基于視頻圖像的道路車流檢測系統(tǒng)

韓海玲，焦紅巖

（蘭州交通大學(xué)教育部重點(diǎn)實(shí)驗(yàn)室，甘肅蘭州 730070）

1 引言

隨著現(xiàn)代經(jīng)濟(jì)的高速發(fā)展，交通運(yùn)輸?shù)谋Ｕ暇惋@得尤其重要，對交通管理的要求也越來越高，將計算機(jī)科學(xué)與通信等高新技術(shù)運(yùn)用于交通監(jiān)控管理與車輛控制，以保障交通順暢及行車安全，從而改善環(huán)境質(zhì)量、促進(jìn)經(jīng)濟(jì)發(fā)展的智能交通系統(tǒng)ITS（Intelligent traffic system，ITS）也隨之產(chǎn)生。在智能交通管理系統(tǒng)中，實(shí)時獲取交通車流量的車輛檢測技術(shù)是ITS的基礎(chǔ)。利用圖像處理技術(shù)來實(shí)現(xiàn)交通流量的車輛檢測技術(shù)已成為該研究領(lǐng)域的熱點(diǎn)。研究基于圖像處理技術(shù)的交通流量車輛檢測技術(shù)始于上個世紀(jì)80年代，到現(xiàn)在，檢測思想和算法一直在不斷的改進(jìn)和革新。有的研究基于檢測區(qū)域，有的研究基于整幅圖片，大量的文獻(xiàn)都是基于整幅圖片的研究，如背景差分方法、幀差分方法等。

然而，現(xiàn)今的方法中存在有以下問題：必須靠車道來分割不同車輛；使用某一時刻無運(yùn)動物體的圖像作為背景來提取車輛；忽視車輛陰影的影響；采樣頻率與車速不匹配導(dǎo)致車輛誤計等。對此本研究作了一系列的改進(jìn)，提出一種新的實(shí)用算法，高斯背景建模。主要實(shí)現(xiàn)以下幾個目的：①實(shí)時獲取背景圖像；②提取每一幀圖像上的車輛；③背景圖像的更新；④區(qū)分每一幀上的不同車輛；⑤對檢測到的目標(biāo)進(jìn)行跟蹤。

2 實(shí)驗(yàn)方法

背景建模方法很適合在攝像機(jī)靜止情景下的背景估計?？梢约僭O(shè)背景的緩慢變化符合一個隨機(jī)概率分布，利用該隨機(jī)概率分布進(jìn)行背景建?？梢缘玫奖容^好的背景估計。為解決光線緩慢變化、背景存在擾動干擾等情況，本文主要討論一種自適應(yīng)高斯背景建模方法，使背景圖像的更新機(jī)制具有自適應(yīng)性，檢測具有魯棒性。運(yùn)動目標(biāo)檢測流程如圖1所示。

2.1 高斯背景建模原理

利用高斯分布背景建模就是假設(shè)圖像序列在時間域中某點(diǎn)的像素值f（x，y）的變化符合高斯分布，對場景中每個像素點(diǎn)建立高斯模型，對新來的幀進(jìn)行高斯模型的擬合來提取背景圖像。利用高斯背景建模分為兩個方面：①利用初始幀進(jìn)行背景初始化；②在檢測的過程中利用新到來的幀對背景進(jìn)行適當(dāng)更新，這樣可以使檢測具有自適應(yīng)性。本文所討論的背景是由于光照變化，微風(fēng)等原因引起的緩慢周期性變化時，用單一自適應(yīng)背景模型便可解決。單高斯分布的背景模型適用于運(yùn)動物體數(shù)量少、背景在大部分時間是可見的情況。如果背景中存在植物搖擺、水波晃動等周期性干擾運(yùn)動且運(yùn)動目標(biāo)數(shù)量多等復(fù)雜環(huán)境，則可以考慮混合高斯背景建模或混合高斯背景建模與其他方法的結(jié)合，這樣檢測準(zhǔn)確性將會得到很大提高。下面主要介紹的是單高斯背景建模理論。

