機器視覺的輕量級交通擁堵檢測技術的運用研究

摘要：隨著機動車保有量的增加，我國交通現象擁堵現愈發嚴重，路管交通部門也對此給予了更多關注。為了更好的獲取交通基本參數信息以檢測交通道路擁堵程度，本文提出了一種依靠機器視覺來評測交通擁堵程度的全新系統，通過在路口設立監控設備，來對實時路況進行監測并將采集到的信息及時反饋進行智能分析處理，結合路面的實際動態，來判斷道路是否存在擁堵現象，以便于及時采取措施達到緩解交通壓力的目的。

關鍵詞：機器視覺;輕量級;監測交通擁堵

引言

關于交通擁堵問題的解決方案，相關部門曾采用增加路網建設密度、加寬城市主干道路、建立城市立交橋等方法，然而隨著經濟水平的提高，私家車變得普及起來，這些方法越來越顯現出其作用的局限性，因此人們迫切需要通過科學技術手段來改善日趨嚴重的交通擁堵問題。當前人們獲得基本交通信息的方法主要依靠各類傳感器（如埋在地下的線圈傳感器、雷達等），如今隨著視訊手段的全面提高，依靠機器視覺系統，通過在道路設立監控設備采集各種交通參數信息，針對實時交通狀態進行評估來判斷交通擁堵狀態成為可能[1]。

一、交通擁堵的輕量級檢測

（一）監控區域中道路的定制

車輛是以視覺為主檢測道路交通擁堵的重要媒介，在實際展開檢測工作過程中，需要對行駛中的車輛進行跟蹤，以此來掌握各種交通基本參數，包括車輛密度、平均行駛速度以及車流量等，在整合各項參數時，可更加明確擁堵狀態。而這一方法應用中，計算量較大。而道路特征的實時變化可以更加清晰地反應交通擁堵狀況，同時以路面作為研究主體不必對過往車輛進行全方位跟蹤即可獲得車輛行駛速度、道路擁堵密度等交通參數，減少了信息采集的工作量，避免復雜的計算過程，因此將道路作為監控區域的來評估交通擁堵系數的研究比監控車輛的研究更有實際意義。

在監控設備采集到的交通場景圖中，可以通過機器視覺系統自動從區域圖中標記出路面，也可以通過機器輔助的方法人工操作定制監測區域。車道是監測交通擁堵狀態的主體，而路邊建筑物、綠化帶及行人通道則不屬于視頻監測的主要目標。因此在實際交通監控場景中，監控設備一般架設于十字路口的位置，以保證其同時監控整個路面，另外設備的設立高度和角度與也要經過精細計算，以保證其精確分割車道區域，避免無用信息的采集，減少計算量。

（二）采樣點的設立

在監控設備采集得到的視頻圖像中信息量極其龐大，其中不可避免的存在大量時間冗余和空間冗余，因此需要定制采樣點做參造物的方法來去除其中的其中冗余信息。時間冗余是指采集到的同一序列圖像中相鄰兩幀的圖像背景和移動目標相同，只不過其位置略有變化而產生的無用數據;空間冗余是指數據圖像中有著相似背景同時顏色相近的大面積區域，導致其像素點數據具有相關性，這種大量重復或類似的數據即稱為空間冗余。一般來說，車道區域和同一車輛的顏色、亮度都是一樣的，因此采集得到的圖像中往往存在大量的空間冗余[2]。

考慮到車輛的面積大小在路面移動的過程中是不會改變的，因此可以將多個采樣點均勻有序的排列成一個平面，以此來代替監測路面，通過車輛移動時遮擋住采樣點使其平面形態出現變化，來判斷路面的實際情況。需要注意的是，在監控設備錄制的二維平面圖像中，同一物體在現實空間中距離鏡頭的遠近，影響了其在畫面中所呈現出來的圖像面積大小。因此在設立采樣點的過程中要保證采樣點的分布隨著與鏡頭之間的距離變化不斷調整，距離鏡頭越近的采樣點，其彼此間的間距越大。

二、采樣點的分類

根據監控設備反饋回來的圖像信息，觀測采樣點是否存在被車輛遮擋的情況，可將采樣點分為存在采樣點和非存在采樣點。存在采樣點即為有物體存在導致采樣點被遮擋的情況，非存在采樣點指的是采樣點上沒有物體存在。同時采樣點又可以分為移動存在采樣點和靜止存在采樣點。從字面理解，移動存在采樣點是車輛在采樣點構成的平面結構中移動的狀態，靜止存在采樣點則指在平面空間中，該采樣點上的車輛狀態為靜止狀態[3]。

根據存在采樣點在總體采樣點中所占的比例大小，可以判斷道路車輛密度，同時根據移動存在采樣點和靜止存在采樣點的比例，可以判斷當前車輛的流通速度，以及是否存在擁堵現象。

三、擁堵狀態判定

在視覺系統的判定中，道路擁堵狀態是根據靜止存在采樣點判斷出來的。然而靜止存在采樣點是無法直接體現在圖像信息當中的。需要從總體存在采樣點中分離移動采樣點的數量，兩者之差才是靜止采樣點的最終數據。因此首先需要準確獲得存在采樣點和移動采樣點的數據信息。

（一）存在采樣點的檢測

首先設立二值化閾值TH1和作為參考背景的采樣點圖像B0;其次選取t時刻的采樣點圖像Xt，根據公式

Dt=Xt-B0

可得出t時刻的差分圖像為Dt。利用閾值TH1對差分圖像Dt進行二值化處理，即可得到當前時刻的存在采樣點圖像Et。此刻圖像內的采樣點可分為1和0兩種狀態，0表示該采樣點上沒有物體存在;1表示該采樣點上被物體遮擋，即為存在采樣點。

（二）移動存在采樣點的檢測

分別讀取t、t-1、t+1時刻的采樣點圖像，然后根據公式

D1t=Xt—Xt-1

D2t=Xt-Xt+1

得到第一差分圖像D1t和第二差分圖像 D2t;然后分別使用閾值TH1和TH2對D1t、D2t進行二值化處理，可得到當前時刻移動存在采樣點圖像Yt。

最后根據存在采樣點和移動存在采樣點的數據做求差計算，可以得到靜止存在采樣點的具體數據，從而可判斷當前交通擁堵狀態[4]。

結語

本文所提到的關于機器視覺的輕量級交通擁堵檢測技術，其操作方便，數據采集準確且方便，并且算法簡單，同時這種視覺檢測系統能通過網絡與交通信號燈等智能模塊進行銜接，從而達到隨時調整通行信號，應對擁堵狀態及時采取措施的功能。

參考文獻：

[1]葉鋒，廖茜，林蕭， 等.基于機器視覺的交通擁堵評估系統[J].計算機系統應用，2017，26（7）：78-83.

[2]湯一平，黃磊磊，嚴杭晨， 等.輕量級的全息道路交通狀態視覺檢測的研究[J].計算機科學，2014，41（5）：308-314.

[3]郭海濤.基于圖像識別技術的區域交通擁堵狀態判別研究[J].信息記錄材料，2019，20（1）：74-76.

[4]汪青，梅瑞麟，周岳斌.基于機器視覺的車流監測和交通燈智能控制[J].機械管理開發，2019，34（2）：199-201.

作者簡介：

雷華陽（1982.12—），女，漢族，云南昭通，大學本科，主要從事交通管理視頻調度工作。