（计算机软件与理论专业论文）基于组件的交通视频测速系统的设计与实现.pdf

摘要 摘要 基于视频监控技术的车辆测速技术由于具有检测区域大，系统设置方便等 突出特点，已成为智能交通系统领域的研究热点。本文针对这一热点，研究了 在高速公路环境下，基于组件的交通视频测速系统的设计实现方法。主要涉及 计算机视觉、信息采集、视频图像处理等方面的知识。其中重点研究了运动车 辆检测和跟踪算法，车速的测得方法以及如何将系统以组件化的形式进行封装， 以便满足今后系统升级的要求。 本文首先对交通视频测速的原理和面临的问题做了分析。速度是由路程和 时问决定的，因此将视频测速的问题转换成行驶路程测量和行驶时间计算的问 题。并分别对这些问题提出了如何解决的思路。分析了实际测速环境下，需要 面临的问题，给系统的设计和设备的安置提供了参考。 接下来重点研究了运动车辆检测的算法，对检测前的图像预处理方法做了简 要的介绍。介绍了常用于运动目标检测的几种方法，并对他们的优缺点进行了 比较，确定了适合室外环境的基于改进的混合高斯背景模型的检测算法，主要 做了三个方面的改进：提取行车区域，排除无效区域，减少混合高斯建模的像 素点个数：采用三帧间差分法，解决强烈的天气变化和光照突变问题；区别行 车区域内像素点属性，改善混合高斯模型更新速度。通过这些改进办法提高检 测算法的运行速度和准确性。 然后对运动车辆检测过程中的阴影问题做了相应的研究和分析。利用运动 车辆和对应运动阴影在属性上的区别，提出了基于改进的h s v 色彩空间的阴影 检测方法，通过这些改进提高了阴影检测算法的效率和准确率。 运动车辆跟踪方面，在研究分析几种常用跟踪算法的基础上，运用基于扩 展的卡尔曼滤波的目标跟踪方法对多目标进行跟踪。试验表明，该方法在高速 公路上的跟踪效果令人满意。 最后，在比较了几种组件技术优缺点以及系统对组件设计的要求后，确定 使用a e t i v e x 组件技术对系统的功能模块进行组件化封装，便于今后的二次开发 和功能扩展。 关键字：目标检测：目标跟踪；混合高斯模型；阴影检测；a c t i v c x 组件 a b s t r a c t a b s t r a c t t h ev e h i c l es p e e dd e t e c t i o nt e c h n o l o g yb a s e d0 1 1v i d e om o n i t o r i n g ，d u et oa l a r g ed e t e c t i o na r e aa n dc o n v e n i e n ts y s t e ms e t t i n g sf e a t u r e s ，h a s b e c o m eah o t r e s e a r c ha r e ai ni 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 sf i e l d i nt h i sp a p e r , w es t u d yt h e d e s i g ni m p l e m e n t a t i o n so fc o m p o n e n t b a s e dt r a f f i c v i d e os p e e ds y s t e mi nt h e h i g h w a ye n v i r o n m e n t m a i n l yr e l a t e st oc o m p u t e rv i s i o n , i n f o r m a t i o nc o l l e c t i o n ， v i d e oi m a g ep r o c e s s i n ga n do t h e ra r e a so fk n o w l e d g e a n df o c u s e so nt h ev e h i c l e s d e t e c t i o na n dt r a c k i n ga l g o r i t h m ，t h es p e e dm e a s u r i n ga p p r o a c ha n dh o wt op a c k a g e t h es y s t e mi nc o m p o n e n tw a y ，i no r d e rt om e e tt h er e q u i r e m e n t sf o rf u t u r es y s t e m u p g r a d e s f i r s t l y , w ea n a l y z et h ep r i n c i p l eo ft r a f f i cv i d e os p e e dm e a s u r e m e n ta n dt h e p r o b l e m sw em e e t s p e e di sd e t e r m i n e db yd i s t a n c ea n dt i m e ，s ot h ep r o b l e m w i l lb e c o n v e r t e di n t op r o b l e m so fd