視頻技術(shù)在智能交通信息檢測(cè)中的應(yīng)用

    1 引言  

    在智能交通系統(tǒng)(ITS)的眾多信息中，交通特征參數(shù)信息是最根本的，它包括車(chē)流量、車(chē)型分類(lèi)統(tǒng)計(jì)、車(chē)流密度等。

  
    這些數(shù)據(jù)是交管部門(mén)制訂政策、采取措施、對(duì)交通設(shè)施進(jìn)行規(guī)劃的科學(xué)客觀(guān)的依據(jù)。要構(gòu)建完整的ITS系統(tǒng)，首先應(yīng)建立一個(gè)能準(zhǔn)確、高效獲得交通特征參數(shù)的交通信息采集系統(tǒng)，其核心是交通信息檢測(cè)技術(shù)。 

    近年來(lái)，基于計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)的交通信息檢測(cè)技術(shù)(簡(jiǎn)稱(chēng)視頻檢測(cè)技術(shù))逐步成為研究主流。其工作流程為：通過(guò)安裝在路面上方的攝像機(jī)采集交通圖像，應(yīng)用計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)處理圖像數(shù)據(jù)，獲取實(shí)時(shí)、豐富、動(dòng)態(tài)的交通信息，進(jìn)行交通的信號(hào)控制、信息發(fā)布等。其主要優(yōu)點(diǎn)有：不破壞路面，安裝無(wú)須中斷交通，一次可檢測(cè)多條車(chē)道，檢測(cè)功能多和可記錄現(xiàn)場(chǎng)圖像等。 

     視頻檢測(cè)算法是整個(gè)系統(tǒng)的核心，其好壞將直接影響系統(tǒng)的檢測(cè)精度和檢測(cè)效率。而在近幾年ITS市場(chǎng)的推動(dòng)下，基于視頻圖像分析和模式識(shí)別技術(shù)的交通檢測(cè)算法針對(duì)其特有的應(yīng)用場(chǎng)合，逐步成為目標(biāo)檢測(cè)技術(shù)的一個(gè)研究分支。 

      2 視頻檢測(cè)技術(shù)

      2.1 視頻檢測(cè)流程 

    視頻檢測(cè)技術(shù)即在視頻序列中提取感興趣的運(yùn)動(dòng)對(duì)象。在基于視頻的ITS系統(tǒng)中，目標(biāo)車(chē)輛的檢測(cè)流程為：1)運(yùn)動(dòng)目標(biāo)區(qū)域提取，即確定車(chē)輛可能存在的區(qū)域；2)目標(biāo)確認(rèn)，即對(duì)上階段產(chǎn)生的候選區(qū)域進(jìn)行確認(rèn)，判斷是車(chē)輛或背景；3)目標(biāo)分割，通過(guò)識(shí)別出圖像中符合車(chē)輛特征的像素，將待識(shí)別的目標(biāo)從背景中分離出來(lái)；4)目標(biāo)跟蹤，依據(jù)提取出的特征匹配前后幀中的車(chē)輛，從而計(jì)算交通參數(shù)；5)目標(biāo)分類(lèi)，指依據(jù)幾何外形、紋理特征等對(duì)不同類(lèi)型的車(chē)輛進(jìn)行分類(lèi)；6)后處理，根據(jù)應(yīng)用需求計(jì)算交通參數(shù)，如車(chē)流量、車(chē)速等。 

      2.2 視頻檢測(cè)算法 

    基于視頻的交通流檢測(cè)方法，可分為如下4類(lèi)：知識(shí)型，運(yùn)動(dòng)型，立體視覺(jué)型和像素強(qiáng)度型。 

    1)基于知識(shí)的方法利用車(chē)輛的形狀、顏色、對(duì)稱(chēng)性等信息，以及道路和陰影等常識(shí)信息進(jìn)行相關(guān)檢測(cè)。該方法簡(jiǎn)單、直觀(guān)，易于編程實(shí)現(xiàn)，但需要估計(jì)多個(gè)經(jīng)驗(yàn)閾值，如車(chē)輛長(zhǎng)寬的經(jīng)驗(yàn)比值、車(chē)輛邊緣的最小長(zhǎng)度、車(chē)輛陰影與道路的灰度差異閾值等。經(jīng)驗(yàn)閾值準(zhǔn)確與否，直接關(guān)系系統(tǒng)性能的好壞。 

