（固体力学专业论文）交通流的流体力学模型参数获取方法研究.pdf

摘要本课题主要研究了交通流的流体力学模型参数的获取方法。交通流理论作为一门运用物理与数学定律来描述交通特性的边缘学科，现有的交通流理论都是从宏观角度采用连续介质模型即流体力学模型来描述交通状态，模型若干方程中包含了两个最重要的参数：流量与车速。为了准确分析交通流的流动特性，就必须获取具有可信度较高的交通流数据。本文从视频图像序列处理角度出发，讨论了交通流量与车速的获取方法。首先采用背景差分对运动目标进行分割。在背景差分当中，关键的技术难点在于背景模型的自适应性。如果不考虑背景模型的自适应性，将会对目标分割带来比较严重的噪声干扰，而且在实际当中也应考虑背景的变化。为了降低噪声对目标分割的影响，还要通过腐蚀或者膨胀的办法进行降噪。随后通过阈值判断来确定分割出的运动目标。其次提取出有价值的信息作为跟踪运动目标的依据。本文当中的信息主要是分割窗口大小和质心位置。在这里我们把图像序列作为一组随机模型序列，通过卡尔曼滤波器对运动目标进行跟踪。卡尔曼滤波本质思想是通过观测值与状态值之间求取最小协方差的方法，不断修正模型。运动目标的跟踪是为了确定目标的轨迹，有了轨迹就有了车速与车流量等交通参数。最后提出了系统软件解决的方案。该系统可同时检测6 个车道，对通过的车辆计数；能够对监视区域内的运动车辆进行实时速度测量：可灵活设置、移动虚拟线圈，随时调整参数及灵敏度；可连续存储1 0 天的检测数据。本课题的研究成果和算法可以转化为硬件实现方式直接运用于视频交通流信息采集软件，具有算法合理、精度高、速度快和实时性好的特点。关键词：交通流；数字图像处理；流体力学；图像跟踪a b s tr a c tt h i ss u b j e c ti sm a i n l yc o n c e r n e dw i t hh o wt og e tt h eh y d r o m e c h a n i c a lm o d e lp a r a m e t e r sa b o u tt r a f f i c f l o w a sam a r g i n a ls u b j e c t ，t h et h e o r yo ft r a f f i c f l o wi sd e s c r i b e db yp h y s i c sa n dm a t h e m a t i c s f r o mm a c r o s c o p i e a lp o i n to fv i e w , t h ec u r r e n tt h e o r yo ft r a f f i c f l o wu s e sh y d r o m e c h a n i c a lm o d e lt oe x p r e s st r a f f i cc o n d i t i o n ，i n c l u d i n gt w oi m p o r t a n tf a c t o r s ：f l u xa n dv e l o c i t y a na c c u r a t ea n a l y s i so f t r a f f i c f l o wm u s td e p e n do nal o to fr e a s o n a b l ed a t a t h ep a p e rd i s c u s s e sd i g i t a li m a g ep r o c e s s i n ga sam e t h o do fg e t t i n gm o d e lp a r a m e t e r s f i r s t l y , t h ep a p e rs t u d i e sp i c t u r es e g m e n t a t i o nt h r o u g hb a c k g r o u n ds u b t r a c t i o n ak e yi s s u el i e si ns e l f - a d a p t a b i l i t yo f b a c k g r o u n dm o d e l i f t h ei s s u ei si g n o r e d ，ab a dn o i s ei n f l u e n c ew i l lh a v eo ni m a g es e g m e n t a t i o n a c c o r d i n g l y , t h ea u t h o rt a k e sa d v a n t a g eo fm a t h e m a t i c a lm o r p h o l o g yt or e m o v en o i s e t h e nm o v i n go b j e c t sa r eb ec o n f i r m e db yc o m p a r i n gat h r e s h o l d s e c o n d l y , t h ea u t h o rc a ng e ts o m ev a l u a b l ei n f o r m a t i o n ，w h i c hi n c l u d e ss e g m e n t