智能交通監(jiān)視系統(tǒng)中路況圖像背景去除算法研究

摘要：針對基于視覺的交通監(jiān)視系統(tǒng)中路況圖像背景去除存在的種種問題，提出了一種基于邊緣的背景去除算法。該算法簡單且容易理解。實踐證明，用該算法能夠有效地除背景信息。

關(guān)鍵詞：交通監(jiān)視 背景去除 邊緣提取

智能交通監(jiān)視系統(tǒng)是智能交通系統(tǒng)（ITS）的重要組成部分，該系統(tǒng)通過傳感器實時估計交通參量。一種方法是使用磁環(huán)路檢測器來計算汽車流量，此法自身的缺隱是很明顯的。

（1） 能夠監(jiān)測的交通參量有限，僅限于汽車流量及速度的監(jiān)測；

（2） 監(jiān)視范圍較窄，只能監(jiān)視一個車道情況；

（3） 不便于安裝，一般需對路面挖掘以埋入檢測器。

另一種方法是通過處理采集到的交通路況圖像序列，實現(xiàn)車輛目標(biāo)的的檢測、識別及跟蹤，實時提供交通流量、速度及密度等信息。其于視覺的此種方法無上述的限制。用一個安裝在路桿或橋頭攝像頭限參數(shù)進(jìn)行估計，因此有著無可比擬的優(yōu)勢。

一個典型的基于視覺的監(jiān)視系統(tǒng)流程圖如圖1所示。

基于視覺的實用的交通監(jiān)視系統(tǒng)應(yīng)滿足如下要求：

（1） 安裝和校準(zhǔn)容易。

（2） 境適應(yīng)能力強(qiáng)。系統(tǒng)能在各種光照條件下工作，如強(qiáng)烈日光下存在較重的陰影、 夜晚低亮度的照明以及夜晚汽車前燈的強(qiáng)光。

（3） 能準(zhǔn)確地估計車輛速度及尺寸。

（4） 能夠?qū)崟r地進(jìn)行處理，并且整個系統(tǒng)有低廉的成本。

1 背景去除算法分析

背景的去除在整個處理中占用很重要的地址，它直接關(guān)系到后續(xù)工作的難易程度。由于背景圖像是靜止的，用實時路況圖像與背景圖像相減即可濾掉背景而只保留車輛及其陰影信息。但仍存在以下問題：

（1）由于路面光照情況時刻在變動，背景圖像也在跟著變化，因此作差所用的背景圖像也必須實時進(jìn)行更新。

（2）攝像頭安裝在路桿上，當(dāng)路上有汽車開過時會產(chǎn)生輕微抖動，得到的實時路況圖像也不可避免存在“抖動”，其與背景圖像的差值并不能完全濾掉背景信息，如圖2所示。

為了較全面地解決這些問題[1]，將實際情況分成以下三類分別處理：

（1） 背景緩慢變化。

（2） 背景劇烈變化。如：晚上路燈打開時。

（3） 背景經(jīng)常性變化。如：當(dāng)重型汽車經(jīng)過時使背景圖像隨著攝像頭抖動而抖動。

仔細(xì)分析背景更新算法[1]，發(fā)現(xiàn)存在如下幾個問題：

（1） 景更新時采用某一時段多幀圖像加權(quán)和，其主要目的是減少噪聲的影響，但如此得到背景與實時背景有一定并異，因此濾除不停。

（2） 路況圖像劇列變化時，為了確定形成原因是由背景劇列變化引起的還是由車輛經(jīng)過引起的，作為如下假設(shè)：如果是由背景劇烈變化引起的，則圖像變化前后滿足線性關(guān)系：bnew(x)=αbold（x）+β并由此作為判據(jù)來進(jìn)行背景更新。事實上，由于路面各部分光學(xué)性質(zhì)的差異，上式并不十分嚴(yán)格，在路面較復(fù)雜（路面上有較多線條）的情況下易發(fā)生誤判。

（3） 該算法按實際情況分成三類分別處理，需要對三種情況作出判別，整個算法相當(dāng)復(fù)雜，給實時處理帶來了困難。

2 基于邊緣的背景去除算法

針對上述問題，本文提出了一種簡單而高效的基于邊緣的背景去除算法。該算法基于這樣一個事實：在光照變化的情況下雖然背景圖像會發(fā)策變化，但背景的邊比緣信息（即所述的集團(tuán)）總是不變的（無論背景緩慢變化還是劇烈變化）。若用背景邊緣來標(biāo)識背景信息，則可不受光照條件的影響而使處理簡單。因此，可將實時路況圖像的邊緣取提前，再將得到的緣圖像與基背景邊緣圖像相減即可除掉背景。

基背景邊緣圖像的更新可通過多幀路況邊緣圖像的迭回來實現(xiàn)：

bo(x,y)=∑gi(x,y) (1)

式中，gi(x,y)為第i幀路況邊緣圖像。

按此式得到的迭加圖像不但將背景邊緣迭加，也將車輛邊緣迭加，為形成基背景邊緣圖像，必須將車輛邊緣去掉。對背景邊緣及車輛邊緣的分析可見，背景邊緣位置在各幀路況邊緣圖像中大致相同，迭加后得到增強(qiáng)。由于攝像頭可能存在抖動而使各幀中背景邊緣位置也加寬的現(xiàn)象，如圖3所示。因為抖動是周期性且小幅度的，最終結(jié)果是加寬邊緣的增強(qiáng)；而車輛邊緣位置在各幀路況邊緣圖像中卻是隨機(jī)而零散的，迭加后雖然在某些重疊點(diǎn)上有所增強(qiáng)，但增強(qiáng)的效果遠(yuǎn)不如背景邊緣，幀數(shù)越多越明顯。為此，簡單的閥值判斷即可除去迭加路況邊緣圖像中的車輛邊緣，由此而得基背景邊緣圖像：

閾值bth由所取的幀數(shù)及攝像頭抖動幅度決定（抖動幅度越大，加密越嚴(yán)重，單象素迭加量越少）。

由此得到的加寬背景邊緣與實時路況邊緣圖像中的背景邊緣存在差異，若直接將實時路況邊緣圖像與其相減，必定會留有殘余背景。但注意到后者是前者的一部分，所以改用包容性檢測來去除背景邊緣：

其效果是：如果實時路況邊緣圖像中某點(diǎn)在基背景邊緣圖像對應(yīng)點(diǎn)對邊緣點(diǎn)（即b(x,y)=1），則認(rèn)該點(diǎn)為背景邊緣而除掉。當(dāng)然，由于車輛邊緣與背景邊緣可能存在一定交迭，上述結(jié)果會去掉一部分車輛邊緣信息，但車輛的框架仍保留，并不妨礙其提取。實際背景去除效果如圖4所示。

由此可見，用此算法來去除路況圖像中的背景是簡單而高效的，非常適用于實時處理。