视频技术在智能交通信息检测中的应用

    1 引言 

    在智能交通系统(ITS)的众多信息中，交通特征参数信息是最根本的，它包括车流量、车型分类统计、车流密度等。

    这些数据是交管部门制订政策、采取措施、对交通设施进行规划的科学客观的依据。要构建完整的ITS系统，首先应建立一个能准确、高效获得交通特征参数的交通信息采集系统，其核心是交通信息检测技术。

    近年来，基于计算机视觉和图像处理技术的交通信息检测技术(简称视频检测技术)逐步成为研究主流。其工作流程为：通过安装在路面上方的摄像机采集交通图像，应用计算机视觉和图像处理技术处理图像数据，获取实时、丰富、动态的交通信息，进行交通的信号控制、信息发布等。其主要优点有：不破坏路面，安装无须中断交通，一次可检测多条车道，检测功能多和可记录现场图像等。

     视频检测算法是整个系统的核心，其好坏将直接影响系统的检测精度和检测效率。而在近几年ITS市场的推动下，基于视频图像分析和模式识别技术的交通检测算法针对其特有的应用场合，逐步成为目标检测技术的一个研究分支。

      2 视频检测技术

      2.1 视频检测流程

    视频检测技术即在视频序列中提取感兴趣的运动对象。在基于视频的ITS系统中，目标车辆的检测流程为：1)运动目标区域提取，即确定车辆可能存在的区域；2)目标确认，即对上阶段产生的候选区域进行确认，判断是车辆或背景；3)目标分割，通过识别出图像中符合车辆特征的像素，将待识别的目标从背景中分离出来；4)目标跟踪，依据提取出的特征匹配前后帧中的车辆，从而计算交通参数；5)目标分类，指依据几何外形、纹理特征等对不同类型的车辆进行分类；6)后处理，根据应用需求计算交通参数，如车流量、车速等。

      2.2 视频检测算法

    基于视频的交通流检测方法，可分为如下4类：知识型，运动型，立体视觉型和像素强度型。

    1)基于知识的方法利用车辆的形状、颜色、对称性等信息，以及道路和阴影等常识信息进行相关检测。该方法简单、直观，易于编程实现，但需要估计多个经验阈值，如车辆长宽的经验比值、车辆边缘的最小长度、车辆阴影与道路的灰度差异阈值等。经验阈值准确与否，直接关系系统性能的好坏。

    2)基于运动的方法主要利用序列图像之间存在的大量相关信息进行车辆的预检测，主要有光流法和运动能量法。光流法能检测出独立运动的对象，不要预先知道场景的任何信息，且适用于摄像机移动情况。但缺点是耗时大，对过于复杂、过快或过慢的运动检测效果不好，不适合实时系统。运动能量法能消除背景中的振动像素，使按某一方向运动的对象突出显示，但只能估计出运动对象的大概位置，而不能精确提取出对象。

[NextPage]    3)建立在视差或频差理论基础上的机器立体视觉，运用两个或多个摄像机对同一景物从不同位置成像获得立体像对，通过各种算法匹配出相应像点，从而恢复深度(距离)信息。该方法能在车速很小时直接检测其位置，但它要求正确标定摄像机，受车辆运动或天气等因素影响，这是很难做到的。在基于立体视觉的车辆检测中，常用IPM(Inversc Perspective Mapping)法估计图像中车辆及障碍物的位置。

    4)基于像素强度的方法直接检测帧间变化，主要有时间差分法和背景差分法。时间差分法在一个较短的时间内检查相邻各帧之间像素强度的变化，非零像素被认为是运动对象造成的。该方法适合于动态变化的环境，但不适合摄像机运动的情况，也不能完整提取运动对象。现有的背景模型基本是建立在统计模型基础或其变种之上。该方法快捷简单，实时性较好，适合运动快且形变较大的运动目标，但不适合有全局运动的场景，如不平坦或弯路较多的道路等。

    虽然车辆检测算法发展至今己有40多年，但解决下列问题是一项长期的任务：

    1)车辆在尺度、位置、方向上的变化。例如进入视野的车辆具有不同的速度，在形状、大小、颜色等方面都会产生变化。

    2)车辆的外观受车辆的观察角度和邻近物体的影响。同时，车辆之间的遮挡、光照条件的改变也会对车辆的外观造成一定影响。

    3)道路两边的场景在持续变化，环境光照随时间和天气改变。

    4)巨大的图像处理任务与系统的实时性要求。

    因此，车辆检测算法在识别速度和准确度上与人们的预想还有很大差距，今后的发展方向应该体现在提高算法的速度、准确度、自适应性方面。 

    3 基于视频技术的交通信息检测系统

    基于视频技术的交通信息检测系统经历了两个发展阶段。初阶段采用的是基于PC平台的检测系统，主要是基于x86系列CPU外加存储、扩展板卡、通信控制电路模块构成，处理算法在通用处理器上运行。其主要优点是软硬件扩展性好，器件支持厂家多。主要缺点是功耗高，一般在100 W左右；体积大，不利于安装；在高温、强灰尘环境下稳定性差。现阶段主要是基于DSP嵌入式平台的检测系统，其主要优点是功耗低，一般小于10 W，体积小，可在极度恶劣条件下工作及成本低。主要缺点是硬件扩展性差，器件支持厂家少，且开发复杂。

