基于一體化視頻車檢器的車輛軌跡算法研究*

郝建豹，馮 楊，桑 林

（1.廣東交通職業技術學院機電工程系，廣東廣州 510800；2.深圳市新創中天科技發展有限公司，廣東深圳 518055）

基于一體化視頻車檢器的車輛軌跡算法研究*

郝建豹1，馮 楊1，桑 林2

（1.廣東交通職業技術學院機電工程系，廣東廣州 510800；2.深圳市新創中天科技發展有限公司，廣東深圳 518055）

以德州儀器公司的達芬奇平臺TMS320DM6446芯片為核心，對系統硬件各個主要模塊進行分析設計，構建了一個一體化視頻車檢的硬件系統，最后選擇現場能見度比較低的場合進行算法設計和實驗。實驗結果表明，該一體化車輛視頻檢測系統具有良好的檢測效果，能夠實現交通場景中的車輛檢測計數，車輛跟蹤、車輛定位等功能，為交通流誘導系統提供真實可靠的數據。關鍵詞：一體化；視頻車檢；軌跡算法

0 引言

基于交通視頻處理分析的交通視頻檢測系統，就是在獲取道路實時監控視頻的基礎上，對交通場景視頻進行車輛檢測、車輛跟蹤以獲得視頻場景中的有用交通信息。這樣的檢測方法和其他傳統的檢測方法如線圈、微波雷達相比，具有諸多優點如設備維護方便，無須將路面破壞，不會影響道路正常交通；視頻檢測范圍大，可覆蓋多個車道，可同時監控檢測多車道；通過視頻檢測提供更全面的交通管理信息和交通事故信息，可得到的交通有車流量、車速、車流密度、車型、是否堵塞等；可以為交通管理部門提供可視化監控，方便管理，同時進行錄像，方便以后進行事故錄像提取查詢。

但是現有的視頻車檢器一般使用模擬攝像機+嵌入式處理器的模式來構成，其笨重的體積、線路的繁瑣和明顯的功耗，極大的限制了此類視頻檢測器的應用[1]。同時圖像傳感器得到的原始圖像數據需經過圖像處理DSP芯片優化處理后，再行進行壓縮，然后通過通信線路傳輸給嵌入式處理器的DSP芯片做圖像識別運算，增加了系統處理時間[2]。

本文研究的一體化視頻車檢器采用一體化方案，將圖像處理DSP芯片和圖像識別分析DSP芯片合二為一，體積小巧，結構簡單可靠，功能針對性強。全功能狀態下功耗會降低約40%左右，可以方便的使用風、光發電機等再生能源供電裝置。因采用達芬奇架構的雙核數字多媒體處理器，處理速度大大提高。更為重要的是車檢器中包含了視頻采集、算法處理、數據通訊模塊。車檢器安裝在前端路口，視頻無需往中心傳送直接實現了交通信息的檢測，為交通流誘導系統提供真實可靠的數據。

1 一體化視頻車檢器設計

本文采用TMS320DM6446作為算法處理的核心芯片，其采用達芬奇技術架構，是基于ARM926和TMS32064x+DSP的高度集成的雙核數字多媒體處理器，適合于數字信號的處理，特別是在視頻處理方面[3]。本系統的硬件設計是在TMS320DM6446的基礎上，擴展了一些外設電路實現的（如圖1所示）。整個設計的系統框架分為兩個層次。

圖1 視頻采集系統的系統框架圖

（1）以ARM為中心的系統管理層部分

本部分包含FLASH存儲模塊、有線網絡通訊模塊和串口通訊模塊。FLASH存儲模塊包含一塊FLASH存儲器，主要是用來存儲ARM程序，DSP的程序和系統的一些配置信息。有線網絡通訊模塊則包含了一塊局域網控制芯片，通過該網絡通訊模塊，視頻采集系統可以通過本地局域網的網關接入到外部Internet網，實現與遠程控制中心的有線通訊。為給配合信號機進行自適應控制，系統提供了一個UART口。