    2)基于運(yùn)動(dòng)的方法主要利用序列圖像之間存在的大量相關(guān)信息進(jìn)行車(chē)輛的預(yù)檢測(cè)，主要有光流法和運(yùn)動(dòng)能量法。光流法能檢測(cè)出獨(dú)立運(yùn)動(dòng)的對(duì)象，不要預(yù)先知道場(chǎng)景的任何信息，且適用于攝像機(jī)移動(dòng)情況。但缺點(diǎn)是耗時(shí)大，對(duì)過(guò)于復(fù)雜、過(guò)快或過(guò)慢的運(yùn)動(dòng)檢測(cè)效果不好，不適合實(shí)時(shí)系統(tǒng)。運(yùn)動(dòng)能量法能消除背景中的振動(dòng)像素，使按某一方向運(yùn)動(dòng)的對(duì)象突出顯示，但只能估計(jì)出運(yùn)動(dòng)對(duì)象的大概位置，而不能精確提取出對(duì)象。 

    3)建立在視差或頻差理論基礎(chǔ)上的機(jī)器立體視覺(jué)，運(yùn)用兩個(gè)或多個(gè)攝像機(jī)對(duì)同一景物從不同位置成像獲得立體像對(duì)，通過(guò)各種算法匹配出相應(yīng)像點(diǎn)，從而恢復(fù)深度(距離)信息。該方法能在車(chē)速很小時(shí)直接檢測(cè)其位置，但它要求正確標(biāo)定攝像機(jī)，受車(chē)輛運(yùn)動(dòng)或天氣等因素影響，這是很難做到的。在基于立體視覺(jué)的車(chē)輛檢測(cè)中，常用IPM(Inversc Perspective Mapping)法估計(jì)圖像中車(chē)輛及障礙物的位置。 

    4)基于像素強(qiáng)度的方法直接檢測(cè)幀間變化，主要有時(shí)間差分法和背景差分法。時(shí)間差分法在一個(gè)較短的時(shí)間內(nèi)檢查相鄰各幀之間像素強(qiáng)度的變化，非零像素被認(rèn)為是運(yùn)動(dòng)對(duì)象造成的。該方法適合于動(dòng)態(tài)變化的環(huán)境，但不適合攝像機(jī)運(yùn)動(dòng)的情況，也不能完整提取運(yùn)動(dòng)對(duì)象?，F(xiàn)有的背景模型基本是建立在統(tǒng)計(jì)模型基礎(chǔ)或其變種之上。該方法快捷簡(jiǎn)單，實(shí)時(shí)性較好，適合運(yùn)動(dòng)快且形變較大的運(yùn)動(dòng)目標(biāo)，但不適合有全局運(yùn)動(dòng)的場(chǎng)景，如不平坦或彎路較多的道路等。 

    雖然車(chē)輛檢測(cè)算法發(fā)展至今己有40多年，但解決下列問(wèn)題是一項(xiàng)長(zhǎng)期的任務(wù)： 

    1)車(chē)輛在尺度、位置、方向上的變化。例如進(jìn)入視野的車(chē)輛具有不同的速度，在形狀、大小、顏色等方面都會(huì)產(chǎn)生變化。 

    2)車(chē)輛的外觀(guān)受車(chē)輛的觀(guān)察角度和鄰近物體的影響。同時(shí)，車(chē)輛之間的遮擋、光照條件的改變也會(huì)對(duì)車(chē)輛的外觀(guān)造成一定影響。 

