（计算机应用技术专业论文）基于视频技术的车辆违章行为检测.pdf

两华大学硕士学位论文 基于视频技术的车辆违章行为检测 计算机应用技术 研究生骆迪指导教师黄襄念 随着世界各国车辆数量的急剧增加，交通状况日益受到人们的重视。如何 有效地进行交通管理，越来越成为世界各国政府和有关部门所关注的焦点。针 对此问题，各种智能交通管理系统相继产生或者已在研发之中，而对违章车辆 进行监控则是其中一个极其重要的环节。传统上对交通违章车辆监控主要是通 过埋在地下的感应线圈来实现，这种方法对路面破坏性大，施工和安装都不方 便，并且要经常进行维修和维护。随着视频技术的飞速发展和计算机速度的成 倍提高，基于计算机视频检测技术的交通监控系统的实现己成为可能。计算机 视频检测较其它交通检测技术而。苗主要特点是安装调试方便，对路面不会产 生损坏，维护简单，不会对路面交通状况产生影响，并且可以得到很多交通信 息。鉴于以上背景，本文对基于视频的车辆违章行为检测技术进行了研究，主 要针对两种违章行为的研究：车辆闯红灯和车辆逆行。 本文在已有运动目标检测、跟踪算法的基础上进行了研究和改进，并提出 一种基于车辆运动轨迹分析的违章行为检测算法。首先，在运动检测方面，本 文采用背景差分法检测运动目标。背景建模与背景更新是背景差分法的基础， 本文在传统均值滤波背景建模算法的基础上进行了改进，从而可以提取出较为 理想的背景模型，并分两种情况选择性的更新背景：轻微变化的背景更新和场 景变化的背景更新。其次，本文采用o t s u 阈值选取法将差分图像二值化，并 在后处理过程中提出一种邻域统计法去除二值图像中的噪声。由于物体运动常 伴有阴影，阴影的存在影响运动目标检测的正确性和准确性，本文利用阴影区 域与背景之间的纹理不变性对阴影进行检测与消除，随后通过检测连通区域定 西华大学硕士学位论文 位每一个运动目标。由于交通场景的复杂性，检测到的运动目标不仅包括车辆， 还包括行人、自行车、摩托车等运动目标，因此，本文利用车辆与其他运动目 标在形状特征的差异将运动目标分类，提取运动车辆。最后，在运动车辆跟踪 方面，本文利用运动车辆的区域特征( 直方图，纹理，质心) 在不同帧中匹配， 实现车辆的跟踪，提取车辆运动轨迹。为了实现基于轨迹分析的车辆违章行为 的检测，本文利用三次样条插值理论将轨迹点拟合，使得不均匀的轨迹点拟合 成在某一坐标取值连续的轨迹点，为进一步违章行为检测的有效进行提供良好 的技术支持。 关键词：智能交通，视频检测，背景差分，轨迹点拟合，车辆违章 r e s e a r c ho nd e t e c t i o nf o rt r a f f i cv i o l a t i o n b a s e do nv i d e ot e c h n o l o g y c o m p u t e ra p p l i c a t i o nt e c h n o l o g y m d c a n d i d a t e ：l u od i s u p e r v i s o r ：h u a n gx i a n g n i a n w i t ht h eq u i c ki n c r e a s eo fv e h i c l eq u a n t i t yw o r l d w i d e ，t h e t r a n s p o r t a t i o n s t a t u si s t h o u g h tm u c hi n c r e a s i n g l y h o wt oc a r r yo nt h e t r a n s p o r t a t i o n m a n a g e m e n ta v a i l a b l yb e c o m e st h ef o c u st h a tt h ei n t e m a t i o n a lg o v e r n m e n t sa n d t h ed e p a r t m e n t sp a ya t t e n t i o nt o a i m i n ga tt h i s p r o b l e m ，v a r i o u si n t e l l i g e n t t r a n s p o r t a t i o nm a n a g e m e n ts y s t e m sa r ec r e a t e do ru n d e rd e v e l o p m e n t ，t om o n i t o r a n dc o n t r o lt h ec a r sd r i v ei nv i o l a t i o ni sm o s ti m p o r t a n tt a c h eo ft h e s y s t e