視頻技術(shù)在智能交通信息檢測中的應用

    1 引言  

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

  
    這些數據是交管部門(mén)制訂政策、采取措施、對交通設施進(jìn)行規劃的科學(xué)客觀(guān)的依據。要構建完整的ITS系統，首先應建立一個(gè)能準確、高效獲得交通特征參數的交通信息采集系統，其核心是交通信息檢測技術(shù)。 

    近年來(lái)，基于計算機視覺(jué)和圖像處理技術(shù)的交通信息檢測技術(shù)(簡(jiǎn)稱(chēng)視頻檢測技術(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采集交通圖像，應用計算機視覺(jué)和圖像處理技術(shù)處理圖像數據，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，一次可檢測多條車(chē)道，檢測功能多和可記錄現場(chǎng)圖像等。 

     視頻檢測算法是整個(gè)系統的核心，其好壞將直接影響系統的檢測精度和檢測效率。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別技術(shù)的交通檢測算法針對其特有的應用場(chǎng)合，逐步成為目標檢測技術(shù)的一個(gè)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(dòng)對象。在基于視頻的ITS系統中，目標車(chē)輛的檢測流程為：1)運動(dòng)目標區域提取，即確定車(chē)輛可能存在的區域；2)目標確認，即對上階段產(chǎn)生的候選區域進(jìn)行確認，判斷是車(chē)輛或背景；3)目標分割，通過(guò)識別出圖像中符合車(chē)輛特征的像素，將待識別的目標從背景中分離出來(lái)；4)目標跟蹤，依據提取出的特征匹配前后幀中的車(chē)輛，從而計算交通參數；5)目標分類(lèi)，指依據幾何外形、紋理特征等對不同類(lèi)型的車(chē)輛進(jìn)行分類(lèi)；6)后處理，根據應用需求計算交通參數，如車(chē)流量、車(chē)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(lèi)：知識型，運動(dòng)型，立體視覺(jué)型和像素強度型。 

    1)基于知識的方法利用車(chē)輛的形狀、顏色、對稱(chēng)性等信息，以及道路和陰影等常識信息進(jìn)行相關(guān)檢測。該方法簡(jiǎn)單、直觀(guān)，易于編程實(shí)現，但需要估計多個(gè)經(jīng)驗閾值，如車(chē)輛長(cháng)寬的經(jīng)驗比值、車(chē)輛邊緣的最小長(cháng)度、車(chē)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)系系統性能的好壞。 

    2)基于運動(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)輛的預檢測，主要有光流法和運動(dòng)能量法。光流法能檢測出獨立運動(dòng)的對象，不要預先知道場(chǎng)景的任何信息，且適用于攝像機移動(dòng)情況。但缺點(diǎn)是耗時(shí)大，對過(guò)于復雜、過(guò)快或過(guò)慢的運動(dòng)檢測效果不好，不適合實(shí)時(shí)系統。運動(dòng)能量法能消除背景中的振動(dòng)像素，使按某一方向運動(dòng)的對象突出顯示，但只能估計出運動(dòng)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上的機器立體視覺(jué)，運用兩個(gè)或多個(gè)攝像機對同一景物從不同位置成像獲得立體像對，通過(guò)各種算法匹配出相應像點(diǎn)，從而恢復深度(距離)信息。該方法能在車(chē)速很小時(shí)直接檢測其位置，但它要求正確標定攝像機，受車(chē)輛運動(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)輛檢測中，常用IPM(Inversc Perspective Mapping)法估計圖像中車(chē)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(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(dòng)對象造成的。該方法適合于動(dòng)態(tài)變化的環(huán)境，但不適合攝像機運動(dòng)的情況，也不能完整提取運動(dòng)對象?，F有的背景模型基本是建立在統計模型基礎或其變種之上。該方法快捷簡(jiǎn)單，實(shí)時(shí)性較好，適合運動(dòng)快且形變較大的運動(dòng)目標，但不適合有全局運動(dòng)的場(chǎng)景，如不平坦或彎路較多的道路等。 

    雖然車(chē)輛檢測算法發(fā)展至今己有40多年，但解決下列問(wèn)題是一項長(cháng)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)與系統的實(shí)時(shí)性要求。 

    因此，車(chē)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 

    基于視頻技術(shù)的交通信息檢測系統經(jīng)歷了兩個(gè)發(fā)展階段。初階段采用的是基于PC平臺的檢測系統，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成，處理算法在通用處理器上運行。其主要優(yōu)點(diǎn)是軟硬件擴展性好，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、強灰塵環(huán)境下穩定性差?，F階段主要是基于DSP嵌入式平臺的檢測系統，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)是硬件擴展性差，器件支持廠(chǎng)家少，且開(kāi)發(fā)復雜。 

    在國外，基于視頻技術(shù)的交通信息檢測系統從20世紀90年代起進(jìn)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系統等。國內，基于視頻技術(shù)的交通信息檢測系統還處在初級階段，較成熟的產(chǎn)品如川大智勝公司基于PC平臺實(shí)現的系統。目前，國內外公司紛紛將產(chǎn)品研發(fā)方向轉向基于DSP的嵌入式平臺開(kāi)發(fā)。 

    國內基于DSP的嵌入式系統還在探索階段。本實(shí)驗室一直致力于研究開(kāi)發(fā)基于視頻識別技術(shù)、具有自主知識產(chǎn)權、適用于國內先進(jìn)交通監控系統的嵌入式交通信息采集系統。本實(shí)驗室開(kāi)發(fā)研制的嵌入式交通信息檢測系統，采用TI專(zhuān)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(gè)視頻采集端口和10／100 Mbit／s以太網(wǎng)MAC控制器等。本系統使用600 MHz的DM642，峰值運算速度達到5760 MI／s(兆指令／秒)，可同時(shí)檢測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，將檢測結果實(shí)時(shí)回傳到相關(guān)的交通信息平臺。 

    1)系統硬件實(shí)現方案 

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

  

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

    2)系統算法實(shí)現方案 

    結合交通檢測場(chǎng)景的特點(diǎn)，本系統選擇基于背景差分的圖像差分法作為檢測算法的基礎，算法實(shí)現請參考文獻[10]，流程如圖2所示。為保證算法性能，采用多種先進(jìn)思想：考慮到背景構建的質(zhì)量對系統性能的影響，采用一種利用連續3幀差分的運動(dòng)估計方法構建初始背景，并用統計打分的策略實(shí)時(shí)對背景更新；為避免運動(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；為保證系統在環(huán)境光劇烈變化以及采集設備由于路面震動(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；針對目前已有檢測系統沒(méi)有車(chē)輛跟蹤這一環(huán)節可能導致流量多計數的問(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車(chē)輛進(jìn)行匹配跟蹤的策略。 

  

    交通信息檢測系統要求能全天候工作。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，本系統采用不同的實(shí)現策略：白天檢測車(chē)輛本身，夜晚檢測車(chē)燈及路面反射光。這樣，白天可提取全部交通參數，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)，但其他交通參數不受影響。實(shí)驗現場(chǎng)的測試表明，本系統的車(chē)輛識別率達到96.5％。車(chē)輛檢測的效果如圖3所示。圖3b，3d中的兩條白色直線(xiàn)為用戶(hù)設定的檢測區域。 

  

    

采用C語(yǔ)言編寫(xiě)系統的接口配置／控制代碼，以保證系統的整體可讀性。為了保證系統算法的高效性，對系統的關(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)言下代碼的效率對比，表中所列代碼段均針對分辨率為253