i s t a n c em e a s u r e m e n ta n dt i m ec a l c u l a t i o n ，r e s p e c t i v e l y o ni d e a so fh o wt os o l v et h e s ei s s u e s a n a l y z et h ep r o b l e m sw en e e dt of a c ei nt h e a c t u a ls p e e de n v i r o n m e n t ，a n dp r o v i d ear e f e r e n c ef o rt h es y s t e md e s i g na n dt h e e q u i p m e n tp l a c e m e n t s e c o n d l y ，w ef o c u so nt h es t u d yo fv e h i c l e sd e t e c t i o na l g o r i t h ma n dg i v ea b r i e f 。 i n t r o d u c t i o no fi m a g ep r e - p r o c e s s i n gm e t h o d d e s c r i b es e v e r a lc o m m o nw a y su s e di n m o v i n gt a r g e td e t e c t i o n , c o m p a r et h e i ra d v a n t a g e sa n dd i s a d v a n t a g e s ，a n dt h e n , d e t e r m i n ea l li m p r o v e dm i x t u r eo a u s s i a nb a c k g r o u n dm o d e lo ft h ed e t e c t i o n a l g o r i t h mf o rt h eo u t d o o re n v i r o n m e n t im a k et h r e em a j o ri m p r o v e m e n t s ：e x t r a c t r o a dr e g i o nw h i c he x c l u d e si n v a l i dr e g i o na n dr e d u c e sp i x e l sn u m b e r so ft h e g a u s s i a nm i x t u r em o d u l e ，u s eo ft h r e ei n t e r - f r a m ed i f f e r e n c em e t h o dt os o l v et h e s t r o n gi s s u eo fc l i m a t ec h a n g ea n dt h el i g h tm u t a t i o na n dd i s t i n g u i s ht h ep i x e l p r o p e r t i e si nd r i v 啦r e g i o nt oi m p r o v et h eu p d a t er a t eo fm i x t u r eg a u s s i a nm o d e l w i t ht h e s em e t h o d s ，w eh a v et h ew a yt oi m p r o v et h ed e t e c t i o na l g o r i t h ms p e e da n d a c c u r a c y i nm o v i n gv e h i c l e sd e t e c t i o np r o c e s s ，w ea l s od os o m er e s e a r c ha n da n a l y s i so n t h ei s s u eo fs h a d o w u s i n gt h ed i f f e r e n c e si np r o p e r t i e sb e t w e e nm o v i n gv e h i c l e sa n d i i t h ec o r r e s p o n d i n gs h a d o w , w ep r o p o s e sa l li m p r o v e ds h a d o wd e t e c t i o nm e t h o d s b a s e do nh s vc o l o rs p a c e ，i no r d e rt oi m p r o v et h ee f f i c i e n c ya n da c c u r a c y t h i r d l y , a f t e ra n a l y s i ss e v e r a lc o m m o n l yr a c k i n ga l g o r i t h m ，w ed e t e r m i n e t