    3)道路兩邊的場(chǎng)景在持續(xù)變化，環(huán)境光照隨時(shí)間和天氣改變。 

    4)巨大的圖像處理任務(wù)與系統(tǒng)的實(shí)時(shí)性要求。 

    因此，車(chē)輛檢測(cè)算法在識(shí)別速度和準(zhǔn)確度上與人們的預(yù)想還有很大差距，今后的發(fā)展方向應(yīng)該體現(xiàn)在提高算法的速度、準(zhǔn)確度、自適應(yīng)性方面。  

    3 基于視頻技術(shù)的交通信息檢測(cè)系統(tǒng) 

    基于視頻技術(shù)的交通信息檢測(cè)系統(tǒng)經(jīng)歷了兩個(gè)發(fā)展階段。初階段采用的是基于PC平臺(tái)的檢測(cè)系統(tǒng)，主要是基于x86系列CPU外加存儲(chǔ)、擴(kuò)展板卡、通信控制電路模塊構(gòu)成，處理算法在通用處理器上運(yùn)行。其主要優(yōu)點(diǎn)是軟硬件擴(kuò)展性好，器件支持廠(chǎng)家多。主要缺點(diǎn)是功耗高，一般在100 W左右；體積大，不利于安裝；在高溫、強(qiáng)灰塵環(huán)境下穩(wěn)定性差。現(xiàn)階段主要是基于DSP嵌入式平臺(tái)的檢測(cè)系統(tǒng)，其主要優(yōu)點(diǎn)是功耗低，一般小于10 W，體積小，可在極度惡劣條件下工作及成本低。主要缺點(diǎn)是硬件擴(kuò)展性差，器件支持廠(chǎng)家少，且開(kāi)發(fā)復(fù)雜。 

    在國(guó)外，基于視頻技術(shù)的交通信息檢測(cè)系統(tǒng)從20世紀(jì)90年代起進(jìn)入了商業(yè)化階段，成熟產(chǎn)品如美國(guó)ISS公司的Autoscope系列產(chǎn)品、美國(guó)ITERIS公司的lteris系列產(chǎn)品、英國(guó)Peek公司的Peek系統(tǒng)等。國(guó)內(nèi)，基于視頻技術(shù)的交通信息檢測(cè)系統(tǒng)還處在初級(jí)階段，較成熟的產(chǎn)品如川大智勝公司基于PC平臺(tái)實(shí)現(xiàn)的系統(tǒng)。目前，國(guó)內(nèi)外公司紛紛將產(chǎn)品研發(fā)方向轉(zhuǎn)向基于DSP的嵌入式平臺(tái)開(kāi)發(fā)。 

    國(guó)內(nèi)基于DSP的嵌入式系統(tǒng)還在探索階段。本實(shí)驗(yàn)室一直致力于研究開(kāi)發(fā)基于視頻識(shí)別技術(shù)、具有自主知識(shí)產(chǎn)權(quán)、適用于國(guó)內(nèi)先進(jìn)交通監(jiān)控系統(tǒng)的嵌入式交通信息采集系統(tǒng)。本實(shí)驗(yàn)室開(kāi)發(fā)研制的嵌入式交通信息檢測(cè)系統(tǒng)，采用TI專(zhuān)用圖像處理DSP DM64X平臺(tái)。DM64X最高運(yùn)算速度可達(dá)7 200 MHz，集成了多個(gè)視頻采集端口和10／100 Mbit／s以太網(wǎng)MAC控制器等。本系統(tǒng)使用600 MHz的DM642，峰值運(yùn)算速度達(dá)到5760 MI／s(兆指令／秒)，可同時(shí)檢測(cè)8個(gè)車(chē)道，實(shí)時(shí)獲得8車(chē)道的車(chē)流量、占有率、車(chē)速、車(chē)型等信息。并具有10／100 Mbit／s以太網(wǎng)和RS-232通信接口，將檢測(cè)結(jié)果實(shí)時(shí)回傳到相關(guān)的交通信息平臺(tái)。 

    1)系統(tǒng)硬件實(shí)現(xiàn)方案 

    本系統(tǒng)以TMS320DM642為核心，以CPLD作為系統(tǒng)邏輯控制器，通過(guò)擴(kuò)展視頻編解碼器、存儲(chǔ)器、10／100 Mbit／s以太網(wǎng)、RS-232等接口構(gòu)成一個(gè)完整系統(tǒng)，如圖1所示。 

