交通視頻監控系統中的視頻圖像處理技術

楊春梅　楊柳

【摘 要】隨著計算機視覺技術在交通系統中的廣泛應用，如何在視頻圖像序列中進行車輛檢測與跟蹤成為一個重要的研究課題。本文基于圖像處理領域的基本理論和方法，闡述了利用視頻圖像序列進行車輛檢測和跟蹤的重要性以及視頻圖像處理技術在交通視頻監控系統中的應用。

【關鍵詞】視頻；圖像處理；智能交通系統

交通視頻監控系統是一個國家交通正常運行的有力保障。隨著我國城鎮化進程的不斷推進和汽車的普及，交通問題日益嚴峻，道路擁擠、事故頻發，加上不遵守交通規則的人比比皆是，使交通問題成為一直困擾我國的難題。而由于交通系統是一個相當復雜的龐大系統，所以監控起來十分困難。

隨著計算機技術的發展，計算機視覺處理技術興盛起來。計算機視覺處理技術是模擬人類視覺系統的一種技術，人類可以通過對視覺中感知到的信息進行適當的組合和聯想以達到對外界信息進行判斷的能力，計算機視覺處理技術就是要用計算機代替人類的大腦實現對采集到的信息進行處理，從而使計算機具有外部感知的能力，這對于交通視頻監控系統具有非常重要的意義。

在智能交通系統中，基于計算機視覺的圖像處理技術扮演著重要的角色，它以視頻圖像為分析對象，利用先進的算法去除干擾，具有直觀、高效、精度高等特點。

1 交通視頻中進行圖像處理的重要性

交通視頻檢測系統的攝像機在工作時面臨的是自然氣象條件，這就意味著它要受到各種自然條件的干擾，比如強光、霧霾、粉塵、街燈等，由于光照條件不同所引起的圖像差異遠遠大于由于人的不同所引起的圖像差異，即使是在相同光照條件下，由于鏡面反射的存在，同一物體的不同表面對光的反射不同，再加上粉塵、霧霾等的影響，從不同視角反映出來的圖像有很大差異。外界光照的方向和強度還會隨著時間不斷發生變化，這些因素會導致采集的圖像不清晰、重影、有陰影等，給基于視頻的檢測帶來很大的難度。而視覺檢測必須借助外界光線才能夠獲取圖像信息，所以要把圖像中的車輛信息完整清晰的反應出來，就要對靜止的視頻圖像序列（即每幀圖像）進行預處理。這些處理會涵蓋圖像色彩模式轉換、格式轉換、算法處理等。

2 交通視頻監控系統的組成

交通視頻監控系統一般由采集、傳輸、控制、顯示四部分組成。

2.1 圖像采集

圖像采集工作由前端的攝像機完成，采集質量的好壞將直接影響視頻圖像處理的效果。如果視頻圖像中的車輛信息清楚，對比度好，無干擾信息或干擾信息少，將有利于車輛的檢測和跟蹤，反之，將不利于車輛的檢測和跟蹤。

2.2 傳輸

根據攝像機和控制中心之間距離的長短，會采用不同的傳輸設備，一般的傳輸方式包括視頻基帶傳輸、射頻有線傳輸、光纖傳輸、電話線傳輸等。

2.3 控制

控制部分是整個交通視頻監控系統的中心，由總控制臺組成。總控制臺可以進行信號的縮放、矯正、補償、切換、遙控、記錄存儲圖像等。

2.4 顯示

顯示部分的功能就是把傳送過來的圖像顯示出來，由若干臺監視器組成。

3 交通視頻監控系統中視頻圖像處理技術的應用

3.1 車輛檢測

對運動車輛的檢測是交通視頻監控系統的核心功能，通過對視頻圖像中的連續畫面的變化分析能抽出運動車輛的特征，從而實現檢測。但是由于運動的車輛受光線、灰塵、霧霾、陰影等因素的影響，給圖像分割帶來很大的困難。所以在進行車輛檢測時，要對獲得的視頻圖像進行處理，來提取目標車輛信息，常用的方法有幀間差分法、背景差分法、邊緣檢測法等。