a t i o nw i n d o wa n dt h ep o s i t i o no fc e n t r o i d am e t h o dn a m e dk a l m a nf i l t e r ,w h i c hi sag o o dm a t h e m a t i c a lt o o lt op r e d i c t ，i se m p l o y e dt ot r a c em o v i n go b j e c t a sar e s u l t ，t h ea u t h o rw i l lg e tt w op a r a m e t e r s ：f l u xa n dv e l o c i t yo fc a r f i n a l l yt h es o l u t i o nt h r o u g hs o f t w a r ei sa l s oc o m eu pw i t hi nt h i sp a p e r t h es y s t e mc a ni n s p e c t6c a rw a y sa tt h es a m et i m e ，c o u n tt h en u m b e ro fm o v i n gc a r sa n dm e a s u r et h ev e l o c i t ya n df l u xo fc a r m o r e o v e r , t h es y s t e mc a na l s os e ta n dc h a n g ev i r t u a lw i n d i n gf r e e l ya n dt u l l ep a r a m e t e ra n ds e n s i t i v i t y t h eo u t c o m eo ft h i ss u b j e c tm a yc o n v e r ti n t oa na p p r o a c hb yh a r d w a r e ，w h i c hd i r e c t l ya p p l yi nv i d e om o n i t o r i n g i th a ss o m ev i r t u e ss u c ha sr e a s o n a b l ea r i t h m e t i c ，f i n ep r e c i s i o n ，h i g hv e l o c i t ya n dg o o dr e a l t i m e k e yw o r d s ：t r a f f i c - f l o w ；d i g i t a li m a g ep r o c e s s ；h y d r o m e c h a n i c a lm o d e l ；i m a g 。t r a c i n gi l独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果尽我所知，除了文中待别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构的学位或证书而使用过的材料与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意签名：茸日期关于论文使用授权的说明本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件。允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文( 保密的论文在解密后应遵守此规定)签名 毂军导师签名链嗍毛第1 章绪论1 1 交通流的流体力学模拟理论1 1 1 流体力学理论的建立交通流理论在2 0 世纪3 0 年代才开始发展，最早采用的是概率论方法。1 9 3 3年，k i n z e r j p 论述了泊松分布应用于交通分析的可能性；1 9 3 6 年，a d a m s 发表了数值例题。在4 0 年代，由于第二次世界大战的影响，有关交通流理论的发展不多。5 0 年代，随着汽车工业和交通运输业的迅速发展，交通量、交通事故和交通阻塞的骤增，交通流中车辆的独立性越来越小，已经采用的概率论方法越来越难于适应，迫使理论研究者寻求新的模型，于是相继出现了跟驰理论、交通流的流体力学模拟理论和车辆排队理论。1 9 5 9 年1 2 月，交通工程学应用数学方面学者i 0 0 多人在底特律举行首届交通流理论学术讨论会。从此，交通流理论的研究进入了个迅速发展的时期，到1 9 8 1 年已经举行了8 次交通流理论的专题讨论会。1 9 7 5 年d a n i e li g 和m a r t h o wj h 汇集了各方面的研究成果，出版了交通流理论一书，较全面、系统地阐述了交通流理论的内容及其发展。交通流理论是运用物理学和数学的方法来描述交通特性的一门边缘科学，它用分析的方法阐述交通现象及其机理，使我们能更好地理解交通现象及其本质，并使城市道路与公路的规划设计和营运管理发挥最大的功效。运用交通流理论中的流体力学模型和流体力学的基本原理，将交通流比拟为流体流，模拟流体的连续性方程，建立车流的连续方程。