基于小波變換的線陣CCD車輛檢測算法

宋 柱，趙 佳，劉新雨 Song Zhu，Zhao Jia，Liu Xinyu

?

基于小波變換的線陣CCD車輛檢測算法

宋 柱，趙 佳，劉新雨 Song Zhu，Zhao Jia，Liu Xinyu

（長安大學 汽車學院，陜西 西安 710064）

傳統的車輛視頻檢測算法都是基于帶有復雜背景的面陣CCD圖像，不利于對象分割和特征提取。線陣CCD圖像的背景比較單一，且幀率遠高于面陣CCD，可以實現高精度的車輛檢測。提出基于小波變換的線陣CCD圖像的車輛檢測算法。試驗結果證明該算法能有效降低光照和汽車陰影等因素造成的誤檢率。

線陣CCD；小波變換；車輛檢測；分割；二值化

0 引 言

精確地從視頻流中提取出運動目標一直是計算機視覺領域中的研究熱點，同時也是現代智能汽車技術的一個重要組成部分。目前，常用的運動目標檢測方法有光流法、幀差法、邊緣檢測法和背景差分法。

光流法[1]對聲音特別敏感，并且計算公式很復雜，計算量非常大，如果沒有特殊的硬件支持，很難應用在實時系統中。幀差法[2]將兩個相鄰幀相減，提取保留的車輛信息，環境以及光照變化對幀差法的影響不大，但是當相機抖動時，兩個相鄰幀的背景點會引起對應的“抖動”，此時這種方法因不能正確過濾掉背景而會導致誤判，同時該方法也不能檢測靜止的或者速度很低的車輛。邊緣檢測方法可以在不同光線條件下檢測出車輛的邊緣，并使用邊緣信息檢測出靜止或者運動的車輛，但是在車輛邊緣不明顯或存在道路障礙時可能會錯誤地識別車輛。背景差分法是最簡單和最常用的一種方法，該方法適用于靜止的相機，并且能完整地分割出運動目標，但是容易受天氣、光照等影響。

傳統視頻檢測方法是基于陣列圖像，而陣列圖像中的復雜背景圖像對目標分割和特征提取非常不利。而線陣CCD（Charge Coupled Device，電荷耦合器件）的背景圖像相對簡單，易于后續目標分割和特征提取。同時，線陣CCD的圖像幀率遠高于陣列CCD圖像，從而能實現高精度檢測。提出一種基于小波變換的線陣CCD車輛檢測算法。該算法可以有效地抑制光線和陰影的干擾，實現實時、準確的車輛分割以及車輛檢測。

1 基于小波變換的背景提取方法

目前，國內外許多研究人員致力于研究背景模型，例如基于統計模型的方法有單高斯模型，高斯混合模型（Mixture of Gauss，MOG），非參數模型等；或基于預測方法，如卡爾曼濾波器（Kalman Filter，KF）方法[3]，維納濾波器方法等；還有一些其他的方法，如接近中值濾波器方法和貝葉斯估計方法等。

1.1 小波分解的特點

小波變換建立在傅里葉變換的基礎上，利用傅里葉變換，可以知道信號的頻率信息，但是不能知道頻率信息的具體時間。為了提取即時的頻域特征信息，Gabor提出窗口傅里葉變換[4]。然而，窗口函數不是靜態的，不隨時間和頻率變化，因此對瞬態信號的分析還是受到很多限制。小波變換克服了窗口傅里葉變換中窗口大小不隨頻率改變以及正交基的缺乏等缺陷。由于小波變換具有很好的時頻局部特性因而廣泛應用于信號處理。

法國學者馬特勒使用多分辨率分析的框架，并提出離散小波變換的快速算法，即馬特勒算法。令原始信號為0，該算法可以描述為：

（2）

式中，0()和1()分別為分解低通和高通濾波器，C+1, k為第1個低頻信號圖像的系數；d+1, k為第1個高頻詳細信號的系數。

首先選擇沒有車輛目標的圖像數據為初始背景。在馬特勒塔式算法下進行背景數據的3個小波分解，如圖1所示，對前景數據也做相同的處理；計算出前景和背景的交叉相關系數，如果相關系數小于閾值，前景數據將被保留作為新的背景數據；如果大于閾值，則丟棄前景數據。

圖1中，W(,)是前景圖像或者背景圖像的初始圖像信息值，經過一次小波分解后圖像信息被分解為包含低頻信息的h(-)和包含高頻信息的h(-)兩部分；對得到的高頻信息h(-)再進行一次小波變換，重復小波變換將第一步小波分解后得到的高頻信息圖像分為包含低頻信息和高頻信息的兩個部分。

1.2 小波變換的背景提取方法

假定對每行背景數據更新一次，且每行有個像素。將這行數據的灰度等級數據放入一個二維數組（，）中，其中（0≤≤-1）是閾值計數，（0≤≤-1）是當前行的第1個像素。基于小波變換的背景提取算法如下。