（2）以DSP為中心的交通視頻處理的算法層部分

該部分的主要作用是交通視頻的算法處理，主要包含輸入模塊、算法處理部分和視頻輸出模塊。視頻輸入模塊由一塊視頻解碼芯片和視頻存儲芯片VRAM構成，主要作用是把視頻信號（CVBS）經過視頻解碼芯片解碼，變換成數字視頻并存儲到一片圖像存儲器（VRAM）上。算法模塊是本系統最重要的模塊，包含DSP、數據存儲器DRAM和一塊用于存儲歷史檢測數據的FLASH。其主要作用是進行數字視頻信息并行算法處理，把產生的動態交通信息按不同用途進行解析并上傳或存儲或疊加處置。視頻輸出部分由一片FPGA和視頻編碼芯片構成，其作用是把算法模塊產生的當前動態交通信息疊加到視頻圖像上，提供給遠程控制中心。

2 車輛軌跡跟蹤算法

在車輛軌跡跟蹤算法上，南京郵電大學的李長進在目標跟蹤方面，用基于顏色直方圖和卡爾曼濾波器的方法來對目標車輛進行跟蹤[4]。Betser使用“snake”方法為跟蹤目標提取車輛的輪廓[5]；Magree D使用光流法進行分析[6]，這些方法在交通不擁擠且光線良好的情況比較適用。本系統首先通過快速小渡變換提取圖像的紋理，同時利用灰度共生矩陣對提取出的紋理進行度量與分析。在此基礎上根據圖像中各部分的紋理差異檢測車輛的存在，并成功剔除陰影的干擾。其次，提出用于圖像處理的卡爾曼濾波的狀態轉移矩陣和觀測矩陣，并利用其對車輛的狀態進行跟蹤，從而達到在圖像序列中跟蹤車輛運行軌跡的目的。更重要的是，本系統還針對性的采用了分段實時處理算法，使得系統可以根據當前的時間、天氣等外界情況，啟用不同的算法處理，使得在大霧天、雨雪等惡劣天氣下，也會有比較好的檢測結果，不同算法的切換可以通過光強探測或天氣預測等信息進行自動切換，可以根據實際情況對切換條件進行編輯，其車輛軌跡跟蹤算法流程圖如圖4所示。本文選擇現場能見度比較低的場合進行算法研究。

圖2 車輛軌跡跟蹤算法流程圖

當現場能見度比較低的時候，一般車輛會打開車燈，如果目標光源的射束角較小，且適當的發射角度和觀測角度不會造成周邊背景的反光或者這種反光不被觀測攝像機所接收，在這種情況下確定車輛的兩個車前大燈即可確定車輛這個目標，車輛的兩個車前大燈滿足下式條件，即兩個車燈連通域的重心基本在同一條水平線上。

式（1）中Ya，Yb——兩個臨近連通域重心坐標的Y向值；TY——對應的閾值。

連通區域重心的坐標是根據所有屬于該區域的點計算出來的，計算公式如式(2)和(3)所示。

式（2）、（3）中S——連通域的面積，表示屬于連通域的像素個數。

定義如下：

二值化后的圖像中不僅包括車燈還有車燈照攝在地面的反光，同時有的車輛的車燈由于射束角較大，直接照射到攝像機中形成很大的眩光，不能找到大前燈，這時候通過如下的二值化后的連通域特征將地面反光濾除掉。為此定義如下兩個形狀參數，圓形度F和矩形度K：

式（5）、（6）中，B——燈光連通區域的邊界長度；

S——連通區域的面積；

L——連通域外接矩形的寬；

H——外接矩形的高

對于數字圖像來說，邊界的長度是一種簡單的邊界全局屬性，它是邊界所包圍區域的輪廓的周長。考慮的連通域是由內部點加邊界點構成。該區域的邊界是由所有邊界點按4方向或8方向連接組成的，區域的其他點成為區域的內部點。如果邊界長度是按4連通計算的，則對于正八邊形區域F取最小，如果邊界長度按8連通計算，則對正菱形取最小。利用這些區域特征，通過選取合適的閾值，可以將不是車燈的燈光干擾恰當地濾除掉。

3 實驗結果與分析

本文為選擇現場能見度比較低的場合進行實驗。通過圖像分析提取運動目標，從而可實現下一步的識別和跟蹤。圖3為本文所設計一體化視頻車檢器在目標光源的射束角較小情形下所攝圖像。在構建背景之后，則可以利用二值化獲得的運動目標圖像如圖4。如圖5為車燈照攝在地面的反光、車輛的車燈射束角較大情形下所攝圖像，圖6為其二值化后而獲得的運動目標圖像。