把车流密度的疏密变化比拟成水波的起伏而抽象为车流波，通过分析车流波的传播速度，以寻求车流量、密度和速度之间的关系。交通流量q 、行车速度以、车流密度k 是表征交通流特性的三个基本参数，此三参数之间的基本关系为q=kk(t-t)式中q 平均流量( 辆h )”，平均车速( k m h )k 平均车流密度( 辆k m )些垩些耋鐾型兰些查一1 1 2 车流连续性方程假设车辆顺次通过断面i 和i i 的时间隔为f ，两断面的间距为缸。同时，车流在断面i 的流入量为q ，密度为k 。车流在断面i i 的流出量为( g + g ) ，密度为( k 一龇) 。龇前面加一负号，表示在拥挤状态，车流密度随车流量的增加而减少。根据物质守恒定律，流入量一流出量= a x 内车辆数的变化即【q 一( g + a q ) a t = 【k 一( k 一七) 】缸或譬+ 鲁：0( 1 _ 2 )f 缸取极限可得娑+ o q ：0( 1 - 3 )a t瓠。上式表明，当车流量随距离而降低时，车流密度则随时间而增大。1 1 3 车流波动方程列队行驶的车辆在信号灯交叉口遇到红灯后，即陆续停车排队而集结成密度高的队列；绿灯启亮后，排队的车辆又陆续起动而疏散成一列具有适当密度的车队。车流中两种不同密度部分的分界面经过一辆辆车向车队后部传播的现象，称为车流的波动。此车流波动沿道路移动的速度称为波速。波速公式为= 畿小。，k 一k ，式中：集散波的波速q ，和q ：前后两种车流状态的流量足，和k ，一前后两种车流状态的密度如果车流前后两行驶状态的流量和密度非常接近，则上式可演化会为：矽：塑o-s)dk1 1 ，4 交通流量参数的获取为了定量描述交通流，就必须测量这些基本参数，而且要保证一定的测量精度。测量这些参数，需要相应的软硬件系统。系统中有硬件部分，也有软件部分，软件部分则主要涉及数字图像处理理论和算法。随着与数字图像处理相关的软硬件技术的迅速发展，数字图像处理相关的发展将越来越快，因此也将会促进交通流测量技术的迅猛发展。1 2 确定交通流信息的现实意义为了能够科学合理的解决城市交通问题，改变城市居民的出行条件和城市的发展环境，对城市现有道路交通流量和道路交通状况进行调查分析，准确掌握交通流信息就有着十分重要的现实意义。首先，它为制定城市交通规划提供必要的交通数据。通过全面了解交通状况，分析交通数据，就可以预测未来的交通量和道路交通状况，从而为制定交通规划、道路网规划、道路技术等级和道路修建次序以及预计建设投资和效益回收提供依据。其次，交通设施的修建和改建离不开交通数据和道路交通信息。有了确切的交通数据和道路状况信息，就能正确确定道路等级、几何线形、交叉口类型、平面交叉，和是否需要改建成立体交叉等问题，避免盲目建设。再次，城市智能交通控制离不开交通数据和道路交通状况的需求。智能交通控制如果脱离了交通数据和道路交通状况的实际，则交通控制效果就会大大降低。第四、交通数据和道路交通状况信息是做出科学的交通管理决策的依据。比如，实施单向交通，禁止某种车辆进入或转弯，设置交通标志和标线，实施交通的渠化，指定车辆的通行车道或专用道，中心线移位以及扩大入e 1引道的车道数目，道路施工、维修时禁止车辆通行并指定绕行路线，以及交通民警警力配备等等，都需要交通数据和道路交通资料做指导和配合。第五，交通数据和道路交通状况信息能够用于推算通行能力，预估交通事故率，进行交通环境影响评价，预估收费道路的收入和效益以及工程的可行性研究。如果涉及到社会经济环境效益时，交通量的大小状况的优劣，对方案论证都有举足轻重的作用。此外，通过对交通数据和交通状况信息的分析，可以广泛开展城市交通的理论研究，进行各种工程措施、管理措旅实施情况的前后对比，判断改善交通措施的效北京工业大学工学硕士学位论文果等。总之，交通流数据对城市道路交通建设都十分重要。1 3 数字图像处理技术在获取交通流信息中的应用证1从以上两小节我们可以看出，交通流信息参数不仅是流体力学模型建模的基础，而且对于控制和改善交通有着重要的现实意义。现代交通控制系统可以适应动态交通状况的变化，通过实时采集大量的交通流量数据并将其传输到交通管理中心，中心迅速做出控制决策，将信号反馈到道路或路口的交通指示牌和信号灯，指挥车辆行驶，以达到缓解交通拥堵，优化行车路线的目的。上述功能的实现依赖于交通数据的采集和处理。交通流参数信息获取大致有四种方法：一是人工监测。这种方法通过人的眼、脑的识别分析车流量，这种方式效率低，耗费人力多，准确性差，全天候2 4 小时连续监测比较困难；二是地埋感应线圈。当车辆通过线圈时线圈就会产生感应电流，线圈感应器通过监测线圈是否有感应电流来监测交通流。这种方式成本低，但是施工麻烦，要开挖路面，对路面造成破坏，而且路面受季节和车辆压力影响，线圈容易损坏，难于维护；三是超声波探测器。工作原理是超声波探头不断向监测区发射超声波束，同时接收由监测区中经车辆表面反射回来的超声波，经过对发射和接收波的时间差来判断是否有车辆通过，从而实现交通流监测。超声波检测器安装不需要破坏路面，也不受路面变形、路面施工的影响，使用寿命长，但易受外界气候天气的影响；四是视频数字图像处理d 2 。视频数字图像处理属于非接触式的监测方法，在路上安装摄像机，通过视频摄像机对交通流进行摄像，经过视频采集卡处理后获得的是一组视频图像序列图像。视频图像的分析，就是对图像序列进行处理，从而研究活动目标的运动规律。