（工程力学专业论文）自适应场景的视频交通流检测系统研究与应用.pdf

自适应场景的视频交通流检测系统研究与应用 专业：工程力学( 智能交通方向) 博士生：罗东华 指导教师：余志教授 摘要 视频交通流检测技术与地感线圈等传统交通流检测技术相比，具有检测信息 量大、信息直观、可同时检测多车道、安装和维护方便等无法比拟的优势，因而 逐渐成为智能交通系统中的一个研究热点，并得到越来越广泛的应用。然而，目 前视频交通流检测系统多数仍然采用车辆的灰度信息作为车辆的检测特征，受环 境光照亮度变化的影响较大，鲁棒性不强。而且，随着这项技术的发展，一些新 的应用需求不断提出，如检测场景发生变动时视频交通流检测系统能自适应地调 整检测区域或使检测场景复位，这样它的摄像头就可以兼顾视频交通流检测、交 通监控或治安监控等用途。为了提高视频交通流检测系统的检测鲁棒性，以及使 其满足自适应场景的应用需求，论文主要开展了以下几个方面的研究工作： ( 1 ) 对视频交通流检测系统的核心技术车流量检测方法进行了研究， 提出了一种基于边缘背景差的车流量检测方法。该方法利用车辆边缘信息作为车 辆的检测特征，采用基于变化因子的背景学习法来进行背景边缘图像的提取和更 新，受环境光照亮度变化的影响较小，鲁棒性强；此外，该方法根据检测场景的 类型特点和摄像机的安装条件来灵活选择检测区域类型和车辆计数开窗方式，对 不同的检测场景和摄像机安装条件都具有较强的适用性。不同光照条件和不同交 通流场景下的实验结果表明，该方法是一种实用有效的车流量检测方法。 ( 2 ) 对自适应场景的视频交通流检测系统的核心技术场景自适应技术 进行了研究，提出了一种自适应场景的道路结构提取算法。该算法首先利用车道 线组合对道路结构进行建模，然后利用霍夫变换对当前检测场景中的车道线进行 i i l 检测，并利用匹配误差和消失点误差对检测到的车道线进行校验，最后利用消失 点约束对检测不正确的车道线进行修正，最终提取出正确的道路结构信息。实验 结果表明，该方法在白天正常天气条件下提取正确率高，是一种有效可行的道路 结构提取方法。 ( 3 ) 对自适应场景的视频交通流检测系统在实用过程中需要解决的一些关 键技术问题进行了研究，并结合实际工程应用经验，给出了相应的解决方案。这 些关键技术问题包括：对车流量统计算法的优化、交通拥堵检测及相应的背景更 新策略、检测区域自动调整以及云台和摄像头复位控制等。 ( 4 ) 在理论算法和工程技术研究的基础上，设计并开发了一套具有场景自 适应功能的视频交通流检测系统，并应用到实际工程中。经过不同交通流场景、 不同时间段、不同环境光照亮度以及检测场景变动等多种真实环境条件下对该系 统的测评，结果表明该系统检测鲁棒性好，场景自适应能力强，能满足对视频交 通流检测系统摄像机“一机多用 的新应用需求。系统目前已在广深高速公路中 得到应用。 关键词：智能交通系统，视频交通流检测，车辆检测，道路结构提取，自适应场 景 r e s e a r c ha n d a p p l i c a t i o no fs c e n e a d a p t i v e v i s u a lt r a f f i cf l o wd e t e c t i o ns y s t e m m a j o r ：e n g i n e e r i n gm e c h a n i c s n a m e ：l u o d o n g h u a s u p e r v i s o r ：p r o f y uz h i a b s t r a c t c o m p a r e dw i t ht r a d i t i o n a lt r a f f i cf l o wd e t e c t i o nt e c l m o l o g i e ss u c ha sm a g n e t i c i n d u c t i o n l o o pd e t e c t i o n ，v i s u a l t r a f f i cf l o wd e t e c t i o nh a s s o m er e m a r k a b l e a d v a n t a g e s ，s u c ha st h eh u g ea m o u n ta n dt h ei n t u i t i o no fi t sd e t e c t i o ni n f o ，t h ea b i l i t y t od e t e c tm u l t i - l a n e s i m u l t a n e o u s l y , t h e c o n v e n i e n c eo fi t si n s t a l l a t i o na n d m a i n t e n a n c e ，a n ds oo n t h e r e f o r e ，v i s u a lt r a f f i cf l o wd e t e c t i o ns o o nb e c o m e sa r e s e a r c hh o t s p o to fi t s ( 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 ) a n di sa p p l i e dm o r ea n d m o r ew i d e l y h o w e v e r , m o s to fa c t u a lv i s u a lt r a f f i cf l o wd e t e c t i o ns y s t e m su s e v e h i c l eg r a yi n f oa sd e t e c t i n gc h a r a c t e r i s t i co fv e h i c l e s ，t h e r e f o r et h e ya r ei n f l u e n c e d h e a v i l yb yt h ec h a n g e so fe n v i r o n m e n t a lb r i g h t n e s sa n dh a v ep o o rr o b u s t n e s s b e s i d e s ， a st h ed e v e l o p m e n to ft h i st e c h n o l o g y , s o m en e wa p p l i c a t i o n a ld e m a n d se m e r g e f o r e x a m p l e ，v i s u a lt r a f f i cf l o wd e t e c t i o ns y s t e mc a na d j u s td e t e c t i o na r e aa u t o m a t i c a l l y o rr e s e ti t sd e t e c t i o ns c e n ew h e nd e t e c t i o ns c e n ec h a n g e ss ot h a ti t sc a m e r ac a nb e u s e df o rt r a f f i cf l o wd e t e c t i o n ，t r a f f i cs u r v e i l l a n c e ，p u b l i cs e c u r i t ys u r v e i l l a n c eo r o t h e rp u r p o s e sa tt h es a m et i m e i no r d e rt oi m p r o v et h ed e t e c t i o nr o b u s t n e s so fv i s u a l t r a f f i cf l o wd e t e c t i o ns y s t e ma n dm a k ei ts a t i s f yt h en e wa p p l i c a t i o n a ld e m a n d ，s o m e m a j o rw o r ko nt h ef o l l o w i n ga s p e c t sh a sb e e nd o n ei nt h i sd i s s e r t a t i o n ： ( 1 ) m e t h o df o rt r a f f i cv o l u m ee x t r a c t i o n ，w h i c hi st h ec o r et e c h n o l o g yo fv i s u a l t r a f f i c ef l o wd e t e c t i o ns y s t e m ，i ss t u d i e da n dat r a f f i cv o l u m ee x t r a c t i o nm e t h o du s i n g e d g e b a s e db a c k g r o u n dd i f f e r e n c ei sp r o p o s e d t h i sm e t h o du s e sv e h i c l ee d g ei n f oa s d e t e c t i n gc h a r a c t e r i s t i co fv e h i c l e s ，e x t r a c t sa n du p d a t e se d g ei m a g eo fb a c k g r o u n d w i t hac h a n g e f a c t o r - b a s e db a c k g r o u n dl e a r n i n gm e t h o d t h u si ti si n f l u e n c e dl i t t l eb y t h ec h a n g e so fe n v i r o n m e n t a lb r i g h t n e s sa n dh a sg o o dr o b u s t n e s s b e s i d e s ，t h e m e t h o ds e l e c t st h et y p eo fd e t e c t i o na r e aa n dt h ec o n s t r u c t i n gs t y l eo