（计算机应用技术专业论文）闯红灯事件的视频检测算法研究与应用.pdf

摘要 基于视频的闯红灯违章行为检测系统由于具有安装方便、覆盖范围广、检测 参数多、证据易保存等特点，近几年发展迅速，成为智能交通系统领域的一个研 究热点。同时，由于系统检测的背景环境复杂：车流量大、运动物体间的相互干 扰严重、光照不断变化等，由此造成现有视频检测系统普遍存在检测率偏低的严 重问题。 鉴于以上背景，本文对闯红灯违章行为视频检测系统进行研究与探讨，并提 出了一种综合应用虚拟线圈检测技术和车辆跟踪检测技术的新方法。本文主要的 工作和贡献有： 1 本文根据停车线的特点，提出了基于停车线特征的虚拟线圈检测算法， 该算法根据对停车线的遮挡判断，实现对运动车辆的检测，并相应的提出了背景 更新的算法。该算法检测效果好，运算快，并能降低阴影对检测的干扰。 2 本文根据车辆尾部边缘信息丰富的特点，提出了一种车辆尾部跟踪算 法，并结合虚拟线圈检测算法，实现了对车辆越线行为检测。该算法能基本排除 密集车辆和行人等的干扰，确保了检测的准确性。 3 本文根据十字路口的实际情况，将车辆速度作为检测车辆闯红灯行为的 条件之一，并为此提出了基于车辆尾部跟踪的车辆测速算法。 4 对于越线车辆的跟踪问题，本文提出了一种基于运动物体类型的跟踪算 法。该算法根据检测区域内运动物体的运动特征，区分不同的运动物体类型，并 针对性的对机动车辆进行跟踪，以此提高检测的速度和正确性。同时，结合车辆 的重心等参数，可以解决车辆越线检测中存在的大车遮挡问题。 5 结合虚拟线圈检测、车辆尾部跟踪和越线车辆跟踪，系统实现了对车辆 闯红灯行为的准确判断，该算法排除了大车干扰、车辆密集干扰、行人干扰等干 扰问题，提高了系统检测的准确率。 关键字：闯红灯；虚拟线圈；车辆跟踪； a b s t r a c t d u et oc o n v e n i e n c ei n s t a l l a t i o n 、l a r g ed e t e c t i o nc o v e r a g e 、m u l t i p l ed e t e c t i o n p a r a m e t e ra n de a s i e re v i d e n c ep r e s e r v a t i o n ，t h er e dl i g h tr u n n e r sd e t e c t i o ns y s t e m b a s e do nv i d e od e v e l o p sr a p i d l yi nr e c e n ty e a r s ，a n db e c o m e sah o t s p o ti nt h e r e s e a r c hf i e l do fi n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m a tt h es a m et i m e ，b e c a u s eo ft h e c o m p l e xb a c k g r o u n do fd e t e c t i o n ：l a r g ev e h i c l ef l o w 、m u t u a li n t e r f e r e n c eb e t w e e n m o v i n go b j e c t s 、c o n s t a n t l yc h a n g i n go ft h el i g h ta n d s oo n , i tm a k e st h ec o n e c t n e s so f v i d e od e t e c t i o ns y s t e ml o w e r o w i n gt ot h eb a c k g r o u n da b o v e , t h i st h e s i sa i m st or e d - l i g h t r u n n e r sv i d e o d e t e c t i n ga l g o r i t h mr e s e a r c h i n ga n dd i s c u s s i n g a n dp r o p o s ean o v dm e t h o du s i n g v i r t u a ll o o pd e t e c t i o nt e c h n o l o g ya n dv e h i c l et r a c k i n gd e t e c t i o nt e c h n o l o g y o u r w o r k sm a i n l yf o c u so nt h ef o l l o w i n ga s p e c t s ： 【1 】a c c o r