车流量检测
一.智能交通技術(shù)概述
智能交通系統(tǒng)(Intelligence Transport System ,ITS)是目前世界交通運(yùn)輸領(lǐng)域的前沿研究課題,它融合了電子信息技術(shù)，通信技術(shù)，自動(dòng)控制理論，計(jì)算機(jī)技術(shù)和傳統(tǒng)的交通工程學(xué)理論等多個(gè)學(xué)科的理論，并將其應(yīng)用于現(xiàn)代的交通運(yùn)輸管理體系中，從而實(shí)現(xiàn)交通運(yùn)輸服務(wù)和管理智能化。
交通監(jiān)視系統(tǒng)是智能交通系統(tǒng)中的一個(gè)重要環(huán)節(jié)，這一子系統(tǒng)主要負(fù)責(zé)采集有關(guān)道路交通流量的各種參數(shù)，例如車(chē)流量，車(chē)速，車(chē)型，排隊(duì)時(shí)間和長(zhǎng)度等。目前，道路參數(shù)檢測(cè)的方法很多，主要有超聲波檢測(cè)，紅外檢測(cè)，感應(yīng)圈檢測(cè)和基于視頻的檢測(cè)等等。超聲波檢測(cè)精度不高，容易受車(chē)輛遮擋和行人的影響，檢測(cè)的距離短；紅外線(xiàn)檢測(cè)受車(chē)輛本身熱源的影響，并且抗噪聲的能力不強(qiáng)，因而檢測(cè)精度不高；雖然地感線(xiàn)圈檢測(cè)精度相對(duì)較高，但要求設(shè)置于路面結(jié)構(gòu)中，并有對(duì)路面有損壞，施工和安裝相對(duì)不便，使用壽命比較短，容易損壞等缺點(diǎn)。
近年來(lái)，基于視頻檢測(cè)的方法隨著計(jì)算機(jī)技術(shù)，圖像處理，人工智能和模式識(shí)別等技術(shù)的不斷發(fā)展，在交通流檢測(cè)中得到了越來(lái)越廣泛的應(yīng)用，相對(duì)于其它交通流量檢測(cè)技術(shù)而言，它具有以下的優(yōu)勢(shì)：
二．相關(guān)技術(shù)的介紹和說(shuō)明
圖像的預(yù)處理–背景提取
采用背景差分方法進(jìn)行車(chē)輛檢測(cè)，一般而言，不對(duì)視頻卡采集的整幅視頻圖像進(jìn)行處理。這里，有目的地根據(jù)車(chē)道的情況，在整幅圖像中選擇了幾個(gè)感興趣的區(qū)域（也稱(chēng)作虛擬線(xiàn)圈），并對(duì)這些區(qū)域進(jìn)行實(shí)時(shí)處理，檢測(cè)車(chē)輛并獲得相關(guān)的交通流量參數(shù)。
提取若干楨連續(xù)的視頻圖像，并把在虛擬線(xiàn)圈中的像素灰度值按幀的序號(hào)順序存儲(chǔ)在數(shù)組中，對(duì)虛擬線(xiàn)圈中的每個(gè)像素逐點(diǎn)求其灰度值的直方圖，選擇出現(xiàn)次數(shù)最多的灰度值作為背景圖像中當(dāng)前像素的灰度值。
一般而言，選擇每個(gè)像素最常出現(xiàn)的灰度值作為背景圖像對(duì)應(yīng)像素點(diǎn)的灰度值是十分合理的，如果碰到車(chē)輛較密集的情況，可以適當(dāng)增加采集的幀數(shù)，以得到較好的效果。
背景提取需要一個(gè)初始化的過(guò)程，在背景提取的過(guò)程中，不對(duì)讀入的視頻圖像進(jìn)行車(chē)輛檢測(cè)。
背景更新采用了每隔一段時(shí)間進(jìn)行背景提取并進(jìn)行背景更新的方法：程序中設(shè)置一定時(shí)器，每隔一段時(shí)間，程序就開(kāi)始進(jìn)行新一輪背景提取，在此背景的提取過(guò)程中，程序進(jìn)行車(chē)輛的檢測(cè)。
不過(guò)此時(shí)所用的背景為上一次提取的背景，當(dāng)當(dāng)前背景提取完后，用當(dāng)前背景覆蓋上一次的背景，圖像下一幀的車(chē)輛檢測(cè)就使用更新后的背景，即當(dāng)前背景，進(jìn)行檢測(cè)。