圖1 運(yùn)動目標(biāo)檢測流程圖

高斯分布概率密度函數(shù)為：

其中：μ為均值，σ為標(biāo)準(zhǔn)方差。單高斯背景模為每個圖像點(diǎn)的顏色建立了單個高斯分布，用η（μ，σ 2）表示。設(shè)k幀時圖像點(diǎn)（x，y）的當(dāng)前像素值為fk（x，y）。

2.2 背景圖像初始化

在建模初期應(yīng)該利用視頻圖像初始幀快速建立一個背景估計，如果只利用第一幀進(jìn)行背景初始化，這樣會形成比較大的誤差，對后期的運(yùn)動目標(biāo)檢測會產(chǎn)生一定影響。本文討論使用一種統(tǒng)計平均法來背景初始化。統(tǒng)計平均法即求取一段時間內(nèi)圖像序列中N幀圖像的灰度平均值作為背景圖像的估計值，以弱化運(yùn)動目標(biāo)對背景的干擾。設(shè)μ0（x，y），σ02（x，y）為某點(diǎn)初始背景估計的均值與方差，則

其中：N為所選取的幀數(shù)。

2.3 背景圖像更新

算法的思想是當(dāng)前幀與前一幀的背景模型進(jìn)行差分，如果大于設(shè)定的閾值則像素判定為前景運(yùn)動目標(biāo)，該點(diǎn)的背景模型就不用更新；如果小于設(shè)定的閾值，則像素被判定為背景，利用相應(yīng)法則對背景像素進(jìn)行更新。

其中：T為前景分割時所選取的閾值。α為背景更新率，其取值范圍為0＜α＜1。α越小，背景更新速度越慢，α越大，背景更新速度越快。更新速度太慢，需要較長時間才可以適應(yīng)背景；更新速度太快，背景建模容易引入噪聲，因此α取值要合理。

2.4 運(yùn)動車輛分割

運(yùn)動目標(biāo)分割是檢測當(dāng)前圖像和背景圖像中對應(yīng)像素的灰度值差異，如果差值大于某一閾值，則判定該像素為前景運(yùn)動目標(biāo)，值為1；否則，值為0。檢測規(guī)則為：

其中：Bt表示像素點(diǎn)（x，y）在時刻t的背景灰度值，Th表示閾值。閾值的選取在二值化過程中非常重要，它的取值直接影響到二值化的效果如何。由于車輛的灰度差別較大，選用固定的閾值將會漏檢或誤檢車輛區(qū)域。鑒于此，本文選用Otsu閾值化方法。Otsu閾值化方法是一種自動的非參數(shù)無監(jiān)督的閾值選擇法，它基于類間方差最大的測度準(zhǔn)則，當(dāng)該測度函數(shù)取最大時得到最佳閾值。

2.5 運(yùn)動目標(biāo)跟蹤

在計算出各個前景區(qū)域的特征參數(shù)（上述經(jīng)過篩選后保存的前景區(qū)域的特征參數(shù)）后，就可以從多個前景區(qū)域中指定要跟蹤的目標(biāo)。文中提出一種根據(jù)特征值近似循環(huán)的目標(biāo)指定方法。該方法的設(shè)計思想也比較簡單，因?yàn)橐呀?jīng)對飛行目標(biāo)和與飛行目標(biāo)大小接近的云和噪聲的特征值（面積和重心橫縱坐標(biāo)值）進(jìn)行了保存，因此當(dāng)需要選擇跟蹤目標(biāo)時，從保存的特征參數(shù)中選擇一個指定為跟蹤目標(biāo)。選擇的結(jié)果或者是目標(biāo)，或者是與飛行目標(biāo)大小接近的云和噪聲。如果不是要跟蹤的目標(biāo)，從保存的特征值中選擇下一個即可。