fv e h i c l e c o u n t i n gw i n d o wf r e e l ya c c o r d i n gt o t h ec h a r a c t e r i s t i co fd e t e c t i o ns c e n ea n dt h e v i n s t a l l a t i o nc o n d i t i o n so fc a m e r a ，s oi th a sg o o da p p l i c a b i l i t yf o rd i f f e r e n td e t e c t i o n s c e n ea n dd i f f e r e n ti n s t a l l a t i o nc o n d i t i o n so fc a m e r a e x p e r i m e n t a lr e s u l t ss h o wt h a t ， t h ep r o p o s e dm e t h o di sap r a c t i c a la n de f f e c t i v em e t h o df o rt r a f f i cv o l u m ee x t r a c t i o n i nd i f f e r e n te n v i r o n m e n t a lb r i g h t n e s sc o n d i c t i o n sa n dd i f f e r e n td e c t c t i o ns c e n e ( 2 ) t h et e c h n o l o g y o fs c e n e a d a p t a t i o n ，w h i c hi s t h ec o r et e c h n o l o g yo f s c e n e a d a p t i v ev i s u a lt r a f f i cf l o wd e t e c t i o ns y s t e m ，i ss t u d i e da n das c e n e a d a p t i v e r o a ds t r u c t u r ee x t r a c t i o nm e t h o di sp r e s e n t e d t h em e t h o dm o d e l sr o a ds t r u c t u r ew i t h t h ec o m b i n a t i o no fl a n e b o u n d a r i e s t h e nu t i l i z e sh o u g ht r a n s f o r mt od e t e c t l a n e b o u n d a r i e si nc u r r e n td e t e c t i o ns c e n e ，v e r i f i e sl a n e b o u n d a r i e s w i t h m a t c h i n g e r r o r a n d v a n i s h i n g - p o i n t e r r o r , c o r r e c t s w r o n gl a n e b o u n d a r y w i t h v a n i s h i n g p o i n tr e s t r i c t i o na n de x t r a c t sc o r r e c tr o a ds t r u c t u r ef i n a l l y e x p e r i m e n t a l r e s u l t ss h o wt h a t ，t h em e t h o dh a s h i g he x t r a c t i o na c c u r a c yw h e n t h ew e a t h e r c o n d i t i o ni sg o o di nd a y ；i ti sa ne f f e c t i v ea n df e a s i b l er o a ds t r u c t u r ee x t r a c t i o n m e t h o d ( 3 ) s o m ek e yt e c h n i c a lp r o b l e m sw h i c hn e e dt ob eh a n d l e di nt h ea p p l i c a t i o n c o u r s eo fs c e n e a d a p t i v ev i s u a lt r a f f i cf l o wd e t e c t i o ns y s t e ma r es t u d i e da n d c o r r e s p o n d i n gs o l u t i o n s a reg i v e nb a s e0 1 1p r a c t i c a le n g i n e e r i n ge x p e r i e n c e t h e s ek e y t e c h n i c a