m s t r a d i t i o n a l l y ，t om o n i t o ra n dc o n t r o lt h ei l l e g a lv e h i c l ei sm a i n l yg e ta c r o s st h e u n d e r g r o u n ds e n s o ro ra x l e sm a c h i n et or e a l i z e ，t h e s em e t h o d sh a v ed a m a g e dt o t h er o a d ，w h o s ec o n s t r u c t i o na n di n s t a l l a t i o na r ea l li n c o n v e n i e n ta n du s u a l l yn e e d t ob e m a i n t a i n e da n ds u p p o r t e d a l o n gw i t ht h eh i g hs p e e do fv i d e ot e c h n o l o g ya n d f l a t - o u tt i m e si n c r e a s e so ft h e c o m p u t e r ss p e e d ，t h e r e a l i z a t i o no ft r a f f i c m o n i t o r i n gs y s t e mb a s e do nc o m p u t e rv i d e od e t e c tt e c h n o l o g yb e c o m e st h e p o s s i b l e c o m p a r ew i t ho t h e rt r a f f i cv i d e od e t e c tt e c h n o l o g y , c o m p u t e rv i d e o d e t e c t i o nt e c h n o l o g yh a sm a n ya d v a n t a g e s ，t h ei n s t a l l a t i o na n d 耐j u s t m e n ta r e c o n v e n i e n t ，d o e sn o tp r o d u c et h ed a m a g et or o a d ，m a i n t e n a n c ei se a s y ，d o e sn o t a f f e c tt r a f f i cc o n d i t i o no ft h er o a d 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 s t ot r a f f i cv i o l a t i o nv i d e od e t e c t i o na l g o r i t h mr e s e a r c h i n g ，a n df o c u so i lt w o s i t u a t i o n so fv i o l a t i o n ：v e h i c l er e dl i g h tr u n n e r sd e t e c t i o na n dv e h i c l ec o n v e r s e t h i st h e s i sd i ds o m er e s e a r c ha n di m p r o v e m e n ti nm o t i o nv e h i c l ed e t e c t i o n 1 i i 西华大学硕士学位论文 a n dt r a c k i n ga l g o r i t h mb a s e do ne x i s t i n gr e s e a r c ha n dp r o p o s e dt h e a l g o r i t h mo f v e h i c l ev i o l a t i o nv i d e od e t e c t i o nb a s e do na n a l y s i so fv e h i c l em o t i o nt r a j e c t o r y f i r s t ，t h ep a p e ru s e db a c k g r o u n ds u b t r a c t i o nt od e t e c t t h em o t i o nv e h i c l e b a c k g r o u n ds u b t r a c t i o ni sb a s e do