基于Retiex算法的視頻監(jiān)控系統(tǒng)設(shè)計與測試

摘 要：為提高公路監(jiān)管部門的監(jiān)管水平，設(shè)計基于圖像處理技術(shù)的智慧公路視頻監(jiān)控系統(tǒng)。以智慧公路視頻監(jiān)控系統(tǒng)結(jié)構(gòu)為基礎(chǔ)，分析智慧公路視頻監(jiān)控系統(tǒng)的動態(tài)性和智能性，確定其對攝像頭采集的視頻圖像質(zhì)量的影響后，基于色彩恢復(fù)多尺度Retiex算法，增強視頻圖像通道，并利用雙伽馬校正算法校正增強后的視頻圖像；在此基礎(chǔ)上，基于Otsu閾值分割方法檢測公路交通異常目標(biāo)。測試結(jié)果顯示，該系統(tǒng)視頻圖像處理效果良好，能夠全面完成公路上不同狀況的檢測，精準(zhǔn)確定主路違章情況、市內(nèi)快速路擁堵情況、小路事故情況、肇事逃逸車輛行駛情況等，提升交通管理水平。

關(guān)鍵詞：圖像處理技術(shù)；智慧公路；圖像增強；圖像校正；異常目標(biāo)檢測

中圖分類號：TP317.4""""""""""""""""""""""""""" 文獻(xiàn)標(biāo)識碼：A""""""""""""""""""""""""""" 文章編號：1001-5922（2024）07-0152-04

Design and testing of video surveillance system based

on Retiex algorithm

ZHOU Qi1， WANG Shenghua1， PAN Jiangsai2

（1. Jiangxi Provincial Smart Transportation Affairs Center，Nanchang 330002，China；

2. Zhongke Soft Technology Co.，Ltd.，Beijing 100190，China）

Abstract： In order to improve the supervision level of the highway supervision department， a smart highway video surveillance system based on image processing technology was designed. Based on the structure of the smart highway video monitoring system， the dynamics and intelligence of the smart highway video surveillance system were analyzed， and its influence on the video image quality collected by the camera was determined， and the video image channel was enhanced based on the color recovery multi?scale Retiex algorithm， and the enhanced video image was corrected by the double gamma correction algorithm.On this basis， the Otsu threshold segmentation method was used to detect abnormal road traffic targets. The test results showed that the video image processing effect of the system was good， and it could comprehensively detect different conditions on the highway， accurately determined violations on the main road， congestion on urban expressways， minor road accidents， and the driving situation of vehicles causing accidents and escaping， and improved the level of traffic management.

Key words： image processing technology；smart highway；image enhancement；image correction；abnormal target """""""""""Detection

公路視頻監(jiān)控系統(tǒng)是一種利用合理的技術(shù)手段對道路交通進(jìn)行實時監(jiān)控和管理的系統(tǒng)［1］，可以通過監(jiān)控攝像頭等設(shè)備獲取道路交通的實時視頻圖像，依據(jù)視頻圖像實現(xiàn)對道路交通的智能化監(jiān)控和管理［2］。

在監(jiān)測過程中，天氣的變化、車輛的擁擠程度、攝像頭的清晰度以及通信效果等因素，均會降低系統(tǒng)的檢測水平［3］。為提升系統(tǒng)的監(jiān)控效果，以嵌入式Web為核心，結(jié)合網(wǎng)絡(luò)傳輸協(xié)議，實現(xiàn)視頻同步監(jiān)控［4］。針對交通違章監(jiān)測為目標(biāo)，采用特征融合的方式進(jìn)行車輛識別，以此實現(xiàn)交通違章管理［5］。圖像處理技術(shù)指的是通過計算機對圖像進(jìn)行某種所需的處理和計算，以此獲取圖像中所需的信息［6］。為此，為實現(xiàn)智慧公路視頻監(jiān)控，設(shè)計基于圖像處理技術(shù)的智慧公路視頻監(jiān)控系統(tǒng)。

1"" 智慧公路視頻監(jiān)控系統(tǒng)設(shè)計構(gòu)建

1.1"" 智慧公路視頻監(jiān)控系統(tǒng)以及特征情況

智慧公路視頻監(jiān)控系統(tǒng)是以監(jiān)控攝像設(shè)備為基礎(chǔ)，實時獲取公路交通整個狀態(tài)和情況的視頻圖像，并將監(jiān)測信息傳送至監(jiān)控中心，監(jiān)控中心依據(jù)視頻圖像對交通情況進(jìn)行檢測和分析，并通知公路管理人員進(jìn)行路況核實以及處理。

