面向智能交通的图像处理技术与应用 摘 要: 在智能交通系统( Intelligent Transportation System, ITS)领域中,数字图像处理技术扮演着极其重要 的角色。对智能交通系统的研究内容、图像采集设备以及数字图像处理技术在智能交通系统中的具体应用等作了详细的分析、研究及阐述。 关键词: 智能交通系统；数字图像处理；图像采集设备

Abstract: Image processing techniques play a very important role in Intelligent Transportation System. This paper elaborates on details about Intelligent Transportation System, image sensors and the application of image processing techniques. Key words: Intelligent Transportation System; image processing; image sensors

随着社会经济的高速发展和交通机动化水平的迅速提高,城市交通问题日益严峻,国内许多城市尤其是大中城市的车流量与日俱增,交通阻塞、交通事故频繁发生,人们在享受机动车所带来的巨大便利的同时,也面临着交通拥挤的问题,简单地进行道路扩建已经无法完全解决目前的交通问题。在现有的条件下,建立和完善智能交通系统是解决交通问题的有效方法之一,而如何建立行之有效的智能运输系统、快捷地进行交通监控、交通调度和交通控制已经成为当前亟待解决的问题。

1 智能交通系统 智能交通系统( Intelligent Transportation System, ITS)是目前世界各国交通运输领域竞相研究和开发的热点。它是在较完善的道路设施基础上,将先进的电子技术、信息技术( Information Technology ,IT )、人工智能( Artificial Intelligence, AI)、地理信息系统( Geographic Information System, GIS)、图像处理技术、计算机技术、有线/无线通信、传感器技术和系统工程技术集成运用于地面运输的实际需求,建立起全方位、实时、准确、高效的地面交通系统,能对各种交通方式进行现代化、科学化的智能管理[1 ] ,从而 使交通设施得到充分的利用,并能提高交通效率和安全,最终实现交通运输服务的管理智能化。智能交通系统的应用可以大大减少人力、物力的消耗,极大地提高运动车辆行为分析的及时性和准确性,由此带来的直接和间接的经济效益和社会效益是难以估量的。智能交通系统主要应用于交通信息服务系统( Advanced Public Traffic Information System, APTIS)、交通管理系统( Advanced Traffic Management System, ATMS)、公共交通系统( Advanced Public Transportation Systems, APTS)、车辆控制系统( Advanced Vehicle Control System, AV CS)、货运管理系统( Commercial Vehicle Operations, CV O)、电子收费系统( Electronic Toll Collection, ETC)、紧急救援系( Emergency Medical Services, EM S)等[ 2]。 智能交通系统是21世纪地面交通运输科技、运营和管理的主要发展方向,是解决交通问题的有效途径之一,是交通运输的一场革命,其重要性正被越来越多的人所认可。西欧、北美和日本竞相发展智能运输系统,制定并实施了研究和开发计划。发展中国家也开始了智能交通系统的全面开发与研究。道路交通信息如车流量、车型、车速、车辆运行轨迹等基本交通参数的获取是ITS发挥作用的前提和基础。 随着计算机和图像处理技术的不断发展,交通视频图像检测技术越来越成为现代智能交通系统的一个重要组成部分。由于视频检测方法的诸多优点,在国外一些经济发达国家如美国、英国、加拿大、德国、日本等,应用其先进的计算机、图像处理及通讯技术,最先开始视频技术的研究, 并开发出了各具特色的产 品,例如:美国的 Autoscope、英国的TIPS、德国西门子的ARTEMIS和比利时的Traficon等[3 ]。

2 交通信息采集 交通流信息的采集是智能交通系统中的一个重要的构成要素,实时的或者历史统计的交通流数据信息是进一步研究的基础。交通流信息,包括交通事件(交通事故、闯红灯等)和交通流量、车道占有率、车速、行程时间等交通参数和道路拥挤程度等信息在交通流数据中占有非常重要的位置。传统的采集以及测量方法只适用于作短期内的调查,不适用于实时交通控制和交通流的诱导。大量应用的还是自动采集技术,可以同时测量多种交通参数。 交通信号采集子系统作为智能交通系统的一部分其重要性是不言而喻的,目前在国内外常见的交通流参数采集方法有人工监测、地埋感应线圈、超声波探测器、视频检测等几大类方法。同其它方法相比,视频检测具有以下特点[4 ]: 无需破坏路面(设置虚拟检测线) ,安装简单,维护容易,并且可以随时改变检测区域的位置和大小;检测的信息量大,可以多车道检测车辆数、车型、占有率、车速、停车时间、停车排队长度等交通信息,还可以对视频图像场景内的交通状况进行实时智能监控,当发现交通拥挤、车辆逆行、停车、违章、超速等事件时自动报警,并自动录像,作为违章处罚和责任判定的依据; 实时性好,得到数据可以同时反馈利用,并且可以实时分析和绘制出各种参数之间关系的图表,可省去大量的人力调查和计算分析；性价比高,寿命长,经济性好; 扩展性强,具有二次开发功能。由此可见视频检测同其它方法相比具有很大的优越性,尽管它还存在着易受外界环境影响、检测准确率较低等缺点,但是随着计算机硬件和软件技术 的发展,基于计算机视觉的交通采集和检测手段已经逐渐成为交通流参数检测中的一种新兴的主流技术。

