基于機(jī)器視覺(jué)的智能交通監(jiān)控系統(tǒng)研究

摘 要：隨著社會(huì)經(jīng)濟(jì)的迅速發(fā)展，我國(guó)機(jī)動(dòng)車數(shù)量不斷增長(zhǎng)，導(dǎo)致交通問(wèn)題日益嚴(yán)重，實(shí)施有效的交通監(jiān)控對(duì)于解決日益增長(zhǎng)的交通問(wèn)題具有積極意義。然而，目前大多數(shù)的交通監(jiān)控系統(tǒng)存在系統(tǒng)維護(hù)復(fù)雜、成本高、計(jì)算量大等缺點(diǎn)，本文針對(duì)上述缺點(diǎn)設(shè)計(jì)并實(shí)現(xiàn)了基于機(jī)器視覺(jué)交通監(jiān)控系統(tǒng)。文中首先介紹基于機(jī)器視覺(jué)交通監(jiān)控系統(tǒng)的相關(guān)研究背景，其次分析了與機(jī)器視覺(jué)交通監(jiān)控系統(tǒng)相關(guān)的技術(shù)，重點(diǎn)介紹了基于機(jī)器視覺(jué)交通監(jiān)控系統(tǒng)的設(shè)計(jì)方法。在系統(tǒng)中，用戶能夠靈活的設(shè)定動(dòng)態(tài)目標(biāo)檢測(cè)和跟蹤算法，對(duì)系統(tǒng)的廣泛應(yīng)用奠定了基礎(chǔ)。

關(guān)鍵詞：機(jī)器視覺(jué)；智能交通監(jiān)控系統(tǒng)；圖像處理

中圖分類號(hào)：TP315 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract：With the rapid socio-economic development，the number of vehicles is growing，leading to increasingly serious traffic problems，the implementation of effective traffic monitoring to address the growing traffic problems in a positive sense.However，most of the traffic monitoring system exists system maintenance complexity，high cost，large computation and other shortcomings，this paper designs and implements the traffic monitoring system based on machine vision for the above-mentioned drawbacks.This paper introduces the research background related to machine vision-based traffic monitoring system，followed by analysis of the traffic monitoring systems and machine vision-related technologies，focusing on the design of machine vision-based traffic monitoring system.In the system，the user can flexibly set dynamic target detection and tracking algorithm，widely used system of the foundation.

Keywords：machine vision；intelligent traffic monitoring system；image processing

1 引言（Introduction）

近幾年隨著人工智能技術(shù)和圖像識(shí)別技術(shù)的飛速發(fā)展[1]，智能交通的概念也逐漸轉(zhuǎn)變?yōu)楝F(xiàn)實(shí)，交通狀況作為城市運(yùn)行最重要面的方面關(guān)系著城市活動(dòng)的正常運(yùn)行[2]。機(jī)器視覺(jué)是智能交通領(lǐng)域最為關(guān)鍵的技術(shù)手段，高性能的圖像識(shí)別能力已經(jīng)成為了智能交通開(kāi)展的重要環(huán)節(jié)[3]。采用基于計(jì)算機(jī)視覺(jué)的交通監(jiān)控技術(shù)一方面能夠大大減少傳統(tǒng)交通監(jiān)管的人力物力投入，也能夠更加規(guī)范化的進(jìn)行交通處罰等工作，減少人為的干預(yù)[4]。

2 系統(tǒng)分析（Systems analysis）

2.1 系統(tǒng)功能

（1）車輛檢測(cè)功能：系統(tǒng)對(duì)所有通過(guò)監(jiān)控點(diǎn)的車輛進(jìn)行檢測(cè)。對(duì)壓線等違規(guī)駕駛，系統(tǒng)要實(shí)現(xiàn)自動(dòng)識(shí)別功能。并且將實(shí)時(shí)違規(guī)現(xiàn)場(chǎng)圖片進(jìn)行篩選保存，以供留證。并且對(duì)其他無(wú)效圖片能夠自動(dòng)判斷并清理，以節(jié)省存儲(chǔ)空間。

（2）車輛特征高清晰拍照功能：在一體化相機(jī)監(jiān)控視域內(nèi)，如果有車駕駛經(jīng)過(guò)，一體化相機(jī)需正確檢測(cè)出車輛并在閃光燈補(bǔ)光狀態(tài)下對(duì)其進(jìn)行抓拍。抓拍圖片中須有車輛整體出現(xiàn)，并且能夠按照用戶預(yù)先的自定義設(shè)置在圖片中顯示行駛信息（如采集點(diǎn)位、行駛速度、行駛方向、通過(guò)時(shí)間等）。在除惡劣天氣條件引起遮擋干擾外，抓拍圖片還需清晰呈現(xiàn)車牌、車型、顏色等信息。