d i n gt ot h ec h a r a c t e r i s t i c so fs t o pl i n e , t h i st h e s i sp r o p o s e sav i r t u a l l o o pd e t e c t i o na l g o r i t h mb a s e do nt h ec h a r a c t e r i s t i c so fs t o pl i n e t h ea l g o r i t h m i m p l e m e n t st h ed e t e c t i o n0 1 1m o v i n gv e h i c l ea c c o r d i n gt ot h ej u d g m e n to nc o v e r i n g s t o pl i n e t h i st h e s i sp r o p o s e sa na l g o r i t h mo fu p d a t i n gb a c k g r o u n dc o r r e s p o n dt ot h e v i r t u a ll o o p t h ev i r t u a ll o o pd e t e c t i o na l g o r i t h md e t e c t se f f i c a c i o u s l ya n dq u i c k l y a n di tt h a tc a ne l i m i n a t et h ei n f l u e n c eo fs h a d o w 【2 】a c c o r d i n gt ot h ec h a r a c t e r i s t i c so fh a v i n gl o t so fe d g ci n f o r m a t i o na b o u t v e h i c l et a i l ，t h i st h e s i sp r o p o s e sa na l g o r i t h mo ft r a c k i n gv e h i c l et a i l l i n k i n gw i t h v i r t u a ll o o pd e t e c t i o n ，i ti m p l e m e n t st h ed e t e c t i o no nv e h i c l e s t r a n s g r e s s i n g - l a n e b e h a v i o r t h i sa l g o r i t h mc a ne l i m i n a t ed i s t u r b a n c ea r o u s e db yd e n s ev e h i c l e so rm a n , 豇l s u r ed e t e c t i n gc o r r e c t l y 【3 】a c c o r d i n gt ot h ep r a c t i c eo fc r o s s r o a d ，t h i st h e s i sm a k e sv e h i c l es p e e d 弱o n e o ft h ej u d g ec o n d i t i o nt h a tv e h i c l e sr u nr e d a n dp r o p o s e sa na l g o r i t h mo fv e l o c i t y m e a s u r e m e n tb a s e do nv e h i c l et a i lt r a c k i n g 【4 】t h i st h e s i sp r o p o s e sat r a c k i n ga l g o r i t h mb a s e do i lm o v i n go b j e c t s t y p e st o d e a lw i t ht h ep r o b l e mo ft r a c k i n gt h et r a n s g r e s s i n g - l a n ev e h i c l e s a c c o r d i n gt ot h e c h a r a c t e r i s t i c so fm o v i n go b j e c to nt h ed e t e c t i o nr e g i o n ，t h ea l g o r i t h md i s t i n g u i s h e s t h ed i f f e r e n tt y p e so ft h em o v i n go b j e c t s ，a n dt r a c k i n gt h em o v i n gv e h i c l ep e r t i n e n t l y i tc r ni m p r o v et h es p e e do ft h ed e t e c t i o na n dt h ec o r r e c t n e s so fd e t e c t i o n a c c o r d i n g t ot h ep a r a m e t e ro fv e h i c l e sb a r y c e n t e r , i ta l s oc a nd e a lw i t ht h ep r o b l e mo fh i d e d v e h i c l e s ，w h i c he x i s t si nt h ed e t e c t i o no nv e h i c l e s t r a n s g r e s s i n g - l a n eb e h a v i o r 【5 】u s i n g v i r t u a l l o o pd e t e c t i o n 、t r a c k i n g v e h i c l et a i la n d t r a c k i n g t r a n s g r e s s i n g - l a n ev e h i c l e s ，t h es y s t e mi m p l e m e n t st h ec o r r e c tj u d g m e n to fr u n n i n g r e dl i g h t t h i sa l g o r i t h me l i m i n a t e st h ed i s t u r b a n c ea r o u s e db yh e a v yv e h i c l e 、d e n s e v e h i c l e so rm a n , a n d i m p r o v e st h es y s t e mv e r a c i t yo fd e t e c t i o n k e yw o r d ：r u n n i n gr e d - l i g h t ；v i r t u a ll o o p ；v e h i c l et r a c k i n g ； 厦门大学学位论文原创性声明 兹呈交的学位论文，是本人在导师指导下独立完成的研究成 果。本人在论文写作中参考的其他个人或集体的研究成果，均在 文中以明确方式标明。本人依法享有和承担由此论文产生的权利 和责任。 声明人( 签名) ：慢小乞今y 以r o - 3 年了月；pe t 厦门大学学位论文著作权使用声明 本人完全了解厦门大学有关保留、使用学位论文的规定。厦 门大学有权保留并向国家主管部门或其指定机构送交论文的纸 质版和电子版，有权将学位论文用于非赢利目的的少量复制并允 许论文进入学校图书馆被查阅，有权将学位论文的内容编入有关 数据库进行检索，有权将学位论文的标题和摘要汇编出版口保密 的学位论文在解密后适用本规定。 本学位论文属于 l 、保密() ，在年解密后适用本授权书。 2 、不保密() ( 请在以上相应括号内打“4 刀) 作者签名：虹心、均乞日期：2 皿3 年f 月刃日 第一章绪论 1 1 研究背景及意义 第一章绪论 交通是国民经济的基础产业，交通运输的发达程度也是衡量一个国家现代化 水平的标志之一。近年来，由于经济的高速发展，城市的规模越来越大，城市机 动车辆的保有量持续攀升，这导致的直接后果是城市居民的出行越来越难，城市 的交通问题越来越严重，由此也带来了严重的环境污染，能源危机等问题。如何 实现交通管理的智能化和最优化成为各国交通部门的一个重要研究课题，智能交 通系统( i t s ，i n t e l l i g e n t t r a f f i cs y s t e m ) 的研究也由此被提到了重要位置。 智能交通系统【l 】是指在较完善的道路设施基础上，运用信息技术( 1 1 r ) 、人 工智能( a i ) 、地理信息( g i s ) 、计算机技术、有线无线通信和系统工程等技术， 建立的全方位、实时、高效的地面交通智能管理系统。