特征值被保存的前景區(qū)域可以被指定為要跟蹤的目標(biāo)。這種方法雖然不是直接指定跟蹤目標(biāo)，但減少了系統(tǒng)設(shè)計的復(fù)雜度，而且選擇精度高。由于目標(biāo)數(shù)量有限，瞄準(zhǔn)手很快就可以選擇上合適的跟蹤目標(biāo)。當(dāng)在某幅圖中指定了要跟蹤的目標(biāo)后就可以在隨后的圖像中識別跟蹤目標(biāo)了。識別的依據(jù)是基于區(qū)域面積和區(qū)域重心這兩個特征，即在相鄰兩幅圖中這兩個特征的值變化都不會太大。

3 試驗(yàn)結(jié)果及分析

Simulink是Matlab最重要的組件之一，可以提供一個動態(tài)系統(tǒng)建模、仿真和綜合分析的集成環(huán)境。在該環(huán)境中，用戶不需要一行行的編寫程序代碼，只需要通過簡單直觀的鼠標(biāo)操作，就可以構(gòu)造出復(fù)雜的系統(tǒng)。Simulink具有適應(yīng)面廣、結(jié)構(gòu)和流程清晰及仿真精細(xì)、貼近實(shí)際、效率高、靈活等優(yōu)點(diǎn)，并有大量的第三方軟件和硬件可應(yīng)用于或被要求應(yīng)用于Simulink。仿真模塊框圖如圖2所示。

圖2 Simulink仿真模塊框圖

以Simulink為基礎(chǔ)的視頻和圖像處理模塊工具箱提供了視頻和圖像處理中用到的各種子系統(tǒng)模型，它包含11個大類庫，含有數(shù)十種模塊類型。用戶無需編程，可直接在Simulink環(huán)境下調(diào)用仿真，分析和設(shè)計圖像處理系統(tǒng)。

通過該模型，可以得到如圖3-圖6所示的處理結(jié)果。

圖3 原始圖像

圖4 車輛分割

圖5 車輛標(biāo)記

圖6 車輛跟蹤

4 結(jié)束語

本文提出了一種基于背景模型法的背景更新方法，以簡化混合高斯模型為基礎(chǔ)，提高了處理速度，改進(jìn)與完善了高斯背景更新方法。以背景差分法為基礎(chǔ)，結(jié)合形態(tài)學(xué)濾波和八連通域算法準(zhǔn)確對多個運(yùn)動目標(biāo)進(jìn)行檢測。實(shí)驗(yàn)證明，基于背景差分的多運(yùn)動目標(biāo)跟蹤檢測算法不僅簡單快速，而且能夠較好地檢測多個動態(tài)目標(biāo)，證明了算法的可行性，使用價值明顯。

基于視頻圖像處理的車輛檢測法缺點(diǎn)在于大型車輛能遮擋隨行的小型車輛，由于攝像安裝的角度與高度的限制導(dǎo)致的不同車道的車輛遮擋問題，陰影、積水反射或晝夜轉(zhuǎn)換可造成檢測誤差。

［1］Rafael C.Gonzalez，Richard E.Words，阮秋琦，阮宇智等譯.數(shù)字圖像處理［M］.北京：電子工業(yè)出版社，2003.

［2］章毓晉.圖像分割［M］.北京：科學(xué)出版社，2001.

［3］張兆禮，趙春暉等.現(xiàn)代圖像處理技術(shù)及Matlab實(shí)現(xiàn)［M］.北京：人民郵電出版社2001.

［4］容觀澳.計算機(jī)圖像處理［M］.北京：清華大學(xué)出版社，2000.

［5］賈云得.機(jī)器視覺［M］.北京：科學(xué)出版社，2003.

［6］吳逸飛編譯.模式識別的原理、方法及應(yīng)用［M］.北京：清華大學(xué)出版社，2002.

［7］陸其明.DirectShow開發(fā)指南［M］.北京：清華大學(xué)出版社，2003.

［8］朱 江，宜國榮，鄭振東.基于視頻動態(tài)投影的實(shí)時車輛流量檢測系統(tǒng)［J］.計算機(jī)工程，2001，27（11）：25-27.