此方法能夠有效抑制光線(xiàn)和自然條件的緩慢變化，并能夠提高背景差分算法檢測(cè)車(chē)輛的效果。當(dāng)車(chē)輛經(jīng)過(guò)虛擬線(xiàn)圈，虛擬線(xiàn)圈內(nèi)所有像素當(dāng)前灰度值和背景對(duì)應(yīng)像素的灰度值之間的絕對(duì)值差的總和會(huì)有一個(gè)變化的過(guò)程，并把線(xiàn)圈內(nèi)所有像素的當(dāng)前圖像的灰度值與背景圖像的灰度值之間的絕對(duì)值差的總和用變量。
在虛擬線(xiàn)圈沒(méi)有車(chē)輛經(jīng)過(guò)的情況下，虛擬線(xiàn)圈內(nèi)當(dāng)前圖像信息保持相對(duì)恒定，線(xiàn)圈內(nèi)像素點(diǎn)的灰度值變化很小。然后，當(dāng)有車(chē)輛開(kāi)始進(jìn)入虛擬線(xiàn)圈的區(qū)域時(shí)，由于背景和車(chē)輛像素的灰度值之間巨大的差異，會(huì)導(dǎo)致值逐漸增大；車(chē)輛離開(kāi)虛擬線(xiàn)圈區(qū)域時(shí)值也將隨之逐漸減少。當(dāng)車(chē)輛完全離開(kāi)時(shí)值又變得很小。
這種方法可能具有的缺點(diǎn)和不足：
楨間差分比較常用的是連續(xù)三楨作兩兩差分，這種方法雖然具有很強(qiáng)的自適應(yīng)性，但是對(duì)進(jìn)行差分的連續(xù)楨的選擇時(shí)機(jī)要求較高，而且有賴(lài)于運(yùn)動(dòng)物體的運(yùn)動(dòng)速度，如果運(yùn)動(dòng)速度較快，且選取的時(shí)間間隔過(guò)長(zhǎng)，就會(huì)造成兩楨之間無(wú)覆蓋區(qū)域，從而無(wú)法分割出運(yùn)動(dòng)物體；而如果運(yùn)動(dòng)速度過(guò)慢，且選取的時(shí)間過(guò)小，則會(huì)造成過(guò)度重疊，最壞的情況是物體幾乎完全重疊，根本檢測(cè)不到物體。
圖像的預(yù)處理–前景提取：
前景提取的基本思想是通過(guò)將當(dāng)前幀與當(dāng)前的背景幀相減，門(mén)限后得到運(yùn)動(dòng)的前景點(diǎn)。在進(jìn)行操作之前，首先對(duì)當(dāng)前幀進(jìn)行平滑濾波以降低噪聲的影響。在這里使用3*3大小的高斯模板。由于平滑的同時(shí)也造成了圖像邊緣信息的損失，因此此時(shí)我們還需要對(duì)濾波后的圖像進(jìn)行邊緣增強(qiáng)。考慮到G通道對(duì)噪聲的不敏感性，這里我們僅在G通道對(duì)當(dāng)前幀和背景幀用Sobel算子進(jìn)行邊緣增強(qiáng)。在選取門(mén)限時(shí)，為了適應(yīng)背景的變化，取：
其中，.C=R、G、B
由于背景圖像的直方圖在R、G、B通道都呈現(xiàn)出明顯的單峰特性，因此這樣的門(mén)限是合理的。之后，定義任一點(diǎn)(x,y)上當(dāng)前幀與背景幀的差值為
當(dāng)DBt(x,y)≥TL時(shí)，認(rèn)為該點(diǎn)為前景的運(yùn)動(dòng)點(diǎn)，否則認(rèn)為它是背景點(diǎn)，將被更新入背景。即PFore={(x,y)| DBt(x,y)≥TL}。
經(jīng)過(guò)上述操作后，包括陰影在內(nèi)的運(yùn)動(dòng)前景已經(jīng)基本被提取出來(lái)，但是由于噪聲的影響，可能使被檢區(qū)域不完整，甚至出現(xiàn)一個(gè)區(qū)域被斷裂成兩個(gè)或兩個(gè)以上區(qū)域的情況，因此還需要對(duì)檢測(cè)到的點(diǎn)集進(jìn)行若干形態(tài)學(xué)操作以保證運(yùn)動(dòng)前景的完整性。
圖像的預(yù)處理–濾波處理