ou s e t h ee x t e n d e dk a l m a nf i l t e rt r a c k i n gm e t h o dt oa c h i e v et h em u l t i - t a r g e tt r a c k i n g t e s t s h o w st h a tw eg a i ns a t i s f a c t o r yo i lt h et r a c k i n gm e t h o d f i n a l l y ，i nc o m p a r i n gt h ea d v a n t a g e sa n dd i s a d v a n t a g e so fs e v e r a lc o m p o n e n t t e c h n o l o g i e sa sw e l la ss y s t e md e s i g nr e q u i r e m e m sf o rc o m p o n e n t s ，w eu s ea c t i v e x c o m p o n e n tt e c h n o l o g yi np a c k a g i n gt h es y s t e m sf u n c t i o nm o d u l e st of a c i l i t a t et h e f u t u r es e c o n d a r yd e v e l o p m e n ta n df u n c t i o ne x p a n s i o n k e yw o r d s ：t a r g e td e t e c t i o n , t a r g e tt r a c k i n g ；g a u s s i a nm i x t u r em o d e l ；s h a d o w d e t e c t i o n ；a c t i v e xc o m p o n e n i i i 学位论文独创性声明 学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，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，也不包含为获得直昌塞堂或其他教育 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的说明并表示谢意。 学位敝储签名c 嗣秒签字魄叩年嗍订日 学位论文版权使用授权书 本学位论文作者完全了解直昌太堂有关保留、使用学位论文的规定，有权 保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借 阅。本人授权直昌太堂可以将学位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、缩印或扫描等复制手段保存、汇编本学位论文。同时授 权中国科学技术信息研究所将本学位论文收录到中国学位论文全文数据库， 并通过网络向社会公众提供信息服务。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名( 手写) ：运形 签字日期7 年肜月坳 导师签名( 手写) ： 乏磊色 l 签字日期：4 年，砂月日 第1 章引言 第1 章引言 1 1 课题研究背景 随着我国近些年经济的快速发展，我国车辆制造工业的发展迅速，汽车数 量和质量都在不断上升，同时，道路交通条件日渐改善，越来越多高速公路的 竣工，给行车速度带来了不断提高，为人们出行提供了更多的便利。然而，由 于一些驾驶人员的交通安全意识较低，导致机动车违章超速行驶的现象屡见不 鲜。据有关交通部门的统计表明，在发生车祸的直接或间接原因中，有8 0 以 上与驾驶员自身有关。今年上半年，引起全国热议的“杭州飙车案”，使人们的 焦点再次聚焦到车辆超速这个话题上。超速已经成为目前造成重大交通事故的 最主要原因。如何有效地判断车辆有超速行为成为了交通运输安全中一个重要 的研究问题，对车辆测速提出了更高的要求。 智能交通系绀l j 是一个广泛包括各种技术的统称，它将人、车、道路综合起 来考虑，通过对道路交通信息的实时监测，了解道路交通运行状况和交通流动 态变化，对交通进行控制，降低发生交通事故的概率，并使交通设施得到充分 利用，最终达到智能运输的目的。实施智能化的运输系统，核心在于交通信息 的快速采集、传输和利用1 2 j 。 车辆速度信息是交通信息中一个重要方面，车辆速度信息的采集需要依靠 各种检测方法来完成。目前，国内外常见的车辆测速方法有雷达测速、激光测 速、感应测速和视频测速等方式【3 l 。它们的特点描述如下： 雷达测速：采用多普勒效应原理，当雷达波发射源与接受者之间有相对运 动时，利用接收到的信号频率变化，计算运动速度。这种方法操作简单，设备 安装和移动方便，但每次只能对一个车道一辆车进行测速，出现多车道多辆车 的情况时，鉴别车辆有困难。此外，目前已经有对雷达测速系统进行检测和报 警的发现测速装置，使得雷达测速的应用受到限制【4 5 】。 激光测速：采用激光测距的原理，利用运动物体的多次测距与时间之比， 求车速。