基于視頻虛擬檢測線特征的交通流參數檢測

盧朝暉

（浙江力嘉電子科技有限公司 浙江省諸暨市 311800）

在城市化建設速度不斷加快，整體規模持續擴大的背景下，城市交通擁堵、緊張問題日益凸顯。相關工作人員需要通過科學化的管理方法對道路運行展開管理，以最大限度發揮道路承載能力，緩解交通壓力，改善交通環境、在這一背景下，ITS 即智能交通系統應運而生，并得到了積極的發展，在提升道路有效利用率方面發揮著非常重要的作用。而智能交通系統的應用必須以車輛以及交通流參數的可靠檢測為基礎，如何獲取精確的交通流參數一直以來是業內人士重視的課題之一。視頻檢測技術發展至今已經較為成熟，憑借其實時性、穩定性、智能性等一系列優勢在交通流參數檢測工作中發揮著重要的應用價值。本文即提出一種基于視頻虛擬檢測線特征的交通流參數檢測方法，并就檢測步驟以及關鍵處理環節進行分析，僅供業內有關人員參考。

1 視頻采集與目標分割

基于視頻虛擬檢測線特征的交通流參數檢測以DV 攝像機現場采集圖像資料為依據，整套系統運行前將數字視頻信號轉換為經壓縮后AVI 格式文件并按照25 幀/秒，像素320×240 的標準保存，然后對視頻文件進行處理，將所需交通流參數提取出來。在此環節工作中，為了減少計算難度，滿足交通流參數檢測實時性要求，可以車道2 條檢測線為依據進行目標分割處理。此環節中選用基于改進的背景幀差法，通過對兩幀圖像差值進行計算，并與預設參數進行對比的方式，獲取背景幀差參數。此過程中，將系統輸入圖像幀定義為Ct，將背景圖像幀定義為Bt，將預設參數定義為Th（該參數能夠減少采集視頻圖像中光線變化以及噪聲對交通流參數檢測結果的影響），則可以形成如下式（1）所示關系，在輸入圖像不含車輛的情況下，背景圖像幀與輸入圖像幀相同，差值為0；在輸入圖像含車輛的情況下，背景圖像幀與輸入圖像幀存在差值。

圖1：某車道2 條視頻虛擬檢測線對應檢測信號示意圖

圖2：單位時間通過車輛數量判斷流程示意圖

2 邊緣檢測

在視頻圖像檢測裝置對車輛進行進行采集的過程當中，車輛有比較豐富的邊緣信息，陰影邊緣較少。在邊緣檢測處理環節中，車輛陰影與路面陽光光線接觸界限會存在一定邊緣，且對圖像亮度變化有較高的穩定性，對車輛識別而言是非常有利的。為滿足交通流參數檢測需求，在邊緣檢測環節中引入基于Kirsch 檢測算法，該算法對于當前像素e 定義8 個相鄰像素，以3 個相鄰像素為A 組，另5 個像素為B 組，A 組像素以中心點e 為標準不斷移位，同時以A組像素*5-B 組像素和*3 的方式，取最大值作為當前像素值。

3 形態除燥

視頻裝置拍攝車輛運動軌跡過程當中，需要經過包括拍攝、傳輸、以及格式轉化等一系列處理步驟，上述環節會產生附加噪聲，并且背景選取的精確性以及拍攝裝置抖動等因素都可能會導致目標分割圖像中含有一定非運動性噪聲，因此必須對噪聲進行處理，以提高交通量參數檢測的精確性。本文選用3×3 結構元素，結構中每一元素均為0，元素中心為左上角。整個系統運行過程當中視頻虛擬檢測線像素寬度范圍在4～20 間，通過實際的運行檢測線寬以6～10 個像素為標準，在保證交通量參數檢測質量的同時不會造成較大的運算負荷。在使用形態學運算處理圖像邊界時如果嚴格按照“當結構元素與輸入圖像不相交時，就不處理”的原則，那么圖像的邊界就沒有被處理的機會，而所設的檢測線的寬度相對來說很窄，處理作用不太明顯。系統實現時為了取得較好的處理結果，把圖像邊界向外進行了復制。通過上述方式對視頻檢測圖像進行形態除燥處理，有效抑制采集圖像中的噪聲干擾。

4 信號生成與參數提取

在經上述步驟處理后，所對應圖像仍然以RGB 24 位格式保存，為進一步生成虛擬檢測信號并完成參數提取操作，需要對每一幀虛擬檢測線所對應像素值進行疊加處理，然后與檢測線像素個數相除，并做歸一化處理。在此過程中，將虛擬檢測線高定義為h，將虛擬檢測線寬定義為w，將陰影邊緣去除后圖像定義為Et(i,j)，將虛擬檢測線歸一化處理后信號定義為St，則有如下式（2）所示描述關系：

同時，如圖1 所示為某車道2 條視頻虛擬檢測線所生成檢測信號示意圖。交通流參數檢測需提取信息包括：（1）單位時間通過車輛數量；（2）通過車輛行駛速度；（3）車道時間占有率。

