e-works数字化企业网  »  文章频道  »  工业自动化控制  »  自动识别技术

视频交通流检测及车辆识别系统的设计

2005/8/24    来源:希赛网    作者:李华明  
本文论述了视频交通流检测和车辆识别系统的设计思想,以及实现时使用的基本算法。并提出了提高检测实时性的具体措施。

    1 引 言

    随着我国经济建设的蓬勃发展,城市的人口和机动车拥有量也在急剧增长,交通流量日益加大,交通拥挤堵塞现象日趋严重,交通事故时有发生。交通问题已经成为城市管理工作中的重大社会问题,阻碍和制约着城市经济建设的发展。因此,深入研究解决城市交通问题有着极为重要的现实意义。要解决城市交通问题,就必须准确掌握交通信息。目前国内常见的交通流检测方法有人工监测、地埋感应线圈、超声波探测器、视频监测4类。其中,视频监测方法比其他方法更具优越性。

    视频交通流检测及车辆识别系统是一种利用图象处理技术实现对交通目标检测和识别的计算机处理系统。通过对道路交通状况信息与交通目标的各种行为(如违章超速,停车,超车等等)的实时检测,实现自动统计交通路段上行驶的机动车的数量、计算行驶车辆的速度以及识别划分行驶车辆的类别等各种有关交通参数,达到监测道路交通状况信息的作用。同时,将检测和识别到的交通信息存储起来,为分析和交通管理提供依据,因此它也是一个交通信息的管理系统。

    2 视频交通流检测和车辆识别系统概述

    视频交通流量检测及车辆识别系统是一个集图象处理系统和信息管理系统为一体的综合系统。计算机图象处理主要由图象输入,图象存储和刷新显示,图象输出和计算机接口等几大部分组成,这些部分的总体构成方案及各部分的性能优差直接影响处理系统的质量。图象处理的目标是代替人去处理和理解图象,因此实时性,灵活性,精确性是对系统的主要要求。

    2.1 系统构成

    通过摄象机将道路交通流图像捕捉下来,再将这些捕捉到的序列图像送入计算机进行图象处理、图象分析和图象理解,从而得到交通流数据和交通状况等交通信息,这是系统的基本工作流程。


图1 系统构成图

    2.2 系统工作原理

    (1) 通过系统初始化,对系统中的参数进行设定,如每秒采集图象的帧数,图象二值化的门限值(阈值)等等。由图像采集系统将摄像机摄取的路段上行驶车辆的视频图象按序列连续捕捉下来并数字化,存入内存或帧缓存中。

    (2) 将这些采集到的序列数字图像进行预处理(滤波除噪,图象锐化,对比度增强)。

    (3) 对预处理后的图像进行图象分割,并对分割后的目标图象进行特征提取(图象描述)。

    (4) 用提取的特征进行分类识别。通过相应的算法进行计算,得到车辆的计数、车辆速度,并将获得的数据存入数据库。

    (5) 将图象分割和特征提取得到的特征与模型库里建立好的车辆模型进行模式匹配,识别出车辆的类型,将识别出的结果存入数据库。

    (6) 对数据库里的数据进行统计分析输出有关报表或图片。

    3 视频交通流检测及车辆识别系统的设计与实现

    3.1 软件功能概述

    (1) 能够对监视区域内的路段上通过车辆的数目进行标实时计数。

    (2) 能够对监视区域内的运动车辆进行实时速度测量。

    (3) 能够对监视区域内的运动车辆进行车辆类型识别。

    (4) 能够将检测和识别获得的交通数据存入数据库。

    (5) 能对数据库的数据进行统计输出。

    (6) 对系统测量到的车辆数目和每辆车的速度能实时处理并显示。

    (7) 能够对车辆的长度,车辆的车头间距,车辆排队长度等交通流数据进行统计。

    3.2 功能模块设计

    视频交通流检测及车辆识别系统是由:系统初始化模块 ;图象采集模块;图象预处理模块;图象分割模块; 特征提取模块; 流量统计模块; 类型识别模块; 数据管理模块;系统维护模块组成。下面列出主要功能模块。