nb a c k g r o u n dm o d e l i n ga n du p d a t i n g ，i nt h e t h e s i s ，w ei m p r o # e dt h ea v e r a g ef i l t e rb a c k g r o u n dm o d e l i n ga l g o r i t h ma n d p r o p o s e dt h em e t h o do fs e l e c t i v eb a c k g r o u n du p d a t i n g t h e n ，u s e do t s ua l g o r i t h m t ob i n a r i z et h es u b t r a c t i o ni m a g ea n dp r o p o s e dt h en o i s er e m o v i n gm e t h o do f b i n a r yi m a g e i n p o s t - p r o c e s s i n g b e c a u s em o t i o ni su s u a l l ya l o n gw i t ht h e o c c u r r e n c eo fs h a d o w , w h i c hi m p a c t st h ec o r r e c t n e s sa n da c c u r a c yo fm o t i o n d e t e c t i o n , t od e t e c ta n dr e m o v es h a d o w , w eu s e dt e x t u r ei n v a r i a n c eb e t w e e n m o t i o no b j e c t sa n db a c k g r o u n d d u et oc o m p l e x i t yo ft r a f t i c ，m o t i o no b j e c t sn o t o n l yv e h i c l e sb u ta l s oo t h e rk i n d so fo b j e c t s ，f o re x a m p l e ，p e o p l e ，b i c y c l ea n da u t o b i k e t h e r ea r eb i gd i f f e r e n c e sb e t w e e nv e h i c l ea n do t h e rk i n d so f o b j e c t si ns h a p e f e a t u r e ，t h ep a p e ru s e dt h e s ed i f f e r e n c e st oc l a s s i f yv e h i c l e sf r o mo t h e rk i n d so f o b j e c t s l a s t , w et r a c k e dm o t i o nv e h i c l e sb a s e do nr e g i o nf e a t u r em a t c h i n gi n d i f f e r e n tf r a m e sa n dp r o p o s e dam e t h o do f t r a j e c t o r yf i t t i n gb a s e d o nc u b i cs p l i n e s i n t e r p o l a t i o nt ol a yas o l i df o u n d a t i o nt ot h em e t h o do fv e h i c l ev i o l a t i o nb a s e do n t r a j e c t o r ya n a l y s i sw h i c hp r o p o s e di nt h ep a p e r k e yw o r d s ：i n t e l l i g e n tt r a n s p o r t a t i o n ，v i d e od e t e c t i o n ，b a c k g r o u n dd i f f e r e n c e ， t r a j e c t o r yf i t t i n g ，v e h i c l ev i o l a t i o n i v 西华大学硕士学位论文 9 声明 本人声明所呈交的学位论文是本人在导师的指导下进行的研究工作及取 得的研究成果。