基于机器视觉的车流量检测算法

４
４
５
６
２ 实验结果 与分析
实验通过在天桥上拍摄某车道上的图像进行车流量 １ ， ． Ｓ共采集 了２ 组 四连拍数据 。所得到的 ２ 组图片中 ２ ５ ５
检测。对每次 车流量 检测采用 图像 四连拍 的方式 时长 ， ３ ３ ３ ４
图 ６４。 瞄 ，。 。 果 ， ４ 一 ， ｏ ～ ｏ ４ 。 簌 。４ 拍 ： 一 。 ４ ４
边或者天桥支架上 的摄像机和 图像采集设备将实时 的图
像 信息采 入 ， 经过对 图像 处理 分析 得 出车流量 的信息 。
本文通过 图像处理和神经 网络相结合 的方法进行车流量 等在交 通流检测 中运用 自适应 背景初始 化算法 ， 根据车 检测 。 流情 况 自动确定所 需要 的帧数 ， 同时采用 窗 口截取方式 目前 ， 对获取 的车 流图像进行处理 的方法很多 ， 包括
３ ３ ３ ３ ４ ３ ３ ３ ４ ２ ７ ３ ５ ３
５ ４ ３ ４ ４ ３ ６ ２ ６ ４
每幅图 中实 际的车辆数 如表 １ 所示 ， 同时将 每张 ２ ４ ２ ４ 图片进
５ ４ １ ３ ３ ３ ５ ２ ６ ３
【 ｙ ｗｏｄ 】ｍｅｓｒｍ ｎ ｆｖｈｃ ｏ ；ｂ ｃｇｏ ｎ ｉｅｅ ｃ；ｉ ｇ ｒ ｅｓ ｇ Ｋｅ ｒ ｓ ａｕｅ ｅ ｔｏ ｅｉｌ ｆ ｗ ａｋ ｕ ｄ ｄｆ ｒｎ ｅ ｍａｅｐｏ ｓｉ ｅｌ ｒ ｆ ｃ ｎ
０ 引 言
实时准确的车流量检测技术是智能交通系统 中的重 要组成音 分 ， ５ 是进行交通监控 、 道路管理调度 的基础 。传 统 的车流量检测方 法如地感线 圈法 、 声检测 和红外检 超
： ２
加
５ ２ ６ ３ ５ ３ ３ ３ ３ ３ ５ ３ ５
５ ３ ３ ２ ４ ２ ６ ３ ５
作 为网络输出 ， 最终车 流量 即为网络的输 出与检测时 间
３ ３ ３ ３ ４ ４ ４ ５ ４ ３ ６ ２ ６
测线实 现车流量 的检测 。２ １ 年李宇成等针对 图像容 １ ００ 易受光线变化及相邻 车辆阴影影响 的问题提 出基于车辆 图像 能量差分 的车流量 检测方法 。这些 方法需 要在 图 像上设 置一检测线 或一检测 区域 ， 以用 来对车辆进 行计
基 金 项 目 ： 西 教 育 厅科 研 项 目（０ ８ ８ Ｘ ２ ） 广 ２ ０ ０ Ｌ ３ ３
只对窗 口内图像进行计算 ， 取得了较好的效果 ０ ７ ］ ０ 年 。２
帧差 法 、 背景 差法 、 流法和边缘 检测法等 ， 中背景差 光 其
法是较常用 的车流量检测方法 。背景差法 的基本原理是
陈望等 提 出了一种 道路背景提 取新方法 ， 且利用 车辆 中 心 的连 续 匹配 来确 定 车辆 数 目， 得 较高 的准确 率 获 １ 。 ２ ０ 年罗东 华等提 出基 于边 缘信息 的 背景差 车流 量检 ０７