该方法在雾天的穿透力强、检测精度高，但对测量偏差角度的要求也 很高，测速难度较大。同时，激光测速仪价格昂贵，不适合大范围的普及应用【6 j 。 感应测速：利用电磁感应原理，在路面统一车道内相距一定的距离事先埋 第1 章引言 两个线圈，利用车辆通过两个线圈的时间差得出车速。感应测速装置具有造价 便宜的优点。但由于需要埋设感应线圈，必须开挖路面，施工量大、维护困难、 更替麻烦，并且它的测速误差可以高达2 5 ，因此测出的数据也不能具有法律 效力。 视频测速：以图像处理和模式识别技术为理论基础，利用视频图像中车辆 的二维位置和预先测定的一些参数计算出对应的实际车辆三维位置，在一定的 时间间隔内，计算获得车速。 。 视频测速与前面三种方法相比具有如下优剧。7 8 j ： ( 1 ) 检测的信息量大，可以实现多车道多辆车辆车速的检测； ( 2 ) 无需破坏路面，易于安装调试，维护容易； ( 3 ) 数据采集后可以存储，利于事后的分析处理； ( 4 ) 系统成本低，抗电子干扰，使用寿命长，扩展性强，利于二次开发。 随着数字图像处理技术的发展，视频测速在高速公路的机动车上的应用受 到了广泛的关注，成为智能交通系统中最有前途的研究方法之一。不过视频测 速本身也存在很多不足，例如对光照的影响敏感、对算法的依赖度高、摄像机 的性能要求较高等等。 目前，视频测速技术的发展还处于初级阶段，大多数的产品虽然已经达到 应用水平，但编写的软件，其可重用性和扩展性不好，很难满足目前测速工作 标准化、规范化的要求，同时，也不便于软件的升级和维护。这方面的问题， 依赖组件技术可以得到较好的解决。 组件是具有一定的功能，能够独立工作或能同其它组件装配起来协调工作的 程序体，它是在面向对象技术基础上丰富演化而来的。组件技术具有以下优点一j ： ( 1 ) 从根本上改变软件生产方式，提高软件开发速度； ( 2 ) 提高软件的重用率，保护已有的投资，降低软件开发成本： ( 3 ) 使开发出的系统更加灵活，便于维护和升级，可以降低维护费用； ( 4 ) 使开发者将更多的注意力放到业务流程和业务规则上去，降低对系统 开发者的要求。 由于组件的复杂度要比一个完整的软件低得多，因此其可靠性更高。同时， 由于一个组件可用于多个系统模块，故程序具有很高的可重用性。使用组件技 术使大型软件高效率、高质量地开发、维护和升级成为可能。将组件技术引入 到视频测速系统研究和开发中，不论从学术研究上，还是实际应用上来说，都 2 第1 章引言 是趋势。 1 2 课题发展现状 视频测速技术在国外研究起步比较早，早在1 9 7 2 年日本首先研制成功了用 于实时测量交通参数的图像处理设备。1 9 7 8 年，美国j p t 实验室提出了运用机 器视觉进行车辆检测的方法，取得了初步进展，为传统检测方法提供了可替代 方案。随后，关于视频车辆测速的研究在世界各发达国家广泛展开【1 0 l 。 经过三十余年的发展，国外的视频测速技术已经比较成熟，世界发达国家 凭借自己在计算机、图像处理和通讯等方面的先进技术，早已开始了道路视频 检测技术的研究和应用。有代表性的有美国明尼苏达大学研制开发的用于外场 视频检测的a u t o s c o p e 视频检测系统，目前，该系列已发展到a u t o s c o p es o l o t e r r a 。a u t o s c o p e 1 l 】系列可以通过显示器虚拟车辆检测器，用于监控交通量、平 均车速、车道占有率等道路交通信息；能够进行非法停车、烟雾、火警等事件 监测；对于交通状况改变的反应速度灵敏，对道路变化的适应性强；能够瞬间 记录和显示分析交通情况。作为全世界研发最早并最先获得国际专利的车辆检 测技术，已广泛运行在欧、美、亚洲等许多国家的智能交通管理系统中，得到 行业的普遍认可。另外，在欧洲，具有代表性的实时测速系统是英国的 t r a f f i c - m a s t e r 系统。该系统由用于收集高速公路信息的传感器、整理并发送信息 的控制中心和接收信息并显示的车辆终端共同组成，可以有效利用现有的网络 提供动态实时的道路车速信息等。还有新加坡的e m a s 系统，主要完成交通数 据采集和交通事故检测等功能。 在国内，基于视频图像的车辆测速技术研究的起步较晚。虽然类似国外的 a u t o s c o p c 系统，在技术上已经比较成熟，但它的设计不完全适合国内的交通情 况并且每台设备的价格也很昂贵。近些年，随着计算机图像处理技术和模式识 别技术在国内的发展，视频监测技术的研究和应用得到了强大的支持。越来越 多的科研机构和公司在我国自身交通发展的实际要求下，进行关于计算机视频 测速等方面技术的研究和开发。 典型的视频测速系统【l2 j 如清华紫光和清华大学合作开发的v s 3 0 0 1 视频交 通流量监测系统；北京现代富博科技有限公司开发锝二维运动图像测量分析系 统m i a s ；哈尔滨工业大学的v t d 2 0 0 0 系列视频交通动态信心采集系统。另外 3 第1 章引言 清华大学计算机系、信息产业部车辆检测中心等单位以及武汉汉王智能交通研 发中心，深圳市兆广安科技有限公司、深圳神州交通系统有限公司、上海高德 威智能交通系统有限公司等都在这方面进行了研究，推出了自有产权的产品。 