多檢(或漏檢)，以及施工量大、維護困難等不足，可以提高“隧道照明節(jié)能控制系統(tǒng)”的魯棒性。

圖3 水平方向車輛檢測原理

1.2 地磁模擬檢測算法

1.2.1 有效幀檢測可行性分析

式中帶入具體參數(shù)，即可得出有效幀數(shù)，若F大于1，說明檢測到“有車”。控制變量法繪制各參數(shù)的函數(shù)圖像如圖4所示。由函數(shù)圖像可以看出，有效幀數(shù)與檢測區(qū)域長度、幀率、車長成正比，與車速、有效閾值成反比。

2)可行性驗證:高速公路隧道設計，車速一般為60～90 km/h[8]，本例取90 km/h；檢測區(qū)域長設置為2 m；視頻幀率為25幀/s；車長取2.5 m(以較短車長為例)；閥值T設置為1 m。將這些參數(shù)帶入式①算出F＝2.5，說明有車。

若有車速超，達到120 km/h，根據(jù)式①，其他參數(shù)不變，可得出有效幀數(shù)F＝1.875，F(xiàn)＞1，說明在行車超速情況下也可以有效地檢測出車輛信息。

1.2.2 空幀檢測的可行性分析

1)基本原理:與有效幀檢測類似，車輛間距用DC表示，在檢測區(qū)域里的空幀數(shù)用FE表示，則函數(shù)為:

1)基本原理:車速用V表示；檢測區(qū)域設置長度用L表示；視頻幀率用VF表示；車長用LC表示，有效閾值用T表示，在檢測區(qū)域里的有效幀數(shù)用F表示，則函數(shù)為:

式中帶入具體參數(shù)，可得出有效空幀數(shù)，若FE大于1，則說明檢測到“空幀”。繪制函數(shù)圖像參見圖4，不再詳述。

圖4 有效幀數(shù)與相關參數(shù)的函數(shù)關系曲線

2)可行性驗證:根據(jù)《中華人民共和國道路交通安全法》(以下簡稱《道路交通安全法》)第八十條規(guī)定:機動車在高速公路上行駛，超過100 km/h時應當與同車道前車保持100 m以上，低于100 km/h時，最小距離也不得少于50 m。本例考慮到一些特殊情況，以10 m為車距進行計算(比如，危險超車時，與前車距可能只有10米左右)；車速100 km/h；檢測區(qū)域長2m；視頻幀率25幀/s；閥值T為1 m。將這些參數(shù)帶入式②，空幀數(shù)FE＝9，F(xiàn)E是大于1的，說明可以檢測到空幀。

針對一些突發(fā)情況，速度達到120 km/h，而車距只有5 m(這種可能性極小)，其它參數(shù)不變，根據(jù)式②算出空幀數(shù)FE＝3.75，也能有效的檢測其間隙。

2.3 結合背景差分法進行行車信息提取

背景差分法提取隧道高速行車信息的基本思想:將當前檢測到的圖像幀與背景圖像(無車輛時檢測到的“干凈”圖片)進行差分運算，再通過設置合適的閾值提取出運動目標。背景圖片用G(x)表示；獲得的實時圖像幀用F(x)表示；閾值用T表示；檢測結果用D(x)表示，則函數(shù)為:

從式③可以看出，背景差分法是較為成熟的技術，只需要進行簡單的差分運算和閾值判斷，且錯誤率較低。該方法有著檢測速度快、準確度高、易于實現(xiàn)等特點，能夠滿足高速行駛的車輛信息檢測的要求。

3 檢測方法實現(xiàn)應解決的關鍵問題

3.1 背景圖像問題

背景差分法算法中，影響提取信息準確性的因素就是背景圖像，隧道是半封閉式環(huán)境，受外部自然光的影響很小，但由于車燈照明不同而引起的圖像背景變化情況卻非常復雜，因而信息提取算法的可靠性及有效性面臨嚴峻挑戰(zhàn)。