除了文中特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，也不包含为获得西华大学或其他教育机构的学 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 在论文中作了明确地说明并表示谢意。 本学位论文成果是本人在西华大学读书期间在导师指导下取得的，论文成 果归西华大学所有，特此声明。 作者签名： 导师签 7 讣胂日 ? 卜胱b 西华大学硕士学位论文 l o 授权书 西华大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规 定；同意学校保留并向国家有关部门或机构送交论文的复印件和电 子版，允许论文被查阅和借阅，西华大学可以将本论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复 印手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书： 2 、不保密彳适用本授权书 ( 请在以上口内划4 ) 学位论文作者签名： 日期： 硼。y 1 | 指导教师虢彩 嘴i 谚i s 押 西华大学硕士学位论文 1 绪论 1 1 论文选题背景和意义 道路交通违章( 简称交通违章) 是指违反道路交通法规，妨碍道路交通秩 序，影响道路交通安全和畅通的过错行为。大量研究表明，交通违章和交通事 故有着密切的相关关系，一次违章就是一次准事故，减少违章就是减少事故。 在改革开放以前，我国经济发展缓慢，机动化水平不高，交通事故情况不严重。 但改革开放以来，尤其是进入2 0 世纪8 0 年代中期后，我国经济进入全面快速 发展时期，机动车拥有量增长迅速，伴随着经济进入全面快速发展，交通事故 也明显增加。因此，做好违章纠正工作，保护公民的合法权益，减少交通事故， 维护道路交通秩序，保护交通安全、畅通有着十分重要的意义。治理交通违章 的紧迫性和计算机处理、信息、数据通讯传输、电子控制等技术的飞速发展促 使了智能交通系统的诞生。 智能交通系统( i n t e l l i g e n tt r a n s p o r t a t i o ns y m e m ，简称i t s ) 就是将先进的信 息技术、数据通讯传输技术、电子控制技术、计算机处理技术以及人工智能技 术等各种技术有效地综合运用于整个交通管理体系。智能交通系统是在系统工 程综合集成思想的指导下，建立起的一种在大范围内，全方位发挥作用的、实 时、准确、高效的交通运输综合管理系统。 车辆违章行为检测系统是i t s 系统的重要组成部分，是利用现代科学技术 开发的电子产品，安装于高速公路或者特殊路段，2 4 小时全天候对违章车辆 进行抓拍，为交通部门处理违章行为提供客观准确的依据，节省警力。公安交 通管理部门将抓拍的违章照片作为依据，可以对违章者进行处罚和教育，大大 提高车辆驾驶员的自觉性，增强安全意识，减少因车辆违章行为而造成的事故 和交通混乱，保证道路畅通。车辆违章行为检测系统所形成的强大威慑力，促 使广大驾驶员不敢随意违章，从而既保障了交通安全，又减轻了民警的劳动强 度。因此，建立有效的智能交通系统在交通秩序管理方面占有举足轻重的地位， 是交通管理现代化的重要标志之一。目前，无论在发达国家，还是在发展中国 家，为了解决城市交通管理问题，都在建设自己的智能交通系统【m 1 。 西华人学硕士学位论文 目前违章车辆检测的方法有很多【_ 7 1 ，例3 1 ：电磁感应线圈：在停止线埋好 电感线圈和能够测量该线圈电感的电子设备，当线圈上有车辆通过时，该线圈 电感就会发生变化，通过检测电感的变化来测量是否有车辆闯红灯。其缺点是 很容易受到路面环境( 温度和湿度) 、电磁辐射、线圈变形及老化的影响，维护 困难9 3 ；雷达检测法：它依靠多普勒效应原理来工作，只能检测运动中的车 辆，对速度缓慢或者静止的车辆，多普勒系统就会失效【1 0 】。 与以上车辆检测的方法相比，视频检测技术具有以下优点【1 1 】： ( 1 ) 覆盖范围广。视频检测属于面式检测，检测范围大，一个摄像头可覆 盖4 6 个车道，检测范围可达到5 0 1 5 0 米。 ( 2 ) 安装、维护方便，不会造成路面损坏，并能在不中断交通的情况下完 成安装维护工作。 ( 3 ) 检测参数多。可检测大部分交通管理所需的参数：车流量、车辆速度、 道路占有率、停车等待时间、车型、排队长度等。 ( 4 ) 可重现场景。视频检测图像记录在硬盘或磁带上，可以事后重现交通 场景。这为研究交通行为、改进交通管理方法和处理交通事故提供了大量信息。 有上述可见，基于视频检测技术的车辆违章行为检测具有明显的优势，视 频检测技术在车辆违章行为检测中的应用可以大大减少人力、物力的消耗，并 且极大的提高了运动车辆行为分析的及时性和准确性，由此带来的直接和间接 的经济效益和社会效益是难以估计的，因此已成为国内外学者的研究热点。 