先计算 当前 图像 与背景 图像 的差值 ， 断 图中是 否有 车 ， 判 并在 此基础 上得到 车辆数 目， 然后通过 神经 网络实现 对一个 时段 内通
过 车 辆 数 目进 行 估 测 ， 而 得 到 该 时段 内 的车 流 量 。 实 验 结 果 表 明 ， 出 的 方 法用 于 车 流 量 的 检 测 是 有 效 可 行 的。 进 提
利用 两幅 图像之 间 的差来 判断物体 的出现和运动 ， 即计 算 当前图像与一个 固定 的静止参 考 图像（ 图像 ） 背景 的差
测 方法 ， 采用 动态开 窗 的方 式进 行车 辆 计数 ００ ］ １ 年 值 ， 而得 到图中的车辆数 。同时 ， 。２ 从 许多学者针对背景差 郭怡 文等通过背 景差分方法 实现 图像分 割 ， 使用 虚拟检 法存 在 的局 限及 不足也进 行了很多改进 和完善 ６ １ 。在
的比值 。通过对 已知样本数据 的学 习 ， 确定隐层 的神经
元个数 与相应 的 网络连接权值 ， 可最 终建立基于背景差
法的车流量检测 的神经网络模 型。
＝＝ ＝
２ ４ ２ ３ ５ ４
Ｏ ３ ４ ３ ５ ２ ５ ３
２ ４
２
４
４
５ ２ ５ ３ ２ ３ ４ ４ ４ ３ ４ ３ ４ ２ ４ ５５ ３ ５ ５ ５
背 景图像准确 可靠 的条件 下 ， 背景差 法往往具有 处理速
度快和精度高 的优点 。为此本文采用基于背景差的方法
进行车流 图像的处理 。首先将 当前获取图像与背景图像
２ １年第 ３ 卷第 １ 期 （ ０１ ５ ５ 总第 ３５ ６ 期）
１ｉ 视接 ｙ ／ｌ ７ ｜ ｌ
ａ ｅ Ｉ Ｉ ｉ ｃｅｒ ｎ口 ｃ ￡ １ ｉ Ｏ ｌ
数， 而检测 区域 的位置 和大小若设置 不合理将会造 成车
辆漏检或重复计数 ， 从而影响车辆计数 的准确度 。为此 ，
提 出不需 设置检 测 区域 ， 车流 图片处 理后通过神 经网 将
络 的方法进行车 流量检测 的方法 。
测法 ， 在安装不便 、 存 设备价格 昂贵 、 易受干扰等 各方 面
ａ 原 图像
ｂ 处 理 后 图像
图 １ 基于背景差法图像处理结果
基于神经 网络具有的非线性拟合能力及在预测领域 ｎ Ｂ 的广泛使用 ， 这里采用 Ｂ 网络进行车流量 的估测 。在获 Ｐ
得 图片 中车辆数 目后 ， 将某一时段 内拍摄得 到的每幅图
４ 片的车辆数作为 网络 的输人 ， 该时段 内图中的车辆 ３ ３ ２ 总数
Ｉ 钡频应用与工程
ｌｉｅ ｐｉ ｔ ｎ ｒ ｅｔ ｄｏａ ｌ ａ ｏ ＆ｐｏ ｃ Ｖ ｐ ｃｉ ｊ
表 １ 图像 中 的车 辆 数