3 面向智能交通的图像处理 基于视频图像的交通参数提取方法是近年来出现的一种新的交通参数获取方法,融合了计算机视觉、图像处理、模式识别及信息融合等多个知识领域,与其它交通参数提取方法相比,具有明显的优势: 无需破坏路面,安装简单,维护容易；获取的交通信息量丰富,可以多车道检测车流量、车型、占有率、车速等交通信息；为交通管理部门提供可视图像等。因此,基于计算机视觉的检测技术已经逐渐成为交通流参数检测中的主流技术。 3. 1 智能交通系统中的图像处理技术 智能交通系统中的图像处理技术是通过图像传感器获取道路交通图像,然后利用计算机对图像进行处理和识别来模仿人的视觉功能,获得智能交通系统所需要的有用信息。这里的图像既包括二维数据,如彩色图像、黑白图像,又包括三维数据,如图像序列。智能交通系统中的图像处理技术可以分为两大类。帧内处理: 其处理对象是一帧图像,一般包括图像增强、图像复原、边缘检测、目标识别等。帧间处理: 一般包括运动目标的检测和追踪。 帧内处理一般包括象素值变换、窗口运算、二维变形运算、区域和边界检测、直线和曲线检测、特征抽取、目标识别等。帧间处理一般包括立体匹配、光流、运动目标检测等, 而且帧间处理还可与预测和跟踪进行结合[1, 5 ]。 数字图像处理处理的目的主要有3个方面: 1) 对图像灰度做某种变换,增强其中的有用信息,抑制无用信息,使图像质量提高,以便于人眼观察、理解或计算机对其作进一步的处理。这种处理技术主要有图像增强、图像复原和图像编码; 2) 用某种特殊手段提取、描述和分析图像中所包含的某些特征或特殊的信息,主要目的是便于计算机对图像作进一步的分析和理解,经常作为模式识别、计算机视觉等的预处理。这类图像处理技术包括图像分割、图像识别、特征提取等; 3) 压缩图像数据,以便于图像的存储和传输。 3. 2 图像处理在ITS领域中的应用 图像处理在I TS领域中具有极其广阔的应用,例如交通监视、交通统计等,但其中最直接也最令人感兴趣的是智能车辆导航和交通控制。 1) 在智能车辆导航中的应用 在智能车辆导航诸多复杂且具有挑战性的任务中,最受重视的是道路跟踪,它包括道路检测和障碍物检测两个主要部分,其中障碍物包括车辆周围的车辆和行驶道路上的障碍物。检测的道路可以分为结构化道路和非结构化道路两大类[6 ]。前者一般是高速公路和部分结构化较好的公路,非结构化道路一般为城市内结构化程度较低的道路,这类道路没有车道线和清晰的道路边界,而且转弯半径可能较大,因此通常要使用更复杂的道路模型来检测。障碍物的检测通常是指道路上的其它车辆和异物。一般来说,障碍物可定义为车辆行驶道路上具有一 定高度的物体。一般检测障碍的方法是在对应道路的图像区域中寻找不一致的线索,例如灰度明显变化和纹理边界,即具有非正常灰度的区域。周围车辆检测车辆是一类特殊的障碍物,它们大多与摄像机位于同一车道内,而且速度相近。在高速公路和乡间道路上,必须检测并跟踪前方车辆以便决定是跟随还是超车。 除了上述内容外,智能车辆导航还包括交叉口检测、交通标志的检测和识别、驾驶员疲劳度检测等。 2) 在交通控制中的应用 不同于智能车辆导航应用,用于交通控制的摄像机一般安装在道路和停车场的上方或旁边,以监视整个交通区域。交通流量检测是交通控制中的重要信息,使用图像处理方法能够得到重要地段例如十字路口的二维交通流,从而可以统计各项交通流量信息。交通管理的核心之一是车辆的检测与识别。通常可以通过图像匹配或车牌识别等方法实现。从20世纪70年代开始,国外研究人员就开始了交通环境中的车辆检测研究。可以说,目前的机动车视频检测研究已经相当成熟,其整体趋势是从高速公路向城市交通转移、结构化道路向非结构化道路转移; 而交叉口检测和摩托车(电动车)、自行车和行人这类难以建模的目标检测将成为今后研究的重点。交通事故的自动检测对于交通安全来说意义很大。一般可以通过监视车辆的驾驶行为,如事故性停车,进行检测。在恶劣的天气下,交通事故和交通堵塞都明显增加。因此监视道路的交通状况以及天气变 化,并将有关信息广播给驾驶员是十分必要的,因此也需要相应的监视系统和报警系统。在实际的城市交通环境中,尤其是在我国这样典型的混合交通系统中,非机动车和行人是城市交通的主要参与者,与机动车辆共同构成交通主体,不容忽略。在混合交通中,非机动车的数量达到了交通总量的25%～ 55% ,且非机动车以自行车为主。在未来相当长的一段时间内,机动车、非机动车与行人组成的混合交通流仍将是我国城市交通的显著特征。而目前开展的城市交通系统研究中,把车辆作为重点,主要评价指标为机动车辆的延误、排队长度等,而对行人和非机动车如何影响城市交通系统运行的相关研究则严重不足。 由于非机动车和行人在材质、轮廓及运动轨迹上都与机动车有着很大的区别,所以这些用于检测机动车的系统并不能很好地适用于非机动车和行人的检测。相比机动车而言,对非机动车的视频检测和交通参数提取难度更大,针对非机动车和行人交通数据获取的研究已经成为交通数据自动采集技术中的难点和 重点。国外研究人员曾利用美国的Autoscope系统和英国的TIPS系统对行人和非机动车进行检测,但效果很不理想。从国内的城市交通来看,普遍存在着包括机