成像系統(tǒng)獲取的原始圖像由于種種條件限制和隨機(jī)干擾，例如視覺(jué)成像系統(tǒng)鏡頭的臟污，地面凹凸不平引起圖像模糊等，不能直接使用，必須對(duì)原始圖像進(jìn)行預(yù)處理。對(duì)于視覺(jué)系統(tǒng)來(lái)說(shuō)!所用的圖像預(yù)處理方法并不需要考慮圖像降質(zhì)的原因，將圖像中感興趣的特征能有選擇地突出，衰減其不需要的特征。
計(jì)算機(jī)圖像的濾波處理主要采用兩大類(lèi)方法：
一類(lèi)方法是在空間域中處理：即在圖像空間中對(duì)圖像進(jìn)行各種處理；另一類(lèi)方法是把空間圖像經(jīng)過(guò)變化，如經(jīng)過(guò)傅立葉變換，使之在頻率域內(nèi)進(jìn)行各種處理，然后再變回到圖像的空間域，形成處理后的圖像。
目前頻率域處理方法有傅立葉正變換和逆變換，各種小波變換和逆小波變換。這些方法使用的計(jì)算機(jī)內(nèi)存和計(jì)算時(shí)間的開(kāi)銷(xiāo)很大，不適于智能車(chē)輛這樣的實(shí)時(shí)系統(tǒng)。
因此，采用空間域中的中值濾波處理方法，該種方法是一種局部平均的平滑技術(shù)，對(duì)脈沖干擾和椒鹽噪聲的抑制效果好。在一定條件下可克服線(xiàn)性濾波器如最小均方濾波均值濾波等帶來(lái)的圖像細(xì)節(jié)模糊，有效保護(hù)圖像的邊緣。由于在實(shí)際運(yùn)算中不需要圖像的統(tǒng)計(jì)特征，因此這為圖像的預(yù)處理帶來(lái)很大的方便。
圖像的預(yù)處理–邊緣增強(qiáng)
根據(jù)視覺(jué)理論可知：識(shí)別一個(gè)對(duì)象是從其邊緣開(kāi)始的，一幅圖像不同部分的邊緣往往是模式識(shí)別最重要的特征。邊緣是其周?chē)袼鼗叶扔须A躍變化或屋頂變化的像素的集合，它廣泛存在于物體與物體，物體與背景之間，基元與基元之間，
在機(jī)器視覺(jué)系統(tǒng)采集的圖像中，車(chē)道的邊緣信息湮沒(méi)在背景之間。
邊緣增強(qiáng)的目的在于突出道路的邊緣信息，以利于道路邊界識(shí)別。另外，邊緣增強(qiáng)算法還有助于克服道路光照不均的影響作用。
常用邊緣增強(qiáng)算子有Robert算子，Sobel算子，Krisch算子，Prewitt算子，Laplace算子等。這里，邊緣檢測(cè)采用了Sobel算子，它其實(shí)是一種一階差分算子，它可以有效地消除道路圖象中大部分無(wú)用信息。
離散-BCDF 算法定義為下式$
Sobel算子具有較強(qiáng)抑制噪聲的能力，實(shí)際上Sobel算子的本質(zhì)是反映相鄰或相距一定距離的像素點(diǎn)的灰度差異特征。對(duì)于道路而言，正常路面上由于物理性質(zhì)接近，且光照一般是均勻的。在這種情況下，鄰近的像素點(diǎn)的灰度值相差不大，經(jīng)過(guò)Sobel算子，就把這種接近程度轉(zhuǎn)化成一定值，該值通常接近值。論文研究的道路邊界與道路其它部分具有一定的灰度差異，Sobel算子能突出邊界處像素值的差異，相對(duì)于其它路面部分，得到的值較大。同時(shí)還可得到邊緣的梯度方向信息，而且該算法計(jì)算簡(jiǎn)單，易于實(shí)現(xiàn)。
經(jīng)過(guò)Sobel算子運(yùn)算后的圖象，邊界從整幅圖象中被突顯出來(lái)。
圖像的預(yù)處理–二值化
對(duì)圖像進(jìn)行二值化處理的關(guān)鍵是閾值的合理選取，閾值設(shè)置過(guò)小易產(chǎn)生噪聲"閾值設(shè)置過(guò)大會(huì)降低分辨率，使非噪聲信號(hào)被視為噪聲而濾掉，考慮到一般在光線(xiàn)較為均勻或在光線(xiàn)不發(fā)生強(qiáng)烈變化的條件下試驗(yàn)，因此選取了整體最優(yōu)閾值法進(jìn)行圖像二值化處理。
整體最優(yōu)閾值原理是統(tǒng)計(jì)每幅圖像灰度的分布特性，利用類(lèi)別方差作為判據(jù)，選取使類(lèi)間方差最大值作為選定的閾值.