智慧公路視頻監(jiān)控系統(tǒng)主要包含攝像設(shè)備、監(jiān)控中心2個部分。攝像設(shè)備是該系統(tǒng)實現(xiàn)監(jiān)測的依據(jù)，其主要是通過攝像頭獲取公路上的車輛、行人的交通情況，采集公路上所有通行車輛的行駛狀態(tài)；監(jiān)控中心則是依據(jù)攝像設(shè)備采集的視頻圖像進(jìn)行交通分析，判斷公路是否發(fā)生擁堵、交通事故以及車輛違章等情況，并且可進(jìn)行異常車輛檢測，并將分析和檢測結(jié)果發(fā)送至公路管理人員，相關(guān)人員可對監(jiān)測情況進(jìn)行核實和處理［7］。

智慧公路視頻監(jiān)控系統(tǒng)具有較好的動態(tài)性和智能性，動態(tài)性指的是實體在動態(tài)演變過程中，位置、屬性等會發(fā)生實時變化，例如車輛行駛過程中的空間位置會發(fā)生變化、攝像頭在監(jiān)測過程中監(jiān)測角度會發(fā)生變化［8］、車輛行駛過程中車窗拋出物品的形態(tài)會發(fā)生變化等；智能性指的是該系統(tǒng)能夠通過相關(guān)智能技術(shù)進(jìn)行公路路情的檢測和分析［9］，可自主完成采集信息的傳送，并且管理人員能夠完成信息的接收的認(rèn)知。

依據(jù)上述智慧公路視頻監(jiān)控系統(tǒng)的結(jié)構(gòu)和特性可知，該系統(tǒng)在監(jiān)測過程中，監(jiān)測目標(biāo)具有顯著運動特性，并且會受到環(huán)境變化的影響［10］，該情況對于攝像頭的視頻圖像采集質(zhì)量造成較大影響，會導(dǎo)致拍攝的視頻圖像發(fā)生模糊、鬼影、退化以及圖像亮度損失等現(xiàn)象，因此，為保證該系統(tǒng)的監(jiān)控效果，需結(jié)合系統(tǒng)的運行特性，采用合理的圖像處理技術(shù)對攝像頭獲取的視頻圖像進(jìn)行處理，以此保證監(jiān)控的可靠性［11］。

1.2"" 基于圖像處理技術(shù)的公路視頻圖像增強

1.2.1"" 基于色彩恢復(fù)多尺度Retiex算法的視頻圖像"" 增強依據(jù)上述小節(jié)的分析，文中為保證智慧公路視頻監(jiān)控系統(tǒng)的監(jiān)控效果，精準(zhǔn)監(jiān)測公路交通違章等情況［12］，采用基于色彩恢復(fù)多尺度Retiex算法實現(xiàn)監(jiān)控視頻圖像增強。算法的整體流程如圖1所示。

如果獲取的監(jiān)控視頻圖像用S（x，y）表示，對其進(jìn)行分解后可形成反射圖個入射圖，分別用R（x，y）和L（x，y）表示，則：

[S（x，y）=L（x，y）×R（x，y）]""""""""nbsp;""""" （1）

式中：[（x，y）]表示像素；[R（x，y）]用于描述反射性質(zhì)應(yīng)最大程度的保留部分；[L（x，y）]用于描述圖像像素動態(tài)范圍內(nèi)最大程度的去除部分。

該算法的核心原理是有效解決原圖像中的照射光的影響，獲取圖像的反射性質(zhì)，以此完成圖像增強［13］，在增強過程中，需將原始視頻圖像轉(zhuǎn)換至對數(shù)域中，以此將原始圖像的RGB圖像轉(zhuǎn)換為Y、U、V色彩空間，轉(zhuǎn)換公式為：

[YUV=0.299-0.1480.615"" 0.587-0.289-0.515"" 0.1140.437-100RGB]"""""""""" （2）

式中：[Y]表示圖像明亮度；[U]和[V]表示圖像色彩飽和度。

依據(jù)式（2）完成原始圖像色彩空間的轉(zhuǎn)換后，分別對獲取的[Y]、[U]和[V]的色彩通道進(jìn)行增強處理。

（1）[Y]通道亮度增強。[Y]通道主要是描述圖像的明亮度，因此為實現(xiàn)該通道的增強處理，文中則設(shè)定亮度自適應(yīng)調(diào)節(jié)因子。該因子采用最小可覺差（JND）閾值的倒數(shù)描述，并將其作為[L（x，y）]的系數(shù)，以此實現(xiàn)亮度的自適應(yīng)調(diào)節(jié)，其計算公式為：

