基于視頻虛擬檢測線特征的交通流參數(shù)檢測

盧朝暉

（浙江力嘉電子科技有限公司 浙江省諸暨市 311800）

在城市化建設(shè)速度不斷加快，整體規(guī)模持續(xù)擴大的背景下，城市交通擁堵、緊張問題日益凸顯。相關(guān)工作人員需要通過科學(xué)化的管理方法對道路運行展開管理，以最大限度發(fā)揮道路承載能力，緩解交通壓力，改善交通環(huán)境、在這一背景下，ITS 即智能交通系統(tǒng)應(yīng)運而生，并得到了積極的發(fā)展，在提升道路有效利用率方面發(fā)揮著非常重要的作用。而智能交通系統(tǒng)的應(yīng)用必須以車輛以及交通流參數(shù)的可靠檢測為基礎(chǔ)，如何獲取精確的交通流參數(shù)一直以來是業(yè)內(nèi)人士重視的課題之一。視頻檢測技術(shù)發(fā)展至今已經(jīng)較為成熟，憑借其實時性、穩(wěn)定性、智能性等一系列優(yōu)勢在交通流參數(shù)檢測工作中發(fā)揮著重要的應(yīng)用價值。本文即提出一種基于視頻虛擬檢測線特征的交通流參數(shù)檢測方法，并就檢測步驟以及關(guān)鍵處理環(huán)節(jié)進行分析，僅供業(yè)內(nèi)有關(guān)人員參考。

1 視頻采集與目標(biāo)分割

基于視頻虛擬檢測線特征的交通流參數(shù)檢測以DV 攝像機現(xiàn)場采集圖像資料為依據(jù)，整套系統(tǒng)運行前將數(shù)字視頻信號轉(zhuǎn)換為經(jīng)壓縮后AVI 格式文件并按照25 幀/秒，像素320×240 的標(biāo)準(zhǔn)保存，然后對視頻文件進行處理，將所需交通流參數(shù)提取出來。在此環(huán)節(jié)工作中，為了減少計算難度，滿足交通流參數(shù)檢測實時性要求，可以車道2 條檢測線為依據(jù)進行目標(biāo)分割處理。此環(huán)節(jié)中選用基于改進的背景幀差法，通過對兩幀圖像差值進行計算，并與預(yù)設(shè)參數(shù)進行對比的方式，獲取背景幀差參數(shù)。此過程中，將系統(tǒng)輸入圖像幀定義為Ct，將背景圖像幀定義為Bt，將預(yù)設(shè)參數(shù)定義為Th（該參數(shù)能夠減少采集視頻圖像中光線變化以及噪聲對交通流參數(shù)檢測結(jié)果的影響），則可以形成如下式（1）所示關(guān)系，在輸入圖像不含車輛的情況下，背景圖像幀與輸入圖像幀相同，差值為0；在輸入圖像含車輛的情況下，背景圖像幀與輸入圖像幀存在差值。

圖1：某車道2 條視頻虛擬檢測線對應(yīng)檢測信號示意圖

圖2：單位時間通過車輛數(shù)量判斷流程示意圖

2 邊緣檢測

在視頻圖像檢測裝置對車輛進行進行采集的過程當(dāng)中，車輛有比較豐富的邊緣信息，陰影邊緣較少。在邊緣檢測處理環(huán)節(jié)中，車輛陰影與路面陽光光線接觸界限會存在一定邊緣，且對圖像亮度變化有較高的穩(wěn)定性，對車輛識別而言是非常有利的。為滿足交通流參數(shù)檢測需求，在邊緣檢測環(huán)節(jié)中引入基于Kirsch 檢測算法，該算法對于當(dāng)前像素e 定義8 個相鄰像素，以3 個相鄰像素為A 組，另5 個像素為B 組，A 組像素以中心點e 為標(biāo)準(zhǔn)不斷移位，同時以A組像素*5-B 組像素和*3 的方式，取最大值作為當(dāng)前像素值。