监测交通流信息就是从计算机采样出的图像序列中监测出运动信息，进而识别与跟踪运动目标。软件系统通过在显示视频图像的车道上设置虚拟车道监测器，每个虚拟车道监测器代表一个区域，每当车辆通过任何一个监测器时，就会产生一个监测信号，再通过软件数字化处理和计算得到交通信息，如车速和车流量。这种非接触式测量方法由于是在显示器视频图像的车道上设置虚拟监测器，因而在维护是无需封闭车道，无需开挖路面，也不会因为道路重铺或拓宽而影响车流量的监测。监测点的变化只在监视器的图像上设定虚拟监测器的位置就可以完成，不因道路的维修而中断交通监测。4第1 苹绪论1 4 国内外视频测量研究现状及发展方向“6 2 1利用电视视频技术、计算机图像处理技术、模式识别技术及通信技术等多项技术为一体的计算机视频监测技术对交通流进行测量和控制是一个具有广阔应用前景的研究方向。它的目标就是用计算机视觉技术，通过分析摄像机拍摄的交通图像序列来对车辆、行人等交通目标的运动进行监测、定位、识别和跟踪，并对监测、定位和识别的交通运动目标的交通行为进行分析和判断，从而既完成各种交通流数据的采集，又进行与交通管理有关的各种日常管理和控制，形成一个全方位立体化的数字交通监控网，真正实现交通管理智能化。目前世界发达国家，凭借自己先进的计算机、图像处理、工业电视和通讯技术，早已经开始了道路交通计算机视频监测技术的研究，研究成果也在道路交通管理中得到了应用。如美国著名的交通设施研究生产商p e e k 公司，研制的v i e d o t r a k 一9 0 5 型、v i e d o t r a k 一9 1 0 型视频车辆跟踪和探测系统都是性能优越的视频监测设备。通过这些设备可以得到多种交通流数据和监测出交通状况。这些设备都具有多区域、大范围、多功能实时跟踪监测的能力。在国内，计算机视频监测技术的研究比较薄弱，尤其在计算机视频技术核心，即图像处理和模式识别技术的研究滞后于国外。随着g d p 的增长和城市建设的快速发展，视频监测技术应用在智能交通监控领域当中有了广阔的市场。由于国外的交通监测设备价格昂贵，每套设备的价格都在十几万美元，而且有些设备的功能并不适应国内的交通国情，所以以图像处理技术和模式识别为主的交通视频监测技术的研究和应用正在逐渐兴起。目前，国内已有一些院校、科研单位及公司在做这方面的技术研究和应用开发工作，有的已开发出相应产品。但是，这些产品很多情况下有一定的局限性和保密性，因此开展视频交通监测技术的研究，对于我国视频监测技术水平，促进我国城市道路建设，改变我国交通以人管理为主的被动局面，实现城市交通管理智能化都具有十分重要的现实意义。视频监测技术中，图像技术是关键。要使图像处理技术达到实用的目的，如何实时准确的分析图像，并得到分析结果是关键。因为图像处理的数据量一般是非常庞大的，尤其是交通监测过程中，每秒中计算机要处理2 5 帧图像，而每帧图像按6 4 0 x 4 8 0 计算，则每秒中要处理7 6 8 0 个字节。除此之外，计算机还要同时其它统计、计算和控制操作。因此在视频交通流监测和车辆识别系统中，如何设计交通流监测算法和以何种算法来提高系统的实时性和精度是我们要解决的主要问题。1 5 课题研究的主要任务交通流信息参数获取需要相应的视频监测软件来完成。视频监测系统设计是由硬件和软件两部分组成来实现的。对于硬件部分，近些年来采用d s p 技术对图像进行高速采集可以满足系统要求。软件部分主要是算法以及软件实现的解决方案，使之能够应用到实际监测当中。软件算法一般来说是比较复杂庞大的，这主要因为不仅要牵涉到图像处理基本方法和模式识别理论，而且与实际处理对象的复杂性有密切关系，处理问题考虑的因素越多，问题越复杂，相对来说算法就复杂一些。完整的视频监测系统软件部分除了包括监测交通流量与车速外，还有车牌识别、数据库系统设计等。本课题的研究只专注交通流量与车速这两个交通参数，对其比较关键性的核心算法做出研究，并不是完整系统的研制。1 6 本章小结本章主要论述了交通流流体力学模型参数获取的背景知识和所需的方法。交通流信息主要借助于计算机手段进行数字图像处理后获得，这种手段就是所谓的视频交通流监测系统。视频图像监测是智能交通化领域当中的一项重要技术，随着计算机硬件和软件技术的迅猛发展，视频图像处理技术已经在交通领域中发挥了重要的作用，具有重要的社会经济意义和发展前景。本课题的内容就是对测量交通流量与车速有关的核心技术算法进行研究，并给出软件实现的解决方案。6第2 章视频监测系统及其工作原理第2 章视频监测系统及其工作原理2 1 视频图像信息获取1视频检测，是一种结合视频图像和电脑化识别的图像处理技术，其结构如图2 1 所示。视频车辆检测器由设置在现场门架( 或路侧立柱) 上的定焦摄像机和视频处理器所组成。在安装调试阶段需通过监控计算机在视频处理器产生的现场图像上设置虚拟车辆检测域，用于模拟环形感应线圈。当车辆通过虚拟检测区域时，视频处理器就会产生视频检测信号，并在对其分析处理后输出交通量、车速、占有率等交通数据。图2 - 1 视频车辆检测器结构f i g u r e2 - 1t h ed e v i c es t r u c t u r eo f i n s p e c t i n gv e h i c l eb yv i d e o视频处理器的核心是视频处理算法，包括视频采集、视频数字化、车辆检测和车辆跟踪( 或交通参数提取) 4 个阶段。