[r（x，y）=n-1NwnlogY（x，y）-"""""""""""""" AlogFn（x，y）×Y（x，y）]"""""" （3）

式中：[wn]表示權(quán)值；[Y（x，y）]表示[Y]通道的像素值；[Fn（x，y）]表示中心環(huán)繞函數(shù)；[N]表示像素數(shù)量。

JND是靜止圖像信號的特征函數(shù)，在理想情況下，JND能夠完成每一個信號編碼的閾值水平誤差可見度的賦值，JND的計算公式為：

[JND=maxfib（x，y），m（x，y）， f2b（x，y）]""" （4）

[fib（x，y），m（x，y）=，m（x，y）ab（x，y）+βb（x，y）] （5）

[f2b（x，y）=T01-b（x，y）127+3，b（x，y）≤127γb（x，y）-127+3，b（x，y）gt;127]"" （6）

式中：[（x，y）]附近的平均背景亮度用[b（x，y）]表示；[（x，y）]的亮度最大加權(quán)平均值用[m（x，y）]表示；[fi（x，y）]表示空間掩蔽效應(yīng)；[f2（x，y）]表示亮度的可見度閾值；[T0]表示初始亮度分布情況；[γ]表示亮度系數(shù)；127表示亮度值，顏色值大于127算亮，小于127算暗。

依據(jù)JND完成圖像亮度自適應(yīng)調(diào)節(jié)，能夠?qū)D像中暗區(qū)域大部分保留，將亮度區(qū)域大部分去除，以此在保證圖像細(xì)節(jié)信息的前提下，有效完成圖像亮度不均勻的處理［14?15］；實現(xiàn)Y通道亮度增強。

（2）U和V的通道調(diào)節(jié)，依據(jù)上述步驟完成Y通道亮度增強后，則進(jìn)行U和V的通道調(diào)節(jié)，該調(diào)節(jié)是按照約一定比例對色差信號進(jìn)行調(diào)整，其公式為：

[U=R-YV=B-Y]""""""""""""""""""""""""""" （7）

通過式（7）的計算保證圖像色彩信息不會發(fā)生改變。若亮度調(diào)整前后的變化率為[ηy]，其計算公式為：

[ηy=y2y1]"""""""""""""""""""""""""""""" （8）

式中：[y2]和[y1]分別表示增后亮度和原始視頻圖像亮度的信號結(jié)果。

RGB 3個通道也遵守該變化規(guī)律，即：

[ηy=g2g1=b2b1=r2r1]""""""""""""""""""""" （9）

在[ηy]的基礎(chǔ)上，依據(jù)式（2）完成U和V的通道的增強，其公式為：

[U2=128+ηy×0.493（B-Y）V2=128+ηy×0.877（R-Y）]""""""" （10）

結(jié)合[Y]通道亮度增強和[U]和[V]的通道調(diào)節(jié)，即可獲取增強后的監(jiān)控視頻圖像I（x，y）。

1.2.2"" 監(jiān)控視頻圖像校正

通過上述內(nèi)容即可完成Y、[U]和[V]的色彩通道的增強處理，增強處理后，為進(jìn)一步提升監(jiān)控視頻圖像質(zhì)量［16］，采用雙伽馬校正算法進(jìn)行增強后圖像I（x，y）的校正，校正公式為：

[Iin?0，1"""""""""""""""""""" ILout=Ihin""""""""" """"""""""""""""""IHout=1-（1-Iin）λ"""""" Iout=aILout+（1-a）IHout]"""""""""""""" （11）

式中：[Iin]表示像素灰度點；[λ]表示伽馬指數(shù)；[ILout]是圖像增強程度控制參數(shù)；[IHout]表示灰度值區(qū)域視覺效果調(diào)整參數(shù)；a表示調(diào)整指數(shù)。

依據(jù)上述公式完成監(jiān)控視頻圖像校正處理，將處理后的圖像[I（x，y）]用于后續(xù)公路交通異常目標(biāo)檢測中。

1.3"" 基于Otsu閾值分割的公路交通異常目

標(biāo)檢測

文中采用基于Otsu閾值分割方法完成。該方法主要是對視頻圖像進(jìn)行分割，將其劃分成前景和背景，劃分獲取的前景結(jié)果即目標(biāo)檢測結(jié)果。