进行差值计算 ， 断图中是否有车辆 。若 图中有车辆 ， 判 则
对图像 进一步进行滤波 、 开运算 、 转化为灰度图 、 增强对 比度等处理后 ， 图像转化为二值 图， 将 从而把车辆从 图片 中提取 出来 ， 最后 通过统计 图中连通 区域 个数来 得到图 中车辆总数 。车流图像处理 的结果如图 １ 所示。
【 关键词】车流量检测 ； 背景 差； 图像处理
【 中图分类号】Ｔ ９ １ ３Ｔ １ Ｎ １． ；Ｐ８ ７
【 文献标识码 】Ａ
Ａｌ ｏ ｉｈｍ ｆ Ｖｅ ｉ ｌ Ｆｌ ｗ ｅ ｓ ｅ ｅ ｓ ｅ ｇ ｒｔ ｏ ｈ ｃｅ ｏ Ｍ ａ ｕｒ ｍ ｎｔ Ｂａ ｄ ｏ Ｍ ａ ｈ ｎ ｓｏ ｎ ｃ ｉ ｅ Ｖｉｉ ｎ
的四幅 图像 的车辆数作为 网络输入 ， 四连拍 时间段 内通 过 的总车辆 数作 为输 出 ， 构建 ４ １ ￣ 的 Ｂ ｘ ０ １ Ｐ网络结 构 。 将数据归一化处理后 ， 用前 １ 组 四连拍数据作为训练样 ９
ｍｅ ｈ ｄ ｏ ｅ ｉｌ ｆ ｗ ｍｅ ｓ ｒ ｍｅ ｔ ｓ ｒ ｐ ｓ ｄ ｈ ｃ ｓ ｂ ｓ ｄ ｎ ａ ｋ ｒ ｕ ｄ ｄ ｆ ｒ ｎ ｅ ａ ｄ ｎ ｕ ａ ｎ ｔ ｏ ｋ ｔ ｏ ｆｒ ｖ ｈ ｃ ｅ ｌ ａ ｕ ｅ ｎ ｉ ｏ ｐ ｏ ｏ ｅ ｗ ｉｈ ｉ ａ ｅ ｏ ｂ ｃ ｇ ｏ ｎ ｉ ｅ ｅ ｃ ｎ ｅ ｒ ｌ ｅ ｗ ｒ ．Ｆ ｒｔ ，ｉ ｅ ｔ ｙ ｆ ｉ ｌ ｄ ｎｉ ｓｙ ｆ ｗ ｅｈ ｒ ｏ ｏ ｈ ｒ ｉ ｃ ｒ ａ ｄ ｔ ｅ ｃ ｒ ｎ ｍｂ ｒ ｉ ｉｔ ｒ ｉ ｉ ｅ ｅ ｃ ｅｗｅ ｎ ｔ ｅ ｕ ｒ ｎ ｍａ ｅ ｎ ａ ｋ ｒ ｕ ｄ ｍａ ｅ ｎ ｈ ｔ ｅ ｒ ｎ ｔ ｔ ｅ ｅ ｓ ａ ｎ ｈ ａ ｕ ｅ ｎ ｐ ｃｕ ｅ ｖ ａ ｄｆ ｒ ｎ ｅ ｂ ｔ ｅ ｈ ｃ ｒｅ ｔ ｉ ｇ ａ ｄ ｂ ｃ ｇ ｏ ｎ ｉ ｇ ，ａ ｄ ｆ ｔ ｅ Ｐ ｎ ｕ ａ ｎ ｔ ｒ ｉ ａ ｐ ｉｄ ｔ ｓｉ ｔ ｎ ｔ ｅ ｕ ｅ ｆ ｔ ｅ ｐ ｓ ｉ ｇ ｃ ｒ ｎ ａ ｐ ｒｏ ｆ ｔ ，Ｓ ｈ ｔ ｆ ｃ ｆｏ ｏｕ ｈ ｎ Ｂ ｅ ｒ ｌ ｅｗｏ ｋ ｓ ｐ ｌ ｏ ｅ ｔ ｅ ｍａｉ ｈ ｎ ｍｂ ｒ ｏ ｈ ａ ｓｎ ａ ｓ ｉ ｅ ｄ ｏ ｉ ｏ ｉ ｍｅ Ｏ ｔ ｅ ｒ ｆ ｌ ｗ ｖ ｌ ｍｅ ａｉ ｃ ｎ ｂ ｂ ａｎ ｄ ａ ｅ ｏ ｔｉ ｅ ．Ｔ ｅ ｅ ｐ ｒｍｅ ｔ ｒ ｓ ｈ ｈ ｗ ｔ ａ ｅ ｍｅ ｈ ｄ ｉ ｒ ｃ ｉａ ｌ ｎ ｍｅ ｓ ｒ ｍｅ ｔ ｏ ｅ ｉｌ ｏ ｈ ｘｅ ｉ ｎ ｅ ｕ ｓ ｓ ｏ ｈ ｔ ｎ ｗ ｔ ｏ ｓ ｐ ａ ｔ ｂ ｅ ｉ ａ ｕ ｅ ｎ ｆ ｖ ｈ ｃｅ ｆ ｗ． ｃ ｌ