不过这些产品大多功能单一，实际应用中，适用性不太理想，与国外的成熟产 品在技术上还有一定差距。因此，继续深入开展交通视频监测技术，特别是交 通视频测速技术的研究，是十分必要的。 1 3 本文的研究内容及章节安排 交通视频测速系统关键部分在于对运动目标的检测和跟踪。实现车辆的实 时检测和跟踪是计算机视觉在智能交通领域的重要研究方向。本文将在分析和 比较现有的交通视频测速技术的基础上，根据我国高速公路的实际情况，进一 步研究车辆的检测和跟踪方法，提出相应的改进算法，优化系统运行效率和应 用效果。同时，结合组件技术，实现系统的可重用性和扩展性，为系统的二次 开发提供可能。 课题的研究内容主要包括： ( 1 ) 研究交通视频测速的原理，梳理出系统的设计思路，熟悉摄像机标定 的原理和方法。 ( 2 ) 研究现有交通视频测速技术，对之前提出的各种运动目标的检测和跟 踪算法进行深入的研究，比较算法的优劣，并根据本研究应用环境( 高速公路 环境) 的特定性，选择较优越的检测和跟踪算法，以此计算车辆的实时速度。 ( 3 ) 改进运动目标的检测算法。在研究了各种检测算法之后，本文选择了 能够描述复杂场景中像素点值的变化，对高速公路环境具有良好适应性的基于 混合高斯背景模型的运动车辆检测方法，通过实验，有力的证明该方法在高速 公路环境下检测的准确性。在此基础上，对混合高斯背景模型本身提出了相应 的改进办法，使得背景的更新速度有了相应幅度的提高，减少了混合高斯模型 的更新时间，提高了系统运行的速度。 ( 4 ) 针对光照条件下，视频图像中车辆出现阴影，影响车辆检测和跟踪准 确性的问题，提出解决的办法。该办法基于h s v 色彩空间的思想，做相应的改 进，以目标车辆本体和车辆阴影的属性差异作为区分两者的标准，区分出背景 ( 阴影) 和前景( 车辆) ，再做目标提取，提取出前景车辆。 4 第1 章引言 ( 5 ) 引入组件的思想，对系统的功能模块进行有效封装，提高了系统的通 用性、实用性和可扩展性。 本文的章节安排如下： 第一章引言部分。首先介绍了目前常见的几种车辆测速方法，视频测速的 优势和组件技术的优势。然后对课题在国内外的发展现状进行了分析。最后介 绍本文的主要研究内容和取得的设计效果。 第二章研究思路和面临的问题。首先对视频测速的原理进行介绍，把测速 的问题通过分析转化成计算行驶路程和行驶时间两个问题。摄像机的标定是解 决行驶路程计算的相关技术，它用于获得图像坐标系和世界坐标系的对应转换 关系。然后针对视频测速的研究中面临的实际问题进行了分析，便于在设计系 统时，能得到充分的关注和相应的解决。 第三章运动车辆检测。首先对车辆检测前的图像做预处理。然后介绍几种 常见的目标检测方法，在此基础上提出基于改进的混合高斯背景模型的目标检 测作为本文的检测方法。接着对车辆检测相关的问题做了处理，并着重对阴影 检测问题进行了分析和研究，提出了基于改进的h s v 色彩空间的阴影检测方法。 最后给出了目标检测的实验结果并做相应的分析。 第四章运动车辆跟踪。首先介绍了几种常见的目标跟踪方法。然后重点介 绍了卡尔曼滤波器以及卡尔曼滤波法在目标跟踪中的使用情况。最后给出车辆 跟踪的算法、流程图以及实验结果分析。 第五章组件技术。首先介绍了组件的概念、特点、标准和重用的意义。然 后重点介绍a c t i v e x 组件技术的开发要求和特性。 第六章系统设计。依照软件工程的设计思路，从系统需求分析到总体设计， 再到详细设计和实现。完整的展示了系统设计的界面，功能模块，设计方法等 多方面设计要素。 第七章总结与展望。对本文的主要工作进行总结，并对今后系统的研究提 出了想法和展望。 s 第2 章交通视频测速的研究思路及问题分析 第2 章交通视频测速的研究思路及问题分析 2 1 交通视频测速的原理 交通视频测速就是利用视频图像中一前一后两幅车辆图像的二维位置和预 先测定的一些参数计算出对应的实际车辆三维位置，并得到前后两幅车辆图像 的时间问隔，从而计算获得车速的一种方法。可以用如下式表示： ，= = ( d i - d ) ( 2 1 ) 由上式可以看出，测速问题转化成了计算时间差和计算距离差两个问题 【1 3 ，1 4 】 0 对于时间差的计算，根据机理的不同一般可分为软计时和硬计时两种【1 5 1 。 本系统采用性能良好的图像采集卡进行工作，其采样周期稳定，因此可以利用 这一点对图像采集设备的采样频率进行硬计时。相对软计时而言，稳定性、准 确性更高。 对于距离差，由于车辆行驶的过程，并不是绝对的匀速直线运动过程，因 此需要对相邻帧图像车辆移动的路程和计算出总的车辆行驶路程。一般的测定 方法步骤如下： ( 1 ) 当车辆驶入视频监控范围后，系统将尽快检测出这个车辆目标，并在 一段时间内能够始终对其进行跟踪，同时记录下它在每帧图像上的位置和采集 该帧图像的时刻； ( 2 ) 在得到车辆被跟踪后的多个位置点后，用这些位置点进行图像定位， 把车辆在视频图像上的位置转换为实际道路场景的位置： ( 3 ) 利用跟踪位置点对应的实际道路场景的位置点算出车辆的运动轨迹， 从而计算出车辆的行驶路程。 根据以上的三个步骤可以看出，车辆行驶路程问题转化成了二维视频图像 的位置点坐标与三维实际空间对应位置点坐标的转换问题和运动车辆的检测跟 踪问题。