在i t s 的基本内容中，国 际上公认的服务领域主要有以下七个方面【2 l ： 1 先进的智能信息服务系统( a p t i s - - - a d v a n c c dp u b l i ct r a f f i ci n f o r m a t i o n s y s t e m ) 2 先进的交通管理系统( a t m s - - - a d v a n c c dt r a f f i cm a n a g e m e n ts y s t e m ) 3 先进的公共交通系统( a p t s - - a d v a n c c dp u b l i ct r a n s p o r t a t i o ns y s t e m ) 4 先进的车辆控制系统( a v c s ? a d v a n c c dv e h i c l ec o n t r o ls y s t e m ) 5 货运管理系统( c v o - - - c o m m c r c i a lv e h i c l eo p e r a t i o n ) 6 电子收费系统( e t e c t r o n i ct o l lc o l l e c t i o n ) 7 紧急救援系统( e m s - - - c m c r g c n c ym a n a g e m e n ts y s t e m ) 目前，世界各国都在智能交通系统方面进行各种研究和实验，并成立了许多 相关机构引，如美国的i t s a m e r i c a 、欧盟的e r t i c o 、日本的v e r t i s 及国际标 准化机构i s o t c 2 0 4 等，1 e e e 还于2 0 0 0 年创刊了i t s 杂志。 我国早在七十年代就将电子技术和信息技术应用于交通运输领域，但到九十 年代才引入智能交通系统的概念。经过近十几年的发展，智能交通技术在中国已 经从概念引入发展到广泛应用阶段，并在基础理论研究、关键技术攻关、应用系 闯红灯事件的视频榆测算法研究与应用 统建设、相关产品研发等方面取得了一系列的成果。目前，智能交通系统在我国 已经有效地应用于道路运输管理、高速公路联网收费、城市交通管理、城市间道 路交通管理、集装箱跟踪、港口管理、海事管理等领域【4 】。 在智能交通系统中，交通监控是交通管理智能化的前提，也是交通管理智能 化的首要任务。交通自动监控系统的主要目标是获取道路信息以及车辆行为信 息，如道路占有率、车流量、车速、车辆类型、车辆违章行为等。而在各类交通 违章行为中，以车辆违章闯红灯最为普遍，造成的危害也最为严重。“电子警察 系统作为智能交通系统i t s 中一个重要组成部分【5 6 1 ，在监督车辆交通行为，取 缔车辆违章，保障路口安全等方面起到了重要的作用。 2 技术研究现状概要 目前，“电子警察”系统的检测技术主要有三种 t l ：环形地感线圈检测、雷 达式检测和视频检测。 环形地感线圈检测方法是过去检测系统中广泛采用的技术，该方法是在停车 线前方1 l n 1 5 m 处，在路面上切割一个正方形或长方形凹槽，在槽内放置馈线， 接通线圈车辆感应器，并将槽填充。检测线圈中通过高频震荡电流，当有车辆驶 入，由于介质的磁感应系数不同，导致线圈中的电感量发生变化，就可以检测出 有机动车辆通过。 雷达式检测是利用运动车辆的多普勒效应来检测的。当运动车辆进入检测区 后，运动车辆反射带有多普勒频移的回波信号，检测器对回波信号进行处理，选 择满足频率和幅度条件的信号作为回波信号，通过对回波信号和非回波信号的综 合处理，判断是否存在运动车辆。 视频检测技术是近期开发的一种检测方法，该方法通过视频摄像机采集路口 的实时交通信息，传送给后端系统主机，系统主机应用数字图像处理技术，根据 相关的算法对获取的数字图像信号进行实时的运算分析，经过对连续动态图像采 集、运算、对比和辨别，得到运动目标信息，从而判断出是否存在违章行为。 相对环形地感线圈、雷达式等传统的车辆信息检测手段而言，采用视频检测 有如下特点【町： 2 第一章绪论 1 检测器安装维护简便：检测器的安装维护无需破坏路面，无需在车道路 面上施工，不影响正常的交通，检测器位置易调整和移动。 2 维护费用低：检测器的维护只需要简单的更换设备，不需要额外的工程 费用，且检测设备的使用寿命较长。 3 检测参数多：通过视频检测的方法，除能获得传统手段所能检测到的有 无车辆的单一信息外，还能得到车辆外型，车排队长度，车辆运动方向、 车辆运动速度等其他多种有用交通参数。 4 检测范围广：采用视频的方法，可获得整个路口的路面信息，可进行多 车道检测，监控范围广，在一定的范围内可以实现对运动车辆的跟踪和 识别。 5 可扩展性强：交通参数、视频图像等有用信息可以得到良好的保存，以 备查询或作为处罚证据，具有功能的可扩展性和管理交通事故的潜在能 力。 到目前为止，在交通监控及相关领域内做出了比较突出的贡献的国外研究组 有9 1 ： 英国雷丁大学计算机系的v i e w s 项目组； 德国卡尔斯鲁厄大学计算机系h h n a g e l 博士领导的研究组； 美国伯克利大学计算机系的r o a d w a t c h 项目组； 美国卡内基梅隆大学和马里兰大学等参加的v s a m 项目组： 美国康奈尔大学计算机系d a n i e lh u t t e n l o c h e r 教授领导的研究组； 加拿大英属哥伦比亚大学计算机系d a v i dl o w e 教授领导的研究组。 