    3.2.1 系统初始化模块

    为系统设定初值,包括设定图象输入参数(采集图像的分辨率,图象采集卡视频端口的制式、亮度、对比度,每秒采集的帧数等)、检测区域的大小和个数、速度检测标线以及象素间距与实际路长的比例系数、各种车辆类型的特征量、图像二值化及检测区域内特征点的阈值等,并建立识别的匹配摸板。

    3.2.2 图象采集模块

    将摄像机传输来的视频图象按初始化设置的要求捕捉下来并将其数字化,然后存储到内存里。 采集图像的数字化是通过安装在计算机上的视频捕捉卡来实现的,而图象捕捉控制是由软件来完成。捕捉软件可以按每秒1~25帧(PAL制线)或1~30帧(N制)来捕捉图像并存贮在帧缓存或计算机内存里以备预处理系统调用。

    3.2.3 图象预处理

    对采集到的图像进行滤波除噪,主要采用中值滤波算法降低噪声。因为中值滤波具有抑制图像噪音并保持轮廓清晰的特点。对滤波去噪后的图象进行锐化,锐化算法采用二阶差分法。再对锐化后的图象进行对比度增强,对比度增强算法采用直方图均衡化。经过预处理的图象,可视化效果得到改善,利于进行图象分割。

    3.2.4 图象分割模块

    将预处理后的图象,进行目标与背景分离,也就是把车的图象与背景分离开来,以便于对车辆目标的处理,提高运算速度。分割可以有很多算法。图象二值化算法简单,速度快,符合图象处理系统实时性特点,所以采用图象二值化分割。这种方式的分割,主要问题是如何确定阈值(灰度门限)。根据实际情况,可以采用自适应门限法来确定阈值。

    3.2.5 特征提取模块(特征描述)

    对分割出来的目标特征进行描述。描述主要是对目标图象的灰度,边界,面积等属性进行测量,使目标的特征量化,从而便于图象分类(或图象识别)。为加快交通流检测的速度,把检测目标的面积作为特征提取出来,作为判断是否有车辆通过的依据,同时通过对面积的特征匹配来确定车辆的类型。计算区域面积的公式:

   

    3.2.6 流量检测模块:

    根据图象分割和提取的车辆特征进行车辆数目统计和车辆速度计算。实现的具体算法如下:

   

   计数算法:基本原理是将检测区里的经过灰度变换的图像在图象空间域上与背景图像进行差分。当没有车辆进入检测区域时,检测区域的图象接近于背景图象,差分值小于设定的门限;当有车辆进入检测区域时,检测区域的图象就会发生变化,与背景的差分结果将大于设定的门限。因此,通过处理车辆差分图象并对特征点个数进行计数和判断,就可以检测出车辆的存在。设图像序列为f(x、y、t),背景图象为f0(x、y、t),可由无车辆通过检测区时的纯路面图象获得。差分图像可以表示为d(x、y)=|f(x、y、t)-f0(x、y 、t)|。将d(x、y)二值化,于是产生一幅二值化图象d’(x、y)。

    其中T表示灰度门限。灰度门限的选择是根据图象的灰度变换来计算的。设检测区域内的目标特征点的个数(或目标的面积,d’(x、y)=255)为K,我们则可以判断:如果K≥N,则认为有车通过;如果KくN则认为没有车通过。N为阈值,它是一个测量统计值,其大小因噪声情况做测试和调整,依此为根据可以对车辆进行计数。
测量车速度算法:

    采用特征点匹配的方法。首先在一帧图象中选择一组在运动中形状不变的特征点,然后与下一帧中的同类特征点作匹配,从而求得车辆运动距离。再根据两幅图象之间的时间间隔,即车辆运动的时间,最后求出车速。具体算法是对分割出的有一定时间间隔的目标图象求出各自目标的区域重心坐标(x1,y1),(x2,y2),这两个点求差,得出两幅图象的目标重心移动的象素点距离,再乘以系统初始化时设定的象素长度与实际路长的比例系数,从而得到实际路长,再用两幅图象之间的时间间隔去除实际路长就得到了速度。

    3.2.7 类型识别模块

    用于识别车的类型。具体算法是:首先从图象分割后的目标图象中选择目标特征(或特征向量),再使用判别函数,进行判别分类,从而得到分类结果。

责任编辑:江琦
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