lp r o b l e m si n c l u d e s ：o p t i m i z a t i o no ft r a f f i cv o l u m ec o u n t i n ga l g o r i t h m ， d e t e c t i o no ft r a f f i cj a ma n dc o r r e s p o n d i n gb a c k g r o u n du p d a t es t r a t e g y , a u t oa d j u s t i o n o fd e t e c t i o na r e aa n dr e s e tc o n t r o lo fp t za n dc a m e r a ( 4 ) av i s u a lt r a f f i cf l o wd e t e c t i o ns y s t e mw i t hs c e n e a d a p t i v ea b i l i t yi sd e s i g n e d a n dd e v e l o p e db a s eo nt h er e s e a r c h e so ft h e o r e t i ca l g o r i t h ma n de n g i n e e r i n g t e c h n o l o g y , a n di sa p p l i e dt or e a le n g i n e e r i n gp r o j e c t t e s t si nm u l t i p l ea c t u a l e n v i r o n m e n tc o n d i t i o n sh a v eb e e nd o n et ot h es y s t e m ，s u c ha sd i f f e r e n tt r a f f i cs c e n e ， d i f f e r e n tt i m e ，d i f f e r e n te n v i r o n m e n t a lb r i g h t n e s sa n dc h a n g i n gd e t e c t i o ns c e n e e x p e r i m e n t a lr e s u l t ss h o wt h a t ，t h i ss y s t e mh a sg o o dd e t e c t i o nr o b u s t n e s sa n ds t r o n g s c e n e - a d a p t i v ea b i l i t yw h i c hm a k e si ts a t i s f yt h en e wa p p l i c a t i o n a ld e m a n do f ”m u l t i p l eu s e sf o ro n ec a m e r a ”t h es y s t e mh a sb e e na p p l i e di no u a n g - s h e nf r e e w a y n o w k e yw o r d s ：i t s ，v i s u a l t r a f f i cf l o wd e t e c t i o n ，v e h i c l ed e t e c t i o n ，r o a ds t r u c t u r e e x t r a c t i o n ，s c e n ea d a p t a t i o n v i 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究 工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人 或集体已经发表或撰写过的作品成果。对本文的研究作出重要贡献的个人和集 体，均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：罗系半 日期：掣8 年位月6i f i 学位论文使用授权声明 本人完全了解中山大学有关保留、使用学位论文的规定，即：学校有权保留 学位论文并向国家主管部门或其指定机构送交论文的电子版和纸质版，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、院系资料室被查 阅，有权将学位论文的内容编入有关数据库进行检索，可以采用复印、缩印或其 他方法保存学位论文。 学位论文作者签名：罗解 e l 期：抄醒年2 , e l6 日 1 1 研究背景 第一章绪论 1 1 1 智能交通系统的发展 进入2 0 世纪6 0 年代以后，随着工业化、城市化以及汽车社会化等进程的加快， 世界各主要工业国都面临着交通拥堵、交通安全和交通污染等一系列严峻的交通 问题，给社会经济发展与人们正常生活带来了很大的影响。为改善交通状况，并 提供高效的交通服务，西方主要发达国家提出了智能交通的概念，即从系统的观 点出发，将人、车、路三者有机结合起来，充分利用现有的交通设施及资源，运 用各种高新技术来解决交通问题，从而保障交通安全、提高交通效率、改善城市 环境、减少能源消耗。