基于機(jī)器視覺的智能交通管理系統(tǒng)＊

［林菡 陳麗娟 吳帆旭］

1 引言

隨著近年來人工智能技術(shù)和圖像識(shí)別技術(shù)的迅速發(fā)展，智能交通系統(tǒng)的建設(shè)已被許多國(guó)家提上議事日程。特別是在中國(guó)，截至2019 年底，中國(guó)公路總里程已達(dá)484.65 萬公里、高速公路達(dá)14.26 萬公里。隨著公路里程的增加，中國(guó)的機(jī)動(dòng)車數(shù)量激增。同時(shí)，交通狀況是城市正常運(yùn)營(yíng)的重要指標(biāo)之一。建立智能交通管理系統(tǒng)已成為必然之舉。其中，機(jī)器視覺是提高交通管理系統(tǒng)智能水平的重要推動(dòng)力。采用基于機(jī)器視覺的智能交通管理系統(tǒng)，可以大大降低傳統(tǒng)交通管理系統(tǒng)的人力和物力成本，同時(shí)提高交通標(biāo)準(zhǔn)化水平，大大減少人工干預(yù)次數(shù)，降低市政壓力。一定程度上減輕了交通壓力。

2 背景

2.1 智能交通管理系統(tǒng)簡(jiǎn)介

智能交通系統(tǒng)[1]（Intelligent Transport System，智能交通系統(tǒng)）是將先進(jìn)的智能識(shí)別技術(shù)、通信技術(shù)、結(jié)合高效率的智能傳感器技術(shù)、控制技術(shù)及計(jì)算機(jī)相關(guān)技術(shù)等，并將其有效地整合了現(xiàn)代交通監(jiān)控管理系統(tǒng)。進(jìn)而構(gòu)建起的一種在巨大區(qū)域內(nèi)及全方位發(fā)揮作用的，實(shí)時(shí)、準(zhǔn)確及高效的綜合現(xiàn)代交通智能管理系統(tǒng)。美國(guó)、日本、西歐率先展開相關(guān)的研究并成為ITS發(fā)展的前三甲，此外加、中、韓、新、澳等國(guó)家的研究也具有相當(dāng)規(guī)模。近幾年來不僅僅是發(fā)達(dá)國(guó)家，各個(gè)發(fā)展中國(guó)家也陸續(xù)開展了相關(guān)的研究工作。

智能交通管理系統(tǒng)，可以有效的提高交通網(wǎng)絡(luò)的安全性，效率與可持續(xù)性；減少交通擁擠，改善駕駛員體驗(yàn)。

2.2 OpenCV

OpenCV 的全稱是開源計(jì)算機(jī)視覺庫，是一個(gè)由許多技術(shù)公司參與開發(fā)的跨平臺(tái)的機(jī)器視覺庫。是一種開源的可以在各大商業(yè)和研究領(lǐng)域中免費(fèi)使用。OpenCV 可用于開發(fā)實(shí)時(shí)圖像處理、機(jī)器視覺以及模式識(shí)別程序。該庫也可以使用Intel 的互聯(lián)網(wǎng)打印協(xié)議進(jìn)行加速。同時(shí)它具有一系列的圖像識(shí)別和機(jī)器視覺算法，可以在機(jī)器視覺[2]處理上發(fā)揮重要作用。

3 系統(tǒng)分析

3.1 系統(tǒng)功能

（1）車輛識(shí)別功能：在系統(tǒng)布置區(qū)域?qū)λ薪?jīng)過監(jiān)測(cè)點(diǎn)的車輛進(jìn)行捕捉識(shí)別。對(duì)違章變線等違反交通規(guī)則的行為，智能系統(tǒng)要能過進(jìn)行自動(dòng)識(shí)別，同時(shí)將違章現(xiàn)場(chǎng)的行為圖片進(jìn)行上傳保存，留取證據(jù)，并且定期清理系統(tǒng)空間內(nèi)的過期無效圖片，從而節(jié)省內(nèi)存空間。

（2）車輛特征捕獲功能：在集成相機(jī)的檢測(cè)范圍內(nèi)，若有車輛經(jīng)過，集成相機(jī)需要有能夠正確判斷出車輛的具體特征，并在一系列光學(xué)設(shè)備的的協(xié)助下進(jìn)行捕獲，拍攝的圖片中能夠體現(xiàn)出運(yùn)動(dòng)車輛的整體特征，以及標(biāo)注出該車輛的行駛信息及車輛信息如：車牌號(hào)，車型，整車顏色等。

（3）車速測(cè)定功能：在相關(guān)監(jiān)測(cè)點(diǎn)中布置的攝像機(jī)要對(duì)來往車輛進(jìn)行識(shí)別的同時(shí)，還要完成對(duì)車輛在行駛過程中的視頻測(cè)速，并將具體速度，車牌信息等表示在清晰的車輛照片中，對(duì)于速度測(cè)定的精度要求：測(cè)定速度與真實(shí)速度的誤差要小。