3.2 處理算法的效率問題

隧道照明控制系統(tǒng)行車信息檢測點(節(jié)點)的設置，是依據(jù)隧道設計的最高時速(留有一定裕量)計算后等間距設置的，每個節(jié)點安裝攝像頭。本例設置節(jié)點之間的距離為100m，考慮到超速情況，車速達120 km/h，則車輛到下一個檢測點只需3 s。在這3 s之內檢測系統(tǒng)必須完成對采集的幀信息處理，得出的車輛信息發(fā)送給下一檢測點，下一檢測點響應并處理接收信息。雖然一些圖像處理技術相當成熟，但是數(shù)據(jù)處理復雜，運算量大，再加上每秒25幀的龐大數(shù)據(jù)量和時間的限制，這對控制單元的處理速度與處理算法就提出了苛刻要求。如果處理速度與效率跟不上，則會發(fā)生漏檢，會使系統(tǒng)進入惡性循環(huán)，從而導致整個照明控制系統(tǒng)功能失效，這是極度危險的情況，所以必須提高處理算法的效率。

4 解決問題的基本方法

4.1 自適應背景更新

由于實際背景是不斷變化的，所以需要建立一個自適應更新的背景模型。本文選用基于時間序列的碼本(CodeBook)算法來建立模型[9]，該算法的基本思想:首先為每個像素創(chuàng)建一個碼本CB，碼本里有多個碼元為CE，而碼元里包含了每個顏色通道的學習最大閾值、學習最小閾值、檢測最大閾值、檢測最小閾值以及最后一次更新的時間。碼元的C語言結構體定義為:

在建模過程中，圖片的像素值定義為unsigned char pix[3]，三個元素分別代表三個顏色通道值，碼元的定義為:Code_Element p_CE，則將檢測到的每幅圖片與對應碼本進行像素級的匹配，會出現(xiàn)下面三種匹配結果:

1)該像素在某個碼元的檢測閾值內(p_CE. min[i]＜p[i]＜p_CE.max[i])，則說明像素沒有變化。

2)該像素在某個碼元的檢測閾值外(p[i]＜p _CE.min[i]或者p[i]＞p_CE.max[i])，但在學習閾值范圍內(p_CE.learn_min[i]＜p[i]＜p_CE. learn_max[i])，則更新對應碼元的學習閾值和檢測閾值，并重置該碼元的最后更新時間。

3)該像素值與碼本中的每個碼元都不匹配(p [i]＜p_CE.learn_min[i]或p[i]＞p_CE.learn_max [i])，則新建一個碼元。

在更新背景時，通過檢測每個碼元的最后更新時間來刪除時間間隔超出閾值的“舊”碼元，這樣就可以學習到復雜的動態(tài)背景；為了獲得較好的前景分割效果，給檢測閾值分別設置可調節(jié)的偏移量maxmod和minmod；最后將上面介紹的每個方法封裝成對應的函數(shù)，分別為碼本更新函數(shù)update_codebook()、“舊”碼元清除函數(shù)clear()、前景分割函數(shù)back_diff()，通過調用這些函數(shù)來實現(xiàn)碼本更新算法，編程流程圖如圖5所示。

圖5 自適應背景流程圖

4.2 虛擬線圈設置與數(shù)據(jù)處理效率分析

1)虛擬線圈設置算法:本算法通過設置虛擬線圈的方法來設定檢測區(qū)域。首先以圖片左上角為原點建立一個坐標系，原點向右為x軸正方向，向下為 y軸正方向，設圖像幀的長為 Len，寬為Width，如圖6所示。

圖6 圖片坐標系

圖像幀使用二維數(shù)組p[y][x]表示，每個元素的下標x、y分別表示像素點在圖像中的坐標位置。則在圖像中設置虛擬矩形線圈的4個頂點分別為:p[y1][x1]、p[y1][x2]、p[y2][x1]、p [y2][x2]，如圖7所示。

對于虛擬線圈的位置，理論上只要設置在攝像頭拍攝到的畫面之內的任意位置都可以，但是為了獲取最好的視角，最好靠近中間位置，將攝像頭聚焦(固定焦距)到該位置即可，則設置虛擬線圈后，一張圖片的數(shù)據(jù)量與原圖片的關系函數(shù)為:

圖7 虛擬線圈坐標

虛擬線圈的大小對檢測方法的性能有著直接的影響。虛擬線圈即為檢測區(qū)域，則檢測區(qū)域的長度(L)等于虛擬線圈的寬度(y2-y1)。由公式①和公式④可知，虛擬線圈的寬度越大，越容易檢測到車輛，但同時增加了數(shù)據(jù)量，所以虛擬線圈寬度需要根據(jù)處理器的性能進行選取。因為該檢測方法最重要的指標之一就是不能漏檢，所以虛擬線圈的長度(x2-x1)取該攝像頭有效檢測范圍的路面寬度。