在车辆检测阶段，通过有无车辆的虚拟检测域进行对比，检测到车辆，进行车辆计数( 即交通量) ，并提取若干车辆特征参数。在车辆跟踪阶段，连续数帧视频中，用车辆检测阶段提取的特征参数跟踪车辆，如图2 2 所示。然后对视频帧进行比较，并根据帧的时间间隔和由检测域栅格确定的空间距离，可计算出车速、车头间距等参数：由交通量和车速可进一步确定占有率等参数。视频处理可达到每秒3 0 帧视频，可以满足数据实时性的要求。7图2 - 2 车辆跟踪阶段f i g u r e2 - 2t h ep h a s eo f t r a c i n gv e h i c l e此外，视频处理器通过检测交通参数的突变，如速度骤减、占有率骤升等，通过设置阀值，并运用事故检测算法，可检测到不同类型的事故，如车辆停止、车辆排队、车辆阻塞、行车方向错误等。经过视频处理，视频车辆检测器可产生所需的各种交通数据，包括：交通量、车速、占有率、车头距离、车型分类、车辆排队长度等，能够进行交通参数检测( 交通量、车速和占有率) 、停车车辆检测、车辆排队检测、自动事故检测等。视频车辆检测器根据摄像机的不同可以分为2 类：可见光视频车辆检测器和红外视频车辆检测器。可见光视频车辆检测器采用普通摄像机，红外视频车辆检测器采用红外摄像机。可见光视频车辆检测器在昼夜转换时，需通过检测周围环境照明和图像对比度来自动选择算法，经常因昼夜转换而导致误差：而红外视频车辆昼夜检测器可采用同一算法，以提高检测精度。视频监测器主要的优点主要体现在4 个方面：安装维护简便、提供图像监视、检测静止车辆、提供多种交通数据信息。视频车辆检测器的安装简便，无须破坏路面：设置虚拟检测域时，不干扰正常交通：维护工作简单，只需偶尔清洗摄像镜头：调整方便，可随时调整检测域的设置，以满足不同的交通应用和道路覆盖范围：最大的好处是无须因道路维修而中断交通检测。视频车辆检测器综合利用了摄像机的交通监视功能和车辆检测器的交通参数检测功能。在事故易发第2 章视频监测系统及其工作原理地段设置视频车辆检测器，除可检测到交通事故外，还可为交通管理提供可视图像做参考a 由于视频车辆检测器利用视频图像进行检测，因此可检测静止的车辆。而感应线圈只有在车辆行驶产生感应电流时才具有检测作用，因此不能检测静止车辆。视频车辆检测器可提供大量交通数据信息。单台摄像机可检测6 8个车道，可同时进行交通参数检测、停车车辆检测、车辆排队检测、自动事故检测，相当于复用了4 种检测器的功能。另外，在高速公路上车辆行驶速度通常都在6 0 k m h 以上，车辆紧跟的现象基本不会发生，所以只要摄像机的位置适当，图像遮挡的问题将基本不会出现，以后的图像处理算法当中不必为此考虑。2 2 图像预处理采集到的图像往往带有噪声信号，这样的图像是无法进行目标检测和目标的识别。因此，在系统对图像进行分割和识别以前，必须对采集到的图像进行滤波除噪处理，滤除掉各种噪声信号，降低噪声信号对图像的干扰。同时，为获取清晰的图像，还要对图像进行变换，进行图像增强处理，进行图像增强处理，以改善图像的质量，为图像的分析和理解打下良好基础。目前，己经有许多成熟的方法可以用来对图像预处理。在滤波除噪处理上，一般除噪有两种方式：一种是直接对像素的灰度值进行灰度空间变化；另一种是对图像频谱域实行变换的频谱变换技术。在图像噪声常常表现为一些孤立的像素点，其像素灰度和周围点有显著差别的情况下，可以用空间变换中的领域平均和中值滤波等方法来抑制噪声信号。再由于一般图像中的噪声信号的频谱位于高频信号区，因此，可以用低通滤波器来抑制高频噪声信号。此外，为了改善图像效果，就要想办法增强图像的对比度，常用的对比度增强方法是采用直方图变换法和变换函数法。有的时候，采集的图像有畸变，还要采取一些方法进行矫正，从而得到高质量的图像。2 3 图像分析与识别经过对车辆图像的预处理后，通过图像分割得到车辆的外部轮廓，这样为目标识别做好准备。图像的识别通常用特征匹配法和图像匹配法。特征匹配法是根据目标图像的某一不变特征进行匹配，以判断目标是否存在的方法，如利用特征点、轮廓或矩特性等进行匹配。特别是由于矩特性，由于其对目标的大小、平移、9北京工业大学工学硕士学位论文旋转和距离等具有不敏感性，因而在运动目标识别中经常被采用。2 4 实际应用( 1 ) 基本应用模式。视频车辆检测器在高速公路监控系统中应用的基本模式如图2 - 3 所示。高速公路沿线设置的摄像机采集高速公路上的检测视频，传输到监控中心，连接到视频处理器上。通常l 台视频处理器能连接4 路检测视频。视频处理器对检测视频进行分析处理，获取交通参数后，将数据通过多串口卡传送到监控计算机中存储，将视频图像接入视频切换矩阵，送到监视器中显示。监控计算机需要配置图像采集卡，进行视频显示，从而可以利用监控计算机进行虚拟检测域的设置。目前视频车辆检测器主要考虑城市道路监控的应用，在高速公路监控系统中应用时，通常需要对所采集的交通参数进行二次开发利用，如进行交通阻塞分析、交通事故分析等，此时需从监控计算机读取数据进行分析。目前视频车辆检测器通常带有监控软件，该软件运行于监控计算机中，采用服务器客户机的软件模拟，用户需进行客户机软件编程，利用服务器软件所提供的接口函数，达到从监控计算机中读取交通参数的目的。