如果[I（x，y）]的灰度級用M表示，灰度級為i的像素點數(shù)量用mi表示；如果前景和背景的像素值分別用[If]和[Ib]表示，前景和背景的分割閾值用[ξ]表示，則If和Ib的計算公式為：

[If=i=0ξ μi]"""""""""""""""""""""""""""""" （12）

[Ib=i=t+1M-1 μi]"""""""""""""""""""""""""" （13）

式中：[μi]表示歸一化處理。

前景和背景的平均灰度值計算公式為：

[u0=k（t）i=0t μi]""""""""""""""""""""""""""""""" （14）

[u0=kT（t）-k（t）i=t+1M-1 μi]"""""""""""""""""""""""" （15）

式中：[k（t）]和[kT（t）]均表示灰度累計結(jié)果，前者對應(yīng)灰度級為[t]，后者對應(yīng)灰度級為M。

在上述公式的基礎(chǔ)上，計算前景和背景的內(nèi)部方差結(jié)果，依據(jù)該結(jié)果獲取前景和背景的像素均值結(jié)果，用[u0]和[u1]表示，以此確定最佳分割閾值[g（t）]，計算公式：

[g（t）=ω0×（u0-u）2+ω1×（u1-u）2]"""" （16）

式中：[ω0]和[ω1]分別表示前景和背景分別占據(jù)圖像的比例結(jié)果；u表示圖像總均值。

2"" 系統(tǒng)測試結(jié)果分析

該系統(tǒng)使用的智能監(jiān)控攝像頭為6路視頻輸出，增益為15 dB，波特率為4 800 Bd，頻譜響應(yīng)2 ms，功耗為35 W，最大輸入路數(shù)為1 024路，輸入和輸出接頭形式均為VVGA，其信噪比不小于94 dB。通過該系統(tǒng)獲取該城市的西區(qū)交通路線的交通視頻圖像2萬張，包含白天、夜間、雨天、霧天的公路視頻圖像采集結(jié)果。為驗證設(shè)計系統(tǒng)在智慧公路視頻監(jiān)控中的應(yīng)用效果，隨機抽取1張視頻圖像，采用設(shè)計系統(tǒng)對其進(jìn)行增強處理，獲取增強前后的視頻圖像結(jié)果，如圖2所示。

由圖2可知，在大霧天氣，攝像頭拍攝的原始交通圖像較模糊，清晰度較差；通過設(shè)計系統(tǒng)對其進(jìn)行增強后，圖像中目標(biāo)清晰可見，能精準(zhǔn)確定公路交通現(xiàn)狀。

為驗證設(shè)計系統(tǒng)在應(yīng)用過程中，對于公路上異常目標(biāo)的檢測效果，隨機抽取4條公路交通中常見的交通異常情況，通過設(shè)計系統(tǒng)對其進(jìn)行檢測，獲取4種情況的檢測結(jié)果如圖3所示。

由圖3可知，設(shè)計系統(tǒng)具有較好的公路交通異常檢測效果，能夠全面獲取公路上不同狀況的檢測，精準(zhǔn)確定主路違章情況、市內(nèi)快速路擁堵情況、小路事故情況、肇事逃逸車輛行駛情況。因此，設(shè)計系統(tǒng)的應(yīng)用性較好，滿足智慧公路視頻監(jiān)控需求，可及時、精準(zhǔn)、清晰掌握公路路況，提升公路管理水平。

為進(jìn)一步驗證設(shè)計系統(tǒng)的應(yīng)用效果，以公路交通勤務(wù)管理為例，依據(jù)公路異常目標(biāo)檢測結(jié)果為依據(jù)，進(jìn)行交通勤務(wù)數(shù)據(jù)統(tǒng)計，如果在時段[?t]內(nèi)，公路的車流量為N，獲取遵章率[ψ]的統(tǒng)計結(jié)果，其計算公式為：

[ψ=N-KN]""""""""""""""""""""""""""" （17）

式中：K表示異常檢測獲取的違章車輛數(shù)量。

依據(jù)式（17）統(tǒng)計在不同時段內(nèi)，公路交通的計算結(jié)果，測試結(jié)果如表1所示。

由表1可知，在不同時段內(nèi)，隨公路車流量的逐漸增加，設(shè)計系統(tǒng)能依據(jù)異常目標(biāo)檢測結(jié)果確定公路遵章率（[ψ]）結(jié)果；可結(jié)合公路在24 h內(nèi)的[ψ]情況，分析該公路的交通規(guī)律，確定其中違章相對嚴(yán)重的公路，并針對性增加警力，以此有效改善交通情況，提升交通管理水平。