1 2 国内外研究现状 1 2 1 国外研究现状 自上世纪8 0 年代末期以来，随着先进的信息技术、电子传感技术、数据 通信传输技术、网络技术和计算机硬件等高新技术的发展，将计算机视觉、图 像处理、模式识别、人工智能等技术应用于交通管理的理论与方法一直是研究 的重点和热点。1 9 8 4 年美国明尼苏达大学的机器视觉与人工智能实验室首次 开展了将计算机视觉应用于高级交通管理的研究，1 9 8 7 年美国i m a g es e n s i n g 2 西华大学硕士学位论文 s y s t e m s ( i s s ) 公司研制出第一台原型机，首次验证了视频检测技术在交通领域 的应用。基于视频的交通违章行为检测技术取得了长足的进展，能够对车辆闯 红灯、逆行、超速和违章停车等违章行为进行自动检测和记录，出现了成型的 商业化产品。 1 2 , 1 3 , 1 4 】比较著名的有美国i s s 公司的a u t o s c o p e 系统、比利时 路畅公司的t r a f i c o n 系统和美国艾特锐视( i t e r i s ) 公司的v a n t a g e 系统 等。a u t o s c o p e 系统在全球各种复杂道路、交叉路口进行控制，是交通数 据采集以及事件检测方面的佼佼者，它是现在交通管理系统最先进的解决方 案；比利时的t r a f i c o n 系统已在法国f o i x 隧道、美国华盛顿州l y n n w o o d 、 美国华盛顿州塔科马港市、瑞士、意大利、卢森保、挪威奥斯陆、比利时、安 特卫普、中国北京四环路，杭州解放路隧道等地安装使用；v a n t a g e 视频车 辆检测器在全球已有3 万个系统的运用业绩，已成为了全球在用业绩最多、最 受用户欢迎的车辆检测产品之一。除此之外，世界发达国家已开发出各种性能 优越的区域交通控制管理软件，如：日本的u t m s ，英国道路和运输研究所的 s c o o t 系统，法国的p r u d y n 系统，意大利的u t o p i a 系统等。 美国c a l p o l y ( c a l i f o r n i ap o l y t e c h n i c ) 大学曾经针对当今世界各国所完成 或尚在发展的智能交通系统作了长达2 2 个月的评估工作并发表了评估结果， 对于这种系统的功能和成本效益给予了极高的评价。 交通领域的视频监控越来越受到国内外很多学者的密切关注。面对日益严 重的交通状况，国内外的学者和工程技术人员纷纷加大了对解决这一问题的方 法的研究和交流，在2 0 0 2 年在新加坡召开的i e e e 国际智能交通系统大会 ( i e e ei n t e l l i g e mt r a n s p o r t a t i o ns y s t e m sc o n f e r e n c e ) 和2 0 0 3 年的10 月在中 国上海召开国际智能交通系统大会( 2 0 0 3i e e ei n t e r n a t i o n a lc o n f e r e n c eo n i 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 ) ，更是收录了大量交通视频监控领域内的最新 研究成果。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研 究组有： 1 ) 美国明尼苏达大学机器视觉与人工智能实验室； 2 1 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 3 ) 美国康奈尔大学计算机系d a n i e lh u a e r d o c h e r 教授领导的研究组； 4 ) 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； 西华大学硕士学位论文 5 ) 英国雷丁大学计算机系的v i e w s 项目组； 6 ) 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； 7 ) 美国伯克利大学计算机系的r o a d w a t c h 项目组等。 在国外的一些著名系统中，大多将交通违章检测、识别及处理作为智能交 通系统的子系统。例如t r a f i c o n 系统可以检测违章停车，违章逆行，违章 占道，车辆超速等，并在实际应用中取得了较好的效果。但是，这些系统在中 国引进及使用过程中效果并不理想，其原因在于我国存在着交通参与者交通法 规意识淡漠，道路拥挤，路面上机动车、非机动车与行人混合通行，以及交通 设施和交通法规正在健全之中等特点。 