2)數(shù)據(jù)處理效率分析:如果使用1080P的高清攝像頭，則圖像分辨率為1920×1080 pixels，即Len為1920，Width為1080。檢測區(qū)域的坐標值x1為300，x2為1600，y1為400，y2為700。則根據(jù)式④得出一張圖片的數(shù)據(jù)量約為原來的1/5。如果按照25幀/s的數(shù)據(jù)量，每天通過設置虛擬線圈所減少的數(shù)據(jù)量是很龐大的。所以，該方法不僅大大降低了數(shù)據(jù)量，還減少了噪聲(隧道墻壁、路面異物等)影響，另外，采用的背景差分法具有運算速度快、檢測準確等優(yōu)點，使得檢測運動目標的算法得到簡化，易于實現(xiàn)，明顯提高了處理的速度，從而提高信息處理的效率。

5 結 語

本文研究高速公路隧道照明節(jié)能控制系統(tǒng)的行車信息檢測問題，控制系統(tǒng)利用檢測到本節(jié)點“有車通過”信息來開啟照明并計數(shù)，下一節(jié)點用來車的“計數(shù)”信息來判斷車隊是否過完(控制滅燈)。通過現(xiàn)有隧道車輛檢測技術的局限性分析，提出一種基于地磁模擬結合背景差分算法的自適應車輛信息視頻檢測方法，對檢測系統(tǒng)設計進行了分析，通過算法的可行性驗證，說明該方法可以準確的檢測出通過隧道節(jié)點的車輛，并闡述其具有檢測準確、速度快、易于實現(xiàn)等特點，可以提高隧道照明節(jié)能控制系統(tǒng)的魯棒性。

[1]丁磊，李震，田海東等.“低碳經(jīng)濟”下高速公路隧道照明控制系統(tǒng)研究[J].照明工程學報，2013，24(4):123-127.

[2]李良榮，王在浩，李震等.自適應隧道節(jié)能照明控制系統(tǒng)設計方案[J].貴州大學學報(自然科學版)，2014，31(5):48-52.

[3] 李良榮，潘鳴.公路隧道的智能照明裝置，專利號: ZL2011200120594.[P].2011，中華人民共和國知識產(chǎn)權局.

[4]楊志愷.基于地磁技術的車輛檢測傳感器研究[D].杭州:杭州電子科技大學，2013:6-12.

[5]鄧晨.微波視頻融合車輛檢測與分類技術研究[D].武漢:武漢理工大學，2010:9-24.

[6]Jon Arrospide，Luis Salgado.A Study of Feature Combination for Vehicle Detection Based on Image Processing[J].The Scientific World Journal，2014(2014):1-13.

[7]Shen Hao，Li Shuxiao，Zhu Chengfei.et al.Moving object detection in aerial video based on spatiotemporal saliency[J].Chinese Journal of Aeronautics，2013，26(05):1211-1217.

[8]謝華為.高速公路車速控制分析[J].交通科技與經(jīng)濟，2014 (01):20-22.

[9]熊 亮，劉偉銘.基于背景CodeBook模型的前景檢測算法[J] .科學技術與工程，2010，10(09):2118-2121.

(責任編輯:王先桃)

Vehicle Information Video Detection of Tunnel Lighting Energy-saving Control System

WANG Zaihao，LIZhen，LILiangrong?

(College of Big Data and Information Engineering，Guizhou University，Guiyang 550025，China)

Due to the error and missed detection of the conventional tunnel vehicle detection methods，an efficient，fast and accuratemethod of detecting the high-speed vehicle in the tunnelwas proposed.Themain idea is a"magnetic simulation"in the vertical and horizontal directions，and detecting vehicle information effectively combined with background subtraction.Calculation shows that it detected the vehicle information accurately and quickly，besides，the principle is simple and easy to achieve.

tunnel lighting；control system；video detection；vehicle information

TP 274.2

A

1000-5269(2016)04-0085-05

10.15958/j.cnki.gdxbzrb.2016.04.17

2016-06-12

國家自然科學基金(61361012)

王在浩(1991-)，男，在讀碩士，研究方向:電路系統(tǒng)軟硬件結合.Email:wzh16622＠163.com.

?通訊作者:李良榮.Email:lrli＠gzu.edu.cn.