3"" 結(jié)語

設(shè)計的基于圖像處理技術(shù)的智慧公路視頻監(jiān)控系統(tǒng)，以圖像處理技術(shù)為核心，對監(jiān)控設(shè)備獲取視頻圖像進(jìn)行相關(guān)處理，以此完成公路視頻監(jiān)控。測試結(jié)果顯示，該系統(tǒng)應(yīng)用效果較好，能夠有效完成監(jiān)控視頻圖像的處理，并且精準(zhǔn)確定公路交通的異常情況，為公路智慧管理提供可靠依據(jù)；并且提升智慧管理水平。

【參考文獻(xiàn)】

［1］""" 甘超瑩，甘建文，顧野.基于圖像識別技術(shù)的城市軌道交通車站智能視頻監(jiān)控系統(tǒng)的設(shè)計與應(yīng)用［J］.城市軌道交通研究，2023，26（2）：76?80.

［2］""" 溫惠英，元昱青，趙勝.基于改進(jìn)GRU模型的高速公路短時交通量預(yù)測［J］.廣西大學(xué)學(xué)報（自然科學(xué)版），2023，48（2）：459?468.

［3］""" 趙志遠(yuǎn)，黃永剛，吳升，等.基于時空熱點分析的城市交通違法行為特征識別方法［J］.地球信息科學(xué)學(xué)報，2022，24（7）：1312?1325.

［4］ """楊軍，陳東升.基于嵌入式Web的雙路遠(yuǎn)程視頻同步監(jiān)控方法［J］.計算機仿真，2021，38（2）：477?481.

［5］""" 梁華剛，黃偉浩，薄穎，等.基于多特征融合的隧道場景車輛再識別［J］.中國公路學(xué)報，2023，36（8）：280?291.

［6］""" 張偉，王宇，陳新怡，等.基于圖像塊碼本模型的監(jiān)控視頻背景參考幀生成方法［J］.通信學(xué)報，2023，44（1）：129?141.

［7］""" SAHANI M. SWAIN B K， DASH P K.FPGA?based favourite"skin colour restoration using improved histogram equaliz?""""" ation with variable enhancement degree and ensemble ex?treme learning machine［J］.IET image processing，2021，15（6）：1247?1259.

［8］""" 唐俊義，馮麟，周志祥，等.基于單目視覺測量技術(shù)的" 車輛尺寸識別方法［J］.公路交通科技，2023，40（3）：" 228?236.

［9］""" 劉飛，高紅艷，衛(wèi)澤剛，等.基于Res?Net深度特征的" SAR圖像目標(biāo)識別方法［J］.液晶與顯示，2021，36（4）：" 624?631.

［10］""" 張西良，閆妍，劉玉芹，等.基于雙目近景圖像的車體" 相對車位方位視覺檢測方法［J］.江蘇大學(xué)學(xué)報（自然" 科學(xué)版），2023，44（3）：262?269.

［11］""" 曹磊，王強，史潤佳，等.基于改進(jìn)RPN的Faster?" RCNN網(wǎng)絡(luò)SAR圖像車輛目標(biāo)檢測方法［J］.東南大學(xué)" 學(xué)報（自然科學(xué)版），2021，51（1）：87?91.

［12］""" 郭琪周，袁春.基于空間語義信息特征融合的目標(biāo)檢" 測與分割［J］.軟件學(xué)報，2023，34（6）：2776?2788.

［13］""" 范馨月，鮑泓，潘衛(wèi)國.基于類別不平衡數(shù)據(jù)集的圖像" 實例分割方法［J］.計算機工程，2022，48（12）：224?231.

［14］""" 羅玉濤，秦瀚.基于稀疏彩色點云的自動駕駛汽車3D" 目標(biāo)檢測方法［J］.汽車工程，2021，43（4）：492?500.

［15］""" 高西.基于大數(shù)據(jù)的影像分析模型的設(shè)計［J］.粘接，" 2022，49（7）：170?174.

［16］""" 岳軍政，李澤政，侯慶敏，等.基于5G施工現(xiàn)場智能可" 視化監(jiān)控技術(shù)應(yīng)用［J］.粘接，2022，49（8）：167?169.