使用最優(yōu)閾值算法的二值化圖像進(jìn)一步減少了噪聲，為后續(xù)的Hough變換提供了較為干凈的圖像數(shù)據(jù)。
圖像的預(yù)處理–攝像機(jī)定標(biāo)和設(shè)置
視頻攝像機(jī)可以安裝在過(guò)街天橋上，高層大樓上，或者一個(gè)足夠高的桿子上。圖1描繪出了視頻攝像機(jī)的配置情況，有一些配置參數(shù)包括傾斜的角度 ，轉(zhuǎn)動(dòng)的角度 ，幅度的角度 和攝像機(jī)高度h。我們假設(shè)轉(zhuǎn)動(dòng)角度 等于0，而參數(shù) ，h，和攝像機(jī)的焦距f事先已知。至于攝像機(jī)的視角 將在校準(zhǔn)的時(shí)候確定。
圖1. 攝像機(jī)的配置
建立從二維空間到三維空間圖像的映射關(guān)系
實(shí)際采集的三維圖像是三維空間坐標(biāo)在二維攝像頭像平面上的映射，需要對(duì)采集的圖像先進(jìn)性映射后再進(jìn)行實(shí)際幾何關(guān)系的計(jì)算。通常攝像頭和公路坐標(biāo)系的位置關(guān)系。
檢測(cè)和追蹤–車(chē)輛的檢測(cè)
如何檢測(cè)運(yùn)動(dòng)目標(biāo)的軌跡
背景的方法能夠檢測(cè)到運(yùn)動(dòng)的和靜止的車(chē)輛，運(yùn)動(dòng)區(qū)域可以用差分背景和差分楨間來(lái)分成運(yùn)動(dòng)目標(biāo)和靜止目標(biāo)。用濾波的預(yù)測(cè)信息作為聚類(lèi)初始化信息，大大減少迭代次數(shù)，增強(qiáng)了實(shí)時(shí)性。在楨間的軌跡對(duì)應(yīng)中，根據(jù)單位時(shí)間內(nèi)目標(biāo)運(yùn)動(dòng)的滯后性即運(yùn)動(dòng)目標(biāo)在單位時(shí)間內(nèi)位移不大，速度近似等他點(diǎn)，把相鄰楨間的聚類(lèi)結(jié)果進(jìn)行匹配，從而獲取運(yùn)動(dòng)目標(biāo)的軌跡。
如何處理噪聲
一般情況下，如果檢測(cè)到的點(diǎn)跡是運(yùn)動(dòng)目標(biāo)點(diǎn)跡，在相鄰的幾個(gè)楨周期內(nèi)也能檢測(cè)到該目標(biāo)的點(diǎn)跡，根據(jù)軌跡起始準(zhǔn)則來(lái)建立軌跡，這樣解決了跟蹤的初始化問(wèn)題。如果某點(diǎn)跡是由隨機(jī)噪聲產(chǎn)生的，則在相鄰的幾個(gè)楨周期內(nèi)，不可能在某處連續(xù)出現(xiàn)此造成點(diǎn)跡，即噪聲點(diǎn)跡無(wú)法建立軌跡，這樣有效解決了跟蹤過(guò)程中的虛警問(wèn)題。
自適應(yīng)背景的優(yōu)點(diǎn)
用自適應(yīng)背景模型來(lái)代替固定背景在魯棒性上得到了增強(qiáng)，但建立自適應(yīng)背景圖像由于時(shí)空信息的融合從而增加了計(jì)算量，對(duì)實(shí)時(shí)性方面有一定影響，在環(huán)境發(fā)生突變時(shí)，如天氣的突然發(fā)生變化，自適應(yīng)背景圖像的初始化需要一定時(shí)間。
局限性
外界環(huán)境變化給車(chē)輛的運(yùn)動(dòng)分割和檢測(cè)帶來(lái)了極大的挑戰(zhàn)，建立適應(yīng)任何變化的車(chē)輛分割和魯棒檢測(cè)還需要做出極大的努力。由于道路復(fù)雜多變，很多種情況時(shí)不可以事先預(yù)測(cè)的，因此單純靠楨間差分和差分背景來(lái)進(jìn)行建模檢測(cè)車(chē)輛已很難達(dá)到正確檢測(cè)的目的。基于多目視覺(jué)的系統(tǒng)在同一時(shí)間從不同角度拍攝到的圖像進(jìn)行信息融合方法將是一種方法，但必須解決其信息融合影響實(shí)時(shí)性的問(wèn)題。
檢測(cè)和追蹤–車(chē)輛跟蹤過(guò)程
（1）將第一幀的各個(gè)區(qū)域當(dāng)作不同的目標(biāo)，對(duì)各個(gè)目標(biāo)區(qū)域啟動(dòng)目標(biāo)鏈。
（2）根據(jù)判決準(zhǔn)則，如果某目標(biāo)鏈中的區(qū)域在當(dāng)前幀找到了匹配區(qū)域，則用找到的匹配區(qū)域特征更新該目標(biāo)鏈中的區(qū)域特征。