（1）單位時間通過車輛數量。利用信號St對單位時間視頻虛擬檢測線上是否有車輛通過進行判斷。當信號St>預設參數的情況下，判斷為單位時間內有車輛通過，當信號St≤預設參數的情況下，則判斷單位時間內無車輛通過。同時，在交通流參數提取過程中，車輛正面玻璃會在很大程度上對車輛檢測信號產生影響，當其處于檢測線上時，St多<預設參數。因此，編程過程中需要對最大容許錯幀數進行規定，以判斷車輛幀數，當滿足連續判定為有車輛通過幀數>最小判定為車輛幀數的情形下，單位時間通過車輛數量+1，具體算法流程如圖2 所示。

（2）通過車輛行駛速度。單位時間通過車輛數量可以利用單個虛擬檢測線實現，而車輛行駛速度的判斷則需要車道2 條虛擬檢測線共同完成。對于某車輛而言，在經過某車道前、后所設置檢測線時對圖像進行采集，將進入2#虛擬檢測線時所對應幀號定義為StartFrameNum2，將進入1#虛擬檢測線時所對應幀號定義為StratFrameNum1，在2 條虛擬檢測線間距離D 已知，并且采集視頻幀率為R 的情況下，可以由下式對通過車輛行駛速度進行計算：

該式中，2 條虛擬檢測線間距離D 應當滿足基本條件：即任意時刻下僅存在一輛車輛，且虛擬檢測線間距離應當盡量大。主要原因在于：視頻虛擬檢測線采集幀率基本處于恒定狀態下，系統存在固有誤差，為1/2R（單位：s），車輛經過2 條虛擬檢測線時測量時間誤差可以定義為1/2（StartFrameNum1-StartFrameNum2）。由上述分析可見：當2 條虛擬檢測線在任意時刻僅存在一輛運行車輛的情況下，2 條檢測線間距越大，則對應通過車輛行駛速度的檢測誤差越小。具體算法流程如圖3 所示。

在圖3 所示通過車輛行駛速度算法流程圖當中，以Vehicle1 定義為1#虛擬檢測線車輛計數器記錄數值，Vehicel2 定義為2#虛擬檢測線車輛計數器記錄數值。為測定車輛行駛速度，需要同步進行計數，對于所提取數值，行駛速度測量的具體過程應當為：第一步，判斷2#虛擬檢測線對應車輛計數器是否+1，判斷為是的情況下進入2#虛擬檢測線對應幀號；第二步，判斷1#虛擬檢測線對應車輛計數器是否+1，判斷為是的情況下進入1#虛擬檢測線對應幀號；第三步，對1#、2#虛擬檢測線上計數器數值是否相等進行判斷；第四步，計數器數值相等的情況下對車輛速度進行計算。

（3）車道時間占有率。車道時間占有率常用于交通流密度的實際測量中，將該指標定義為某一時間范圍內車輛通過某特定斷面累積時間占該時間范圍的百分比，可作為評估該路段擁擠程度的標準，車道時間占有率越高，則提示該路段車道車輛越多。將車道時間占有率定義為X，將檢測車輛數定義為i，將第i 輛車輛所對應信任幀數定義為Crediblei，將第i 輛車所對應容忍幀數和定義為SumSufferancei，將當前采集視頻幀號定義為CurFrameNum，則可以將車道時間占有率用如下式（4）所示方式表示：

5 背景選取與更新

圖3：通過車輛行駛速度算法流程示意圖

是否能夠提供可靠且準確的背景圖像，這一問題直接關系到整個交通流參數系統檢測的精確性水平。整套系統原始背景需要進行初始化處理，系統開啟視頻文件時處于暫停狀態下，以第一幀圖像為背景圖像，但若背景中存在行人、車輛等運動目標，影響背景效果，可以連續播放視頻文件，在適宜時刻將暫停圖像作為初始化背景。

為能夠與時間變化相適應，需在交通流檢測系統中引入背景動態更新方法，以虛擬檢測線為依據。考慮到基于像素更新的背景處理方法對預設參數有較高依賴性，背景更新效果偏差，一定程度上影響檢測效果，且系統運行過程中存在車輛漏檢或容忍幀可能性，因此算法不能簡單的在滿足檢測線上特征量為0 這一條件時對背景進行更新，背景更新的條件應當滿足：檢測線特征量連續150 幀持續為0。將經更新處理后背景定義為Bt(i,j)，將連續150 幀圖像中第30 幀特征量定義為Ct-120(i,j)，將第60 幀特征量定義為Ct-60(i,j)，將第90 幀特征量定義為Ct-90(i,j)，將第120 幀特征量定義為Ct-30(i,j)，則形成如下式（5）所示描述關系：

6 結束語

本文上述分析中圍繞基于視頻虛擬檢測線的交通流參數檢測方法進行分析與闡述，對背景差方法進行改進，提出了可有效抑制車輛陰影邊緣的具體算法，并對車輛檢測信號形成方法進行研究，以滿足單位時間通過車輛數量、通過車輛行駛速度、以及車道時間占有率等相關交通流參數的可靠檢測，上述分析需要引起業內人士的關注與重視。