高速公路視頻超速臨控系統(tǒng)的實(shí)現(xiàn)

摘要：介紹了一種高速公路視頻超速監(jiān)控系統(tǒng)的硬件構(gòu)成、軟件功能和動(dòng)目標(biāo)檢測(cè)、動(dòng)目標(biāo)跟蹤與速度測(cè)量、車牌自動(dòng)定位以及車牌字符自動(dòng)識(shí)別等關(guān)鍵技術(shù)的實(shí)現(xiàn)方法。該系統(tǒng)可廣泛應(yīng)用于高速公路管理、卡口管理、巡邏執(zhí)勤、逃逸車輛抓捕等場(chǎng)合，具有很好的應(yīng)用前景。 關(guān)鍵詞：視頻監(jiān)控 圖像處理 高速公路 超速監(jiān)控 動(dòng)目標(biāo)檢測(cè) 隨著國(guó)民經(jīng)濟(jì)的迅猛發(fā)展，我國(guó)的高速公路建立發(fā)生了翻天覆地的變化。公路上行駛的車輛越來(lái)越多、速度也越來(lái)越快，與車輛交通有關(guān)的案件也呈不斷上升勢(shì)頭，交通肈事逃逸等案件時(shí)有發(fā)生。如何運(yùn)用科學(xué)的手段幫助公安部門有效控制高速公路上超速違章現(xiàn)象、抓捕逃逸車輛，已成為公安交通部門急待解決的問題。目前能完成超速監(jiān)控功能的成熟系統(tǒng)有：基于微波雷達(dá)和基于激光的超速監(jiān)控系統(tǒng)。它在車輛經(jīng)過(guò)時(shí)，利用反射波的頻率變化監(jiān)控在車輛信息，不能提供超速汽車類型、車牌號(hào)碼等全面的交通信息，無(wú)法及時(shí)進(jìn)行違章處理及抓捕逃逸車輛。本高速公路視頻超速監(jiān)控系統(tǒng)利用視頻圖像處理技術(shù)，對(duì)高速公路車道上的汽車進(jìn)行非接觸式監(jiān)控，獲得超速車輛車速、車牌號(hào)碼、違章照片等運(yùn)行狀態(tài)信息，可應(yīng)用于高速公路管理、逃逸車輛抓捕等場(chǎng)合。 1 系統(tǒng)結(jié)構(gòu) 高速公路視頻超速監(jiān)控系統(tǒng)的硬件結(jié)構(gòu)如圖1所示。它由超速監(jiān)控?cái)z像頭和現(xiàn)場(chǎng)計(jì)算機(jī)等部分組成。在高速公路上安裝監(jiān)控?cái)z像頭（一個(gè)彩色全景攝像機(jī)、n個(gè)車道級(jí)彩色攝像機(jī)）及超速監(jiān)控計(jì)算機(jī)，24小時(shí)實(shí)時(shí)監(jiān)控高速公路上所有通過(guò)車輛的車速信息。系統(tǒng)軟件包含超速車輛檢測(cè)和自動(dòng)車牌識(shí)別兩部門。超速監(jiān)控計(jì)算機(jī)通過(guò)實(shí)時(shí)視頻采集卡首先采集高速公路的全景圖像，并利用全景圖像進(jìn)行超速車輛檢測(cè)；如檢測(cè)到違章車輛，啟動(dòng)相應(yīng)車道的攝像機(jī)工作，采集近景圖像并用利近景圖像自動(dòng)車牌識(shí)別，其識(shí)別結(jié)果可分車牌號(hào)碼字符、車牌號(hào)碼照片、汽車違章照片分別修配存到超速違章車輛數(shù)據(jù)庫(kù)，以供事后處理；如需要，還可通過(guò)無(wú)線、有線或光纖通信網(wǎng)自動(dòng)向高速公路收費(fèi)站的違章處理服務(wù)器傳送違章車輛的車牌號(hào)碼、違章照片信息，以實(shí)時(shí)進(jìn)行違章處理。軟件系統(tǒng)功能框圖如圖2所示。 2 軟件功能實(shí)現(xiàn) 2.1 動(dòng)目標(biāo)分割[1][2] 理想情況下，從視頻圖像進(jìn)行超速車輛檢測(cè)時(shí)，可以直接用幀間差的方法比較前后兩幀圖像，去除靜止的區(qū)域，保留運(yùn)動(dòng)區(qū)域，判定視場(chǎng)中是否存在著汽車，判斷汽車的運(yùn)動(dòng)軌跡及速度。但是在實(shí)際的成像過(guò)程中，場(chǎng)景中的諸多因素，包括照明情況、場(chǎng)景中物體的幾體形狀和物理性質(zhì)（特別是表面的反射性質(zhì)）、成像系統(tǒng)的特性以及光源、物休和成像系統(tǒng)之間的空間關(guān)系等，都被綜合為單一圖像中像素點(diǎn)的灰度值；由于空間的強(qiáng)輻射、光照的變化和傳感器本身的光學(xué)特性等原因，會(huì)在每一幀圖像中產(chǎn)生較強(qiáng)的干擾和噪聲。