一_ _ i 一_ _ 一“一一，_ t _ 啪 _ - 一图2 - 3 基本应用模式f i g u r e2 - 3b a s i ca p p l i e dm o d e( 2 ) 视频检测域的要求。视频检测域通过计算机在视频图像上直接设置。由于视频检测域、车辆在视频处理中均使用实际物理尺寸进行计算，因此在设置视频检测域时应先选择路面参照物，并输入参照物的实际物理尺寸和摄像机商度。1 0视频车辆检测器利用路面参照物的实际物理尺寸、摄像机的高度、检测域的位置将检测域、车辆换算为实际物理尺寸。视频图像经数字化后，检测域实际上成为了栅格块。检测域太小，将影响检测精度，而检测域太大，将加大数据处理量，因此检测域的大小应满足一定要求。通常，检测交通量和速度时检测域横向与车道等宽或略窄于车道：纵向为平均车长即可。( 3 ) 主线上视频检测域的设置。视频车辆检测器在高速公路主线上应用的情形如图2 - 4 所示。在超车道和行车道上均设置虚拟检测域，检测交通量、车速和占有率，用于进行交通阻塞和交通事故分析，为交通控制提供决策依据：同时在停车带上设置数个虚拟检测域，检测停车带上紧急停放的车辆。进行主线检测时，视频车辆检测器不仅具备感应线圈式车辆检测器所有的功能，而且能够对停车带上紧急停靠车辆进行检测。同时，可利用交通视频辅助决策，并且可节省与监控摄像机数目相等的车辆检测器。如果是单向应用，可将摄像机设置在路侧，进行前向检测：如果是双向应用，则应将摄像机设置在中央分隔带中，一侧进行前向检测，一侧进行后向检测。图2 4 主线上视频检测域的设置f i g u r e2 - 4t h es e t t i n g so fi n s p e c t i n gr e g i o ni nm a i nl i n e2 5 本章小结完整的视频交通流监测系统由两大部分组成，一部分为摄像头，另一部分为视频处理器。视频处理器是将核心算法固化到计算机硬件当中，这样做目的是加快计算机处理速度，增强实时监测的效果。核心算法大致包括图像预处理、图像理解和跟踪等。视频交通流监测不仅要求要有实时性，而且要准确对图像进行理北京工业大学工学硕士学位论文解和跟踪，因此对核心算法提出较高的要求。下面几章即将重点介绍视频处理器所用到一些算法。1 2第3 章图像预处理和运动目标的提取视频流经过视频采集卡转换成数字图像序列传入计算机等待处理。计算机得到视频序列后，首先会对图像进行预处理，因为采集得到的图像，可能带有严重噪声信号，或变形，或信号微弱等影响人们和计算机对图像的分析和理解。只有通过图像预处理环节，使要处理分析的图像除掉噪声干扰，增强信号强度，对图像进行恢复，改善图像质量，从而保证以后准确对图像进行分析理解，包括运动目标检测、追踪和识别。关于图像预处理的内容，目前有许多专著介绍这方面的内容，而且有非常成熟的模块，故本文不专门对此进行论述。在这里我们选用中值滤波的办法进行降噪。中值滤波是一种非线性的信号处理方法，它不仅可以有效地克服线性滤波器如最小均方滤波、均值滤波等带来的图像细节模糊，而且对滤波脉冲干扰及图像扫描噪声最为有效。由于在实际运算过程中不需要图像的统计特征，因此非常适合视频序列图像处理。本章重点介绍序列运动图像中运动目标的提取。3 1 视频图像的分析所谓视图像，就是在不同的时间对活动目标采样而获得一个图像序列。视频的图像的分析，就是对图像序列进行处理，从而研究活动目标的运动规律。视频图像的研究从6 0 年代未开始，现在已非常盛行，其应用相当广泛。例如：军事上的目标跟踪：工业处理的动态监视；医学上的细胞和心脏运动的研究；气象学中的云层跟踪；交通管理中的交通监视，等等。视频图像分析中的基本任务是“1 ：从图像序列中检测出运动信息、识别与跟踪运动目标和估计三维运动参数和结构参数。检测出运动信息后，就可以通过目标的形状、运动等属性识别出目标和相应的信息。不同时刻采集的两帧或多帧图像中包含了存在于摄像机与运动物体之间的相对运动信息，这些信息表现为图像帧之间的灰度变化或诸如运动物体本身的一些点、线段、区域等特征的位置和属性的变化等。通过检测这些灰度变化而发现短时间间隔以及小位移的相对运动。视频图像的研究与人工智能、计算机视觉的研究有着密切的关系，很多问题仍在探索和开发阶段。3 2 视频图像检测3 2 1 常用方法的介绍目前，视频序列中运动目标的检测与识别还是一个需要继续深入研究的问题。现有的主要检测运动目标的方法主要有光流法、帧间差分和背景差分图像法。( 1 ) 光流法光流法就是利用图像灰度在时间上的变化与景像中物体运动结果的关系，进行运动物体的检测。在图像中观察到的表面上的模式运动就是所谓的光流场，而运动场则是三维物体的实际运动在图像上的投影。研究光流场地目的就是为了从序列图像中近似计算不能直接得到的运动场。当人的眼睛观察运动物体时，物体的景像在人眼的视网膜上形成一系列连续变化的图像，这系列连续变化的信息不断“流过”视网膜( 即图像平面) ，好象一种光的“流”，故称光流锄。光流表达了图像的变化，由于它包含了目标运动的信息，因此可被观察者用来确定目标的运动情况。从光流的定义可以看出，由于光流有如下3 个要素：一是运动( 速度场) ，这是光流形成的必要条件；二是带光学特性的部位( 例如有灰度的像素点) ，它能携带信息；三是成像投影( 从场景到图像平面) ，因而能被观察到。光流在视觉运动的研究中有非常重要的作用。