视频监控中车辆的检测和跟踪的方法和步骤，具体在第三、四章中会 有详细的介绍。而对于第二个问题，解决的办法是需要建立真实场景到摄像机 成像平面的摄像机成像几何模型。常用的办法有摄像机的标定。 6 第2 章交通视频测速的研究思路及问题分析 2 2 摄像机的标定 摄像机摄入图像中的每一点的亮度反映了空间物体表面某点反射光的强 度，而该点在图像上的位置与空间物体表面相应点的几何位置有关，这些位置 的相互关系，由摄像机成像集合模型所决定，该几何模型的参数就是摄像机参 数。通过实验与计算得到这些参数的过程称为摄像机标定。标定后，在图像上 进行处理，将大大方便车辆位置、运动信息的检测算法。因此，摄像机标定是 整个采集系统的基础【1 6 1 。 单目视频跟踪系统中，要从二维图像中计算得到三维真实目标对象的位置， 需要确定摄像机的坐标系和坐标系的变换矩阵。这种变换涉及不同坐标系统之 间的变换，下面对涉及的坐标系统进行介绍。 ( 1 ) 世界坐标系( 0 矽一x 矿一r w z 彤) 也称真实或全局坐标系，它是客观世界的绝对坐标系。即本系统所讲的三 维空间实际坐标系统。 ( 2 ) 摄像机坐标系( d 一丘一匕一z c ) 以小孔摄像机模型的光，i 二, ( o p t i c a lc e n t e r ) 为原点，以摄像机光轴( o 砸c a la x i s ) 为z 轴建立的三维直角坐标系。 ( 3 ) 图像坐标系( 0 一材一，) 视频监测图像所用的坐标系。原点位于数字图像的左上角，u 轴向右，v 轴 向下，与某个像素在图像数组中的列数和行数对应。 从二维图像坐标系到三维世界坐标系的转换关系可以如下式所利1 7 , 1 8 1 ： h 降 j i ，l = l0 l l o 0 j ， o m 1 2m 1 3m 1 4 1 2 2m 2 3 m 2 4 加3 2m 3 3 1 ( 2 2 ) 其中，甜。，是图像中心( 光轴与图像平面的交点) 坐标，六和六分别为x 和y 方向的等效焦距。这四个参数只和摄像机内部结构有关，称为摄像机内部 参数。另外，式( 2 - 2 ) q b ，参数摄像机矩阵1 1 1 可以用参考点的世界坐标和图像坐 标的对应关系求出。由于该参数矩阵有1 1 个参数，所以建立该方法至少需要6 组参考数据。每一组数据均需包括图像点( 甜，b ) 和对应三维世界坐标 ( x 州，y 。f ，z - ，) 。 7 w w w 0h 儿乙 广耐ooooo001 w w 0h 儿乙 厂。10000广一 下j 1r 旷 1kooi卜 0 0 0， 第2 章交通视频测速的研究思路及问题分析 由于摄像机成像是一个不可逆的过程，即只能由三维真实图像通过摄像机 转换为二维图像，从单个摄像机的二维图像恢复三维信息是不可能准确的【1 9 1 。 因此，分析公路运动车辆这一特定对象可以得出一个普遍规律，车辆在公路上 做平面运动时，相对摄像机的架设高度，自身车辆高度可以忽略。因此，这样 我们将世界坐标系中的z w 设为0 ，从而可以消除一维信息。则将式( 2 2 ) 转换 为： 参数m 矩阵中还有八个参数未知，因此，需要至少四组参考数据，比之前 减少了两组。 对于参考点的寻找问题，可以借助高速公路检测车道标线的特点来确定这 四个参考点的坐标。根据国家对高速公路的车道分界线尺寸的严格规定，有如 下图2 1 所示的情况： ： 铀 0 00 00 0 0 00 00- = = ae = j 七= j # = j 、0000 0 、 0 、 0、0 、 0 r k 6 m “ 二度为。( ：或。5 c 二 i 。 yt 9 m j a 利用车道标线将道路区域分为不同区域( 两车道) b 利用车道标线将道路区域分为不同区域( 二车道) 图2 1 路面车道分界线详图 我们把图像中从下往上的第一个标线段作为原点。白色标线的长度d l 为 6 m ，标线间距离为9 m ，标线段的宽度为o 1 m ，三车道中两行标线段间的距离 8 一一“ 一一一一y 一记y 一珐鲎一一一一 第2 章交通视频测速的研究思路及问题分析 为3 7 5 m 。因此，基于以上参数的可靠性，可以通过车道分界线的已知距离确定 四个参考点的坐标。 对于两车道的可以在一条车道线上找四个点，他们的世界坐标可以表示如 下： x 们= o ，l l = o ；x w 2 = d l + d 2 ，匕2 = o ； x w 3 = 2 ( d l 十d 2 ) ，l 3 = o ；x w 4 = 3 ( d l + d 2 ) ，l 4 = 0 ； 由于摄像机的拍摄角度是俯拍的，图像上这四个点的对应坐标并不成比例， 因此可以使方程( 2 3 ) 得解。 对于三车道的可以在两条车道线上各找两个点，他们的世界坐标可以表示 如下： x w l = o ，匕l = 0 ；k 2 = o ，匕2 = d 3 + d 4 ； x w 3 = d l + d 2 ，匕3 = o ；x w 4 = d l + d 2 ，匕4 = d 3 + d 4 ； 这样，在计算出参考矩阵的八个参数后，对于图像中运动车辆的坐标点， 可以对应计算其世界坐标，从而计算出一段时间间隔内，车辆运动的路程。 2 3 交通视频测速面临的问题 ( 1 ) 摄像机的位置和高度 现有的视频监控系统的摄像机安置位置一般为公路正上方的龙门杆上。