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 s t e m ，i t s ) 就是 在这样的背景下应运而生并发展起来的。它是将先进的信息技术、数据通讯传输 技术、电子自动控制技术及计算机处理技术等有效地综合运用于整个交通管理体 系，实现对各种交通方式的现代化、科学化智能管理，建立全方位、实时、准确、 高效、舒适的交通运输综合管理系统l l j 。 从2 0 世纪6 0 年代开始，美国就开始进行智能交通系统的先驱性研究，即电 子路径诱导系统研究( e r g s ：e l e c t r o n i cr o u t eg u i d a n c es y s t e m ) 。8 0 年代中期 加利福尼亚交通部门研究的p a t h f i n d e r 系统获得成功，加速了智能交通的发 展。此后，美国在全国展开智能化车辆道路系统( i v h s ：i n t e l l i g e n t v e h i c l e h i g h w a ys y s t e m ) 方面的研究，在1 9 9 0 年成立了智能车辆道路系统 ( i v h s ) 组织。之后几年，美国就投入了高达十亿美元从事与智能交通有关的 技术和应用系统的研究与开发，推进智能交通系统的发展。同时期，欧洲、日本 等也相继开展了此项技术的研究。1 9 8 6 年，欧洲1 4 个国家的政府总投资5 0 亿 美元，开始建立使欧洲交通最高效和最安全的p r o m e h e u s 工程，1 9 9 8 年又开 始了智能交通体系结构项目k a r e n 。日本7 0 年代研制出了电子路径诱导系统， 9 0 年代开发出了车辆信息通讯系统( v i c s ) 并投入实际运行。目前智能交通系 统的发展经历可以归纳为3 个阶段：准备时期( 1 9 3 0 1 9 8 6 ) 、可行性研究时期 。 ( 1 9 8 6 1 9 9 7 ) 和产品发展时期。 近年来，我国的公路交通基础设施建设取得了举世瞩目的成就，并且以前所 未有的速度持续发展。据交通部统计公报【2 l ：截止2 0 0 7 年底，全国公路总里程达 3 5 8 3 7 万公里，其中二级及以上高等级公路里程3 8 0 4 万公里( 高速公路5 3 9 万公 里，一级公路5 0 1 万公里，二级公路2 7 6 4 万公里) 。全国公路里程持续增长，公 路技术等级和路面等级显著提高。公路密度继续提高，通达水平进一步提升。而 高速公路建设也取得新成果：截至2 0 0 7 年年底，高速公路突破2 0 0 0 公里的省为1 1 个，分别是：河南( 4 5 5 6 公里) 、山东( 4 0 3 3 公里) 、江苏( 3 5 5 8 公里) 、广东 ( 3 5 1 8 公里) 、河北( 2 8 5 3 公里) 、浙江( 2 6 5 l 公里) 、云南( 2 5 0 7 公里) 、湖 北( 2 3 6 5 公里) 、安徽( 2 2 0 6 公里) 、陕西( 2 0 6 3 公里) 和江西( 2 0 0 6 公里) 。 高速公路总里程连续几年居于世界第二位，仅次于美国。 同时，随着经济的持续高速增长，我国的机动车数量不断增大，公路旅客、 货物运输持续加快增长。公安部统计【3 】，截至2 0 0 7 年底，全国机动车保有量为 1 5 9 7 7 7 5 8 9 辆。其中，汽车5 6 9 6 7 7 6 5 辆，摩托车8 7 0 9 6 6 1 3 辆，挂车8 6 9 1 2 4 辆。全 国机动车驾驶人1 6 3 8 8 7 3 7 2 人，其中汽车驾驶人1 0 7 0 8 7 1 3 7 人。相应的，路网交通 量和行驶量也快速增长。从有统计数据的国道网交通量和行驶量来看，2 0 0 7 年， 全国国道网年平均日交通量达1 0 4 7 3 辆e l ( 当量标准小客车，下同) ，年平均行 驶量为1 4 3 5 5 0 万车公里日；全国国道主干线年平均日交通量达1 6 5 2 0 辆日，年 平均行驶量5 6 3 0 8 万车，公里日；全国高速公路年平均日交通量为1 6 9 9 0 辆日， 年平均行驶量为9 15 9 8 万车公里日。 随之而来的，是道路交通拥挤程度在不断增加，尤其是大中城市和主干路网， 交通拥堵频繁、交通事故不断增加，能源消耗巨大，环境污染严重，各种问题不 断对交通综合管理系统提出挑战，也同时为i t s 的发展带来了发展契机。 我国政府十分重视i t s 的发展，有关部门从1 9 9 6 年开始组织了i t s 领域的一系 列国际交流与合作，以支持其在国内开展研究和开发。国家科技部组织交通部、 铁道部、公安部、国家技术监督局等有关部门组建了中国i t s 政府协调指导小组， 总体规划包括道路、铁路、水运、民航在内的中国i t s 发展战略、标准制定和人 才培训，组织i t s 关键技术的攻关和示范工程。国家科学技术部于1 9 9 9 年1 1 月批 2 准建立国家智能交通系统工程技术研究中心( n a t i o n a li n t e l l i g e n tt r a n s p o r t s y s t e m s c e n t e ro f e n g i n e e r i n ga n dt e c h n o l o g y - i t s c ) ，以国民经济、交通运输行业 和市场的需求为导向，针对智能交通系统发展中存在的重大技术问题，对有市场 价值的重要应用科技成果进行关键技术的后继工程化、产业化以及系统集成。 