基于DSP的車輛狀態視頻檢測系統

摘 要:論述了視頻檢測在智能交通領域的應用，分析了目前交通信號機系統存在的不足。提出了以TMS320F2812為核心的視頻圖像運動目標檢測方案，并進行了方案的同步信號分離電路、系統總體結構設計，以及信號采樣和數據處理的軟件設計。實驗表明該解決方案設計達到了預期目標，具有較高的準確性。

關鍵詞:交通控制; 視頻檢測; 運動目標檢測; DSP; TMS320F2812

中圖分類號:TN919-34文獻標識碼:A

文章編號:1004-373X(2010)21-0181-03

Video Detection System for Vehicle Status Based on DSP

SUN Hai-jun1， MAO Han-ling2， HUANG Zhen-feng1

(1. School of Mechanical Engineering， Guangxi University， Nanning 530004， China; 2. Guangxi Radio and TV University， Nanning 530004， China)

Abstract: The application of video detection in the field of intelligent transportation is discussed， the shortcomings of the current traffic signal computer system are analyzed. A video image moving target detection solution as a processing core with TMS320F2812 was developed， the hardware circuit， synchronous signal separation circuit， system architecture， signal sampling and data processing software of the solution were made. Experiments show that the solution is designed to achieve the desired goal， and it has high accuracy.Keywords: traffic control; video detection; moving target detection; DSP; TMS320F2812

0 引 言

視頻圖像檢測與處理技術在智能交通[1-2](ITS)領域中的應用研究已引起了國內外學者廣泛關注，已形成許多研究熱點。目前交通領域視頻檢測技術主要用于車速、車型、車流量檢測，車牌檢測，智能泊車系統、安全監控等方面，有成熟的視頻檢測產品。但在路口交通方案解決、提高路口交通效率方面應用較少。

目前城市交通路口應用較多的是感應線圈檢測方式，但其安裝、維修不便，對道路有破壞，成本高昂。其他可應用的檢測方式，諸如超聲波檢測準確性不高，易受干擾;微波檢測產品的成本較高。

本文設計了基于TMS320F2812的路口車輛狀態視頻檢測系統，實時檢測路口車輛狀態，并將結果反饋回路口信號控制機，便于信號機優化路口信號燈的運行方案。

1 基于視頻檢測的解決方案

1.1 方案的提出

目前大多數城市所使用的交通控制機系統，路口的紅綠燈運行方案基本是固定的。這樣就會出現一種情況，即在某時刻某方向無車，該方向依然是綠燈。若無車的情況可以及時檢測并反饋到控制機，則可以提高交通效率，對此提出了基于TMS320F2812的交通路口車輛狀態視頻檢測系統。

1.2 系統工作原理

系統工作原理圖如圖1所示，圖中監控攝像機安裝于路口斑馬線之前約70 m處(視路口車流量而定，繁忙路口則遠，反之則近)，視頻信號由DSP本身自帶的A/D模塊進行采樣和處理，依據處理結果輸出一個高低電平信號，此信號由路口的控制機在對應路口通行方向為綠燈時進行查詢并記錄。記錄一段時間(數周或數月)之后，便可以依據記錄結果統計優化信號燈運行方案。由于圖像檢測的數據處理量較大，實時性要求高，因此系統設計的處理核心采用TMS320F2812DSP數字信號處理器。

圖1 系統原理圖

2 系統硬件設計

2.1 復合視頻信號

CCD攝像機輸出完整的視頻信號是1 VP-P的復合模擬信號，包括圖像信號、同步信號、消隱信號、槽脈沖和均衡脈沖信號。一場圖像時間為20 ms，其中各脈沖寬度如下:行同步4.7 μs;場同步160 μs;均衡脈沖2.35 μs;槽脈沖4.7 μs;場消隱脈沖1 612 μs;行消隱12 μs。因此，需要將場消隱信號分離出來作為每一場圖像采集的觸發信號。

2.2 場同步信號分離電路

LM1881N是一款視頻同步信號分離芯片[3]，主要用于NTSC，PAL，SECAM制式，幅度為05~2 VP-P之間的視頻同步信號分離。LM1881N應用電路圖如圖2所示。

圖2 同步信號分離電路

用示波器觀察信號Vout的波形圖，如圖3所示。

圖3 奇偶場同步信號

2.3 圖像處理系統

系統設計圖像處理核心為TMS320F2812DSP處理器。實驗中將奇偶場同步信號Vout(圖3中的方波信號)接入TMS320F2812的I/O口，使用查詢中斷的方式觸發A/D采樣。連接原理圖如圖4所示。

圖4 圖像采樣和處理系統原理圖

如圖3和圖4所示，TMS320F2812在程序初始化后即查詢I/O口引腳信號，在同步信號的上升沿A/D模塊開始采樣CCD攝像機接入的圖像信號。對應每場圖像采樣時間不超過18.4 ms。

3 系統軟件設計

3.1 信號采集方案特點

根據系統的目的要求[4]，系統只需實時檢測路面是否有車輛經過即可，而無需檢測車速、加速度、車流量等。即不需要采集全副圖像數據進行處理，只需采集足夠多的像素點進行處理就可以判斷是否有運動目標的存在。這樣就可以大大降低數據處理量和節約時間，提高系統檢測速度。