3 形態(tài)除燥

視頻裝置拍攝車輛運動軌跡過程當(dāng)中，需要經(jīng)過包括拍攝、傳輸、以及格式轉(zhuǎn)化等一系列處理步驟，上述環(huán)節(jié)會產(chǎn)生附加噪聲，并且背景選取的精確性以及拍攝裝置抖動等因素都可能會導(dǎo)致目標(biāo)分割圖像中含有一定非運動性噪聲，因此必須對噪聲進行處理，以提高交通量參數(shù)檢測的精確性。本文選用3×3 結(jié)構(gòu)元素，結(jié)構(gòu)中每一元素均為0，元素中心為左上角。整個系統(tǒng)運行過程當(dāng)中視頻虛擬檢測線像素寬度范圍在4～20 間，通過實際的運行檢測線寬以6～10 個像素為標(biāo)準(zhǔn)，在保證交通量參數(shù)檢測質(zhì)量的同時不會造成較大的運算負荷。在使用形態(tài)學(xué)運算處理圖像邊界時如果嚴(yán)格按照“當(dāng)結(jié)構(gòu)元素與輸入圖像不相交時，就不處理”的原則，那么圖像的邊界就沒有被處理的機會，而所設(shè)的檢測線的寬度相對來說很窄，處理作用不太明顯。系統(tǒng)實現(xiàn)時為了取得較好的處理結(jié)果，把圖像邊界向外進行了復(fù)制。通過上述方式對視頻檢測圖像進行形態(tài)除燥處理，有效抑制采集圖像中的噪聲干擾。

4 信號生成與參數(shù)提取

在經(jīng)上述步驟處理后，所對應(yīng)圖像仍然以RGB 24 位格式保存，為進一步生成虛擬檢測信號并完成參數(shù)提取操作，需要對每一幀虛擬檢測線所對應(yīng)像素值進行疊加處理，然后與檢測線像素個數(shù)相除，并做歸一化處理。在此過程中，將虛擬檢測線高定義為h，將虛擬檢測線寬定義為w，將陰影邊緣去除后圖像定義為Et(i,j)，將虛擬檢測線歸一化處理后信號定義為St，則有如下式（2）所示描述關(guān)系：

同時，如圖1 所示為某車道2 條視頻虛擬檢測線所生成檢測信號示意圖。交通流參數(shù)檢測需提取信息包括：（1）單位時間通過車輛數(shù)量；（2）通過車輛行駛速度；（3）車道時間占有率。

（1）單位時間通過車輛數(shù)量。利用信號St對單位時間視頻虛擬檢測線上是否有車輛通過進行判斷。當(dāng)信號St>預(yù)設(shè)參數(shù)的情況下，判斷為單位時間內(nèi)有車輛通過，當(dāng)信號St≤預(yù)設(shè)參數(shù)的情況下，則判斷單位時間內(nèi)無車輛通過。同時，在交通流參數(shù)提取過程中，車輛正面玻璃會在很大程度上對車輛檢測信號產(chǎn)生影響，當(dāng)其處于檢測線上時，St多<預(yù)設(shè)參數(shù)。因此，編程過程中需要對最大容許錯幀數(shù)進行規(guī)定，以判斷車輛幀數(shù)，當(dāng)滿足連續(xù)判定為有車輛通過幀數(shù)>最小判定為車輛幀數(shù)的情形下，單位時間通過車輛數(shù)量+1，具體算法流程如圖2 所示。

（2）通過車輛行駛速度。單位時間通過車輛數(shù)量可以利用單個虛擬檢測線實現(xiàn)，而車輛行駛速度的判斷則需要車道2 條虛擬檢測線共同完成。對于某車輛而言，在經(jīng)過某車道前、后所設(shè)置檢測線時對圖像進行采集，將進入2#虛擬檢測線時所對應(yīng)幀號定義為StartFrameNum2，將進入1#虛擬檢測線時所對應(yīng)幀號定義為StratFrameNum1，在2 條虛擬檢測線間距離D 已知，并且采集視頻幀率為R 的情況下，可以由下式對通過車輛行駛速度進行計算：

該式中，2 條虛擬檢測線間距離D 應(yīng)當(dāng)滿足基本條件：即任意時刻下僅存在一輛車輛，且虛擬檢測線間距離應(yīng)當(dāng)盡量大。主要原因在于：視頻虛擬檢測線采集幀率基本處于恒定狀態(tài)下，系統(tǒng)存在固有誤差，為1/2R（單位：s），車輛經(jīng)過2 條虛擬檢測線時測量時間誤差可以定義為1/2（StartFrameNum1-StartFrameNum2）。由上述分析可見：當(dāng)2 條虛擬檢測線在任意時刻僅存在一輛運行車輛的情況下，2 條檢測線間距越大，則對應(yīng)通過車輛行駛速度的檢測誤差越小。具體算法流程如圖3 所示。

