智能交通監視系統中路況圖像背景去除算法研究

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

關(guān)鍵詞：交通監視 背景去除 邊緣提取

智能交通監視系統是智能交通系統（ITS）的重要組成部分，該系統通過(guò)傳感器實(shí)時(shí)估計交通參量。一種方法是使用磁環(huán)路檢測器來(lái)計算汽車(chē)流量，此法自身的缺隱是很明顯的。

（1） 能夠監測的交通參量有限，僅限于汽車(chē)流量及速度的監測；

（2） 監視范圍較窄，只能監視一個(gè)車(chē)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(guò)處理采集到的交通路況圖像序列，實(shí)現車(chē)輛目標的的檢測、識別及跟蹤，實(shí)時(shí)提供交通流量、速度及密度等信息。其于視覺(jué)的此種方法無(wú)上述的限制。用一個(gè)安裝在路桿或橋頭攝像頭限參數進(jìn)行估計，因此有著(zhù)無(wú)可比擬的優(yōu)勢。

一個(gè)典型的基于視覺(jué)的監視系統流程圖如圖1所示。

基于視覺(jué)的實(shí)用的交通監視系統應滿(mǎn)足如下要求：

（1） 安裝和校準容易。

（2） 境適應能力強。系統能在各種光照條件下工作，如強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(chē)前燈的強光。

（3） 能準確地估計車(chē)輛速度及尺寸。

（4） 能夠實(shí)時(shí)地進(jìn)行處理，并且整個(gè)系統有低廉的成本。

1 背景去除算法分析

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

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

（2）攝像頭安裝在路桿上，當路上有汽車(chē)開(kāi)過(guò)時(shí)會(huì )產(chǎn)生輕微抖動(dòng)，得到的實(shí)時(shí)路況圖像也不可避免存在“抖動(dòng)”，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(wèn)題[1]，將實(shí)際情況分成以下三類(lèi)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(kāi)時(shí)。

（3） 背景經(jīng)常性變化。如：當重型汽車(chē)經(jīng)過(guò)時(shí)使背景圖像隨著(zhù)攝像頭抖動(dòng)而抖動(dòng)。

仔細分析背景更新算法[1]，發(fā)現存在如下幾個(gè)問(wèn)題：

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

（2） 路況圖像劇列變化時(shí)，為了確定形成原因是由背景劇列變化引起的還是由車(chē)輛經(jīng)過(guò)引起的，作為如下假設：如果是由背景劇烈變化引起的，則圖像變化前后滿(mǎn)足線(xiàn)性關(guān)系：bnew(x)=αbold（x）+β并由此作為判據來(lái)進(jìn)行背景更新。事實(shí)上，由于路面各部分光學(xué)性質(zhì)的差異，上式并不十分嚴格，在路面較復雜（路面上有較多線(xiàn)條）的情況下易發(fā)生誤判。

（3） 該算法按實(shí)際情況分成三類(lèi)分別處理，需要對三種情況作出判別，整個(gè)算法相當復雜，給實(shí)時(shí)處理帶來(lái)了困難。

2 基于邊緣的背景去除算法

針對上述問(wèn)題，本文提出了一種簡(jiǎn)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(gè)事實(shí)：在光照變化的情況下雖然背景圖像會(huì )發(fā)策變化，但背景的邊比緣信息（即所述的集團）總是不變的（無(wú)論背景緩慢變化還是劇烈變化）。若用背景邊緣來(lái)標識背景信息，則可不受光照條件的影響而使處理簡(jiǎn)單。因此，可將實(shí)時(shí)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(guò)多幀路況邊緣圖像的迭回來(lái)實(shí)現：

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(chē)輛邊緣迭加，為形成基背景邊緣圖像，必須將車(chē)輛邊緣去掉。對背景邊緣及車(chē)輛邊緣的分析可見(jiàn)，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。由于攝像頭可能存在抖動(dòng)而使各幀中背景邊緣位置也加寬的現象，如圖3所示。因為抖動(dòng)是周期性且小幅度的，最終結果是加寬邊緣的增強；而車(chē)輛邊緣位置在各幀路況邊緣圖像中卻是隨機而零散的，迭加后雖然在某些重疊點(diǎn)上有所增強，但增強的效果遠不如背景邊緣，幀數越多越明顯。為此，簡(jiǎn)單的閥值判斷即可除去迭加路況邊緣圖像中的車(chē)輛邊緣，由此而得基背景邊緣圖像：

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

由此得到的加寬背景邊緣與實(shí)時(shí)路況邊緣圖像中的背景邊緣存在差異，若直接將實(shí)時(shí)路況邊緣圖像與其相減，必定會(huì )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(lái)去除背景邊緣：

其效果是：如果實(shí)時(shí)路況邊緣圖像中某點(diǎn)在基背景邊緣圖像對應點(diǎn)對邊緣點(diǎn)（即b(x,y)=1），則認該點(diǎn)為背景邊緣而除掉。當然，由于車(chē)輛邊緣與背景邊緣可能存在一定交迭，上述結果會(huì )去掉一部分車(chē)輛邊緣信息，但車(chē)輛的框架仍保留，并不妨礙其提取。實(shí)際背景去除效果如圖4所示。

由此可見(jiàn)，用此算法來(lái)去除路況圖像中的背景是簡(jiǎn)單而高效的，非常適用于實(shí)時(shí)處理。