基于雪天的車流量檢測算法

于洋 黃新

摘要

目前傳統(tǒng)的車流量檢測方法容易受到惡劣天氣等外界因素的影響，造成了誤檢率較高、實(shí)時(shí)性較差等問題，因此精確地檢測出雪天下的汽車流量對于城市的智能交通具有重要的意義。本文首先采用的是改進(jìn)的幀間差分法降低雪花對車流量檢測的影響，然后以車輛的背景信息作為檢測特征，利用改進(jìn)的背景幀差和相部幀差法降低車輛區(qū)域內(nèi)的空洞對車輛檢測造成的影響，保證車輛區(qū)域的完整性。最后統(tǒng)計(jì)駛?cè)胩摂M區(qū)域的車輛數(shù)目進(jìn)行車輛計(jì)數(shù)，從而得到車流量信息，實(shí)現(xiàn)視頻中該路段的車流量計(jì)算。經(jīng)過大量實(shí)驗(yàn)表明本文提出的車流量算法提高了檢測的準(zhǔn)確性和實(shí)時(shí)性要求。

【關(guān)鍵詞】背景幀差 惡劣天氣 雪花 車流量統(tǒng)計(jì)

1 總體設(shè)計(jì)

首先讀入在雪天采集的車輛視頻圖像，下一步根據(jù)車道寬度在圖像的適當(dāng)位置設(shè)置大小合理的虛擬線圈，然后去除圖中的雪花，有利于圖像質(zhì)量的提高。再對圖像進(jìn)行增強(qiáng)處理，使經(jīng)過處理后的圖像更便于后續(xù)處理，接下來對背景進(jìn)行更新，再利用本文中提出的改進(jìn)的背景幀差和相鄰幀差法對運(yùn)動車輛進(jìn)行檢測，最后通過識別車輛是否進(jìn)入虛擬線圈來統(tǒng)計(jì)車流量?？傮w設(shè)計(jì)流程圖如圖1所示。

2 獲取視頻圖像

本文所使用的視頻文件是雪天在人行天橋上拍攝的，每秒50幀，每幀圖像的大小為640×480。在保證實(shí)驗(yàn)計(jì)算結(jié)果不受影響的前提下，還要充分考慮處理圖像實(shí)時(shí)性的需求，對拍攝的視頻圖像采用每隔三幀抽取的方式，即每秒15幀。

3 雪花的檢測與去除

通過分析運(yùn)動圖像中雪花點(diǎn)的相關(guān)特性，提出了有效檢測與去除視頻中雪花點(diǎn)的算法。一種是運(yùn)用改進(jìn)的K-means算法，該算法依據(jù)圖像的像素點(diǎn)亮度變化，對圖像中像素點(diǎn)的亮度變化統(tǒng)計(jì)結(jié)果進(jìn)行聚類分析，獲得雪花點(diǎn)亮度聚類估計(jì)值與背景亮度估計(jì)值，而背景的亮度值遠(yuǎn)小于雪花點(diǎn)的亮度值，因此用背景亮度值來代替雪花的亮度值的想法來實(shí)現(xiàn)消除雪花的目的。另一種是利用雪花圖像的時(shí)域特性結(jié)合傳統(tǒng)幀間差分法，提出一種改進(jìn)的幀間差分法。本文采用的是改進(jìn)的幀間差分法。雪花引起的像素點(diǎn)的亮度變化值波動圖如圖2所示。

從圖像亮度波動圖中可以看出，被雪花點(diǎn)覆蓋部分的像素亮度有較大的波動，而未被雪花點(diǎn)覆蓋部分亮度的波動情況較小。說明由于雪花點(diǎn)的遮擋背景的部分光線強(qiáng)度會出現(xiàn)明顯的亮度變化，即圖像中是否被雪花點(diǎn)覆蓋就可依據(jù)背景圖像亮度的變化來判斷。視頻圖像被劃分成不含雪花和包含雪花兩個(gè)區(qū)域再有效地檢測出了被雪花遮擋的像素之后，用如下算法需把每幀圖像中的雪花去除。首先對第m-2，m-1，m+1m+2這4幀圖像中像素亮度按從小到大進(jìn)行排序，然后把取出亮度較小的兩幀，計(jì)算這兩幀像素亮度的平均值來替代第m幀像素亮度，這樣就獲得第m幀圖像的背景。這樣被雪花污染圖像中絕大部分可以去除。但是，還是可能出現(xiàn)連續(xù)多幀圖像中同一個(gè)像素被污染的情況，本文采用兩張檢測出未被雪花污染的相鄰像素亮度的平均值來替代這點(diǎn)的像素。經(jīng)過上述算法對雪天下的車輛視頻圖像進(jìn)行去雪花處理，處理后的效果圖如圖3所示。

4 車流量統(tǒng)計(jì)

