視頻技術(shù)在智能交通信息檢測中的應用

——

作者：吳薇,朱光喜,陳云峰,徐海祥（華中科技大學武漢光電國家實驗室光通信與智能網(wǎng)絡研究部）時間：2007-11-07 來源：中電網(wǎng)

加入技術(shù)交流群
- 掃碼加入
  和技術(shù)大咖面對面交流
  海量資料庫查詢

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，它包括車流量、車型分類統(tǒng)計、車流密度等。

    這些數(shù)據(jù)是交管部門制訂政策、采取措施、對交通設施進行規(guī)劃的科學客觀的依據(jù)。要構(gòu)建完整的ITS系統(tǒng)，首先應建立一個能準確、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技術(shù)。

    近年來，基于計算機視覺和圖像處理技術(shù)的交通信息檢測技術(shù)(簡稱視頻檢測技術(shù))逐步成為研究主流。其工作流程為：通過安裝在路面上方的攝像機采集交通圖像，應用計算機視覺和圖像處理技術(shù)處理圖像數(shù)據(jù)，獲取實時、豐富、動態(tài)的交通信息，進行交通的信號控制、信息發(fā)布等。其主要優(yōu)點有：不破壞路面，安裝無須中斷交通，一次可檢測多條車道，檢測功能多和可記錄現(xiàn)場圖像等。

     視頻檢測算法是整個系統(tǒng)的核心，其好壞將直接影響系統(tǒng)的檢測精度和檢測效率。而在近幾年ITS市場的推動下，基于視頻圖像分析和模式識別技術(shù)的交通檢測算法針對其特有的應用場合，逐步成為目標檢測技術(shù)的一個研究分支。

      2 視頻檢測技術(shù)

      2.1 視頻檢測流程

    視頻檢測技術(shù)即在視頻序列中提取感興趣的運動對象。在基于視頻的ITS系統(tǒng)中，目標車輛的檢測流程為：1)運動目標區(qū)域提取，即確定車輛可能存在的區(qū)域；2)目標確認，即對上階段產(chǎn)生的候選區(qū)域進行確認，判斷是車輛或背景；3)目標分割，通過識別出圖像中符合車輛特征的像素，將待識別的目標從背景中分離出來；4)目標跟蹤，依據(jù)提取出的特征匹配前后幀中的車輛，從而計算交通參數(shù)；5)目標分類，指依據(jù)幾何外形、紋理特征等對不同類型的車輛進行分類；6)后處理，根據(jù)應用需求計算交通參數(shù)，如車流量、車速等。

      2.2 視頻檢測算法

    基于視頻的交通流檢測方法，可分為如下4類：知識型，運動型，立體視覺型和像素強度型。

    1)基于知識的方法利用車輛的形狀、顏色、對稱性等信息，以及道路和陰影等常識信息進行相關(guān)檢測。該方法簡單、直觀，易于編程實現(xiàn)，但需要估計多個經(jīng)驗閾值，如車輛長寬的經(jīng)驗比值、車輛邊緣的最小長度、車輛陰影與道路的灰度差異閾值等。經(jīng)驗閾值準確與否，直接關(guān)系系統(tǒng)性能的好壞。

    2)基于運動的方法主要利用序列圖像之間存在的大量相關(guān)信息進行車輛的預檢測，主要有光流法和運動能量法。光流法能檢測出獨立運動的對象，不要預先知道場景的任何信息，且適用于攝像機移動情況。但缺點是耗時大，對過于復雜、過快或過慢的運動檢測效果不好，不適合實時系統(tǒng)。運動能量法能消除背景中的振動像素，使按某一方向運動的對象突出顯示，但只能估計出運動對象的大概位置，而不能精確提取出對象。

    3)建立在視差或頻差理論基礎(chǔ)上的機器立體視覺，運用兩個或多個攝像機對同一景物從不同位置成像獲得立體像對，通過各種算法匹配出相應像點，從而恢復深度(距離)信息。該方法能在車速很小時直接檢測其位置，但它要求正確標定攝像機，受車輛運動或天氣等因素影響，這是很難做到的。在基于立體視覺的車輛檢測中，常用IPM(Inversc Perspective Mapping)法估計圖像中車輛及障礙物的位置。

