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:A1　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　(2)将当前帧的像素f 1(i ,j )与模板中像素为f 2(i ,j )的灰度相比较,若它们的差值小于阈值,则判为背景点,将其灰度值置0,就不再做邻域比较;否则再与前一帧其余的8个邻域点相比较,只要有一个差值小于阈值,就将其判为背景点,不再比较.(3)为什么要这样比较呢?主要是为了得到最优的邻域比较结果,并且减少不必要的计算量,因为相邻两帧对应点的相关性最大,因此将当前帧检测带内的点优于上一帧的对应位置的点进行灰度值比较,若差值在某一范围内,则将该点视为无变化点,作为背景去除,不再做邻域比较;否则再顺序比较其它邻域点.如图3所示.图3　邻域比较Fig.3　Neighborhood com paring2.5　提取检测带的数据流以及对数据流的校正2.5.1　数据流的提取邻域比较后,检测带内留下了车辆的信息,如何对这些车辆进行计数?如何判断相邻两帧的车辆信息是否是同一辆车?以图像宽度为800个像素为例,为了减少数据的运算量以及所需存储器的数目,可选取每10个像素宽的信息生成数据流的一个信息位.为此,定义3个长度为80的一维数组a 、b 、c ,分别表示前一帧数据流、当前帧数据流、两帧数据流之差.若检测带的高度为20个像素,则把每个宽10个像素、高20个像素的浮动窗内像素的灰度值进行累加(∑∑g ,g 为灰度值),如果累加值大于某个设定的阈值,就将对应的数组元素赋值为‘1’,否则赋值为‘0’.这样就得到了当前图像的反映车辆运动信息的数据流.其效果图4所示1第26帧邻域比较结果图当前帧未修正信息流:00000000000000000000000001111011111100000000000011111100000000000000000000000000(a )数据流的提取当前帧已修正信息流:00000000000000000000000001111111111100000000000111111111110000000000000000000000(b )数据流的修正图4　数据流的提取及修正Fig.4　Obtain and m odify the data array由于邻域比较可能会造成车辆的一部分信息丢失,甚至产生断带,使获得的数据流在有车辆信息的连续‘1’中,会产生毛刺‘0’.因此需要修正数据流,消除毛刺,得到尽可能连续的‘1’.2.5.2　数据流的修正(1)填1:在两个连续的‘1’段中间产生的毛刺‘0’,其数目与没有车的‘0’数目相比还是很少的,并且与‘1’之间的距离比较小.根据这些特征我们对数据流进行“填1”处理.I 1n =0 n >51 n Φ5(1)I 0n :当前n 个“0”信息位 n :连续0的个数406 西华师范大学学报(自然科学版) 2004年(2)填0:如果上一帧车头部分进入检测带,邻域比较的结果所提取的车辆信息的‘1’的个数不足判断有新车过来,而当前帧车体进入了检测带,虽然邻域比较的结果所提取的车辆信息的‘1’的个数表明有车辆在,但与上一帧相减的结果始终不足计数,从而造成该车漏检.为了解决这种车辆头部小尾部大造成的车辆误判的问题以及有效消除车前灯的影响,可将这些不足判别车辆信息的‘1’抹‘0’.I 0N =N >5 1N Φ5 0(2)I 1N :当前N 个“1”信息位 N :连续1的个数通过这样的数据流修正后,我们就得到了由连续的‘1’和‘0’组成的数据流.从而使车辆的计数算法变的相当简单,并提高了计数的精度如图4所示.从前面输入图像可以看出在检测带内有两辆车,现在检测的结果也是两辆车.2.6　相关性修正对于有些车辆由于情况比较复杂,会使相邻两帧的信息变化出现忽多忽少情况(如图5),这样就可能出现漏计或误计的现象.为了克服这种现象,利用前后两帧图像相关信息进行修正如图6所示.图5　一辆车进入检测带内连续三帧时的情况 Fig 15　The in formation of a vehicle in the detection zone 笫27帧信息流:00000000000000000000000011111111111100000000000000000000000000000000000000000000第28帧未修正信息流:00000000000000000000000011111111100000000000000000000000000000000000000000000000第28帧修正信息流:00000000000000000000000011111111111100000000000000000000000000000000000000000000第29帧未修正信息流:00000000000000000000000011111111100000000000000000000000000000000000000000000000第29帧修正信息流:00000000000000000000000011111111111100000000000000000000000000000000000000000000图6　修正信息流Fig.6　M odify the data array2.7　车辆计数由于窗口浮动,这给车辆计数带来一定的困难.为此,笔者提出了用检测带内车辆信息的变化规律进行计数的方法.其原理如下:如果用当前帧的数据流减去上一帧的数据流则只可能出现4种情况和3种结果:(1)上一帧某一位置没有车,当前帧对应位置也没有车:0减0,结果为0;(2)上一帧某一位置有车,当前帧对应位置也有车:1减1,结果为0;(3)上一帧某一位置没有车,当前帧对应位置有车:1减0,结果为1;　第25卷第4期彭仁明,等:基于视频的车流量检测407(4)上一帧某一位置有车,当前帧对应位置没有车:0减1,结果为-11显然,结果为‘1’,表示有新车辆到来:结果为‘-1’,表示车辆已离开.利用该结果就可以方便地进行车辆的计数和车速的估算了.其方法如下:(1)利用数据流上升沿‘1’来进行车辆的计数.(2)利用上升沿‘1’和下降沿‘-1’之间的帧数,根据摄像头的拍摄速度和车辆的长度进行车速的估算.(3)由于噪声的存在,数组c里可能会出现较短的连续‘1’段,为此可根据车辆的最小宽度来选取一个阈值,如:车辆的最小宽度为100个像素,即占数据流信息为10位,就可以选取连续的‘1’段长度大于9计为一辆车.共有多少个连续的、长度大于该选定阈值的‘1’段,就表示新到来了多少辆车.其结果图7所示.第39帧信息流:00000111111111111000000000000000000000000000111111111111111000000000000000000000(a)当前帧图象 00001111111111111000000000000000000000000000000000000000000000001111111000000000(b)当前帧图像及对应信息流车辆变化信息:00000000000000000000000000000000000000000000212121212121212121212121212121000001111111000000000新车数1 总车数　8 本帧有车2辆图7　车辆计数结果图示Fig17　The result of the vehicle count3　实验结果及分析实验中,输入的图像是按5帧/s的频率从历时45min的录像中采集到的,其中包括各种道路情况(如单向单车道、双车道,双向双车道、四车道,有隔离带和无隔离带等)在各种光线条件下(如阴天、黄昏、夜晚低亮度照明等)的大量图像序列.算法中采用的相关性修正,消除了对车顶情况比较复杂的车辆,如大巴、货车的误检.从而使得该算法的误检率和漏检率大大低于帧差法.