视频检测技术在我国的应用研究起步较晚，但随着国内需求的不断增加，国 内许多科研机构和公司也在这方面作了许多努力，如国家智能交通系统工程技术 研究中心、清华紫光、深圳哈工大交通电子有限公司、南京科航技术开发有限公 司、南京三宝科技有限公司、武汉科迅智能交通设备有限公司、厦门高校电子信 息技术有限公司等。 3 论文的主要工作和成果 本文的研究工作依托于厦门高校电子信息技术有限公司的“福州电子警察 3 闯红灯事件的视频检测算法研究与应用 项目”，主要是实现一个十字路口闯红灯事件检测系统，该系统能够对多车道的 十字路口发生的闯红灯违章行为进行判断，并保存违章行为的证据。该系统即要 满足科研项目中对于创新性方面的要求，又要满足工程项目关于实时性、正确性 方面的要求。 本文针对造成现有闯红灯视频检测系统检测率偏低的干扰因素：车辆密集干 扰、行人干扰、大车干扰、光照干扰等干扰因素，对检测区域环境的固有特点和 检测区域内运动物体和运动物体问的关系进行分析，提出了一种新的闯红灯违章 事件检测算法。该算法根据停车线的特征、车辆尾部信息丰富和车辆速度与闯红 灯行为的联系等特点，提出了一种结合虚拟线圈技术和车辆尾部跟踪的车辆越线 检测算法。同时，根据人行横道运动物体的固有特点，提出一种基于运动物体类 型的跟踪算法，实现对越线车辆的准确跟踪。该检测算法基本排除了大车干扰、 车辆密集干扰，行人干扰等干扰、阴影干扰等干扰问题，实现了对闯红灯违章事 件的准确、实时检测。具体系统流程如图1 1 ： 图1 1 ：闯红灯违章事件检测系统框架 1 4 论文的组织结构 第一章绪论，本章首先阐述了智能交通系统的应用背景及其对现代城市建设 的重要性和必要性；其次概述了智能交通系统的主要研究领域及其国内外的一些 主要研究结构和公司；再次分析了“电子警察 系统的技术研究现状；最后对本 文的主要工作和取得的成果进行简要的介绍。 第二章图像分割理论基础，本章主要介绍了该系统用到的一些用于图像分割 的图像处理的技术，包括阈值分割技术、用于去除图像噪声的算术均值滤波器， 用于图像边缘检测的s o b e l 边缘检测技术和用于确定自适应阈值的o t s u 算法； 概述了运动车辆检测与分割的常用技术，包括：背景差分法，帧间差分法和光流 4 第一章绪论 法等；最后介绍了用于处理分割后二值图像的一些数学形态学方法，包括腐蚀、 膨胀技术，开、闭运算，并介绍了一种用于确定二值图像连通性的算法，该算法 克服了以前方法中像素重复扫描、记录连通关系所需内存大和标号归并运算量大 等缺陷，具有实现简单，运算速度快等特点。 第三章现有闯红灯视频检测系统分析，本章分析了现有视频闯红灯检测系统 所采用的技术，并对每种技术中所采用的算法进行介绍、分析，对比算法的优点 和缺点。最后分析现有闯红灯检测系统存在的主要问题和解决现有问题的难点所 在。 第四章车辆越线检测，本章主要介绍一种新的车辆越线检测算法，首先介绍 一种基于停车线遮挡判断的虚拟线圈检测技术，该算法实现对运动车辆的存在检 测；再次，本文根据车辆尾部特征，提出的一种基于车辆尾部信息的跟踪算法， 用于排除车辆密集干扰，行人干扰等其他降低系统检测正确率的常见干扰，并根 据车辆尾部跟踪算法得到的车辆尾部信息，提出一种新的车辆测速度算法，将测 量所得车辆速度作为判断车辆是否发生闯红灯违章事件的条件之一；最后介绍如 何结合虚拟线圈检测技术和车尾部跟踪算法进行车辆越线判断，并通过实验数据 评价、分析算法的效果。 第五章越线车辆跟踪检测算法，本章主要介绍了一种用于越线车辆跟踪的检 测算法。文中首先分析了检测区域内运动物体的特点，然后根据这些特点，提出 了一种基于运动物体类型的跟踪算法。最后综合讨论如何结合车辆越线检测和越 线车辆跟踪检测实现对闯红灯违章事件的正确检测，并通过对实验数据和实验结 果对系统的性能进行分析。 第六章总结和展望，本章主要是对本文工作进行了回顾，并针对本系统存在 的不足给出了下阶段工作的展望。 5 闯红灯事件的视频检测算法研究与应用 第二章图像分割理论基础 1 数字图像处理技术 数字图像处理技术就是用一系列的特定操作来改变图像的像素，以达到特定 的目标，比如：使图像更清晰，或者从图像中提取某些特定的信息等。数字图像 处理是现代计算机的重要应用方向，处理方式可以分为点处理和区域处理。点处 理是一种输出像素仅仅取决于像素的图像处理方法；区域处理的输出像素不仅与 输入的像素有关，还与输入像素在一定范围内的相邻像素有关。主要区域处理算 法有卷积、滤波和边缘检测。 2 1 1 阈值分割技术 若图像中目标与背景具有不同的灰度集合，且两个灰度集合可用一个灰度级 阈值进行分割，这样就可以用阈值分割灰度集的方法在图像中分割出目标区域和 背景区域。