的问题 。而随着计算 机 和图像 处理技术 的飞速 发展 ， 基 于机器 视觉和 图像 处理技术 的车流量检 测技术 ， 因具有 安装维护简便 、 应用范 围广等优点 ， 越来越受到 国内外学
者 的关注ｕ 已成 为该 领域研究 的热 点 。２０ 年 张永丽 ， ０７
ｌ 车流量检测算法
基 于机器视 觉的车流 量检 测 ， 是通 过安装在 道路旁
２ ｉｚｏ ｒｎ＆ Ｓ ｅ Ｃ ．ｎ正，Ｇ ａ ｇ ｉＬｕｈ ｕ５ ５ຫໍສະໝຸດ Baidu０ ，Ｃ ｉａ ．Ｌｕｈｕ Ｉ ｏ ｔｌ ｏ ｅ ｕ ｎｘ ｉ ｏ ４ ０ ２ ｈｎ ） ｚ
５ ５０ ， ｈ ａ ４０ ６ Ｃ ｉ ； ｎ
【 ｓ ａ ｔ Ａ ｃｒｔ ａｕｅ ｅ ｔｏ ｅ ｉ ｆｗ ｃｎｔｕｅ ｔｅ ａｉ ｏ ｎｅ ｉ ｎ ｒｎｐ ｒ ｔ ｎ ｙｔ Ａｂｔ ｃ］ ｃｕａ ｍｅｓｒｍ ｎ ｆ ｖｈｃ ｌ ｏ ｓｔｔ ｈ ｂ ｓ ｆｒ Ｉｔｌｇ ｔＴａ ｓｏ ａｉ Ｓｓ ｍｓ （ Ｓ ．Ａ ｎ ｗ ｒ ｅ ｌ ｏ ｉ ｓ ｓ ｌｅ ｔ ｏ ｅ Ｉ ） ｅ Ｔ
行上述 基于背景差法处理后 ， 得到经 图像处理获得 的车 辆数 ， 如表 １ 所示 。表 中总车辆 数为在 四连拍 时间段 内
实 际 通 过 的 总车 辆 数 。
４ ２ ６ ３ ５ ３ ３ ３ ３ ３ ７ ３ ７ ５
通过构 建神经 网络进行车流量估测 。将四连拍得到
ＨＵＡＮＧ ｎ Ｉ ｉｎ ｎ ￣ Ｉ Ｌｉｇ，Ｌ Ｊｅ ｅ ｇ，Ｌ Ｎ Ｃ ｕ ｌｎ，ＨＵ ｈ ｎａ‘ Ｂｏ
ｆ． ｅ ａ ｅ ｏ ｌ ｔ ｎ ｆｒ ａ ｏ Ｄ ｐ ｍ ￣ ｆ Ｅ ｃｏ ｉ Ｉ ｏｍ ｔ ｎ＆ Ｃ ｎ ｏ Ｅ ｇ ｅ ｉ ， ｕｎ ｘ Ｕ ｉ ｒｔ ｏ ｃｎ ｌ ｙ Ｇ ａｇ ｉ ａ ｅｒ ｃｎ ｉ ｏｔ ｌ ｎ ｉ ｅ ｎ Ｇ ａ ｉ ｎ ｅ ｉ Ｔ ｈ ｏ ｇ ， ｕ ｎｘ 厶￡ ｒ ｎ ｒｇ ｇ ｖ ｓｙ ｆ ｅ ｏ
（．广 西 工 学院 电子 信 息 与 控 制 工程 系 ， 西 柳 州 ５ ５ ０ ；．广 西柳 州 钢铁 集 团公 司 ， 西 柳 州 ５ ５ ０ ） １ 广 ４０６２ 广 ４ ０ ２
【 摘
要 】准确 的车 流量检 测是 实现智 能交通 管理 的基础 。提 出 了一 种将背 景差 法和神经 网络相 结合 的车流量 检测 算法。首
Ｖｄｏ ｐ ｌ ａ ｏ ＆ｐｏｅｔ ｉｅ ｐｉ ｔ ｎ ｒ ｃ ａ ｃｉ ｊ
顽频 匝 用与 工 程
文章编号 ：０ ２ ８ ９ （０ １— ０ ７ ０ １０ — ６ ２ ２ １ ）５ ０ ０ — ２ １
基于机 器视觉 的车流量检测 算法
黄 玲 黎 杰 能 林春 兰 。胡 ， ， ， 渡