3.2 運動目標檢測算法

基于視頻圖像的運動目標檢測方法[5-6]有多種分類，目前常用的主要有幀差法[7-8]、背景減法和基于光流的方法[9-10]。本文采用背景減法和幀差法相結合的處理方法。

檢測方法的步驟:

(1) 采樣一場圖像的數據，作為背景圖像，存儲為f0(x，y);

(2) 采樣連續兩場圖像的數據，存儲為fk-1(x，y)，fk(x，y)，作為第k-1場和第k場圖像，而第k場圖像為當前圖像;

(3) 計算k和k-1的連續兩場數據的差分S1(x，y)，其數學式為:

S1(x，y)=fk(x，y)-fk-1(x，y)

(4) 計算當前幀圖像fk(x，y)與背景圖像f0(x，y)的差分S2(x，y)，其數學式為:

S2(x，y)=fk(x，y)-f0(x，y)

(5) 對S1(x，y)，S2(x，y)進行二值化，用基于動態閾值的方法，數學式為:

S1(x，y)=1，|fk(x，y)-fk-1(x，y)|>Th

0，|fk(x，y)-fk-1(x，y)|≤Th

S2(x，y)=1，|fk(x，y)-f0(x，y)|>Th

0，|fk(x，y)-f0(x，y)|≤Th

其中:Th分別是基于背景減法的背景圖像的統計閾值，數學式為:

Th=1k×M×N∑ki=0∑Mx=0∑Ny=0fk(x，y)

式中:M×N表示采集圖像大小，數值表示檢測區像素數;k表示的是連續采集的圖像場數，為得到較好的背景圖像閾值，k值需足夠大;如果M，N，k值足夠大，即M×N×k的值夠大，則求得的統計閾值Th越合適。

(6) 對S1(x，y)，S2(x，y)進行統計和比較，求差值，若差值超過一定值，則表示有運動目標存在;反之，無運動目標。數據采集和處理流程如圖5所示。

圖5 數據采集和處理流程

4 實驗和分析

在實驗室條件下進行實驗，參數k取200，M×N取570采樣值，即M×N×k值取為114 000;每個Th更新周期N取300;背景為固定背景，運動目標為行人，光線充足且無直射和閃爍。實驗結果記錄如表1所示，S1，S2分別表示S1(x，y)，S2(x，y)。

表1 不同狀態差分結果

無運動目標有運動目標

S1S2S1S2

16289191158

25230158121

33131206168

47377262188

53533218156

66066163127

78471251191

83134189128

94244152107

107671151117

表1進行多次實驗，統計實驗結果表明，在無運動目標狀態下，S1(x，y)， S2(x，y)值最大不超過100，且有

95.3%分布在90以內;在有運動目標狀態下，S1(x，y)，S2(x，y)值一般超過120，且有96.6%超過110。因此，可以將100和110作為判斷是否存在運動目標的門檻值。

同時，實驗運動目標的大小、速度，M×N取值大小都會影響檢測結果。運動目標越大，M×N取值越大則檢測結果越好，但是數據處理量增加會使單次檢測時間增加。

5 結 語

本解決方案達到了預期目標，實現了對交通路口車輛狀態的判斷功能，運用于交通控制機可以有效地提高路口通行效率。方案在應用中對現有道路無破壞性，安裝方便，成本較低。此外，提高系統的數據處理能力和可靠性，使用更好的圖像處理方法來提高檢測的準確性和靈敏度也是研究的重點之一。

參考文獻

[1]鄧兆康.公共交通的智能交通系統及其應用[J].上海建設科技，2009(1):47-48.

[2]王燦，何淳，吳亞龍，等.智能交通燈控制系統的設計和仿真[J].重慶工商大學學報:自然科學版，2009，26(1):85-87.

[3]朱廣，周程亮.CCD 圖像傳感器在路徑識別系統中的應用[J].工業控制計算機，2009，22(3):50-51.

[4]魯一杰，趙攀，彭強，等.基于DSP的視頻車輛實時檢測系統的實現[J].計算機應用研究，2009，26(2):757-765.

[5]孟旭霞，覃少華，王艷妹，等.嵌入式視頻監控系統中的運動目標檢測[J].嵌入式系統應用，2009(5):65-66.

[6]李波.基于DSP的視頻圖像目標識別與處理系統的設計[D].長春:長春理工大學，2006.

[7]侯文秀.基于背景差和幀差相結合的目標追蹤[J].微計算機信息，2009，25(6):242-243.

[8]HASEGAWA Osamu， KANADE Takeo. Type classification， color estimation， and specific target detection of moving targets on public streets[J]. Machine Vision and Applications， 2005， 16: 116-121.

[9]張文杰，戚飛虎.實時視頻監控系統中運動目標檢測和跟蹤的一種實用方法[J].上海交通大學學報，2002，36(12):1838-1840.

[10]梁志勇，陳云華，唐平.最少幀差法在智能跟蹤系統中的應用[J].微機發展，2004，14(8):108-110.