（4）車牌識(shí)別功能：通過部署在監(jiān)測(cè)點(diǎn)的相機(jī)或攝像頭，通過opencv 中的具體算法程序，自動(dòng)通過視頻識(shí)別出經(jīng)過監(jiān)測(cè)點(diǎn)的車牌，同時(shí)將識(shí)別出的車牌信息上傳數(shù)據(jù)庫，以備查詢。

3.2 系統(tǒng)架構(gòu)

基于機(jī)器視覺的現(xiàn)代智能交通管理系統(tǒng)所需要實(shí)現(xiàn)的目標(biāo)是：監(jiān)控系統(tǒng)收集道路交通信息，同時(shí)向數(shù)據(jù)庫傳回具體的車輛信息并使用有關(guān)算法進(jìn)行處理與分析，同時(shí)系統(tǒng)根據(jù)用戶設(shè)定的具體規(guī)則進(jìn)行比較查詢，如有發(fā)現(xiàn)非法行為的出現(xiàn)：如超速，追尾等，系統(tǒng)根據(jù)程序進(jìn)行報(bào)警提示用戶，同時(shí)抓取圖像，留存證據(jù)，但是對(duì)于無違法行為正常行駛的車輛所拍攝的照片僅進(jìn)行保存，過期后刪除，同是系統(tǒng)數(shù)據(jù)庫進(jìn)行數(shù)據(jù)的統(tǒng)計(jì)查詢，如圖1 所示。

圖1 系統(tǒng)架構(gòu)圖

據(jù)需求分析，系統(tǒng)可分為前端數(shù)據(jù)收集分析系統(tǒng)、系統(tǒng)后臺(tái)數(shù)據(jù)庫數(shù)據(jù)管理系統(tǒng)。二者互相協(xié)助，密不可分。

3.3 系統(tǒng)實(shí)現(xiàn)

要實(shí)現(xiàn)系統(tǒng)的上述相關(guān)功能，就必須實(shí)現(xiàn)對(duì)運(yùn)動(dòng)的來往車輛的檢測(cè)、車輛的背景的提取以及軌跡跟蹤；接下來進(jìn)行系統(tǒng)實(shí)現(xiàn)的方法介紹。

3.3.1 運(yùn)動(dòng)目標(biāo)的檢測(cè)

與靜態(tài)目標(biāo)的檢測(cè)[3]，[4]相比，在檢測(cè)運(yùn)動(dòng)目標(biāo)時(shí)要做的第一件事是將運(yùn)動(dòng)的物體進(jìn)行圖像分割，找到對(duì)識(shí)別有意義的部分，然后從分割圖像中提取所需的特征。由于是對(duì)運(yùn)動(dòng)的車輛進(jìn)行識(shí)別，所以必須在視頻圖像中進(jìn)行測(cè)定，首先將圖像分割為運(yùn)動(dòng)區(qū)域與恒定區(qū)域，進(jìn)而進(jìn)行特征的提取，從而判定該物體（本項(xiàng)目為車輛）的具體情況。下面具體介紹兩種運(yùn)動(dòng)物體的分割方法：光流法和差分法。

（1）光流法

光流法在機(jī)器視覺以及其他圖像處理相關(guān)領(lǐng)域中的運(yùn)用也十分廣泛，其可用于運(yùn)動(dòng)物體的檢測(cè)、圖像的分割計(jì)算、運(yùn)動(dòng)補(bǔ)償編碼，或通過物體的表面和邊緣的立體測(cè)量。它利用時(shí)域中圖像序列中像素強(qiáng)度的變化來具體確定每個(gè)像素位置的相對(duì)運(yùn)動(dòng)。但是，由于實(shí)現(xiàn)過程的復(fù)雜性和較長(zhǎng)的計(jì)算時(shí)間，無法實(shí)現(xiàn)實(shí)時(shí)監(jiān)控。故本系統(tǒng)不采用光流法開發(fā)系統(tǒng)，而采用差分法進(jìn)行相關(guān)功能的開發(fā)。

（2）差分法

①幀間差分

幀間差分法是從相機(jī)捕獲的視頻中提取相鄰兩幀或相隔若干幀的兩幅圖像像素值做減運(yùn)算，并對(duì)減運(yùn)算后產(chǎn)生的圖像執(zhí)行閾值化處理，以提取圖像中的運(yùn)動(dòng)區(qū)域，假如做減運(yùn)算的兩幀圖像的幀數(shù)分別為第n 幀，第（n+1）幀，且這兩幀圖像分別為fn（x,y）；fn+1（x,y），差分圖像二值化閾值為T，差分圖像用D（x,y）表示，則幀間差分法的公式如下：

故幀間差分法是所有運(yùn)動(dòng)分割中的相關(guān)算法中最簡(jiǎn)單的一種方法。但是對(duì)于運(yùn)動(dòng)物體表面若具有大塊灰度值類似區(qū)域之情況下，使用這種方法所做出的差分圖像會(huì)出現(xiàn)一些孔洞。并且識(shí)別誤差會(huì)伴隨著物體運(yùn)動(dòng)速度的增大而增大。故對(duì)于與本系統(tǒng)而言此方法并不適用與對(duì)高速運(yùn)動(dòng)的物體的檢測(cè)。