（3）如果在形心預(yù)測(cè)值所在位置，當(dāng)前幀區(qū)域和目標(biāo)鏈中區(qū)域面積相差很大，則可以認(rèn)為發(fā)生了合并或者分裂現(xiàn)象。對(duì)目標(biāo)鏈中的區(qū)域包圍矩形，在本幀查找該矩形覆蓋了幾個(gè)區(qū)域，如果多于一個(gè)區(qū)域，則認(rèn)為發(fā)生了分裂現(xiàn)象。對(duì)分裂現(xiàn)象出現(xiàn)的新區(qū)域，啟動(dòng)新的目標(biāo)鏈。同理，對(duì)于本幀區(qū)域的包圍矩形，查找該矩形覆蓋了幾個(gè)目標(biāo)鏈中的區(qū)域，如果多于一個(gè)，則認(rèn)為發(fā)生了合并現(xiàn)象，利用合并區(qū)域啟動(dòng)新的目標(biāo)鏈，同時(shí)終止那些被合并區(qū)域的目標(biāo)鏈。
（4）對(duì)于目標(biāo)鏈中的區(qū)域，如果在本幀沒(méi)有與之相匹配的區(qū)域存在，則認(rèn)為發(fā)生了消失現(xiàn)象。目標(biāo)鏈并不立即終止，只有在經(jīng)過(guò)數(shù)幀仍沒(méi)有找到匹配之后，才終止該目標(biāo)鏈。
（5）查找本幀是否還存在新進(jìn)入的區(qū)域，如果存在，則啟動(dòng)新的目標(biāo)鏈。采用這種方法可以快速跟蹤圖像序列中的目標(biāo)，同時(shí)得到車(chē)輛在監(jiān)視范圍的平均速度。在計(jì)數(shù)時(shí)，只有目標(biāo)在連續(xù)數(shù)幀里出現(xiàn)才認(rèn)為是一個(gè)真正的目標(biāo)區(qū)域，只有目標(biāo)在連續(xù)數(shù)幀都沒(méi)有出現(xiàn)才認(rèn)為消失，因此可以消除那些暫時(shí)消失引起的計(jì)數(shù)錯(cuò)誤。
檢測(cè)和追蹤–車(chē)流量和車(chē)速等參數(shù)的測(cè)量：
一 根據(jù)車(chē)輛的行車(chē)路徑：
多人決策制定技術(shù)(MPDM) 假設(shè)有m個(gè)獨(dú)立的屬性特點(diǎn)來(lái)描述車(chē)輛，相應(yīng)的，在多人決策過(guò)程中也有m個(gè)決策制定者。我們也建設(shè)分別從視頻圖像 和 中檢測(cè)出 和 個(gè)車(chē)輛。然后每個(gè)決策者i ，基于某一屬性特點(diǎn)，確定圖像 和 中的車(chē)輛的對(duì)應(yīng)關(guān)系。
這些相對(duì)應(yīng)的車(chē)輛將根據(jù)相應(yīng)車(chē)輛之間的差異進(jìn)行進(jìn)一步的排序，這n對(duì)排序的結(jié)果表示成 。接下來(lái)，根據(jù)如下順序s，我們來(lái)給每對(duì)車(chē)輛定義了值D來(lái)表示他們之間的相似水平：
(13)
這里 表示高度，N是車(chē)輛對(duì)的數(shù)量。
在實(shí)踐中，我們按照順序 1，也就是D(n,1)，來(lái)選擇相應(yīng)的車(chē)輛對(duì)，其數(shù)值必須大于某一個(gè)門(mén)限值， ，這樣來(lái)控制由于車(chē)輛移出監(jiān)控范圍而造成的誤匹配的發(fā)生。即使車(chē)輛彼此之間是遮擋的，他們讓再可以通過(guò)多人決策過(guò)程來(lái)進(jìn)行追蹤。在這種情況下，我們要進(jìn)一步計(jì)算D(n,2)的值，更大的D(n,2)意味著兩個(gè)遮擋的車(chē)輛彼此之間分隔開(kāi)了。
從追蹤的結(jié)果來(lái)看，車(chē)輛的數(shù)量和車(chē)速都可以被確定。車(chē)輛的數(shù)量可以通過(guò)數(shù)車(chē)輛的行車(chē)路線(xiàn)來(lái)獲得，同時(shí)把道路平面上的車(chē)輛的移動(dòng)距離除以追蹤的周期就得到了車(chē)輛的行車(chē)速度。這里，車(chē)輛的移動(dòng)距離可以通過(guò)它行車(chē)路線(xiàn)的長(zhǎng)度和道路平面和圖像平面之間的關(guān)系計(jì)算出來(lái)。
二 根據(jù)跨過(guò)某條虛擬線(xiàn)來(lái)判斷過(guò)線(xiàn)的車(chē)輛數(shù)