（3）行駛速度檢測(cè)功能：前端采集攝像機(jī)在對(duì)所有經(jīng)過(guò)監(jiān)測(cè)點(diǎn)的車輛進(jìn)行識(shí)別時(shí)不僅要檢測(cè)提取現(xiàn)場(chǎng)照片，還需同時(shí)實(shí)現(xiàn)對(duì)車輛的視頻測(cè)速。并將車牌信息、速度信息與攝像機(jī)拍攝的清晰前臉照片統(tǒng)一保存。在測(cè)速時(shí)，系統(tǒng)檢測(cè)車速與真實(shí)車速之間的誤差小于等于6%。

（4）自動(dòng)車牌識(shí)別功能：對(duì)所有通過(guò)監(jiān)測(cè)點(diǎn)視域內(nèi)的車輛，都須自動(dòng)識(shí)別出車牌自身顏色及號(hào)碼。前端一體化相機(jī)需在檢測(cè)車輛經(jīng)過(guò)時(shí)對(duì)以下類型及范圍內(nèi)的車牌進(jìn)行識(shí)別。

2.2 系統(tǒng)構(gòu)架

基于機(jī)器視覺(jué)的交通監(jiān)控系統(tǒng)所要實(shí)現(xiàn)的目標(biāo)是：利用視頻監(jiān)控系統(tǒng)對(duì)道路車輛信息進(jìn)行采集，傳回的車輛信息使用算法處理分析并與系統(tǒng)設(shè)定的規(guī)則進(jìn)行對(duì)比，若有非法行為（尾隨、套牌、犯罪車輛）時(shí)，系統(tǒng)實(shí)現(xiàn)實(shí)時(shí)報(bào)警，并自動(dòng)抓拍圖像，對(duì)于正常行駛車輛信息進(jìn)行圖片保存，數(shù)據(jù)統(tǒng)計(jì)查詢等例行操作。

本次開(kāi)發(fā)的基于機(jī)器視覺(jué)的交通監(jiān)控系統(tǒng)按照整體大系統(tǒng)硬件結(jié)構(gòu)來(lái)看，將系統(tǒng)結(jié)構(gòu)劃分為前端數(shù)據(jù)采集與分析子系統(tǒng)、系統(tǒng)管理平臺(tái)兩個(gè)子系統(tǒng)，系統(tǒng)結(jié)構(gòu)如圖1所示。

如圖1所示兩個(gè)系統(tǒng)構(gòu)成系統(tǒng)整體，前端數(shù)據(jù)采集與分析子系統(tǒng)將抓拍到的車輛圖片按照初始參數(shù)進(jìn)行實(shí)時(shí)分析處理，獲取車牌號(hào)碼、車牌顏色、車輛類型等車輛特征，并將分析結(jié)果和圖片文件進(jìn)行本地存儲(chǔ)后發(fā)送至系統(tǒng)管理平臺(tái)數(shù)據(jù)管理模塊，管理平臺(tái)應(yīng)用服務(wù)模塊負(fù)責(zé)監(jiān)測(cè)和分析數(shù)據(jù)管理模塊的數(shù)據(jù)狀態(tài)，并為用戶提供功能服務(wù)，也為其他系統(tǒng)提供服務(wù)接口以供調(diào)用對(duì)接。

3 檢測(cè)跟蹤技術(shù)研究（Detection and tracking techniques）

運(yùn)動(dòng)車輛檢測(cè)模塊是整個(gè)系統(tǒng)的關(guān)鍵部分。如前面內(nèi)容所述，目前實(shí)現(xiàn)動(dòng)態(tài)目標(biāo)檢測(cè)技術(shù)很多，不同的方式技術(shù)都有一定的優(yōu)缺點(diǎn)。本課題研究中按照各種不同算法的優(yōu)缺點(diǎn)，選擇混合高斯算法作為運(yùn)動(dòng)車輛檢測(cè)算法作為運(yùn)動(dòng)車輛跟蹤算法。

其具體實(shí)現(xiàn)步驟為：

（1）選取視頻序列中的連續(xù)三幀圖像。

（2）對(duì)選取的圖像進(jìn)行預(yù)處理。

（3）用三幀差法對(duì)所選取的連續(xù)三幀圖像計(jì)算檢測(cè)結(jié)果。

（4）結(jié)合改進(jìn)的快速二維交叉熵閾值算法進(jìn)行分割處理。

（5）分割后，得到準(zhǔn)確的運(yùn)動(dòng)目標(biāo)。

4 系統(tǒng)實(shí)現(xiàn)（System implementation）

4.1 視頻圖像采集

在監(jiān)控位置上，攝像頭用于監(jiān)控是否有車輛出現(xiàn)違規(guī)的情況，其首要的工作過(guò)程就是監(jiān)控圖像的采集。這里通過(guò)引用開(kāi)源OpenCV技術(shù)來(lái)完成了程序的設(shè)計(jì)。在進(jìn)行監(jiān)控視頻采集的開(kāi)始首先要進(jìn)行初始化操作，同時(shí)創(chuàng)建監(jiān)控窗口，然后通過(guò)調(diào)用圖像采集函數(shù)完成視頻圖像的錄入。