在圖3 所示通過車輛行駛速度算法流程圖當(dāng)中，以Vehicle1 定義為1#虛擬檢測線車輛計數(shù)器記錄數(shù)值，Vehicel2 定義為2#虛擬檢測線車輛計數(shù)器記錄數(shù)值。為測定車輛行駛速度，需要同步進行計數(shù)，對于所提取數(shù)值，行駛速度測量的具體過程應(yīng)當(dāng)為：第一步，判斷2#虛擬檢測線對應(yīng)車輛計數(shù)器是否+1，判斷為是的情況下進入2#虛擬檢測線對應(yīng)幀號；第二步，判斷1#虛擬檢測線對應(yīng)車輛計數(shù)器是否+1，判斷為是的情況下進入1#虛擬檢測線對應(yīng)幀號；第三步，對1#、2#虛擬檢測線上計數(shù)器數(shù)值是否相等進行判斷；第四步，計數(shù)器數(shù)值相等的情況下對車輛速度進行計算。

（3）車道時間占有率。車道時間占有率常用于交通流密度的實際測量中，將該指標(biāo)定義為某一時間范圍內(nèi)車輛通過某特定斷面累積時間占該時間范圍的百分比，可作為評估該路段擁擠程度的標(biāo)準(zhǔn)，車道時間占有率越高，則提示該路段車道車輛越多。將車道時間占有率定義為X，將檢測車輛數(shù)定義為i，將第i 輛車輛所對應(yīng)信任幀數(shù)定義為Crediblei，將第i 輛車所對應(yīng)容忍幀數(shù)和定義為SumSufferancei，將當(dāng)前采集視頻幀號定義為CurFrameNum，則可以將車道時間占有率用如下式（4）所示方式表示：

5 背景選取與更新

圖3：通過車輛行駛速度算法流程示意圖

是否能夠提供可靠且準(zhǔn)確的背景圖像，這一問題直接關(guān)系到整個交通流參數(shù)系統(tǒng)檢測的精確性水平。整套系統(tǒng)原始背景需要進行初始化處理，系統(tǒng)開啟視頻文件時處于暫停狀態(tài)下，以第一幀圖像為背景圖像，但若背景中存在行人、車輛等運動目標(biāo)，影響背景效果，可以連續(xù)播放視頻文件，在適宜時刻將暫停圖像作為初始化背景。

為能夠與時間變化相適應(yīng)，需在交通流檢測系統(tǒng)中引入背景動態(tài)更新方法，以虛擬檢測線為依據(jù)。考慮到基于像素更新的背景處理方法對預(yù)設(shè)參數(shù)有較高依賴性，背景更新效果偏差，一定程度上影響檢測效果，且系統(tǒng)運行過程中存在車輛漏檢或容忍幀可能性，因此算法不能簡單的在滿足檢測線上特征量為0 這一條件時對背景進行更新，背景更新的條件應(yīng)當(dāng)滿足：檢測線特征量連續(xù)150 幀持續(xù)為0。將經(jīng)更新處理后背景定義為Bt(i,j)，將連續(xù)150 幀圖像中第30 幀特征量定義為Ct-120(i,j)，將第60 幀特征量定義為Ct-60(i,j)，將第90 幀特征量定義為Ct-90(i,j)，將第120 幀特征量定義為Ct-30(i,j)，則形成如下式（5）所示描述關(guān)系：

6 結(jié)束語

本文上述分析中圍繞基于視頻虛擬檢測線的交通流參數(shù)檢測方法進行分析與闡述，對背景差方法進行改進，提出了可有效抑制車輛陰影邊緣的具體算法，并對車輛檢測信號形成方法進行研究，以滿足單位時間通過車輛數(shù)量、通過車輛行駛速度、以及車道時間占有率等相關(guān)交通流參數(shù)的可靠檢測，上述分析需要引起業(yè)內(nèi)人士的關(guān)注與重視。