但 是，由于大风天气或者大型货车路过难免会造成镜头的抖动甚至偏移，从而影 响摄像机的工作性能，需要对摄像机重新校正和调整，浪费大量的人力物力， 因此，这里我们选择将摄像机安装在路边单杆上，尽量将不利条件的影响降到 最小。另外，由于本文的标定计算参数矩阵的方法中，忽略了车辆在世界坐标 中的z 坐标，而实际的场景中，车辆还是有一定的高度的，因此，需要将摄像头 安装在尽量高的位置，建议在6 m 以上。 ( 2 ) 运动物体在检测区域静止 会有这样的情况，某个运动物体在运动进入了检测区域后，可能因为某种 原因长期停留在检测区域而造成误检。这就需要在后面的运动目标检测中考虑 到这种可能性，对背景模型的自适应提出了更高的要求，减小误检的概率。 ( 3 ) 光照突变问题 9 第2 章交通视频测速的研究思路及问题分析 对于出现了光照突变的情况，一般的运动车辆检测方法无法准确的检测出 运动目标，因此对于这一问题需要给出特别的检测办法，具体见第三章相关研 究。 ( 4 ) 阴影问题 由于光照造成的阴影问题也会造成检测跟踪的差错，阴影随着光照的产生 而产生，对它的处理也需要视有无光照区别处理。另外，阴影检测的方法有多 种，找到适合本系统特定环境的方法也是需要研究的相关问题之一。 1 0 第3 章运动车辆检测 第3 章运动车辆检测 运动车辆检测是目标跟踪和识别技术的基础，近些年来在计算机视觉领域 中备受关注。运动车辆检测的目的是检测视频序列中是否存在需要关注的运动 目标，并在后续处理中，将运动车辆从静止的背景中提取出来。 检测效果的好坏直接影响到运动目标的跟踪，从而关系到整个视频测速系 统的优劣和可用性。对于高速公路这一特定的环境类型而言，天气和光照的变 化将会是影响运动车辆检测效果的首要障碍。好的运动车辆检测和提取算法是 能够准确的检测到运动目标，同时对监测的复杂环境具有较强的鲁棒性 2 0 , 2 1 1 。 本章主要讨论的是在高速公路背景环境下的运动车辆检测方法。第一节介 绍系统图像预处理的方法。第二节先介绍几种常用的运动目标检测方法，然后 对基于混合高斯模型的背景差检测方法做进一步的讨论，并给出相应的改进方 法，以提高算法性能。第三节介绍车辆检测的相关后处理，着重对阴影检测问 题提出了改进办法。 3 1 图像预处理 在视频流转化为数字化图像时，容易造成图像的模糊和噪声的污染，降质 的图像会影响到运动检测的准确性。因此，有必要对运动检测前的图像进行预 处理。本文中，预处理方法包括图像增强和图像去噪。以期提高图像对比度， 滤除图像噪声，为后续的运动检测提供高质量的图像。 3 1 1 图像增强 图像增强的目的是增强图像的视觉效果，加强图像的判读和识别。在空间 域上，对图像的增强方法有灰度修正、灰度变化和直方图修正等等。通过图像 增强，可以使图像成像均匀，扩大图像动态范围，扩展对比度。 3 1 2 图像去噪 图像去噪的方式主要有中值滤波、低通滤波、高通滤波等。其中中值滤波瞄】 是一种非线性数字滤波器技术，经常用于去除图像或者其他信号中的噪声，对 斑点噪声和椒盐噪声尤其有用。本文的研究环境是高速公路野外环境，噪声主 第3 章运动车辆检测 要来自于天气变化引起的椒盐噪声。因此用中值滤波进行图像去噪是首选。 3 2 运动车辆检测 3 2 1 常用目标检测方法 目前对于运动目标检测的方法大体上可以分为四类：基于光流场的方法， 基于帧间差分的方法，基于背景差分的方法和基于特征的方法。在下面依次进 行介绍【2 3 2 4 】： ( 1 ) 基于光流场的方法 光流场法是一种典型的目标检测算法。光流的概念最早是g i b s o n 在1 9 5 0 年提出的。光流法是空间运动物体被观测面上的像素点运动产生的瞬时速度场， 包含了物体表面结构和动态行为的重要信息。利用位移矢量场( 即光流场) 的 变化来进行运动目标检测。 光流场法的基本思想是通过计算出光流场来模拟运动场。光流场指图像灰 度上求解的表面运动，运动场指三维物体的实际运动在图像平面上的投影。一 般情况下，光流由相机运动、场景中目标运动或两者共同运动产生。它的计算 方法分为三类：基于匹配的、频域的和梯度的方法。基于匹配的方法先对类似 的区域进行定位，然后通过相似区域的位移计算光流；基于频域的方法利用速 度可调的滤波组输出频率或相位信息；基于梯度的方法利用图像序列的时空微 分计算2 d 速度场( 光流) 。 光流不仅包含了观察物体的运动信息，还携带了有关物体运动和景物三维 结构的丰富信息，具有能够检测独立运动对象，不需要预先知道场景任何信息， 并可用于摄像机运动情况的优点。但是由于干扰噪声、多光源光照、阴影和遮 挡等原因，使计算出的光流场分布不太精确。同时，由于光流计算的复杂性， 没有硬件支持是很难满足系统实时性的要求的。 ( 2 ) 基于帧间差分的方法 帧间差分，也称为时域差分( d t ) ，是运动视觉的方法中最为简单快速的方 法。它是基于背景像素点的灰度值和位置都不变这一原则来检测前景运动目标 的。 视频图像是三维图像的二维投影，三维图像发生变化时其二维投影图像也 会发生相应的改变。连续视频流的场景图像若没有运动，则连续帧图像之间变 1 2 第3 章运动车辆检测 化很小。相邻帧差法就是利用视频序列中连续的两帧或几帧图像的差异来进行 目标检测和提取。 