阈值分割技术在物体与背景有较强对比度的图像中特别有效，尤其是 物体内部灰度分布均匀一致，背景灰度分布也均匀一致的时候。 设图像为f ( x ，y ) ，其灰度集合范围为【z l ，z ：】，可以用式2 1 表示上述分割 方法： l ，：! 擘y ) 三 ( 2 1 ) l 2 1 0 他y ) ，) 之间具有连通关系时，则按照从大n d , 传递的原则记录连通关系。 图2 2 经过线性分析表归并标号后，结果如图2 3 1 iliilii3 3 li 【i ii3 3 lliiil1il3 3 3 li l l 1 【ll l 3 3 ti iiil【llll liill1lli lilllll1l il【lli1l 99【llil 口口o口ll 99 9【llli 9 9llili 99 9 illiii 图2 3 标号归并后的连通二值图象 闯红灯事件的视频检测算法研究与应用 3 1 引言 第三章现有闯红灯视频检测系统分析 众所周知，闯红灯视频检测系统是指在具有交通信号控制的交叉路口或路段 对机动车辆闯红灯行为进行不问断自动监测和记录的设备，其核心是准确监测并 记录机动车辆闯红灯行为的违法过程，而机动车辆闯红灯行为是指机动车辆在其 对应红灯相位时越过停车线并继续向前行驶的行为。 3 2 技术现状 闯红灯视频检测系统由车辆检测器、图像取证设备、夜间补光灯、控制计算 机、后台管理软件等组成。其中，车辆检测器负责实时检测机动车辆闯红灯行为， 并向图像取证设备发出图像取证命令；图像取证设备负责对闯红灯的机动车辆实 施图像取证，一般包括三张高清晰并且位置不相同的数码照片：第一个位置的信 息能清晰辨别闯红灯时间、车辆类型、红灯信号和机动车压停车线的情况，第二、 三位置的信息能清晰辨别闯红灯时间、车辆类型、信号灯号和整个车身已经越过 停车线的情况；夜间补光灯解决夜间成像光线不足问题；控制计算机负责图像提 取、管理、上传；后台管理软件实现对机动车辆违法过程认定、执法。而本文关 注的是车辆检测器部分，研究的主要对象和目标为基于视频的闯红灯检测算法。 按照机动车辆闯红灯行为的定义，目前闯红灯视频检测系统只在红灯相位信 号下有效，主要原因是为了排除外界对系统本身产生的干扰和影响，避免非红灯 相位期间通行机动车辆误触发所产生的无效图像。 系统检测区域设置主要有两种方法：一种是在停车线上下方各设置两个检测 区域，用于全程判断车辆闯红灯的过程，如图3 1 ( a ) 所示；一种是只在停车线 上方设置检测区域，用于对越线车辆后续行为的检测判断，如图3 1 ( b ) 。两种 检测区域设置方法都能对起到检测的作用，而检测的最终结果的好坏则取决于所 采用的检测方法和算法，而该部分也是我们研究的重点。 1 6 筘= # m p “h # 喻最统 m 口 口 斤嗣嗣 图3l ( a ) 检测区设置图3 1 ( b ) 检测区设置 现有基于视频的闯红灯检测方法主要有四种：一种足采用特征线方法，通过 设置特征线来判断有无运动车辆：种是采用虚拟线圈技术，该方法模拟地感线 圈的功能，实现对机动车辆的检测：一种足采用运动目标跟踪技术，通过对运动 乍辆的跟踪，记录运动轨迹，从而实现对车辆l 吲红灯行为的判断：还有呻p 是结 合虚拟线圈技术和车辆跟踪技术，互相补充，以提高检测的准确性。以卜将介绍 前而= 种技术，并分析该技术的优点及其存在的缺点，以及对 盘测敛果的影响。 3 3 基于特征线检测技术m 该力法需要在监视区域设置信号线，如图32 。当机动车辆发生闯红灯行为 时，画面巾特征线将被切断，算法根据该特点来实现对违章行为的实时榆测，由 f 特征线在视频罔像中同定于某位置上，且该区域面积小，不管采用什么算法， 其检测的计算量都根小，即检测速度都很快，只需要几毫秒。而该方法的缺点在 于对车道状况依赖性较高，容易受行人等其他干扰。并且，由于夜问环境较暗， 光线变化较大，特征线不明显，所咀也不适用于夜间检测。 图32 检测区特征线位置示意图 闯红灯事件的视频检测算法研究与应用 3 4 虚拟线圈技术 虚拟线圈检测技术由于其实现简单，检测速度快而常被应用于对实时性要求 很高的视频检测系统中，特别是一些背景复杂，运动目标多的检测场景中，如十 字路口的交通违章事件检测。 虚拟线圈检测技术的工作原理类似于埋入式感应线圈。在交通场景中的特定 地方设置一个或多个面积较小的检测区域，称为虚拟线圈。当车辆经过虚拟线圈 时，线圈内像素的亮度、色度等信息发生变化，系统通过计算这种变化，按某种 规则判断是否有车辆经过。实际应用中由于虚拟线圈设置位置和数量的不同，算 法也会相应的不同。 3 4 1 基于特征提取的虚拟线圈检测算法 该方法先对图片进行背景差分、边缘检测、形态除噪、阴影边缘去除等处理， 然后提取经过处理后图像中虚拟检测线的特征量，最后根据特征量进行一系列的 参数、事件检测。文中使用“图像r g b 统计值 的图像特征来表达虚拟检测线 的特征。