4.2 視頻圖像處理

（1）灰度化：YUV色彩空間則是通過(guò)灰度和色差來(lái)描述具體的顏色，在保存和處理模式上Y信息和U、V信息是分別進(jìn)行保存處理的，這就給進(jìn)行信息的壓縮、高速傳輸和高速處理提供了基礎(chǔ)條件，同時(shí)也可以降低色彩變換的難度。因此，本次研究中需要把監(jiān)控采集到的視覺(jué)圖像在RGB空間和YUV空間進(jìn)行轉(zhuǎn)換，并進(jìn)一步實(shí)行灰度化處理，最終在YUV空間中完成信息的處理和操作。如果處理的監(jiān)控圖片都是彩色圖片的話，則由于其所攜帶的顏色信息很多，會(huì)造成圖像處理效率的低下，因此在進(jìn)行監(jiān)控圖像處理前都需要把彩色圖片轉(zhuǎn)換為灰度化的文件。本次開(kāi)發(fā)的系統(tǒng)采集的原始圖像為24位真彩色圖片，進(jìn)行了灰度化處理后的圖片如圖2所示。

為了掌握這部分的處理技術(shù)，首先需要把RGB圖像信息的數(shù)據(jù)存儲(chǔ)方式進(jìn)行簡(jiǎn)單地介紹，本系統(tǒng)中沒(méi)有采用調(diào)色板工具，所有像素的RGB分量都是按（R，G，B，R，G，B……）順序存儲(chǔ)的，因此在后續(xù)的處理中可以順序取出所有的信息分量。

（2）圖像平滑：本次研究中的監(jiān)控圖像平滑處理采用的就是中值濾波，濾波模板大小為3×3。把模板中心和圖中的某個(gè)位置進(jìn)行重疊操作；然后讀取模板下所有像素的灰度值；再把灰度值從小到大排成隊(duì)列；再定位到中值點(diǎn)上；最后把中間值賦給模板中心位置上的像素。本系統(tǒng)中進(jìn)行中值濾波處理的界面如圖3所示。

由上面兩幅圖相比較，可知采用中值濾波處理圖像的優(yōu)點(diǎn)是：降低噪聲的效果比較明顯，在灰度值變化比較小的狀況下能夠得到很好的平滑效果的，降低了圖像邊界部分的模糊程度。所以本課題采用中值濾波法對(duì)圖像進(jìn)行平滑處理。

4.3 違規(guī)響應(yīng)模塊

按照常見(jiàn)的車輛違規(guī)行為，本系統(tǒng)將車輛違規(guī)行為分為車輛闖紅燈違規(guī)、車輛禁行禁停區(qū)域違規(guī)、車輛逆行違規(guī)、車輛相撞違規(guī)和車輛超速違規(guī)五個(gè)部分。

如車輛闖紅燈是車輛違規(guī)中發(fā)生比例較高的一種事件。也是智能交通監(jiān)控系統(tǒng)的一個(gè)比較基本的功能。在現(xiàn)行的闖紅燈檢測(cè)技術(shù)中，電磁感應(yīng)線圈檢測(cè)技術(shù)是一種常用的檢測(cè)輔助手段。本系統(tǒng)引入了虛擬線圈的概念。虛擬線圈是只在圖像序列中，人工或者自動(dòng)的指定的一系列區(qū)域，這些區(qū)域能夠覆蓋整個(gè)圖像，也能夠局限于某個(gè)區(qū)域，就像在紅燈禁行地帶埋設(shè)檢測(cè)器一樣。

車輛闖紅燈違規(guī)設(shè)置界面如圖4所示。

5 結(jié)論（Conclusion）

本文結(jié)合智能交通視頻監(jiān)控系統(tǒng)的研究課題，從圖像的采集、預(yù)處理、監(jiān)控車輛的運(yùn)動(dòng)檢測(cè)、違規(guī)類型識(shí)別等方向進(jìn)行了研究，并根據(jù)實(shí)際的應(yīng)用環(huán)境進(jìn)行了具體的分析工作，并對(duì)具體的檢測(cè)與跟蹤算法進(jìn)行了論述。本課題的研究成果具有較強(qiáng)的實(shí)用價(jià)值，特別是對(duì)于自動(dòng)化的交通違規(guī)行為識(shí)別，但同時(shí)由于本課題的研究時(shí)間較短還不夠深入，在后期的工作中還需要進(jìn)一步拓展。

參考文獻(xiàn)（References）

[1] 姚國(guó)正，汪云九.D.Marr及其視覺(jué)計(jì)算理論[J].國(guó)外自動(dòng)化，2013，6（13）：55-57.

[2] Bose C.B.，Amir J..Design of fiducials for accurate registration using machine vision[J].IEEE Transactions on Pattern nalysisand Machine Intelligence，2014，12（12）：1196-1200.

[3] Crowley B.W..Application of one-dimensional machine vision in the textile industry[J].IEEE Transactions on Industry Applications，2013，26（2）：324-329.

[4] Inigo R.M..Application of machine vision to traffic monitoring and control[J].IEEE Transactions on Vehicular Technology， 2011，38（3）：112-122.

作者簡(jiǎn)介：陸夢(mèng)進(jìn)（1990-），男，碩士生.研究領(lǐng)域：智能控制.