除了具體的追蹤某一個(gè)車(chē)輛的具體運(yùn)行軌跡外，如果單單只要得到某一路段單位時(shí)間內(nèi)的車(chē)流量，而不需要定位某輛車(chē)，可以在某方向去一條線(xiàn)，通過(guò)檢測(cè)圖像中跨過(guò)這條線(xiàn)的車(chē)數(shù)，也可以得到車(chē)流量。對(duì)于雙向道路，上行和下行路段各取一條虛擬的線(xiàn)，線(xiàn)的位置不能太遠(yuǎn)，否則車(chē)輛重疊的很厲害，也不能太近，由于系統(tǒng)處理能力的限制，每秒鐘取的楨數(shù)不宜太多，而近處車(chē)輛位移較明顯，容易造成漏檢。
陰影抑制和遮擋–車(chē)輛陰影的抑制
運(yùn)動(dòng)的物體造成的陰影會(huì)隨著物體的運(yùn)動(dòng)而運(yùn)動(dòng)，所以，經(jīng)過(guò)HSV方法分割出的物體會(huì)受到陰影的影響，這樣分割出來(lái)物體會(huì)比實(shí)際的物體大，甚至造成兩個(gè)分割出來(lái)的物體連接子在一起，影響計(jì)數(shù)的準(zhǔn)確性。
陰影檢測(cè)的關(guān)鍵算法是 基于HSV空間的陰影檢測(cè)算法，因?yàn)镠SV空間更接近人的視覺(jué)反應(yīng)，而且更能精確的反映一些灰度信息和色彩信息，特別是對(duì)于圖像中極亮和極暗的物體業(yè)能很好的反映出相應(yīng)信息，經(jīng)過(guò)處理后，就可以將圖像像素分成兩個(gè)部分：背景和運(yùn)動(dòng)物體。這里運(yùn)動(dòng)物體包括陰影，通常將陰影的像素值和背景的該點(diǎn)像素值作比較，如果其包含的相應(yīng)色彩值和灰度值都在一定的閥值范圍內(nèi)，那么就認(rèn)為這個(gè)點(diǎn)是陰影
陰影抑制和遮擋–車(chē)輛的遮擋
由于攝像機(jī)的位置和車(chē)輛的行駛，有時(shí)會(huì)產(chǎn)生車(chē)輛的遮擋問(wèn)題，解決這種問(wèn)題有幾種辦法：
（1）根據(jù)車(chē)輛行駛的路徑，來(lái)判斷此時(shí)刻產(chǎn)生遮擋的車(chē)是否在前一時(shí)刻分開(kāi)過(guò)；
（2）根據(jù)遮擋的車(chē)輛之間的差異，使用運(yùn)動(dòng)區(qū)域分析的辦法；
我們可以通過(guò)計(jì)算楨-背景和楨與楨之間的差值，來(lái)得到某一關(guān)注區(qū)域的運(yùn)動(dòng)物體的位移量，由于車(chē)輛的軌跡和車(chē)速的連續(xù)性，如果發(fā)現(xiàn)這一區(qū)域的位移不是始終一致的，當(dāng)它超過(guò)某一門(mén)限的時(shí)候，我們就可以判定發(fā)生了遮擋。
除此之外，我還設(shè)想了幾種其他的辦法：根據(jù)車(chē)輛占有車(chē)道的寬度，來(lái)判斷是否有兩輛車(chē)產(chǎn)生遮擋；根據(jù)車(chē)的自身特性來(lái)判點(diǎn)，例如在HSV空間中，我們檢測(cè)車(chē)輛主要依靠其V灰度特性，在無(wú)法判斷是否有遮擋時(shí)，我們可以根據(jù)其H和S的特性，判斷車(chē)身的主體顏色是否一致，或者判斷其色飽和度的差異，如果某車(chē)在較大區(qū)域內(nèi)顏色基本保持一致等(這會(huì)受到車(chē)自身的涂裝的影響，但是與人眼的識(shí)別過(guò)程相符合)。
檢測(cè)區(qū)域內(nèi)，兩個(gè)運(yùn)動(dòng)的車(chē)輛的速度會(huì)有差異，這就決定了不同楨之間，這個(gè)區(qū)域的位移量不同，通過(guò)設(shè)定門(mén)限，我們可以將遮擋的物體識(shí)別出來(lái)。
另外還可以根據(jù)外形，輪廓等兩個(gè)不同的運(yùn)動(dòng)區(qū)域特征“標(biāo)記”兩個(gè)不同的車(chē)輛，然后通過(guò)形態(tài)學(xué)上的擴(kuò)張技術(shù)，擴(kuò)大每個(gè)車(chē)的標(biāo)記區(qū)域，產(chǎn)生彼此重疊的部分，這個(gè)部分叫做“切割區(qū)”，這樣可以分處兩個(gè)獨(dú)立的車(chē)輛。
行人干擾