1）獲得初始背景

（1）令=0；

（2）對二維數組（，）中的首個列的灰度值進行小波變換后取其中的高頻部分（）（0≤≤-1）；計算可知，所有指向高頻部分的絕對值的統計點都小于閾值1；

（3）如果統計點小于閾值2，則認為前面幀的點過多，不利于提取背景，則對下一幀重復步驟（1），否則繼續步驟（4）；

（4）計算該列所有帶統計值的點的灰度值的中值0（），將它作為該列的初始背景灰度值；

（5）=+1，如果=則停止計數，否則，轉到步驟（2）。

2）背景更新

使用當前幀的數據估計前一幀的背景以此更新背景。

（1）令=0；

（2）令=0，=0；

否則，使用式（4）計算點的新背景

（4）

其中，3為閾值，和為濾波因子。通常，更新速度取決于因子和，如果大，則背景更新速度慢；如果大，則背景更新速度快。

（4）令=+1，如果=，轉到步驟（5），否則，轉到步驟（3）；

（5）計算該列的所有點的新背景（，）的中值B+1（），并且將它作為該列的新背景值；

（6）令=+1，如果=，轉到步驟（7），否則，令=0，并轉到步驟（3）；

（7）如果算法收到終止更新背景的指令，則停止計數，否則，令=+1，并轉到步驟（2）。

至此，使用小波變換完成對采集的線陣CCD背景圖像的提取。

2 車輛檢測

2.1 二值化

通過以上步驟獲得CCD背景圖像，然后用獲得的圖像減去背景圖像，可得到目標。對于不同的圖像選擇不同的閾值進行二值化處理。

提出一種基于小波的紋理提取算法。使用3次小波分解，獲得背景灰度像素曲線的詳細系數曲線。然后標記局部極大值點為1，最小值點為?1，其他值點為0；此時，背景的像素曲線確定的數據集變為一個形如{?1，0，1，…}的集合，該集合是對背景圖像紋理[5]的描述。對前景圖像也進行相同的處理，最后用前景紋理減去背景紋理，使用數學形態濾波器獲得目標的二值化圖像。

2.2 車輛分割

車輛實時分割是對圖像的每一行二值化后的結果。根據關閉的相機視圖可將線陣CCD視圖分為5個邏輯通道（對應監控的3個物理通道），每個邏輯通道上包含許多信息，包括預觸發標志、確認觸發標志、空白行計數器、客觀存在計數器、目標左邊界、目標右邊界、開始行目標的數目、終止行目標的數目、預觸發點的中心位置、目標級投影計數器以及觸發器的精確行數等[6]。使用當前的二進制結果標記水平的連接區域，并且判斷連接的區域所屬的邏輯通道。然后把它與邏輯車道信息比較，并且綜合判斷它是一輛汽車的開始還是一輛汽車的延續。當已經證實車輛在邏輯通道上，并且其中連續的空白行數超過該通道的閾值，即認為達到車輛的末端。使用目標的左邊界和右邊界，初始行和終止行就可以確定目標的范圍，也就實現了實時的車輛分割。

3 試驗結果

為測試和驗證算法的正確性和有效性，在長安大學校園內進行試驗。線陣相機成像系統放置于道路上，道路長度限制為11.25米。基于線陣CCD相機的交通信息采集系統用來采集線性陣列圖像，如圖2（a）所示。因為夜間燈光的影響，車輛前方夾雜著斑點；由于交通信息采集系統燈光的影響，車輛側邊出現陰影。使用統計方法提取前景后再減去背景得到的受影響的二值化圖像，如圖2（b）所示。由于陰影的不同，所以它們是錯誤的目標。使用基于小波分解的算法得到的圖像，如圖2（c）所示，可知該算法可以很好地分離目標和陰影。使用提出的算法得到的車輛分割結果，如圖2（d）所示。結果表明該算法能減弱燈光和陰影的影響，取得更好的分割效果。

（a）???????????（b）???????????（c）???????????（d）

圖2 試驗結果

小波變換算法對每行數據的平均處理時間不超過1 s，而線陣CCD相機采集數據速率為每秒 1 000行；因此該算法能確保實時數據處理，也為車輛匹配、速度計算以及車牌捕獲等提供良好的基礎。

4 結束語

試驗表明，基于小波變換的CCD線陣相機車輛檢測算法很好地控制陰影以及燈光對車輛檢測的影響，能很好地分離出車輛目標，并且對每行數據的平均處理時間不超過1 s，確保實時的數據處理效率，為車輛智能化以及無人駕駛打下良好的基礎。

[1]朱會強.基于視頻跟蹤的車輛行為分析技術研究[D]. 西安：長安大學，2011.

[2]Xiao M., Han C., Zhang L.. Background Subtraction for Video Image Sequence[J]. Opto-Electronic Engineering, 2005 (32): 78.

[3]Lee D.S., Hull J.J., Erol B.. A Bayesian Framework for Gaussian Mixture Background Modeling[C] //International Conference on Image Processing, 2003, 3:Ⅲ-973-6 vol.2.

[4]Javed O., Shafique K., Shah M.. A Hierarchical Approach to Robust Background Subtraction Using Color and Gradient Information [C]// Workshop on Motion and Video Computing, 2002: 22-27.

[5]張祺. 基于線陣CCD的圖像采集技術研究[D]. 南京：南京理工大學，2009.

[6]張旭.高速線陣CCD數據采集、傳輸與處理技術的研究[D]. 長春：長春理工大學，2008.

2016-09-26

1002-4581（2017）02-0035-04

U491.1+16

A

10.14175/j.issn.1002-4581.2017.02.009