用r s t a t 表示“图像r g b 统计值的运算结果，则虚拟检测线的特征 可以表示为式3 1 ： 1m = l ，t l r s t a t = 击e e r p r o c e s s ( i ，_ ，) ( 3 1 ) 一 m i i o ，。o 一 、 其中m 表示检测线宽度的像素数；n 表示检测线高度的像素数； r p r o c e s s ( i ，) 表示经过处理后图像( f ，- ，) 点的像素r g b 值。 该方法只需在停车线下方设置了一个虚拟线圈，实现简单，运算速度快，但 仍然只利用到车辆经过所引起的图像灰度变化这一单一的信息，使得检测准确性 不高。 3 4 2 基于快速匹配的虚拟线圈检测算法3 1 该算法在图像中设置虚拟线圈，如图3 3 所示，对前后连续两帧图像进行模 块跟踪匹配，用当前图像的某一宏块在下一帧范围内搜索最优匹配，检测判别有 1 8 第三章现有闯红灯视频检测系统分析 无车辆越过停车线。 图3 3 虚拟线圈设置 在进行模块跟踪匹配之前，算法需要对虚拟块进行筛选，去掉多余的虚拟块， 以提高跟踪匹配的速度，满足系统实时性要求。系统通过连续采集帧有车经 过该区域时的图片，计算出每两帧间各个虚拟线圈块的平均运动矢量，得到它们 的运动方向和大小，然后保留那些运动矢量与道路方向基本一直的虚拟线圈块。 算法采用平均绝对值m a d 来衡量前后两帧中两个小块的相似度，m a d 越 小，说明两个小块相似度越高。m a d 的定义如下： 脚( 五y ) 2 志阳训) 一品+ - ( 训) l ( 3 2 ) 其中，品( 工，y ) 和s p + l 化y ) 分别表示连续的两帧图片中以( 工，y ) 为左下角坐 标的m x n 大小模块，f 上的所有像素点的灰度值，即为： s e ( x ，y ) = ( f ，) ，p = 南，x + m - l ；j = y ，y + n - l ) ( 3 3 ) 当虚拟线圈中变化的小块数目大于某一阈值时，算法就判定虚拟线圈区域产 生变化。 该算法的优点是运算速度相对较慢，对越线车辆连续两张图像进行匹配，图 片大小为6 4 0 x 4 8 0 ，c p u 为p 41 7 g h z 的条件下，系统的检测时间大约为 1 5 2 0 m s 。算法的缺点是：对于阴影的干扰，不能很好的排除，需要对图像预先 进行阴影去除处理。 3 4 3 光流法虚拟线圈检测算法1 3 5 】 该算法对虚拟线圈中的图像进行的光流法处理和识别，它把检测区域的图像 1 9 闯红灯事件的视频检测算法研究与应用 变为速度的矢量场，通过对速度场的分析来判断在虚拟线圈内车辆的有无。 光流的计算问题实际上就是在满足一定约束条件下，估计“和1 ，的数值问题 ( “和v 分别为某一时刻图像上某一点在工方向和y 方向的速度分量) 。在运动物 体不透明的刚体的假设条件下，可以认为运动物体上相邻点的速度是近似相等 的，而在光流场中光流的不连续则看成是两个不同的物体，因此可以利用平滑性 这一约束条件。通常利用速度的拉普拉斯算子来表示，即： v 2 “= 窘+ 窘，v 2 y = 窘+ 窘 c 3 4 ， 缸2却2缸2却2 这样计算光流就是在估计“和，的值，使在上述约束条件下满足式( 3 4 ) ， 设 = f x t l 七j 七l t 8 ：= ( 罢) 2 + ( 考) 2 + ( 象) 2 + ( 考) 2 c 3 5 ， s 2 = i 抟；+ 舡；? 虹由 其中六，z 分别为图像灰度对x ，y ，t 的偏导数。则只要求出使9 2 最小时的速度分量u 和y 即可。 采用松弛算法求解，得到递推公式： “( m + - ) = 磊( 小) 一2 1 1 互等箬：兰铲 岍驴衲一丝篙筹业 ( 3 6 ) ( 3 7 ) 式中朋表示第历次迭代，而云( 肌) ，；( m ) 分别为第m 次迭代后像素点速度 u ( r n ) ，v ( m ) 的邻域平均值，旯表示数据及约束的信度，当数据本身含有较多噪 声时，数据的可信度较低，更多依赖于对光滑性的约束，2 可以取较小的值，反 之，可以取较大的值。 该算法的优点是不需要进行连续图像间特征的提取，匹配。缺点是算法实现 复杂，算法运行速度相对较慢，并且算法对噪声敏感。 第三章现有闯红灯视频检测系统分析 3 4 4 基于彩色空间下的虚拟线圈检测算法3 6 】 该算法将图像由r g b 空间转化为h i s 空间，通过对检测区域内各点的亮度 和色彩饱和度的变化，从而准确地判断像素点的归属。该触发算法如下： j 7 ( 了，y ) = i c ( x , y ) - i 矗“y ) d s ( 而y ) = s c ( 工，y ) - s j ( 毛y ) d 7 = d 7 ( 工，y ) 2 ( 3 8 ) d 5 = d 5 ( 工，y ) 2 = p 汀巍r 其中j c ( x ，y ) 和j 口( x ，y ) 分别为当前图与背景图在( x ，y ) 处的亮度值， s c ( x ，纠和s 且( 工，y ) 分别为当前图与背景图在( 工，y ) 处的饱和度值，d i ( 毛y ) 和 d s ( x ，y ) 分别为虚拟线圈区域q 在当前图与背景图在( x ，y ) 处的亮度和饱和度差 分，d 。