视觉运动分析就是研究如何从变化着场景的一系列不同时刻的图像中，提取出有关场景中物体的结构、位置和运动信息。光流场的计算最初是由美国学者h o r n 和s c h u n c k 提出的1 。1 9 8 1 年，h o r n等人在相邻图像之间的间隔时间很小，且图像灰度变化也很小的前提下，推导出灰度图像光流场计算的基本等式。记时刻f 时，图像上一点( x ，y ) 处的灰度值为e ( x ，y ，f ) 。在时刻t + a t 时，这一点运动到新位置，其在图像上的位置变为 + a x ，_ y 十a y ) ，灰度值记为e 0 + 缸，y + 母，f + f ) ，假定它与e ( x ，y ，f ) 相等，即e ( x ，y ，) = e ( x + a x ，y + ，t + a t )( 3 1 )将右边用泰勒公式展开，那么经化简和略去两次以上的项，得竽+ 豢v + 娑= oc一3-oxo t一“十一v 十一= u(2 珊这就是光流场计算的基本公式。其写成梯度形式为：1 4( v e ) 1u + e = 0( 3 - 3 )由于光流场u = 1 有两个变量，而基本等式只有一个方程。因此只能求出光流场沿梯度方向上的值，而不能同时求出光流场的两个分量u ，v 。这就是说，从基本等式求解光流场是一个不适定问题。为了解决光流场计算不适定问题的方法，需要加一些相应的约束条件，使方程有解。例如，h o r n 等人依据同一运动物体引起的光流场应该是连续的、平滑的，即同一物体上相邻点的速度是相似的，那么其投影到图像上的光流变化也应该是平滑的这一特点，提出了一种利用加在光流场上的附加约束，即整体平滑约束来将光流场的计算问题转化为一个变分问题。n a g e l 考虑到基本等式本身，由于在该点灰度场的梯度方向上，已对光流场有了约束，因而提出附加的光滑性约束应使光流场在沿着其梯度的垂直方向上的变化率最小，据此导出了一种新的迭代算法”3 。t r e t i a k 和n a g e l 认为光流场计算属一类微分问题，由于它涉及到图像灰度的时空导数的计算，因而提出一个基于二阶微分操作数的附加约束”3 。此外，还有基于块的光流场计算方法，基于像素递归的光流场计算方法，基于随机平滑约束条件的贝叶斯光流场分析法，以及傅立叶自适应平滑约束方法和几何约束方法等等州。( 2 ) 帧间运动分析“1在序列图像中，通过逐像素比较直接求取前后两帧图像之间的差别。假设条件在多帧图像间基本不变化，那么差分后图像的不为零处表明该处的像素发生了移动。换句话说，对时间上相邻的两幅图像求差可以将图像中目标的位置和形状突出出来。8 、两帧相减在实际运用中，c c d 与目标车辆之间的运动基本为平移，没有刚体的旋转运动，而且运动方向又平行于图像平面时，这就形成了简单的二维平移运动。当图像帧之间的间隔较短时，可以认为车辆的各部分在图像平面上的灰度基本保持。设 时刻的图像为；( x ，y ) ，：时刻图像为l ( x ，y ) ，若在此期间运动车辆平移了，根据上述的假定应当有：，( x ，y ) = ，2 ( x ，y ) 一 ( x ，y )( 3 _ 4 )北京工业大学工学硕士学位论文图像中的静态部分，像素没发生变化，故v ( x ，_ y ) 也为零。而图像中的运动部分，v ( x ，y ) 不为零。如果运动目标的平均灰度小于背景的平均灰度，则，( x ，y ) 0 代表了己消失的第一帧图像部分，可以利用相减获得的差值图估计出目标的轮廓及运动轨迹。图3 - 1 帧间差分示意图f i g u r e3 - 1t h es k e t c hm a po f f l a m es u b t r a c t i o n图3 1 是一个例子，其中( a ) 、( b ) 为t 。，f 2 时的图像，( c ) 为相减的差值，因为运动目标的灰度分布不是均匀的，所以正差值集中在区域1 ，负差值集中在区域2 ，除了这两大块区域外，还有一些小块的正差值区域和负差值区域分布在两大块区域中间。当位移前后两目标成像重叠时，正负差值之间夹有差值。无论正差值或负差值与这部分零值相并，都可以检测出运动目标，进而可算出位移量。当两个不同时刻成像不交迭时，正差值与负差值均反映了目标，由其质心的变化也可推算出位移量。在实际当中，使用上差分法计算的差分图像经常会含有许多噪声。一个简单噪声消除方法是使用尺度滤波器，滤掉小于某一尺度的连通成分。认为这些像素常常是由噪声产生的，留下大于某一尺度阈值的4 连通或8 连通部分，以便作进一步的分析。对于运动检测，这个滤波器非常有效，但是也会将一些有用的信息滤掉，比如那些来自于缓慢运动或微小运动物体的差分信号。b 、多帧相减在实际情况中，由于随机噪声的影响，没有发生像素移动的地方也会出现图1 6垒堡鬯些塑墼墼型墼一像减差别不为零的情况a 为克服上述情况，可以考虑利用多幅图像。在采集的系列图像中，连续三帧( 或者更多的图像) 做两两差分。三帧差分法检测与提取运动物体的流程如图：第k - l 帧图3 - 2 流程图f i g u r e3 - 2f l o wc h a r t( 3 ) 背景差分。”。7 1在摄像头固定的情况下，背景差分是常用的运动目标检测方法。其基本思想是将当前帧图像与事先存储或者实时得到的背景图像相减，若像素差值大于某一阈值，则判此像素为运动目标。阈值操作后能比较准确的分割出运动物体，直接给出目标的位置、大小、形状等信息。