根據(jù)車(chē)輛的長(zhǎng)度和寬度，調(diào)整攝像機(jī)的位置，將車(chē)輛的數(shù)據(jù)從二維圖像空間換算成三維真實(shí)空間的數(shù)值，這樣通過(guò)恰當(dāng)?shù)剡x擇一定的閾值，就可以在檢測(cè)到的車(chē)型的基礎(chǔ)上，將行人區(qū)分開(kāi)來(lái)。在計(jì)數(shù)的時(shí)候就可以消除行人的影響。
檢測(cè)隊(duì)列長(zhǎng)度
根據(jù)映射關(guān)系，我們可以根據(jù)圖像上車(chē)的隊(duì)列長(zhǎng)度來(lái)推算出實(shí)際車(chē)的長(zhǎng)度。
這里檢測(cè)排隊(duì)長(zhǎng)度的算法，主要包括兩個(gè)部分分：
一種是車(chē)輛總排隊(duì)長(zhǎng)度----在可視范圍內(nèi)所有的車(chē)輛長(zhǎng)度，包括停止和運(yùn)動(dòng)的車(chē)輛
先用Sobel邊緣算子得到被監(jiān)控道路上的車(chē)輛的邊緣圖像，再將得到的邊緣映射到圖像中道路的中軸線(xiàn)，統(tǒng)計(jì)其上的亮點(diǎn)個(gè)數(shù)(二值化后，值等于1的像素點(diǎn)個(gè)數(shù))，得到二維圖像上的車(chē)隊(duì)長(zhǎng)度，然后通過(guò)公式換算成實(shí)際的車(chē)輛排隊(duì)長(zhǎng)度。
但是這種方法得到的事車(chē)隊(duì)整體排隊(duì)長(zhǎng)度，無(wú)法區(qū)分運(yùn)動(dòng)車(chē)輛和靜止排隊(duì)車(chē)輛的長(zhǎng)度。
二是得到停下來(lái)的車(chē)輛的排隊(duì)長(zhǎng)度。
在路口監(jiān)控系統(tǒng)中，有些情況（如控制信號(hào)燈的變化）需要得到已經(jīng)停止的車(chē)輛的長(zhǎng)度，利用邊緣信息得到總體排隊(duì)長(zhǎng)度的基礎(chǔ)上：
實(shí)際在統(tǒng)計(jì)亮點(diǎn)個(gè)數(shù)的時(shí)候，并不是逐行的進(jìn)行掃描，而是一次掃描n行，n為實(shí)際中略小于一輛車(chē)的長(zhǎng)度映射到二維圖像上得到的像素?cái)?shù)。
假設(shè)司機(jī)會(huì)自動(dòng)并道停車(chē)，即使用所有可用的行車(chē)道（這是符合實(shí)際情況的）。
在統(tǒng)計(jì)中，如果發(fā)現(xiàn)統(tǒng)計(jì)區(qū)域(實(shí)現(xiàn)設(shè)定的車(chē)的長(zhǎng)度)亮點(diǎn)個(gè)數(shù)少于一半時(shí)，就假定此區(qū)域可能是停止車(chē)輛排隊(duì)的終點(diǎn)，然后啟動(dòng)角點(diǎn)檢測(cè)程序，如果該區(qū)域的角點(diǎn)小于一定的閾值（可以根據(jù)實(shí)際需要來(lái)選去，通常選擇一輛車(chē)平均角點(diǎn)的倍數(shù)），就認(rèn)為當(dāng)前掃描行為車(chē)輛排隊(duì)的終點(diǎn)，如果大于相應(yīng)的閾值，就繼續(xù)掃描。
DSP技術(shù)
數(shù)字信號(hào)處理（Digital Signal Processing，簡(jiǎn)稱(chēng)DSP）是一門(mén)涉及許多學(xué)科而又廣泛應(yīng)用于許多領(lǐng)域的新興學(xué)科。20世紀(jì)60年代以來(lái)，隨著計(jì)算機(jī)和信息技術(shù)的飛速發(fā)展，數(shù)字信號(hào)處理技術(shù)應(yīng)運(yùn)而生并得到迅速的發(fā)展。在過(guò)去的二十多年時(shí)間里，數(shù)字信號(hào)處理已經(jīng)在通信等領(lǐng)域得到極為廣泛的應(yīng)用。數(shù)字信號(hào)處理是利用計(jì)算機(jī)或?qū)Ｓ锰幚碓O(shè)備，以數(shù)字形式對(duì)信號(hào)進(jìn)行采集、變換、濾波、估值、增強(qiáng)、壓縮、識(shí)別等處理，以得到符合人們需要的信號(hào)形式。
DSP芯片，也稱(chēng)數(shù)字信號(hào)處理器，是一種特別適合于進(jìn)行數(shù)字信號(hào)處理運(yùn)算的微處理器，其主要應(yīng)用是實(shí)時(shí)快速地實(shí)現(xiàn)各種數(shù)字信號(hào)處理算法。根據(jù)數(shù)字信號(hào)處理的要求，DSP芯片一般具有如下主要特點(diǎn)：