在十字交叉路口斑馬線與停車線之間設(shè)定為虛擬的車輛檢測區(qū)域，該虛擬線圈覆蓋所需檢測的車道。再在該虛擬線圈中，通過高斯混合模型構(gòu)建背景模型，基于改進(jìn)的背景幀差法和改進(jìn)的相鄰幀差法相結(jié)合的算法劃分車輛區(qū)域，通過俯視投影減小車輛區(qū)域內(nèi)的空洞對車輛檢測造成的影響，降低錯(cuò)檢率，保證車輛區(qū)域的完整性。最后，利用設(shè)置的閾值與目標(biāo)區(qū)域?qū)挾冗M(jìn)行比較來檢測車輛，并結(jié)合幀數(shù)對車流量進(jìn)行統(tǒng)計(jì)。

為了克服傳統(tǒng)的背景幀差法差分后的圖像易出現(xiàn)斷層的缺點(diǎn)，本文提出了在應(yīng)用背景幀差法檢測車輛的同時(shí)加入彩色信息，利用色度和灰度信息相融合的方案來解決車輛區(qū)域出現(xiàn)斷層的難題。該算法需首先將已有背景圖像和當(dāng)前圖像的色度和灰度信息提取出來，按色度域和灰度域分別進(jìn)行背景幀差并閾值化（色度閾值和灰度閾值分別設(shè)定為30和40），若像素值小于閾值則設(shè)定成黑色像素，若像素值大于閾值則設(shè)置成自色像素。再將處理后的色度和灰度圖像相應(yīng)的像素按照或邏輯運(yùn)算，其結(jié)果使車輛二值圖像內(nèi)部的斷層會明顯地減少。

在十字路口紅燈轉(zhuǎn)成綠燈時(shí)，車輛往往剛起動車速較慢，相鄰兩幀的像素比較相差不明顯，使用傳統(tǒng)的相鄰幀差法往往很難獲得完整的目標(biāo)車輛，為后續(xù)統(tǒng)計(jì)車流量制造困難，因此需要對相鄰幀差法實(shí)現(xiàn)了改進(jìn)。檢測目標(biāo)車輛應(yīng)用隔幀差分法，本文分別對間隔3幀圖像、5幀圖像、7幀圖像差分進(jìn)行了實(shí)驗(yàn)。通過實(shí)驗(yàn)結(jié)果表明，每隔3-5幀進(jìn)行一次差分檢測得到的車輛比較理想，因此本文采用隔三幀差法對車輛進(jìn)行檢測

假設(shè)M_k-1（x，y）和M_k（x，y）分別表示視頻圖像的第k-2幀和第k幀圖像，則差分后圖像可以定義為：

根據(jù)預(yù)先設(shè)定的閾值T就能得到二值化的具有運(yùn)動車輛目標(biāo)的圖像D_k（x，y）：

則D_k（x，y）取值為0的像素對應(yīng)于背景區(qū)域，D_k（x，y）取得值為1像素對應(yīng)于運(yùn)動目標(biāo)區(qū)域。隔幀差分法的框圖如圖4所示。

在去除雪花后的視頻圖像的基礎(chǔ)上進(jìn)行隔幀差分法的對比圖如圖5所示。其中，（a）圖、（b）圖、（c）圖、（d）圖分別對應(yīng)的是相鄰幀差法、隔三幀差法、隔五幀差法、隔七幀差法后的效果圖。從圖中可以看出，利用隔三幀差法和隔五幀差法的檢測結(jié)果明顯優(yōu)于利用相鄰幀差法和隔七幀差法的檢測結(jié)果。

通過利用采集到的車輛視頻樣本對算法進(jìn)行驗(yàn)證如表1所示，結(jié)果表明本文提出的基于機(jī)器視覺的雪天情況下的車流量檢測算法是有效的。本文提出的算法和方法在運(yùn)行過程中沒有作任何優(yōu)化處理和硬件加速，最快可每秒處理15幀圖像，能夠滿足實(shí)時(shí)性處理的需要。

5 結(jié)論

本文檢測方法與傳統(tǒng)的檢測方法相比可以適應(yīng)戶外雪景下各種噪聲的干擾，消除背景中微小相對移動等一些自然因素對于雪花檢測的影響，進(jìn)而達(dá)到很好的車流量檢測效果。該算法也可推廣用于雨天等其他天氣領(lǐng)域，并為智能交通控制系統(tǒng)打下基礎(chǔ)。

參考文獻(xiàn)

[1]岡薩雷斯.數(shù)字圖像處理（第三版）[M].北京：電子工業(yè)出版社，2008.

[2]Tan K，Oakley J P. Physics based，approach to color image enhancementin poor visibility conditions[J].Journal of the Optical Society ofAmerica A，2001，18（10）：2460-2467.

[3]Y.Y Schleicher，S.G Narasimhan and S.KNayar.Instant dehazing of imagesusing polarization.CVPR.2001.

[4]Vittoria B，Domenico V，Zhou Wang.Special issue on human vision andinformation theory[J].Signal，Image and Video Processing.2013，25（no.3）：345-367.