如果背景图像是静止的，即不随时间发生变化，而具有运动目标的图像除了运动目标区域的像素发生变化，其余属于背景的部分，保持不变，这样的情况是背景差分的理想情况，但是这种情况在交通图像序列中是不存在的。因为背景是个渐变的过程，受光线、天气等光照条件的变化非常敏感，背景的选取将影响检测结果的准确性，所以背景差分的关键是选择合适的图像作为背景。3 2 2 以上三种方法评述光流场的特点是不考虑特征匹配问题，在实际应用中可减少难度，但算法由于涉及偏微分，故抗噪性能比较差：同时，光流法需要较高的图像帧采样率，如果没有硬件帮助的话，很难满足系统实时性的要求。该方法在实际应用当中最不利的是，光流法运用于视频交通监控当中，由于天气变化无常，监控效果受天气所带来的光线变化的影响很大。使用帧间相减的算法进行目标检测，依靠判断相邻两帧图像之间的显著差异来检测运动的目标，是种图像序列运动分析的基本方法。视频图像序列的差分北京工业大学工学硕士学位论文法应用于检测图像序列中的人或者较大目标有无运动，运算量小，容易软件实现，实际效果较好。但是，当场景中的运动目标没有显著运动时，往往会在目标检测时留下大面积的本应属于目标而却未被检测到的区域，因此不能精确地检测并提取运动目标，给下一步目标识别和跟踪带来了一定的困难o 。总之，以上两种方法特别适合于运动摄像机的情形，对动态环境的适应能力比较强，但难以获得目标所在区域的精确描述。因此，对本文所涉及的问题来说，背景差分处理较为理想，即通过将当前帧和背景模型进行比较，确定出亮度变化较大的区域，即认为是前景区域。背景差分跟帧间差分道理一样，属于图像剪影处理一类。这种方法的计算速度很快，可以获得关于运动目标区域的完整精确描述。影响背景差分应用的一个问题是它没有考虑到背景图像的差异变化，不能实时适应场景环境变化。在室外环境下，随着太阳的升起与降落，光照度的变化会很大，因此需要建立自适应的背景模型。3 3 基于背景模型更新的运动目标检测背景消减适用于摄像机静止的情形，它为静止背景建立背景模型，通过将当前图像帧和背景模型进行比较，确定出亮度变化较大的区域，即认为是前景区域。这种方法速度快，可以获得关于运动目标区域的完整精确描述，但对场景中光照条件、大面积运动和噪卢比较敏感，在实际应用中需采用一定的算法进行背景模型的动态更新，以适应环境的变化。3 3 1 背景模型在室外环境下，随着太阳的升起与降落，光照度的变化会很大，以灰度为例，研究一下背景的变化，例如图3 - 2 所示，( a ) 图和( b ) 图是在下午三点到四点之间采集的图像，( a ) 图和( b ) 图要亮，( a ) 图的平均灰度是1 5 8 ，( b ) 图的平均坎度是1 2 9 ，两幅图像的灰度直方图形状几乎一样，就是位置有偏差，这说明背景图像序列随时间是个渐变的过程。另外，道路两旁的树荫也会随着光照角度的改变而缓慢变化，而风吹动树叶也会使背景图像的局部发生突变。镜头的微小位移也会导致背景图像的变化。而气候的变化，如风霜雪雨也使背景图像变的恶劣a 这些都是建立背景模型时需要考虑的因素。1 8( a ) t l 时刻的背景( b ) t 2 时刻的背景( c ) a 图的灰度直方图( d ) b 图的灰度直方图图3 - 3 背景图像及其直方图f i g u r e3 - 3b a c k g r o u n di m a g e sa n dt h e i rh i s t o g r a m可以看出，背景图像的各点像素值是随时间渐变的，而且在一定时间内差别不是很大，符合正态分布。即使在极暗或者极亮的情况下，背景图像的各点像素值还是有细微的变化。3 3 2 背景自适应更新的应用1 背景模型的获取和更新本文采用基于统计的背景模型白适应获取方法1 。这种方法的基本思想是，在背景模型提取阶段，运动目标可以在监视区域中运动，但不会长时间停留在某一位置( 这个假设在实际应用中很容易得到满足) 。对视频画面中某一像素点进行一段时间的观测，可以发现，只有在前景运动目标通过该点时，它的亮度值才发生大的变化。对该像素点的亮度值进行统计，在一段时间内，亮度值主要集中在很小的一个区域中，因此可以用这个区域内的平均值作为该点的背景值。这种方法需要一个有效的背景更新策略，使得更新速度和精度满足检测要求。要使背景模型能够对外界光线变化具有自适应性，必须实时对背景模型进行更新。对于光线变化，本文选择最近n 帧序列图像进行更新，具体更新过程如下：( w ) ：c e b , , ( x , y ) + ( 1 训岛盟丛血鹄盟竺丛型( 3 _ 5 )i 9其中巩+ - ( x ，y ) ，b 。( x ，_ y ) 分别代表当前帧和下帧背景值， 一。( x ，y ) ，l ( x ，_ ) ，)分别代表该点最近的n 个亮度值。甜( o ，1 ) 为更新系数，控制背景更新的速度。2 、阈值分割及后处理阈值分割是比较当前图像和背景图像中对应像素点的差异，如果差异值大于一定闽值，则判定该像素为前景运动目标的组成像素。检测规则如下：，= 恼嬲叫- b ( w x , y 粉)p s ，其中，f ( x ，y ) 表示当前图像的像素值，b ( x ，y ) 表示背景图像对应位置的像素值，丁h 为阈值，最终结果到一个二值图像m ( x ，y ) 。值为l 所对应的像素点即为运动目标。噪声的