1 9 9 9 年，由科技部牵头，联合建设部、交通部、公安部等十多个相关部委，组织 成立了全国智能交通系统协调小组，为推动交通系统的智能化发展提供了组织机 制保障。2 0 0 0 年，完成了中国i t s 体系框架研究和标准规范的制定。其中标准规 范的制定从一定程度上确定了系统构成、功能模块以及模块之间的通信协议和接 口，建立了能够与国际接轨的i t s 标准体系。中国i t s 体系框架也已成为指导中国 i t s 发展的纲领性文件。 i t s 是目前世界上交通运输科学技术的前沿，发达国家都先后投入了大量的 资金和人员加紧研究，希望在未来的市场上占据有利的地位。国际上公认的i t s 的服务领域有：先进的交通管理系统、出行信息服务系统、商用车辆运营系统、 电子收费系统、公共交通运营系统、应急管理系统、先进的车辆控制系统。作为 各项领域的信息基础支撑，交通信息的检测和交通流数据获取技术是重点研究的 关键技术之一。 1 1 2 交通信息采集技术概述 交通信息是交通规划和交通管理的重要基础信息，通过全面、丰富、实时的 交通信息不但可以把握当前道路交通状态和交通发展现状，还可以对未来进行预 测，给交通规划和交通管理部门的正确决策提供科学依据。交通信息分为静态和 动态两种。静态交通信息主要包括道路网信息、交通管理设施信息等交通基础设 施信息，也包括机动车保有量、道路交通量等相对稳定的统计信息。动态交通信 息是指实时道路交通流信息、交通控制状态信息、实时交通环境信息等随时间和 空间变化的信息。 交通信息获取和处理技术对于智能化交通管理、交通决策和交通控制的实现 非常重要，也是交通规划和路网建设的前提和基础。这里重点讨论道路交通流信 息采集技术和交通环境信息采集技术。 道路交通流信息采集( 即交通流检测) 技术的核心是车辆检测技术，通过设 置在高速公路、一般公路、城市道路的专用设备车辆检测器，对过往机动车 辆的车型、行驶速度、车流量、道路占有率等进行检测，形成交通控制和管理所 需的交通流参数。自从1 9 2 0 年第一台自动车辆检测器安装以来，车辆检测技术 持续发展，现已被广泛运用于各种交通管理策略。近年来，因电磁波及无线电通 讯技术的导入，使得车辆检测方式有了更多的选择。 车辆检测器的分类有很多种，目前具有代表性的是按检测器的工作方式及工 作时的电磁波波长范围，将检测器划分为三大类：磁频车辆检测器、波频车辆检 测器和视频车辆检测器。 磁频车辆检测器基于对磁场变化的检测获取车辆信息，典型代表是环形地感 线圈，这也是目前应用最为广泛的一种车辆检测器。其他已有产品应用的还有磁 性检测器、地磁检测器、微型线圈检测器、磁成像检测器等。 波频车辆检测器包括微波雷达、超声波、激光雷达和红外线检测器等。这些 车辆检测器的基本原理有两种：一是通过多普勒效应检测运动目标，获取其位置、 速度等数据；二是通过探测目标反射或发射的波强变化实现对车辆的探测和交通 参数的获取。其中，红外线检测可以是主动工作方式，也可以是被动工作方式； 其他检测器都是主动工作方式。 视频车辆检测器，实际是由车辆检测技术、摄像机和计算机图像处理技术结 合构成的视频车辆检测系统。这是更先进的车辆检测技术。其工作原理是通过视 频摄像机作传感器，在其视频图像中设置检测区，当车辆进入检测区时，图像背 景灰度值发生变化，从而可以获取车辆的信息。采取图像处理技术后，可提供全 面的交通数据信息和事故检测信息，如道路上车辆的车流量、平均速度、平均车 头时距、车道占用率，车型分类、停车报警、逆行报警，拥堵报警等信息。同时， 可为管理人员提供可视图像，使管理更直观可靠。 表1 1 给出了目前几种常用的车辆检测器及其性能的比较【4 】。从表中可以看 出，相比地感线圈等传统检测器，视频车辆检测器具有直观、监视范围广、可获 取信息量大、安装和维护方便、寿命长和成本低等优点。因此，基于视频的交通 流检测技术逐渐成为智能交通系统近年来的研究热点，并得到了越来越广泛的应 用。 4 表1 1 几种常见车辆检测器性能比较 5 另一方面，独立于交通流检测技术，交通监控系统的发展经历了更加长久的 历史。交通监控系统是从最初的闭路电视监控系统( c c t v ) 发展而来，用于提 供重要路口、路段、收费站、广场等重要交通场景的直观影像，帮助管理人员掌 握宏观交通状态、交通事故发生情况以及天气变化等交通环境信息。其主要组成 包括前端、传输和终端三大部分。前端部分主要有摄像机、镜头、云台、解码器 等；传输部分包括传输媒介( 光纤、电缆、无线等) 和相关设备；终端部分一般 有控制器、显示设备( 监视器、大屏幕等) 、图像记录设备及辅助设备( 矩阵分 配器等) ，其任务是将前端传来的图像信号在监视器上一一显示，并对前端设备 进行控制。实际交通管理工程中，无论采用何种交通流检测技术，都会单独建立 一个交通电视监控子系统。 随着视频交通流检测技术的发展，交通监控系统配合视频车辆检测技术，可 以解决过去靠人工统计无法得到大量、连续、实时、准确的交通流数据和交通事 件的检测问题，充分利用监控资源。