② 背景差分

背景差異方法是通過將圖像序列中的當(dāng)前幀與預(yù)先建立的背景參考模型進(jìn)行比較來測(cè)量移動(dòng)對(duì)象的方法。此方法對(duì)動(dòng)態(tài)場(chǎng)景的變化非常敏感。它執(zhí)行圖像幀和此時(shí)捕獲的視頻的背景圖像之間的差分操作，從而獲得目標(biāo)車輛的運(yùn)動(dòng)區(qū)域的灰度圖像，并對(duì)灰度圖像進(jìn)行閾值處理。提取運(yùn)動(dòng)區(qū)域，而且為避免環(huán)境光照變化而對(duì)檢測(cè)產(chǎn)生影響，背景圖像根據(jù)攝像機(jī)當(dāng)時(shí)捕獲的圖像幀進(jìn)行更新。該方法在一定程度上克服了環(huán)境光線的變化對(duì)圖像識(shí)別過程中所造成的影響。

根據(jù)相關(guān)處理方法的不同，存在幾種不同的背景差分方法。若設(shè)It，Bt分別為當(dāng)前幀與背景幀圖像，T 為前景灰度閾值，則其中一種方法如下：

通過調(diào)用攝像機(jī)，拍攝圖像，去前幾幀圖像的均值，并將其作為初始的背景Bt

提取當(dāng)前幀與背景進(jìn)行圖像二值并進(jìn)行減運(yùn)算，并減去絕對(duì)值；公式為：

對(duì)上述處理過的圖片進(jìn)行形態(tài)學(xué)的處理以及更新背景圖像。

3.3.2 程序功能實(shí)現(xiàn)

通過建立背景圖像模型來對(duì)運(yùn)動(dòng)車輛檢測(cè)，并做到對(duì)運(yùn)動(dòng)車輛的跟蹤。通過運(yùn)用OpenCV 開源技術(shù)中所擁有的機(jī)器視覺相關(guān)函數(shù)，實(shí)現(xiàn)對(duì)攝像機(jī)現(xiàn)場(chǎng)采集到的運(yùn)動(dòng)圖像數(shù)據(jù)進(jìn)行操作分析，以及對(duì)攝像機(jī)的規(guī)則設(shè)定與定標(biāo)。進(jìn)行包括對(duì)采集的圖象的分配、釋放與圖象相關(guān)數(shù)據(jù)的轉(zhuǎn)換分析。對(duì)于功能實(shí)現(xiàn)，基本上使用OpenCV 圖像處理相關(guān)函數(shù)，并且根據(jù)對(duì)運(yùn)動(dòng)車輛的跟蹤,使用累積函數(shù)的相關(guān)函數(shù)統(tǒng)計(jì)出相關(guān)數(shù)據(jù)。

本項(xiàng)目通過運(yùn)用上述函數(shù)實(shí)現(xiàn)對(duì)監(jiān)測(cè)攝像機(jī)實(shí)時(shí)拍攝的視頻流中的運(yùn)動(dòng)車輛的輪廓提取與檢測(cè)，但是在實(shí)際操作中，需要進(jìn)行背景圖像模型的建立。車輛輪廓提取程序流程圖如圖2 所示。

圖2 車輛輪廓提取程序流程圖

主程序功能流程如圖3 所示。

圖3 主程序功能流程

4 實(shí)驗(yàn)結(jié)論

通過基于機(jī)器視覺的智能交通管理系統(tǒng)，對(duì)視頻中運(yùn)動(dòng)車輛的輪廓提取和運(yùn)動(dòng)目標(biāo)跟蹤過程中，在現(xiàn)場(chǎng)限定環(huán)境下，受到相機(jī)的采樣效率、相機(jī)本身性能以及燒錄的算法程序的復(fù)雜程度，呈現(xiàn)正比例關(guān)系；監(jiān)測(cè)效果基本滿足系統(tǒng)的實(shí)時(shí)性要求，動(dòng)態(tài)跟蹤的正確率達(dá)到93%以上。

5 結(jié)語

在中國(guó)城市化進(jìn)程大踏步提速的今天，本項(xiàng)目通過結(jié)合智能交通管理系統(tǒng)的課題，進(jìn)行了視頻流中的動(dòng)態(tài)車輛的圖像信息采集，車輛運(yùn)動(dòng)狀態(tài)的監(jiān)測(cè)，完成識(shí)別功能，可用于智能交通管理系統(tǒng)中；后續(xù)，我們將會(huì)對(duì)相關(guān)算法進(jìn)行優(yōu)化，在非限定環(huán)境下，對(duì)車輛的識(shí)別，做到滿足大多情況下的使用需求。基于機(jī)器視覺的智能交通管理系統(tǒng)可以降低傳統(tǒng)交通管理系統(tǒng)的人力和物力成本，同時(shí)提高交通標(biāo)準(zhǔn)化水平，可以大大提高城市自動(dòng)化和智能水平。