    4)基于像素強度的方法直接檢測幀間變化，主要有時間差分法和背景差分法。時間差分法在一個較短的時間內(nèi)檢查相鄰各幀之間像素強度的變化，非零像素被認為是運動對象造成的。該方法適合于動態(tài)變化的環(huán)境，但不適合攝像機運動的情況，也不能完整提取運動對象。現(xiàn)有的背景模型基本是建立在統(tǒng)計模型基礎(chǔ)或其變種之上。該方法快捷簡單，實時性較好，適合運動快且形變較大的運動目標，但不適合有全局運動的場景，如不平坦或彎路較多的道路等。

    雖然車輛檢測算法發(fā)展至今己有40多年，但解決下列問題是一項長期的任務：

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

    2)車輛的外觀受車輛的觀察角度和鄰近物體的影響。同時，車輛之間的遮擋、光照條件的改變也會對車輛的外觀造成一定影響。

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

    4)巨大的圖像處理任務與系統(tǒng)的實時性要求。

    因此，車輛檢測算法在識別速度和準確度上與人們的預想還有很大差距，今后的發(fā)展方向應該體現(xiàn)在提高算法的速度、準確度、自適應性方面。

    3 基于視頻技術(shù)的交通信息檢測系統(tǒng)

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

    在國外，基于視頻技術(shù)的交通信息檢測系統(tǒng)從20世紀90年代起進入了商業(yè)化階段，成熟產(chǎn)品如美國ISS公司的Autoscope系列產(chǎn)品、美國ITERIS公司的lteris系列產(chǎn)品、英國Peek公司的Peek系統(tǒng)等。國內(nèi)，基于視頻技術(shù)的交通信息檢測系統(tǒng)還處在初級階段，較成熟的產(chǎn)品如川大智勝公司基于PC平臺實現(xiàn)的系統(tǒng)。目前，國內(nèi)外公司紛紛將產(chǎn)品研發(fā)方向轉(zhuǎn)向基于DSP的嵌入式平臺開發(fā)。

    國內(nèi)基于DSP的嵌入式系統(tǒng)還在探索階段。本實驗室一直致力于研究開發(fā)基于視頻識別技術(shù)、具有自主知識產(chǎn)權(quán)、適用于國內(nèi)先進交通監(jiān)控系統(tǒng)的嵌入式交通信息采集系統(tǒng)。本實驗室開發(fā)研制的嵌入式交通信息檢測系統(tǒng)，采用TI專用圖像處理DSP DM64X平臺。DM64X最高運算速度可達7 200 MHz，集成了多個視頻采集端口和10／100 Mbit／s以太網(wǎng)MAC控制器等。本系統(tǒng)使用600 MHz的DM642，峰值運算速度達到5760 MI／s(兆指令／秒)，可同時檢測8個車道，實時獲得8車道的車流量、占有率、車速、車型等信息。并具有10／100 Mbit／s以太網(wǎng)和RS-232通信接口，將檢測結(jié)果實時回傳到相關(guān)的交通信息平臺。

    1)系統(tǒng)硬件實現(xiàn)方案

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



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

    2)系統(tǒng)算法實現(xiàn)方案

    結(jié)合交通檢測場景的特點，本系統(tǒng)選擇基于背景差分的圖像差分法作為檢測算法的基礎(chǔ)，算法實現(xiàn)請參考文獻[10]，流程如圖2所示。為保證算法性能，采用多種先進思想：考慮到背景構(gòu)建的質(zhì)量對系統(tǒng)性能的影響，采用一種利用連續(xù)3幀差分的運動估計方法構(gòu)建初始背景，并用統(tǒng)計打分的策略實時對背景更新；為避免運動投射陰影可能被誤檢作車輛的一部分，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備由于路面震動、風力作用等發(fā)生抖動時能正常工作，提出一種2值差分圖后處理的魯棒濾波算法；針對目前已有檢測系統(tǒng)沒有車輛跟蹤這一環(huán)節(jié)可能導致流量多計數(shù)的問題，提出同時利用車輛的位置信息、顏色信息和分形維信息對車輛進行匹配跟蹤的策略。



    交通信息檢測系統(tǒng)要求能全天候工作。而白天沒有車燈，但車輛成像清晰；夜晚車輛成像不清晰，但車燈及路面反射光突出。因此，本系統(tǒng)采用不同的實現(xiàn)策略：白天檢測車輛本身，夜晚檢測車燈及路面反射光。這樣，白天可提取全部交通參數(shù)，夜晚由于不能獲取車輛信息，無法進行車型分類，但其他交通參數(shù)不受影響。實驗現(xiàn)場的測試表明，本系統(tǒng)的車輛識別率達到96.5％。車輛檢測的效果如圖3所示。圖3b，3d中的兩條白色直線為用戶設定的檢測區(qū)域。