因此，在進(jìn)行圖像檢查前對(duì)圖像進(jìn)行基于平均法去噪的初始背景獲得和基于Kalman濾波[3]的實(shí)時(shí)背景更新等預(yù)處理；然后采用提取函數(shù)[4]分割目標(biāo)與背景。設(shè)Ck={ck(x,y)}代表當(dāng)前圖像，Rk={rk(x,y)}代表參考圖像，其中(x,y)為像素點(diǎn)的坐標(biāo)，ck(x,y)≥0,rk(x,y)≤255,則提取函數(shù)Ek=(ck(x,y),rk(x,y))定義如下： 容易知道，式中0≤Ek(ck(x,y),rk(x,y)) ≤1。 用提取函數(shù)對(duì)在公路上采集到的實(shí)際運(yùn)動(dòng)車輛的圖像做動(dòng)目標(biāo)檢測(cè)，其實(shí)驗(yàn)結(jié)構(gòu)如圖3所示。 2.2 動(dòng)目標(biāo)跟蹤及速度測(cè)量[5] 在目標(biāo)跟蹤的同時(shí)，需要判斷計(jì)算目標(biāo)的運(yùn)動(dòng)速度，所以采用特征點(diǎn)匹配的方法進(jìn)行動(dòng)目標(biāo)跟蹤，以便利用特征點(diǎn)的視差計(jì)算車速。其要點(diǎn)是：在一幀圖像的活動(dòng)目標(biāo)窗口中選擇一組具有不變性質(zhì)的特征點(diǎn)，與下一幀圖像中的同類特征點(diǎn)作匹配，從而求得視差。這就是特征點(diǎn)匹配的方法。 采用Moravac[6]算子作為點(diǎn)特征提取算子。它基于一個(gè)理想的特征點(diǎn)，在其四周所有方向上灰度具有很大的方差。 特征點(diǎn)提取的步驟為：首先，在5х5的窗口計(jì)算 式中，i=n-2,...,n+2;j=m-2,...,m+2;m,n為窗口中心像元的行、列序列，gij為（i,j）處圖像的灰度值。 然后，確定備選特征點(diǎn)，若像元的有利值M大于經(jīng)驗(yàn)閾值，則該像元為備選特征點(diǎn)；否則，該像元不是特征點(diǎn)。 最后，用抑制局部非最大M值的方法，確定特征點(diǎn)。檢驗(yàn)每個(gè)備選特征點(diǎn)的M值是否為一定大小（5х5，7х7，9х9）窗口內(nèi)的最大值，如果在窗口內(nèi)有幾個(gè)備選特征點(diǎn)，則取M值最大的像元作為特征點(diǎn)，其余均去掉。 為保證匹配的正確率，采用協(xié)方差最大與差的絕對(duì)值之和最小作為雙重判據(jù)，決定匹配點(diǎn)的取舒暢，以增強(qiáng)匹配結(jié)果的可靠性。找到匹配點(diǎn)后，利用兩者視差和事前標(biāo)定過(guò)的視場(chǎng)內(nèi)圖像最小分辨率所代的最小距離以及圖像采集的間隔時(shí)間，就可計(jì)算出目標(biāo)速度，根據(jù)此值預(yù)測(cè)目標(biāo)新位置并判斷是否超速。 2.3 車牌自動(dòng)定位 車牌自動(dòng)定位是車牌照自動(dòng)識(shí)別的第一步，正確而又可靠地檢測(cè)出車牌區(qū)域是保證車牌識(shí)別率的關(guān)鍵。目前存在許多車牌自動(dòng)定位算法，如Hough變換以檢測(cè)直線來(lái)提取車牌邊界區(qū)域、使用灰度分割及區(qū)域生長(zhǎng)進(jìn)行區(qū)域分割、使用紋理特征分析技術(shù)等。但實(shí)際使用時(shí)，單用一種方法難以達(dá)到實(shí)用要求。本文采用的方法是：首先用Prewitt算子提取車輛的二值邊緣圖像，然后用數(shù)學(xué)形態(tài)學(xué)、顏色搜索相結(jié)合的方法，進(jìn)行汽車牌照定位。圖4為汽車牌照定位實(shí)驗(yàn)結(jié)果示意圖。 Prewitt算子定義如圖5所示。由于汽車圖像具體特殊的橫向紋理特性，而牌照字符最具有縱向紋理特性，因此利用Prewitt邊緣檢測(cè)算子[7]的方向性，通過(guò)增強(qiáng)圖像的縱向邊緣可將牌照?qǐng)D像與汽車背景圖像分離。 對(duì)Prwitt算子檢測(cè)獲得的二值邊緣圖像進(jìn)一步采用數(shù)學(xué)形態(tài)學(xué)方法中的膨脹技術(shù)生成連通區(qū)域圖像。