和d 5 分别为虚拟线圈区域q 在当前图与背景图在( 工，y ) 处的亮度和饱和 度差分平方和，? 7 和r s 分别为亮度和饱和度阈值，为线圈触发因子，当检测 区域内的d 7 和d s 均大于相应的阈值时，才可以认为当前有车经过，虚拟线圈被 触发。 该算法最主要的缺点是受周围天气环境的影响较大，在天气较差情况下，检 测的正确率大大下降，并且该算法不能区分产生线圈出发的运动物体为行人或者 是机动车辆。 3 4 5 虚拟线圈技术的优缺点 虚拟线圈技术通过模拟地感线圈的功能，实现对运动车辆的检测。由于系统 设置的虚拟线圈通常都比较小，而且虚拟线圈的算法都比较简单，从而使整个系 统的运行速度较大，特别适合用于对系统实时性要求很高的视频监控系统中 但由于虚拟线圈自身也存在一些固有缺点： 2 1 闻红灯事件的视频榆测算法研究与应用 【l 】虚拟线圈的面积小，所以检测道的只是部分的运动物体信息，信息量不 够丰富。 【2 】虚拟线圈中对于运动物体的判断通常通过图像像素的变化为依据的，判 断条件较单一，也降低了系统检测的准确性。 3 】虚拟线圈只能判断出有无“运动物体”，而对于产生触发的“运动物体 类型无法准确判断，从而产生一些误判行为。 【4 】闯红灯视频检测系统检测的目标为机动车辆，而机动车辆本身具有刚性 物体的一些特性，如：在检测范围内，体积呈现规律性变化：物体运动 方向基本为直线等。而虚拟检测技术不能很好的利用这些特征。 5 运动目标跟踪技术 运动目标跟踪，就是在一系列的图像序列中发现并提取运动目标，不断跟踪 它们，并计算出这些运动目标的轨迹，为下一步目标识别、运动分析等算法提供 数据。由于背景图像的动态变化，如天气、光照等干扰影响，使得运动检测成为 一项相当困难的工作。运动跟踪是在一个“匹配一修正一预测过程中实现的，在 某时刻所检测到的图像特征要和系统己有的特征建立对应关系，然后修正这些特 征参数，最后预测它们可能在下一时刻的位置。 考虑动态目标的运动跟踪时，s n a k e 模型及其改进算法、k a l m a n 滤波器及其 改进算法、粒子滤波器( p a r t i c l ef i l t e r i n g ) 及其改进算法、支持向量机( s v m ) 跟踪算法都是最常用的跟踪算法，以下将对这些算法进行一一介绍。 3 5 1s n a k e 模型及其改进算法 s n a k e 模型【3 7 l 也称为动态轮廓模型，是由k a s s 提出的。s n a k e 模型对噪声 和对比度不敏感，能将目标从复杂背景中分割出来，并能有效地跟踪目标的形变 和非刚体的复杂运动而被广泛用于图像分割和物体跟踪等图像处理领域。 s n a k e 跟踪就是通过序列图像对跟踪目标边界连续分割。对于道路上车辆的 跟踪就是对车辆的边界进行连续分割。 s n a k e 模型主要思想是定义一个能量函数，在s n a k e 由初始位置向真实轮廓 第三章现有闯红灯视频检测系统分析 逐渐靠近时，寻找此能量函数的局部极小值，即通过对能量函数的动态优化来逼 近目标的真实轮廓。 k a s s 的s n a k e 模型中，用参量表示轮廓曲线v ( s ) = ( x ( j ) ，y ( s ) ) ，s 为轮廓弧 长，能量函数定义为： 厶= 仁础( v ( s ) ) 出= f 【k ( y ( s ) ) + k ( v ( j ) ) + ( y ( j ) ) 协 ( 3 9 ) 其中，表示主动轮廓线的内部能量，也叫内部力，有弹性能量k 和 刚性能量k 组成： k = 既龇+ 瓦。幽智 ( 3 1 0 ) e 嘲斟表示图像作用力产生的能量，也叫图像力；氏表示外部限制作用力 产生的能量，叫约束力。后两项和称为外部能量如： k = f 嘛+ ( 3 1 1 ) k a s s 的算法是先提供待分割图像的一个初始的轮廓曲线，针对轮廓曲线上 的离散化的点( 称为控制点) ，根据定义的能量函数，使轮廓曲线沿能量降低的 方向靠近目标边界。当能量函数达到最小的时候，提供的初始轮廓收敛到图像中 目标的真实轮廓。k a s s 的算法存在要求外力可微、不稳定、控制参数无法确定、 计算量大等缺点。 s n a k e 模型应用于物体跟踪中，有许多改进的算法，如基于b 一样条s n a k e 模 型的跟踪算法【3 钉、基于g v fs n a k e 的运动目标跟踪算法【捌、基于运动补偿的 s n a k e 视频对象跟踪算法【删等。 基于b 一样条s n a k e 模型的跟踪算法对