1 2 2 国内研究现状 我国在交通违章自动检测与处理方面的研究起步较晚。1 9 9 6 年5 月初， 北京市公安局试验进口的“抢红灯自动拍摄器”获得成功。1 9 9 8 年，北京市 交通工程科学研究所与北京中联通达科技发展有限公司合作研发国内第一台 “视频机动车闯红灯自动监测系统 ( 既电子警察) 获得成功。早期的电子警 察是以交叉口处i 哥红灯违章车辆为对象而设计的，采用感应线圈检测技术， 功能单一。近几年，电子警察的功能有了很大扩展【1 5 , 1 6 , 17 】，违章超速、逆行、 占用公交车道、单行线等各种违章行为亦成为电子警察的研究内容。然而针对 各类不同违章行为的检测、处理技术差别较大，各有优劣。 闯红灯违章检测 目前，在闯红灯交通违章处理系统中，闯红灯违章检测技术大致可分为三 种，一是采用电磁感应线圈检测方法，二是视频图像处理技术检测方法，三是 采用感应线圈和视频技术结合的检测方法。我国大多数城市采用的是电磁感应 线圈检测模式。例如，广州、深圳等城市采用的是这种方法。 北京市目前采用视频技术检测闯红灯车辆。当监测器检测到机动车闯红灯 后，控制全景摄像头和特写摄像头连续对同一辆车抓拍三幅图像，其中一幅为 机动车在红灯时未越过停止线的图像，第二幅是该车越过停止线继续行驶的图 像，第三幅抓拍违章车辆的牌照号码；这三幅图像记录了违章车辆违章的全过 4 西华大学硕士学位论文 程，而且记录了路口的客观环境因素，包括路口渠化、停止线位置、信号灯的 颜色。在对违章行为认定有分歧时，北京市的解决办法是委托公安部安全与警 用电子产品质量检测中心对三幅图像进行人工识别，给出检验报告。另有上海 市交通工程科学技术研究所研制的基于图像分析的闯红灯违章视频监测系统 的报道。 违章超速检测 目前，广州、南京等城市违章超速拍摄系统采用d j 9 9 1 型的公安交通巡 逻数码电子警察，该系统装备的车载雷达完成测速超速拍摄功能。d j 9 9 1 系 统目前在江苏沪宁高速、广靖高速、锡澄高速及2 0 4 国道等线投入使用，被列 入公安部二o o 二年全国引导推广项目。然而，这种违章超速处理方式需要配 备大量的雷达测速车辆和相当多的警力，费工费时，而且定点查纠检测范围小， 在时间和空间上常会出现“盲点”，同时由于上路拦车易引发交通事故并危及 自身安全。近年来，高速公路发展迅速，公安部高速公路管理办法规定，主线 不准拦车，因此这类后果严重的超速违章有些还无法纠正。另已有视频技术和 感应线圈相结合的完成违章超速检测的报道。 违章停车检测 国内仅检索到一篇相关报道，既深圳市哈工大交通电子技术有限公司研制 的v t d 2 0 0 0 e 系统，其为公安部”十五”期间在公安交通领域的全国重点推广项 目之一，并被列为2 0 0 3 年国家级火炬计划项目。是采用大面积视频检测交通 流，估计交通流参数，推测某区域有停止车辆，而不是对某一车辆的单独识别。 目前，智能运输系统及其相关理论与技术研究在中国方兴未艾，许多科研 院所和公司企业等积极参与理论研究或系统及产品研发【1 8 , 1 9 ，这一领域市场前 景广阔，蕴藏着巨大的商机【2 0 l 。 1 3 本文主要研究内容及组织结构 交通车辆违章行为的检测与识别涉及内容广泛，有许多问题在理论上尚未 较好的解决，些关键技术尚在研发之中。例如，夜晚及雨雪天气条件下的车 辆检测技术，拥挤及遮挡情况下的车辆识别与跟踪。本文主要研究内容针对白 西华大学硕士学位论文 天且天气状况良好的情况下的车辆违章行为检测。本文实验所用视频数据由架 设在路中央上方的静态摄像机拍摄完成，即本文在背景固定的情况下对车辆违 章行为进行检测。本文主要针对两种违章行为进行检测：车辆闯红灯和车辆违 章逆行。论文后续章节韵研究内容，分别简述如下： 第二章讨论了运动检测的相关理论及方法，包括运动目标检测，阈值分割 技术，运动目标分割的后处理，背景建模及更新，阴影检测与消除以及运动目 标的定位。 第三章讨论了运动目标分类技术，即将车辆与行人、自行车、摩托车等运 动目标分类，提取运动车辆。 第四章介绍了一种基于区域特征匹配的车辆跟踪技术，并利用三次样条插 值理论将提取的车辆轨迹点拟合，使得不均匀的轨迹点拟合成在某一坐标取值 连续的轨迹点，为进一步违章行为检测的有效进行提供良好的技术支持。 第五章讨论了基于车辆轨迹分析的车辆违章行为检测算法，其中车辆违章 包括两种违章行为：车辆闯红灯与车辆逆行。 第六章对本文工作做了总结，并提出了对进一步工作的展望。 本文系统流程图如图1 1 所示。 6 西华大学硕士学位论文 - - _ - _ 数据采集 ： 原始视频 v f w 视频解码- l 2 4 位b m p 图像 i i 运动目标检测未一上一- _ 一一i 一一王一一一一一一一一一。_ i ，一一一一一 l 背景建模一卜 i 后处理 l i l i i i i 去噪l l ：+ 啼 背景差分 二值化 l 形态学 jl 1 + ；r 区域填充 连通区域 0 矗。 