  

    視頻解碼芯片SAA7113將攝像機(jī)的輸出轉(zhuǎn)換為數(shù)字視頻輸入TMS320DM642，使用檢測(cè)算法對(duì)圖像數(shù)據(jù)處理后，將檢測(cè)到的各種參數(shù)通過(guò)以太網(wǎng)接口或RS-232接口發(fā)送到遠(yuǎn)程通信服務(wù)器，再回傳到信息中心。根據(jù)不同的應(yīng)用環(huán)境，通過(guò)本地RS-232修改系統(tǒng)的配置參數(shù)。系統(tǒng)的檢測(cè)結(jié)果可以“OSD'’方式直接疊加在原始圖像上，通過(guò)SAA7120轉(zhuǎn)換成復(fù)合視頻信號(hào)(CVBS)直接在監(jiān)視器上進(jìn)行顯示。 

    2)系統(tǒng)算法實(shí)現(xiàn)方案 

    結(jié)合交通檢測(cè)場(chǎng)景的特點(diǎn)，本系統(tǒng)選擇基于背景差分的圖像差分法作為檢測(cè)算法的基礎(chǔ)，算法實(shí)現(xiàn)請(qǐng)參考文獻(xiàn)[10]，流程如圖2所示。為保證算法性能，采用多種先進(jìn)思想：考慮到背景構(gòu)建的質(zhì)量對(duì)系統(tǒng)性能的影響，采用一種利用連續(xù)3幀差分的運(yùn)動(dòng)估計(jì)方法構(gòu)建初始背景，并用統(tǒng)計(jì)打分的策略實(shí)時(shí)對(duì)背景更新；為避免運(yùn)動(dòng)投射陰影可能被誤檢作車(chē)輛的一部分，提出一種邊緣重定位的陰影消除算法；為保證系統(tǒng)在環(huán)境光劇烈變化以及采集設(shè)備由于路面震動(dòng)、風(fēng)力作用等發(fā)生抖動(dòng)時(shí)能正常工作，提出一種2值差分圖后處理的魯棒濾波算法；針對(duì)目前已有檢測(cè)系統(tǒng)沒(méi)有車(chē)輛跟蹤這一環(huán)節(jié)可能導(dǎo)致流量多計(jì)數(shù)的問(wèn)題，提出同時(shí)利用車(chē)輛的位置信息、顏色信息和分形維信息對(duì)車(chē)輛進(jìn)行匹配跟蹤的策略。 

  

    交通信息檢測(cè)系統(tǒng)要求能全天候工作。而白天沒(méi)有車(chē)燈，但車(chē)輛成像清晰；夜晚車(chē)輛成像不清晰，但車(chē)燈及路面反射光突出。因此，本系統(tǒng)采用不同的實(shí)現(xiàn)策略：白天檢測(cè)車(chē)輛本身，夜晚檢測(cè)車(chē)燈及路面反射光。這樣，白天可提取全部交通參數(shù)，夜晚由于不能獲取車(chē)輛信息，無(wú)法進(jìn)行車(chē)型分類(lèi)，但其他交通參數(shù)不受影響。實(shí)驗(yàn)現(xiàn)場(chǎng)的測(cè)試表明，本系統(tǒng)的車(chē)輛識(shí)別率達(dá)到96.5％。車(chē)輛檢測(cè)的效果如圖3所示。圖3b，3d中的兩條白色直線(xiàn)為用戶(hù)設(shè)定的檢測(cè)區(qū)域。 

  

    

采用C語(yǔ)言編寫(xiě)系統(tǒng)的接口配置／控制代碼，以保證系統(tǒng)的整體可讀性。為了保證系統(tǒng)算法的高效性，對(duì)系統(tǒng)的關(guān)鍵算法模塊進(jìn)行了純匯編語(yǔ)言的編寫(xiě)。表1是不同語(yǔ)言下代碼的效率對(duì)比，表中所列代碼段均針對(duì)分辨率為253