不过，一般专门用于交通流检测的前端摄像 机安装要求与交通监控系统的要求有所不同。交通流检测用的摄像机一般是固定 位置安装，在确定检测场景后，人工设置好相关摄像机位置、拍摄参数( 视场、 焦距、角度等参数) 、检测区域、检测算法参数等，运行过程中不再改变。一旦 发生摄像机松动、变焦等问题导致拍摄场景变化，就必须重新人工设置。而用于 交通监控的摄像机，通常会根据观察需要，由终端控制器灵活控制其各种拍摄参 数，观察场景、焦距等可以任意变化。要将视频车辆检测技术用在交通监控系统 中，或者使用于交通流检测的摄像机兼顾交通监控功能，存在一个必须解决的问 题：如何保证在拍摄场景变化的情况下，无须人工设置而令检测器自动地设置适 应当前场景的检测区域和检测算法参数? 这种新的应用需求对视频交通流检测 技术的研究发展提出了新的挑战。 1 2 视频交通流检测系统研究与发展现状 1 9 7 8 年，美国加州帕萨迪纳市的喷气推进实验室( j p l ) 首先提出了运用机 器视觉来进行车辆的检测的方法，指出其是传统检测方法的一种可行的替代方 案。随着计算机和图像处理技术的不断发展，利用机器视觉检测器来进行车辆检 测成为一种特别有潜力的交通流检测技术，基于视频的交通流检测系统也成为现 6 代智能交通系统的一个重要组成部分。 1 2 1 国内外技术发展历史与现状 1 9 8 4 年，美国明尼苏达大学运输研究中心的帕诺斯麦克鲁波洛斯博士等人 研制了第一个可以投入实际使用的基于视频的车辆检测系统a u t o s c o p e 视频车辆检测系统。该系统采用一台普通工业电视摄像机对多达6 8 个车道的交 通流量进行同时监视和检测。系统从摄像机上人为设置的特定检测区域内得到的 图像信号，经过一台2 8 6 ( 或3 8 6 ) 微机的数字化和格式化处理，可以得到车辆存 在、车辆通过、车速、车种、排队长度、流量、占有率、车间时距、拥挤程度、 密度等交通数据，并可以进行交通录像带的脱机分析。此系统在不同场景和环境 下的测试结果良好【5 】，表明了利用视频进行实时交通流检测的可行性。 同时期，基于视频的车辆检测器研究也在欧洲和日本广泛展开【6 。8 】。1 9 9 1 年， 美国加州理工大学对在高速公路上运用视频方法的检测技术进行了评估，在评估 报告中对当时采用的不同的视频车辆检测技术详尽地进行了分类。1 9 9 4 年 m n d o t ( 明尼苏达运输部) 为f h w a ( 美国联邦公路局) 进行了更详尽严格的测评， 结果表明视频检测器的检测准确性和可靠性可以达到令人满意的程度【9 】。同时随 着视频车辆检测技术的发展，人们已不满足于仅仅检测出车辆，f h w a 进一步利 用此技术来提取交通参数，如交通流量、十字路口的车辆转向信息等【l 州j 目前，国外已经研制出了许多成熟的商业视频交通流检测产品，例如美国i s s 公司的a u t o s c o p e 、美国i t e r i s 公司的v a n t a g e 、比利时t r a f f i c o n 公司的 v i p 、新加坡电子科技公司的c e t r a ct m s 2 0 0 0 和英国p e e k 公司的i d s 等。其中， 美国i s s 公司的a u t o s c o p e 视频检测系统是被应用最广泛的视频检测器。该系 统在超过5 5 个国家的交通系统中被应用，已有超过5 5 0 0 0 个成功应用案例，占全 世界市场份额5 0 以上【l 。v a n t a g e 视频车辆检测器在全球有3 万个系统的运 用业绩，也是全球在用业绩最多、最受用户欢迎的车辆检测产品之一。 国内在视频交通视频检测方面起步较晚，相关研究滞后于国外，技术基础较 弱，但也有不少公司做出了产品，如清华紫光的视频交通流量检测系统v s 3 0 0 1 ， 浙大中控的v t d 视频检测器系列，哈工大交通的v t d 3 0 0 0 ，深圳神州交通系统有 限公司开发的v i d e ot r a c e t m ，厦门恒深智能软件统有限公司开发的h e a ds u n 7 s m a r tv i e w e r - i i 视频交通检测器等。目前这些产品的功能还比较单一，与国外产 品相比有一定差距。 1 2 2 国内外理论研究进展 视频车辆检测系统一般分为前端视频采集、图像处理和交通信息提取以及客 户端三部分。视频采集部分主要是获取用于交通流检测的视频图像，要求摄像机 安装在道路侧边或上方，距离路面的高度4 8 米，以保证对整个交通场景的监控， 同时提供较好的视频图像用于交通流的采集。图像处理和交通信息提取部分主要 包括运动目标提取和交通信息检测两个环节。其中，运动目标提取又可以分为感 兴趣区域( r e g i o no f i n t e r e s t i n g ，r o i ) 提取和运动前景分割两个步骤：即首先将 前端摄像机拍摄的模拟视频数字化，再对序列图像进行粗分割，提取出可能为运 动目标的r o i ；最后对r o i 进行运动目标分割，消除噪声干扰，强化目标。交通 信息检测环节是通过设置检测区域( 如虚拟的感应线圈等) 检测出是否有车辆经 过该区域，或者对运动目标进行跟踪，从而获得所需要的交通信息，如车流量、 车速度、车型等。