i 翥? 新? 背颢新 检测提取 ：v 疋 运动目标 运动目标分类：二i - li - 二li - i - - - i - - - - i - - - - i _ - - - - - - - - - 一 运动目标形 状特征提取 运动目标跟踪： i 一一一一一一一一一一 车辆区域 特征提取 基于形状特征的 运动目标分类 提取运动车辆 二二二二二王二二二二二二二二二二二二二二二二 基于区域特征匹 配的车辆跟踪 车辆轨迹拟合 一 一 i i i l i 奠望羔。三乳，专您鬯吧 i - ：一：一：一：一三- s 。一。1f 一一一一一一。一一一一 定义行驶正方向 尊訾l ； i ； 蛔i 断轴沐县否窑赫僖。卜绪i ： 上 ：-一i “2 ；j i 轨迹坐标变化与 i o 分析轨迹与停止线位置关系 ： ! 正方向坐标比较 - ： ： ， 0 。 - i 检测车翥闯红灯 ；l； l 检测车辆逆行i f i g 1 1s y s t e md i a g r a mo f t h i sp a p e r 图1 1 系统流程图 7 西华大学硕七学位论文 2 运动目标检测与定位 基于视频的运动车辆检测是计算机视觉技术在智能交通中的主要应用之 一，是当前研究的热点问题，是基于视频技术的车辆违章行为检测系统的第一 步，也是整个检测系统的基础，后期交通参数等信息的获得都建立在正确、可 靠的运动目标检测基础上。 2 1 运动目标检测 2 1 1 运动目标算法综述 运动目标检测算法究其原理主要可以分为三类：光流法、帧间差分法、背 景差分法。每种算法各有其特点，并且各种算法都有其适用的应用范围。 光流法 光流法最初由h o m 和s c h u n c k 2 l 】于1 9 8 1 年提出，它是一种以灰度梯度基 本不变或亮度恒定的约束假设为基础的运动目标检测的有效方法。 所谓光流是指图像中灰度模式运动的速度，它是景物中可见点的三维速度 矢量在成像平面上的投影，它表示了景物表面点在图像中位置的瞬时变化。一 般情况下，可以认为光流与运动场没有太大区别，因此可以根据图像运动来估 计相对运动。基于光流法的运动检测采用运动目标随时间变化的光流特性，把 光流计算得到的运动量作为一个重要的识别特征来判断运动目标。 光流计算的优点在于光流不仅携带了运动目标的运动信息，而且还携带了 有关景物三维结构的丰富信息，它能够检测独立运动的对象，不需要预先知道 场景的任何信息，并且能够适用于静止背景和运动背景两种环境，可用于摄像 机运动的情况，有较好的适应性。 但是当目标与背景图像的对比度太小，或图像存在噪音时，单纯的从图像 灰度强度出发来探测目标的光流方法将会导致很高的虚警率。另外，这种方法 的计算复杂耗时，除非有特殊的硬件支持，很难实现实时运动目标的检测，因 而导致光流计算法的实用性比较差。 帧间差分法 8 两华大学硕士学位论文 帧间差分法利用视频图像中连续的两帧或更多帧图像的差异来进行目标 检测。一个最基本的帧间差分法的基本过程如图2 1 所示： f i g 2 。1f l o wc h a r to f t e m p o r a ld i f f e r e n c e 图2 1 帧间差分法流程图 p i ( x ，y ) = i f a x ，y ) 一e 一。( x ，少) l ( 2 1 ) 其中f a x , y ) 为第k 帧，e 一，( x ，y ) 为第k 1 帧，b ，少) 为帧间差分的结果 图像。 帧间差分法的优点是计算简单且不易受环境光线变化的影响。但这种方法 有两个缺点：1 ) 不能检测出静止的车辆。2 ) 对进行差分的连续帧的选取要求 较高；而且依赖于运动物体的运动速度，如果物体运动速度快，且选取的时间 间隔较大，就会造成两帧之间无覆盖区域，从而无法分割出运动物体；而如果 车辆运动速度过慢，且选取时间间隔过小就会造成过度覆盖，使检测出的物体 出现空洞，而得不到完整的物体，最坏的情况使物体几乎完全覆盖根本检测不 到物体【2 0 】。 背景差分法 背景差分法基本思想是将当前帧图像像素值与事先存储或者实时得到的 背景图像( 背景模型) 对应像素值相减，若差值大于某一阈值，则判定该像素 点属于运动目标，否则判定此像素点属于背景场景，经过阈值分割处理并二值 化后得到运动目标前景掩模( f o r e g r o u n dm a s k ) 。背景减除法可以看作是一种 特殊的帧间差分法，即将相邻的前一帧用背景模型替换。背景减除法的具体算 法如图2 4 所示，e 表示当前第k 帧图像，鼠表示背景图像，表示当前第k 帧 9 西华人学硕士学位论文 图像，4 表示背景减除后的结果图像。 