帧间差分法进行目标检测的优点是：算法实现简单；程序设计复杂度低； 对光线等场景变化不太敏感能够适应各种动态环境，稳定性好，易于实现实时 监控。但一旦视频的图像序列中存在较大的噪声或摄像机运动，该算法的性能 就会明显下降。同时，容易受到遮挡背景以及缺少纹理的前景区域的影响，也 不能完全提取出所有相关的特征像素点，在运动实体内容易产生空洞现象。 ( 3 ) 基于特征的方法 基于特征的方法包括两个主要的步骤：一是从相继辑幅或多幅不同时刻的 图像中抽取特征，并建立起对应，目前常用的是御g 方法；二是依据这些特征 之间的对应来计算物体的结构( 形状、位置等) 和运动，对于计算运动就是从对应 点坐标求出运动参数。从一幅图像中抽取较有特征的点是为了帮助建立对应， 即便于在另一幅图像中容易找出其对应点。特征选取越复杂，一方面可以使其 个数减少，另一方面又可增加其属性，从而更有助于解决对应。同时为了减少 在匹配运算中的查询点的数量，m a r t 提出了三个约束条件： 相容性约束对应的特征，应有相同的属性，这一约束的具体含义随所 选用的特征及其属性不同而有所不同。 唯一性约束除了非常个别的情况下，一幅图像上的每个特征只能与另 一幅图像上的唯一一个特征对应。 连续性约束由于物体表面一般是平滑的，因而它们的偏差一般也是平 滑的，除了在物体边界处的深度不连续的地方可能例外。 基于特征的方法能够很好的对物体的运动特征进行表述。但是该方法的困 难在于物体特征点的寻找和匹配。一方面，该方法很难区分不同目标之间的特 征点。特别是当运动目标很多的时候往往需要先依据别的方法来区分不同的目 标。另一方面目前并没有一种比较通用的快速匹配算法，这就限制了它在实时 视频领域的应用。 ( 4 ) 基于背景差分的方法 基于背景差分的方法是目前运动检测中的主流方法，它是利用当前图像与 背景图像的差分来检测运动区域的一种技术。具体讲，就是首先选取或构造一 帧背景图像，然后根据某种背景模型更新背景图像，并计算当前图像与背景图 像的差分图像，最后进行阈值化处理以分割出运动物体。如果目标进入场景后 1 3 第3 章运动车辆检测 停在场景中，帧间差分法无法检测出来，而背景差分法可以很好的检测出目标。 不过，在实际环境下，背景往往会发生变化，如场景中光照的变化、场景 中景物的变化或者摄像机位的移动等等，这些都导致了单一场景不能用于长期 复杂的环境当中。因此人们对如何进行背景建模和如何实现背景的更新做了大 量的研究，提出了许多关于背景重构的方法。这里介绍三种常见的背景重构的 方法。 1 ) 统计平均法 统计平均法通过对连续的图像序列进行统计平均来获得背景图像。采集n 幅图像，把n 幅图像中坐标相同的像素值相加再取平均，如式3 1 ： 1 b l i = 音( x 七+ xi l + + x i 一+ 1 ) ( 3 1 ) y 式中n 为进行平均的图像的帧数，一般而言，n 越大越有利于得到一个较 为接近实际背景的估计值。 背景更新：如式3 2 1 反= 反l + 言( x 七一x 一) ( 3 2 ) v 新的背景可以利用上一次估计值色一- ，当前帧五以及石一递推得到。在每 次更新时考虑到利用当前帧中的背景信息而废弃旧信息，从而使背景可以自适 应地跟随环境的变化而变化。 统计平均法的优点就是简单、易实现、时间开销小。但同时由于要保存已 经采集到的n 帧图像数据，故增加了存储空间的开销。 2 ) i i r 滤波法 i i r 滤波法更适合背景更新的概念，其背景更新公式如式( 3 3 ) 所示， b 七= ( 1 一口) b 川+ ax 七 ( 3 3 ) 口是一个大于0 ，小于l 的衰减速度控制银子，当口比较大是，k 时刻之前 的背景信息被极大的衰减，估计背景以k 时刻的信息为主；反之，k 时刻的信息 被极大地衰减，估计背景以k 时刻之前的背景信息为主。 因此，如果场景中有目标出现，并且口去较大值时，会在一定程度上将目 标图像叠加到背景图像上，这不利于运动目标检测。一种较好的处理方法是采 1 4 第3 章运动车辆检测 用当前帧图像对背景图像进行修正，区别对待目标像素与背景像素。当一个像 素被判定为目标像素时，则不使用该像素的值对背景图像进行修正。 3 ) 高斯背景模型法 高斯背景模型有单高斯分布和混合高斯分布两种形式。这里介绍单高斯分 布的背景模型法，混合高斯背景模型将在3 2 2 节做介绍。 单高斯分布背景模型适用于在背景静止且光照不变的条件下，此时背景点 的像素值是相对恒定的，它为每个像素点的颜色分布建立了用单个高斯分布表 示的模型。 在背景图像的估计算法中，统计在一段较长的时间段内视频序列图像中每 一像素值的均值硒和方差d o ，初始的背景估计图像，如式3 4 所示。 b o - - , o ，引，靠l ( 3 4 ) 当前景估计图像的初始化完成后，随着每一帧新图像的到来，要求利用视 频序列提供的信息来对高斯模型的参数进行更新。为了不断自适应地更新背景 图像的高斯分布参数，需要引入一个常数参数更新率p ，则每个点的高斯 分布参数的更新表示如式3 5 ，3 6 所示。 4 = ( 1 一p ) 总一l + p 鼍 ( 3 5 ) = ( 1 一p ) 0 2l + p ( t 一段) 七 参数更新率如式3 7 所示。 p = k