客户端负责将各种交通信息和视频进行传输和具体业务应用。 系统具体流程如图1 1 所示。 图1 1 视频车辆检测流程图 ( 1 ) 运动目标提取 运动目标提取环节是交通流检测技术的关键，也是理论研究的核心。 一般将视频图像分为两部分：运动前景和静止的背景。基于视频的车辆检测 就是要通过一系列的数字图像处理方法在序列图像中将运动前景从背景图像中 提取出来。只有运动前景提取得准确，才能正确地对视频图像进行理解和分析。 但由于图像噪声，摄像机抖动以及光照条件的剧烈变化等原因，使运动前景的提 取变得非常复杂。运动前景的提取主要有两个关键步骤：r o i 的提取和运动目标 分割。r o i 的提取就是对运动前景或者可能是运动前景的图像区域进行提取；运 动目标的分割就是从r o i 中提取出运动前景，强化运动目标，去除掉噪声等不相 8 干的区域。 相对其他一些运动目标检测的场景而言，交通流检测场景具有如下特点：摄 像机一般固定，即场景固定；检测的目标为地面车辆，速度较低( 一般低于 2 0 0 k i n h ) ；实时性要求高，系统同时检测多个车道，而且有些系统要求同时处 理多个摄像机视频。因此，实际应用中的r o i 提取和运动目标分割方法具有针对 性和自身特点。 1 ) r o i 提取 r o i 提取的方法主要有时域分析和空域分析。时域分析就是考虑某个像素点 在时间序列上的变化特点，从而判断该点是否为运动前景：基于时域分析的r o i 提取方法主要有背景差法和帧差法等。空域分析主要是通过分析该像素点的属 性，比如颜色、灰度和梯度等，与周围像素点的属性差异，从而确定该点是否为 运动前景，基于空域分析的r o i 提取方法主要有光流法和特征提取法等。具体算 法原理将在第三章中详细描述。 在基于视频的运动信息检测中，应用较多的方法是背景差法【1 2 。19 1 。该方法通 过当前帧图像与背景帧图像之间的差值来获得运动前景，所以背景的提取和实时 地更新成为该方法的关键步骤，相关参考文献 2 0 - 4 0 】也较多。当前研究和实际采用 较多的是基于图像灰度背景差的方法。背景差法可以检测静止的车辆，不受车速 快慢影响，提取的r o i = t 较完整，而且算法简单直观，使用效果好，应用也最为 广泛。但是当环境光照亮度的变化剧烈时，背景提取更新难度大，不易提取完整 车辆信息；另外运动阴影也容易导致误检和漏检。 帧差法【1 0 , 4 1 - 4 7 1 是通过相邻两帧之差来获取运动前景，对环境的光线变化不敏 感，且能够快速地从背景中检测出运动目标，对于动态环境具有较强的自适应性。 帧差法能起到一定程度的梯度化效果，所以能部分消除阴影和光晕的影响。但是 由于不能获得完整的运动前景，无法检测静止车辆，而且受车速影响较大。有的 应用系统将帧差法与背景差法结合起来 4 6 , 4 7 】，以融合二者优点。 光流( o p t i c a lf l o w ) 指图像中灰度模式运动的速度，可以反映像素点在图像平 面上运动的瞬时速度。光流法【4 8 - 5 2 1 通过运动目标在图像上的光流场进行车辆检 测。虽然不需要预先知道场景的任何信息，就可以很精确地计算出运动物体的速 度，但光流法存在明显的缺点：仅光照变化也产生光流，而且计算复杂耗时。因 9 此，光流法在目前的工程产品中很少被应用。 特征提取法【5 3 蛳1 是通过从视频图像中直接提取车辆的一些特征，如一些特殊 的颜色、纹理、轮廓和灰度等来进行车辆检测的方法。特征提取结合特征跟踪， 就可以实现车辆的检测和交通流参数统计。特征的鲁棒性和抗干扰性是实用化的 关键。由于交通流检测需要2 4 小时全天候进行，光照的变化导致稳健特征的提取 非常困难，因而特征提取法往往只在一些特定场景和一些交通事件的检测方面具 有较好的应用效果。 2 ) 运动目标分割 运动目标的分割主要是根据区域内的相似性和区域间的不连续性实现目标 的分离。常用的方法有三种：阈值分割法、边缘检测法、区域生长与分裂合并法。 其中，阈值分割法和边缘检测法的相关算法原理在第二章中详细介绍。 阈值分割法的基本思想是找到一个阈值丁将图像矩阵分成两部分，从而将运 动前景从背景中分离出来。最简单的阈值选取方法是根据经验值来设定，这种方 法显然不能满足交通场景的复杂多变性。阈值分割法可以分为全局阈值分割、局 部阈值分割和动态阈值分割。全局阈值分割5 8 1 对所有像素采用相同阈值和算法； 局部阈值分割5 9 1 的阈值与区域内各像素及其相邻像素灰度值有关；动态阈值分割 阳的阈值则与像素空间坐标、性质、局部邻域特征有关。交通流检测一般应用全 局阈值法，因为其运算量相对较少。常用的自动阈值分割方法( 全局阈值法) 有 基于灰度直方图的双峰法、基于逼近思想的迭代法、基于最小分离误差思想的大 津方法等。二值化是阈值分割的一种，可以将待处理的目标与背景分开。这个目 标可以是图像中的具体车辆，也可以是感兴趣的图像特征( 如边缘) 。 图像边缘是图像局部特性不连续( 或突变) 的结果，例如，灰度值的突变、 颜色的突变、纹理的突变等。边缘检测方法是利用图像一阶导数的极值或二阶导 数的过零点信息来提供判断边缘点的基本依据【6 0 1 。经典的边缘检测方法是构造对 图像灰度阶跃变化敏感的差分算子来进行图像分割的，如r o b e r t 算子、s o b e l 算 子、p r