圖3 運動車輛識別前圖像

圖4 運動車輛二值化后圖像

為進一步驗證效果，分別選取4個不同地方，兩種設備安裝角度進行測試，如圖7為夜間高速公路上的車輛檢測效果圖，其中圖7（c）和圖7（d）為大霧天的車輛檢測效果。實驗結果表明，本文所采用及提出的方法可有效達到預期要求。通過應用發現，該算法有廣泛的適用性，并且達到較高的檢測精度。

從以上算法介紹和實驗中，可知這種檢測方法需要對圖像傳感器的原始數據進行處理，有效的消除制式攝像機對原始圖像的矯正，更為準確的判斷現場情況，合理選擇算法參數，提高檢測識別的準確率。

圖5 運動車輛識別前圖像

圖6 運動車輛二值化后圖像

4 結論

本文提出一體化視頻車輛檢測的概念，并進行技術研究，采用一體化設計。本文直接將算法軟件嵌入到圖像處理DSP中，提高了系統反應和處理的速度。

圖7 車輛檢測效果圖

另外，針對圖像傳感器原始數據進行分析的方法，是更為先進的圖像識別算法的內在要求，有效的克服了市售制式攝像機為提升人的感官感受而做的優化處理所帶來的判斷誤區。實驗結果表明，本文設計的一體化視頻車輛檢測系統具有良好的檢測效果，能夠提取道路背景和車輛信息，實現交通場景中的車輛檢測計數，車輛跟蹤、車輛定位等功能，為交通流誘導系統提供真實可靠的數據。在減輕交通擁擠、提高行車速度、提高通行效率等方面將會發揮巨大的作用。

［1］李志軍，許萬里，黃玉蘭.基于達芬奇技術的視頻監控系統研究［J］.吉林大學學報：信息科學版，2011，28（6）：626-639.

［2］DAN X，HU W W，Tan T N et al.A multi-object track?ing system for surveillance video analysis［A］.Proceed?ings of IEEE International Conference on Pattern Recogni?tion［C］，Cambridge，United Kingdom.IEEE，2010：767-770.

［3］Texas Instruments TMS320DM644x DMsoc Video Pro?cessing Back End（VPBE）［M］.SPRUE37A April 2007：43-115.

［4］李長進.基于達芬奇平臺的交通視頻檢測系統的研究［D］.南京：南京郵電大學，2012.

［5］Betser A，Vela P，Tannenbaum A.Automatic tracking of flying vechicles using geodesic and Kalman filtering［A］.43rdIEEE Conference on Decision and Control［C］.Atlantis，Paradise Island，the Bahamas：IEEE，2010：1649-1655.

［6］Magree D.Tracking multiple vehicles using foreground background and motion models［J］.Image and Vision Computing，2009，22（2）：143-155.

Research on Vehicle Track Algorithm Based on the Integration of Video Vehicle Detector

HAO Jian-bao1，FENG Yang1，SANG Lin2
（1.Department of Mechanical and Electrical Engineering，Guangdong Communication Polytechnic，Guangzhou 510800，China；2.Shenzhen Xinchuang Zhongtian Technology Development Co.，Ltd，Shenzhen518055，China）

Integrated video vehicle detector based on DaVinci technology，has the advantages of compact structure，lower power，faster than video vehicle detector currently in use.In this paper，TMS320DM6446 chip of TI’s DaVinci platform was used as a core.We analyze major modules of hardware system，building an integration hardware system of vehicle video detection.Finally，we select the relatively low visibility situations to algorithm design and experiment，the experimental results show that，the integration of vehicle video detection has good detection results，which can realize vehicle detection and counting，vehicle tracking，vehicle positioning and other functions in traffic scene，and provide reliable data for traffic flow guidance system.

integration；vehicle video detection；trajectory algorithm

TP274+.5

A

1009－9492(2014)09－0019－04

10.3969/j.issn.1009-9492.2014.09.005

郝建豹，男，1978年生，山東莘縣人，碩士，講師。研究領域：智能交通、自動化、嵌入式系統。已發表論文4篇。 (編輯：阮 毅)

*廣東交通職業技術學院科技項目（編號：GG81080131）

2014－03－18