其中結(jié)構(gòu)元素S的選擇，對(duì)于侯選牌照區(qū)域的形成與牌照區(qū)域提取至關(guān)重要，因膨脹后得到的牌照區(qū)域極易出現(xiàn)與其他紋理粘連的現(xiàn)象，從而給進(jìn)一步牌照區(qū)域提取帶來(lái)困難，因此采用的結(jié)構(gòu)元素S為具有水平方向膨脹能力的水平線段，膨脹后能得到多個(gè)侯選牌照區(qū)域，如圖4(c)所示。 針對(duì)上述方法得到的可能為車牌的區(qū)域，通過(guò)大小、長(zhǎng)寬比例、侯選車牌字符邊緣密度等幾何特征分析侯選牌照區(qū)，再充分利用車牌號(hào)碼區(qū)的顏色特征，通過(guò)搜索號(hào)碼區(qū)底板顏色塊和號(hào)碼顏色的方法，進(jìn)一步從圖像中刪除虛假牌照區(qū)，得到可能為車牌的區(qū)域。2.4 字符自動(dòng)識(shí)別[8] 針對(duì)分割完成后的牌照?qǐng)D像進(jìn)行字符自動(dòng)識(shí)別，需首先對(duì)車牌圖像二值化、字符切分和規(guī)范化、字符特征提取，然后根據(jù)字符特征庫(kù)，完成車牌字符自動(dòng)識(shí)別。圖6為字符自動(dòng)識(shí)別的效果示意圖。 圖像二值化的方法很多，針對(duì)車牌圖像，二值化的基本要求是使二值化后的圖形能忠實(shí)地再現(xiàn)原文字。具體為：筆劃中不出現(xiàn)空白以及二值化后的筆劃基本保持原來(lái)字符的特征。二值化的關(guān)鍵在于閾值T的選擇，采用判斷分析二值化法。從圖像灰度值的直方圖中把灰度值的集中用閾值分為兩類，然后根據(jù)兩個(gè)類的類間方差和類內(nèi)方差的最大來(lái)確定分割閾值。車牌圖像二值化后，根據(jù)牌照中字符所占像素比便要小于背景所占像素比例，將車牌圖像統(tǒng)一變?yōu)榘椎缀谧帧?img onload="if(this.width>620)this.width=620;" onclick="window.open(this.src)" style="cursor:pointer" src="http://editerupload.eepw.com.cn/fetch/20140414/245708_1_6.jpg" border=0>為把字符分為單個(gè)字符，以送入識(shí)別系統(tǒng)識(shí)別，在字符圖像二值化后，進(jìn)行字符切分。利用車牌字符固定的高寬比和間距作出先驗(yàn)知識(shí)，在分割前先估算出字符寬度、間距，并從圖像數(shù)值方向的投影直方圖定出字符的開始位置，切分全部字符；然后將文字外接邊框按比例線性放大或縮小為規(guī)定的32х64大小。 車牌字符識(shí)別系統(tǒng)的關(guān)鍵在于字符特征的提取，也就是如何選取既容易提取又能為識(shí)別系統(tǒng)提供盡可能高的模式鑒別能力、同時(shí)還要盡量少的特征維數(shù)的特征向量，它應(yīng)該是最佳的樣本特征屬性的度量。由于車牌字符共有七個(gè)字符：第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡(jiǎn)稱；第二位為大寫的英文字符，一個(gè)圓點(diǎn)間隔后的第三個(gè)字符是英文字母或是數(shù)字，其余的四位為數(shù)字。車牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約50多個(gè)，大寫英文字母26個(gè)，數(shù)字10個(gè)。為實(shí)時(shí)識(shí)別考慮，特征向量的維數(shù)可適當(dāng)選擇較低的維數(shù)。 系統(tǒng)采用投影-Fourier變換特征、網(wǎng)格特征和輪廓特片組成字符特征向量[9]，與模擬中的向量進(jìn)行特征匹配。特征匹配選用最小距離匹配法。經(jīng)大量圖像實(shí)驗(yàn)，有較高的識(shí)別率。3 系統(tǒng)特點(diǎn) 高速公路視頻超速監(jiān)控系統(tǒng)用利視頻圖像處理技術(shù)，可對(duì)高速公路車道上的汽車進(jìn)行非接觸監(jiān)控，獲得車速、車牌號(hào)碼、違章照片等運(yùn)行狀態(tài)信息，自動(dòng)車牌識(shí)別速度快、準(zhǔn)確率高，為實(shí)時(shí)違章處理提供了可能。該系統(tǒng)通用性強(qiáng)、開放性強(qiáng)、擴(kuò)展性強(qiáng)，可應(yīng)用于高速公路管理、卡口管理、巡邏執(zhí)勤、逃逸車輛抓捕等場(chǎng)合。