3.2 車輛跟蹤

對車輛進行檢測的目的是辨別運動車輛，然而要想了解目標的運動參數，還要對車輛進行跟蹤。車輛跟蹤的核心內容是根據目標運動車輛的某些特征在不同的圖像幀中進行目標匹配，用于匹配的特征包括位置、大小、形狀，以及局部的點、線特征和整體輪廓特征等[1]。常用的車輛跟蹤方法有基于區域的方法、基于特征的方法、基于運動估計的方法、基于模型的方法、基于輪廓的方法等。

3.3 陰影檢測

陰影檢測是交通視頻監控系統的一項重要且具有挑戰性的工作。運動目標車輛由于受各種光源的影響會產生陰影，而陰影與運動目標車輛具有相似的視覺特征和運動特征，所以前面介紹的車輛檢測方法都不能有效地將陰影檢測出來。陰影的存在會使車輛檢測和跟蹤產生誤差，給交通參數的提取帶來很大誤差，因而陰影的檢測與去除是視頻檢測的重點和難點。根據陰影形成的不同原理可以把陰影分成不同的類型，而不同類型的陰影又有不同的特點，這給陰影的檢測和提取提供了可能。目前，陰影檢測方法通常包括兩大類：一類是基于陰影屬性如顏色不變性、紋理不變性、低頻性質等屬性的檢測技術，另一類是基于應用場景先驗知識的模型的陰影檢測[2]。

3.4 交通參數的檢測

交通參數可以分為兩類，一類是針對某一具體車輛的，如該車輛的車型、顏色、車牌、速度、重量等；另一類是針對某一具體路段的，如該這段的固定時間內的車流量、平均速度、車輛密度、車輛數目、路面占有率等。基于圖像處理的交通參數檢測需要實時處理大量的圖像數據，這些參數的獲得可以為交通執法提供依據，增加交通道路的容量。目前應用較為廣泛的交通參數獲取方法為虛擬線圈檢測方法，很多學者都在此基礎之上設計算法更加精密的檢測系統。

3.5 車牌識別

車牌識別技術（Vehicle License Plate Recognition，VLPR） 是計算機視頻圖像識別技術在車輛牌照識別中的一種應用。車牌識別是現代智能交通系統中的重要組成部分之一，應用十分廣泛。它以數字圖像處理、模式識別、計算機視覺等技術為基礎，對攝像機所拍攝的車輛圖像或者視頻序列進行分析，得到每一輛汽車唯一的車牌號碼，從而完成識別過程。通過車牌識別可以實現對停車場的收費管理、車輛定位、交通違法行為監控等功能，對于維護交通安全、實現交通自動化管理有很重要的意義。

視頻圖像處理技術在交通視頻監控系統中應用的已經十分廣泛，隨著計算機視覺、人工智能理論的發展，對包含運動目標的圖像序列進行分析和處理，能夠實現交通管理的高效智能化。隨著視頻圖像處理技術硬件的不斷發展，我們所面臨的挑戰是如何找出與硬件相匹配的高效的軟件技術（即先進的算法），使智能交通系統的功能更加強大和完善。

【參考文獻】

[1]梁曉愛.基于視頻的車輛檢測與跟蹤技術研究[D].山東師范大學，2010.

[2]許潔瓊.基于視頻圖像處理的車輛檢測與跟蹤方法研究[D].中國海洋大學，2012.

[3]衛小偉.視頻圖像處理技術在智能交通系統中的運用[J].電子測試，2015（6）.

[4]姜旭.視頻圖像處理技術在智能交通系統中的應用[D].蘇州大學，2009.

[5]張琪.基于層次的交通視頻陰影檢測方法[D].東北師范大學，2014.

[6]朱翔.基于圖像處理技術的交通流量視頻檢測系統研究[D].燕山大學，2012.

[責任編輯：李書培]