    在国外，基于视频技术的交通信息检测系统从20世纪90年代起进入了商业化阶段，成熟产品如美国ISS公司的Autoscope系列产品、美国ITERIS公司的lteris系列产品、英国Peek公司的Peek系统等。国内，基于视频技术的交通信息检测系统还处在初级阶段，较成熟的产品如川大智胜公司基于PC平台实现的系统。目前，国内外公司纷纷将产品研发方向转向基于DSP的嵌入式平台开发。

    国内基于DSP的嵌入式系统还在探索阶段。本实验室一直致力于研究开发基于视频识别技术、具有自主知识产权、适用于国内先进交通监控系统的嵌入式交通信息采集系统。本实验室开发研制的嵌入式交通信息检测系统，采用TI专用图像处理DSP DM64X平台。DM64X最高运算速度可达7 200 MHz，集成了多个视频采集端口和10／100 Mbit／s以太网MAC控制器等。本系统使用600 MHz的DM642，峰值运算速度达到5760 MI／s(兆指令／秒)，可同时检测8个车道，实时获得8车道的车流量、占有率、车速、车型等信息。并具有10／100 Mbit／s以太网和RS-232通信接口，将检测结果实时回传到相关的交通信息平台。

[NextPage]    1)系统硬件实现方案

    本系统以TMS320DM642为核心，以CPLD作为系统逻辑控制器，通过扩展视频编解码器、存储器、10／100 Mbit／s以太网、RS-232等接口构成一个完整系统.

    视频解码芯片SAA7113将摄像机的输出转换为数字视频输入TMS320DM642，使用检测算法对图像数据处理后，将检测到的各种参数通过以太网接口或RS-232接口发送到远程通信服务器，再回传到信息中心。根据不同的应用环境，通过本地RS-232修改系统的配置参数。系统的检测结果可以“OSD'’方式直接叠加在原始图像上，通过SAA7120转换成复合视频信号(CVBS)直接在监视器上进行显示。

    2)系统算法实现方案

    结合交通检测场景的特点，本系统选择基于背景差分的图像差分法作为检测算法的基础，算法实现请参考文献[10]，流程如图2所示。为保证算法性能，采用多种先进思想：考虑到背景构建的质量对系统性能的影响，采用一种利用连续3帧差分的运动估计方法构建初始背景，并用统计打分的策略实时对背景更新；为避免运动投射阴影可能被误检作车辆的一部分，提出一种边缘重定位的阴影消除算法；为保证系统在环境光剧烈变化以及采集设备由于路面震动、风力作用等发生抖动时能正常工作，提出一种2值差分图后处理的鲁棒滤波算法；针对目前已有检测系统没有车辆跟踪这一环节可能导致流量多计数的问题，提出同时利用车辆的位置信息、颜色信息和分形维信息对车辆进行匹配跟踪的策略。

    交通信息检测系统要求能全天候工作。而白天没有车灯，但车辆成像清晰；夜晚车辆成像不清晰，但车灯及路面反射光突出。因此，本系统采用不同的实现策略：白天检测车辆本身，夜晚检测车灯及路面反射光。这样，白天可提取全部交通参数，夜晚由于不能获取车辆信息，无法进行车型分类，但其他交通参数不受影响。实验现场的测试表明，本系统的车辆识别率达到96.5％。 采用C语言编写系统的接口配置／控制代码，以保证系统的整体可读性。为了保证系统算法的高效性，对系统的关键算法模块进行了纯汇编语言的编写。表1是不同语言下代码的效率对比，表中所列代码段均针对分辨率为253×288的交通视频图像进行处理。

    在本算法的实现中，由于采用C代码与汇编代码的嵌套使用，同时兼顾了算法的运算速度和代码可读性。在高速公路环境下，系统处理速度为25 f／s(帧／秒)；在城市环境下，处理速度能保证不小于15 f／s(帧／秒)，即处理一帧图像耗时不大于(1 000／15)ms=66.7 ms。假定检测区域为10 m，则有效检测的最高车速为10 m／66.7 ms=540 km／h，完全满足现有的交通状况。

    4 小结

    本文论述了各种基于视频技术的交通检测算法的实现思路和特点，并对其产品化现状和发展方向进行了描述。通过对各种检测算法的比较，采用基于像素强度的图像差分方法作为检测算法的基础，以本实验室的研究成果为例详细描述了一个基于DSP平台的嵌入式交通信息检测系统。本系统已经在长沙、郑州等国内的高速公路系统经过长时间的试运行，并取得了较好的效果。算法的进一步完善和功能扩展是系统下一步的改进方向。