基于视频的车流量检测

文章编号:100128220(2004)0420404205

基于视频的车流量检测

①彭仁明1,贺春林2

(11四川绵阳职业技术学院,四川绵阳621000;21西华师范大学计算机学院,四川南充637002)

摘　要:介绍了目前基于视频的车辆检测算法的优点和缺点,在此基础上提出了一种新的算法,该算法自适应能力强,计算量小,可正确判断有无车辆、完成车辆的计数,实现车流量计算、车速估计.采用了预估校正和相关性修正等措施,提高了检测精度,为交通监控系统提供实时有效的交通参数.

关键词:视频;数据流;相关性;修正

中图分类号:TP399 文献标识码:A

1　引　言

随着经济的发展,人民生活水平的提高,汽车保有量大幅增加,怎样安全高效地对交通进行管理,就显得非常重要.解决这一问题的关键是建立智能交通系统(ITS ),其中车辆检测系统是智能交通系统的基础.它为智能控制提供重要的数据来源[1-3].

作为ITS 的基础部分,车辆检测系统在ITS 中占有很重要的地位,目前基于视频的检测法是最有前途的图1　检测算法流程Fig.1　The flow of defection alg orithm 一种方法,它是通过图像数字的方法获得交通流量信息,

主要有以下优点:(1)能够提供高质量的图像信息,能高

效、准确、安全可靠地完成道路交通的监视和控制工作.

(2)安装视频摄像机破坏性低、方便、经济.现在我国许多

城市已经安装了视频摄像机,用于交通监视和控制.(3)

由计算机视觉得到的交通信息便于联网工作,有利于实

现道路交通网的监视和控制.(4)随着计算机技术和图像

处理技术的发展,满足了系统实时性、安全性和可靠性的

要求.

目前常用的基于视频的车辆检测方法主要有:灰度

比较法、背景差法、帧差法、边缘检测法.灰度比较法采用

对路面和车辆的灰度统计值来检测车辆.但它对环境光

线的变化十分敏感.背景差法计算当前输入帧与背景图

像的差值,以提取车辆,但背景图像需实时刷新[3],其检

测精度很大程度上依赖于背景图像的可靠性.帧差法是

将相邻两帧相减,对保留的运动车辆信息进行检测,环境

光线变化对其影响不大[4].然而当摄像头的抖动引起相

邻两帧背景点的相应“抖动”时,该方法不能完全将背景

滤除,从而引起误判,而且对于静止或车速过慢的车辆,

该方法不能有效检测.边缘检测法能够在不同的光线条

件下检测到车辆的边缘,利用车体的不同部件、颜色等提

供的边缘信息可进行静止和运动车辆的检测[5],但是对①收稿日期:2004-09-02

作者简介:彭仁明(1969-),男,四川广安人,绵阳职业技术学院讲师,主要从事电子类教学和科研工作.

第25卷Vol 125　第4期No 14西华师范大学学报(自然科学版)Journal of China West Normal University (Natural Sciences )2004年12月Dec 12004

于车辆边缘不明显和道路隔离带存在的情况,该方法可能造成漏检、误检.以上的方法进行车辆检测时,通常是在输入图像中按车道设置一些固定窗口(即虚拟传感器)对车辆进行检测.这种固定开窗的检测方式常常对车辆换道或相邻车道的车辆部分覆盖了被检测车道检测窗时造成误检.

2　车辆检测的新算法

2.1　车辆检测新算法流程

如图1所示.

2.2　截取检测带

为了提高数字系统处理的实时性的要求,我们只取检测图像中的一部分来进行处理,这个过程我们叫做截取检测带,但是检测带内要包含足够的车辆信息,以满足检测精度的需要.检测带的宽度和高度可以根据需要进行设置,从而保证了算法的通用性和灵活性.

检测带的位置:检测带位置的选取应充分考虑摄像头安装的高度和倾角以及摄像头的景深的影响,一般情况下,在获取的图像靠近底部的位置,车辆之间的间距较大.这个位置在无车辆拥塞的情况下,没有前车遮挡后车的问题.

检测带的高度:车辆前后间距在图像上大约为40-50个像素,因此检测带高度应小于40-50行,否则会引起误判.又考虑到检测带的高度决定其内包含的总像素数,将直接影响计算量,因此检测带高度不应过高.另一方面,检测带的高度又不能过小,否则带内包含的车辆信息量太少,易受噪声影响,引起误判.综合考虑以上因素,取高度为20行.如图2.

图2　提取检测带Fig 12　Obtain detection zone 2.3　图像的预处理

因为从摄像头摄取的图像里不可避免

地包含噪声,噪声的去除直接关系到后面车

辆检测的精度,为什么要将图像的预处理放

到检测带之后呢?主要是基于实时性的考

虑,经过截取检测带后要处理的图像内容大

大地减少了,这样就加快了图像预处理的时

间.

在图像预处理中,考虑到后面要提取图

像的边缘,因此我们没有采用均值滤波,而

是采用的中值滤波的方法.在去除噪声的同

时,中值滤波又保留了图像的边缘.同时我

们对传统的中值滤波进行了快速算法的改

进,加快了图像预处理的速度.我们选取的是模板为3×3中值滤波器.

2.4　邻域比较背景的去除直接影响到后续工作的难易程度,影响到车辆计数的准确率.实际上,摄像头安装在路杆上或者桥头上,车辆经过或者风吹动时,不可避免地要引起摄像头的轻微抖动,使得相邻两帧图像的背景像素不可能一一对应.若用相邻两帧对应点直接相减,是不可能完全将背景去除的,必定会留下残余的背景信息.因此我们采用邻域比较和帧差法相结合来消除传统帧差法中背景去除不干净的现象.但是它又不同于传统的邻域比较,因为传统的邻域比较是在同一帧画面中进行的而本文是在相邻两帧中进行邻域比较,具体算法如下:

(1)取当前帧的图像像素为f 1(i ,j ),则相应地取前一帧图像的一个3×3的模板: f 2(i -1,j -1))　f 2(i -1,j )　f 2(i -1,j +1)

f 2(i ,j -1) f 2(i ,j ) f 2(i ,j +1)

f 2(i +1,j -1)　f 2(i +1,j )　f 2(i +1,j +1)

　第25卷第4期彭仁明,等:基于视频的车流量检测405