实验结果表明,该算法能够正确判断有无车辆的信息,在交通拥塞状况不十分严重、车速不太快(车速≤70km/h)的情况下,该算法对车辆计数的准确率可达95%.至于该算法的漏检原因与帧差法一样,要求车速不能过快.但这个问题可用提高DSP的采集处理图像的速度来解决,由于该算法的计算量小,可允许DSP的采集处理图像的速度在10帧/s以上.因此,该算法的提出,为智能交通系统获取有无车辆信息、车流量统计、平均车速估计等实时有效的交通参数提供了良好的解决方案.参考文献:[1]　杨　俊.基于视频检测的城市智能交通系统应用研究[J].测控技术,2003,22(3).[2]　朱志刚,徐光佑.VIS AT ARAM:全天候自动交通检测视觉系统[A].97北京智能交通系统发展趋势国际学术研讨会论文集[C]11997,97-101.[3]　VI ARANI E.Extraction of T raffic In formation from Images as DEIS1Image Analysis and Processing[A].Proceedings.InternationalC on ference on,1999.(下转第412页)参考文献:[1]　PE NNI NCK X D,CH BAT M,PIERR L,et al.The Phase-Shaped Binary T ransmission(PS BT):A New T echnique to T ransmit Far Be2y ond the Chromatic Dispersion Limit[J].IEEE Photon.T echnol.Lett.,1997,9:259-261.[2]　ONO T,Y ANO Y,FUK UCHI K,et al.Characteristics of Optical Duobinary S ignals in T erabit/s Capacity,High-S pectral E fficiencyW DM Systems[J].J.Lightwave T echnology,1998,16:788-797.[3]　ONO T,Y ANO Y,FUK UCHI K.Dem onstration of High-Dispersion T olerance of20-G bit/s Optical Duobinary S ignal G enerated by aLow-Pass Filtering Method[M].Presented at C on f.Optical Fiber C ommunication,Dallas,TX,1997.[4]　原　荣.光纤通信[M].北京:电子工业出版社,2002.[5]　赵梓森.光纤通讯工程(修订版)[M].北京:人民邮电出版社,1995.[6]　张　煦.光纤通信技术[M].北京:中国科技出版社,1992.N e w Optical Modulation Form at:Optical DuobinaryJ IANG Y un2qi,CHEN Y i2qing(Department of Educational T echnology,China West N ormal University,Nanchong637002,China)Abstract:Optical communication is now widely used in the global tele-communications.The data communication is in2 creasing dramatically in recent years.One of the hot topic in optical communication is:H ow to effectively use the existing fiber,which has already installed in all of the links,meanwhile guarantee the delivering of the high quality optical signal in the optical transport netw orks.This paper has proposed a new optical m odulation format:optical duobinary m odula2 tion.This m odulation format can increase the optical-spectral efficiency and reduce the dependency on the optical chro2 matic dispersion.Hence it can realize the large transmission capacity,and long distance optical transmission in optical communication.K ey w ords:duobinary;optical chromatic dispersion;optical eye diagram(上接第408页)[4]　FNBY M,SIY A L M Y.A Window-Based Image Processing T echnique for Quantitative and Qualitative Analysis or R oad T raffic Pa2rameters[J].IEEE T rans.on Vehicular T echnology,1998,47.[5]　蒋刚毅,郁　梅,叶锡恩,等.一种基于视觉的车辆跟踪及交通流量参数估计新方法[J].电路与系统学报,2001,11.V ehicle Flow Detection B ased on VideoPENG Ren2ming,HE Chun2lin(1.S ichuan Mianyang V ocational and T echnical C ollege,Mianyang621000,China;21The C ollege of C omputer Science,China West N ormal University,Nanchong637002,China)Abstract:This paper has sim ply introduced vehicle flow detection alg orithmic virtue and disadvantage based on video.We have brought forward a new alg orithm which adapts to the environment well and calculates very little.S o that we know Vehicle counting,speed estimating,and the in formation whether there are vehicles or not are achieved.In this alg o2 rithm,pre-estimate correction and relativity correction are success fully used to increase detection precision and im prove the detection effect.C onsequently,real-time and available traffic parameters can be obtained for the traffic m onitoring system.K ey w ords:video;data array;relativity m odification。