珥( x ，j ，) = l e ( x ，y ) - b k ( x ，y ) i ( 2 2 ) f i g 2 2f l o wc h a r to fm o v i n go b j e c t sb a s e db a c k g r o u n ds u b t r a c t i o n 图2 2 背景减除法运动目标检测流程图 利用背景减除法进行运动目标检测的主要优点是： ( 1 ) 原理和算法设计简单； ( 2 ) 根据实际情况确定阈值进行处理后，所得的结果直接反映了运动目标 的位置、大小、形状等信息，能够得到比较精确的运动目标信息； ( 3 ) 与帧间差分法比较，由于背景相对固定，减少了对运动目标的影响， 可以检测出比较完整的目标图像。 其主要缺点是： ( 1 ) 容易受光照、天气等外界条件变化的影响： ( 2 ) 由于背景减除法需要得到当前环境的背景估计图像，那么在一些复杂 场景下可能难以获得背景图像，比如在运动频繁( 如大型商场) 的场合。 2 1 2 帧间差分法与背景差分法的实验对比 图2 3 与图2 4 分别给出了帧间差分法和背景差分法的结果图，图2 3 ( a ) 为第7 0 0 帧图像，图2 3 ( b ) 为第7 0 2 帧图像，图2 3 ( c ) 为帧间差分结果，图2 4 ( a ) 为背景图像，图2 4 ( b ) 为第7 0 0 帧图像，图2 4 ( c ) 为背景差分结果，对比两图 可以看出，帧间差分法不能得到完整的运动目标，得到的运动目标存在严重的 1 0 西华大学硕士学位论文 空洞和重影；而背景差分法可以得到完整的运动日标。两种方法各有优缺点， 适应于不同的应用场合。帧间差分法计算简单，且不易受外界环境变化的影响， 在只需检测有无运动，不需得到运动目标的详细信息的情况下，可以采用帧间 差分法：而背景差分法虽然要经过背景建模，且由于外界环境的变化，必须对 背景进行更新，计算较帧间差分法复杂，但采用背景差分法可以得到完整的运 动目标，从而提取运动目标的各种特征对其进行分析。本文需要提取完整的运 动目标信息，所以采用背景差分法检测运动车辆。 丞 i 【r 奠 f i g2 3d e t e c tm o t i o nu s b | 冬i2 3 帧间差分法 f 唱2 4 d e t e c t m o t i o n u s i n g b a e k s r o u n c i d i f f e r e n c e 图2 4 背景差分法检测运动 2 2 差分图像二值化 2 21 图像= 值化概述 西华大学硕士学位论文 二值图像是指整幅图像画面内仅含黑、白二色的图像，在它们之间不存在 其他的灰度变化。二值化处理是运动目标检测与提取交通参数的前提，是通过 确定阈值t ，将差值图像中的各像素f ( x ，y ) 与t 比较，大于或等于t ，贝l j f ( x ，y ) 为运动目标像素，否则f ( x ，y ) 为背景像素，即： g ( 暴怎觑咖耐f i 俐x , y ) 丁h b 幢力 r o 2 1 0 蹦删妇 ( 2 1 1 ) 式中b ( x ，y ) 、似计、巩( x ，y ) 分别为背景图像某一像素的r 、g 、b 三基色 值，该差值图像的二值化模型充分利用了颜色模型，可有效提高目标检测区域 的完整性，图2 5 为帧间差分图和背景差分图的二值化结果，图2 5 ( a ) 为帧间 差分图的二值化结果，图2 5 ( b ) 为背景差分图二值化结果。 2 3 图像后处理 f 8 - 2 5 b i n a r i z a f i o n o f d i f f a e n c e i m a g e 图2 5 差分图像二值化 2 3 1 邻域统计法二值图像噪声消除 西华大学硕士学位论文 由于受到光照变化或摄像机轻微抖动等的影响，二值化的差分图像不仅包 括运动目标，还包括大量的噪声点，如图2 6 所示，这些噪声点的存在影响了 运动目标检测的结果及对运动目标进一步分析的精确度。因此，在进行下一步 工作之前要先对二值图像进行噪声消除。 磊。 謇，o 、 j 。1 毒，i 、 j ：。 二 h| “ 、 一_ - 、 ；、_ - j 盈爱曩圜蕊一 在二值图中，对像素( 弓) - ，当1 8 ，k y ) = 2 5 5 ，表明其状态有两种情况： 运动目标和噪声点。当缘素瓴力为运动目标时，因运动目标有一定的面积， 所以其周围一定范围内存在一定量的像素( f ，j ) ，满足，。，( j ，力= 2 5 5 ；当像素 ( x ， 为噪声点时，其在二值图像中表现为较孤立的点，即其周围一定范围内 满足l ，( j ，j ) = 2 5 5 的像素较少。因此，本文利用噪声像素与运动目标像素在 二值图像中的这种区别特点来进行噪声消除，算法描述如下： ( i ) 确定邻域的大小： ( 2 ) 对二值图像中值为2 5 5 的像素统计其n x n 邻域中值为2 5 5 的