(1) 在一個(gè)指令周期內(nèi)可完成一次乘法和一次加法；
(2) 程序和數(shù)據(jù)空間分開(kāi)，可以同時(shí)訪(fǎng)問(wèn)指令和數(shù)據(jù)；
(3) 片內(nèi)具有快速 RAM，通常可通過(guò)獨(dú)立的數(shù)據(jù)總線(xiàn)在兩塊中同時(shí)訪(fǎng)問(wèn)；
(4) 具有低開(kāi)銷(xiāo)或無(wú)開(kāi)銷(xiāo)循環(huán)及跳轉(zhuǎn)的硬件支持；
(5) 快速的中斷處理和硬件I/O支持；
(6) 具有在單周期內(nèi)操作的多個(gè)硬件地址產(chǎn)生器；
(7) 可以并行執(zhí)行多個(gè)操作；
(8) 支持流水線(xiàn)操作，使取指、譯碼和執(zhí)行等操作可以重疊執(zhí)行。
當(dāng)然，與通用微處理器相比，DSP芯片的其他通用功能相對(duì)較弱些。
世界上第一個(gè)單片 DSP 芯片應(yīng)當(dāng)是1978年 AMI公司發(fā)布的 S2811，1979年美國(guó)Intel公司發(fā)布的商用可編程器件2920是DSP芯片的一個(gè)主要里程碑。這兩種芯片內(nèi)部都沒(méi)有現(xiàn)代DSP芯片所必須有的單周期乘法器。1980 年，日本 NEC 公司推出的PD7720是第一個(gè)具有乘法器的商用 DSP 芯片。在這之后，最成功的DSP 芯片當(dāng)數(shù)美國(guó)德州儀器公司（Texas Instruments，簡(jiǎn)稱(chēng)TI）的一系列產(chǎn)品。
如果前幾步的實(shí)驗(yàn)成功，打算進(jìn)一步在DSP平臺(tái)下實(shí)現(xiàn)檢測(cè)功能。設(shè)計(jì)使用的芯片為：TMS320VC5402。該芯片是TI公司于1996年后推出的DSP。其特點(diǎn)是：1.圍繞8條總線(xiàn)構(gòu)成的增強(qiáng)型哈佛結(jié)構(gòu)；2.高度并行和帶有專(zhuān)用硬件邏輯的CPU設(shè)計(jì)；3.高度專(zhuān)業(yè)化的指令系統(tǒng)；4.模塊化結(jié)構(gòu)設(shè)計(jì)；5.先進(jìn)的IC工藝.
一種基于DSP的視頻車(chē)輛識(shí)別
本系統(tǒng)完成基于視頻圖像處理技術(shù)的交通檢測(cè)系統(tǒng)：通過(guò)安裝在道路旁邊或者中間隔離帶的支架上的攝像機(jī)和圖像采集設(shè)備將實(shí)時(shí)的視頻信息采入，經(jīng)過(guò)對(duì)視頻圖像的實(shí)時(shí)處理分析得到各種交通信息如車(chē)輛的流量、速度、交通密度、車(chē)型分類(lèi)、車(chē)輛排隊(duì)長(zhǎng)度、轉(zhuǎn)彎信息等。
該方案由一個(gè)以TMS320C6203DSP為核心的嵌入式系統(tǒng)組成。系統(tǒng)主要包括四大硬件模塊：視頻采集模塊，視頻壓縮存儲(chǔ)模塊，系統(tǒng)管理及視頻分析模塊和通訊模塊。見(jiàn)圖1所示。各部分主要實(shí)現(xiàn)功能如下：
（1）視頻采集模塊。這是系統(tǒng)的前端信息采集部分。主要的功能是將多個(gè)攝像頭傳回來(lái)的視頻圖像存入到系統(tǒng)內(nèi)存中；同時(shí)輸出到監(jiān)視器，方便交通管理中心的人員進(jìn)行人工、直觀的交通監(jiān)控和管理。
（2）視頻壓縮存儲(chǔ)模塊。該模塊基于AD公司生產(chǎn)的DSP芯片ADSP2185為控制核心，實(shí)現(xiàn)實(shí)時(shí)壓縮和暫存儲(chǔ)。該模塊能夠做到2路視頻流的實(shí)時(shí)小波壓縮。
（3）管理和視頻分析模塊。該模塊以TI公司的DSP芯片TMS320C6203為中心構(gòu)建，作為核心處理部件，完成系統(tǒng)的主要功能。其基本框圖如圖2所示。主要負(fù)責(zé)系統(tǒng)的各個(gè)任務(wù)調(diào)度、視頻分析算法的運(yùn)行、與上層監(jiān)控中心的通訊管理等。
（4）通訊模塊。該模塊負(fù)責(zé)系統(tǒng)與上層之間、系統(tǒng)與另一系統(tǒng)之間的可靠通信。主要內(nèi)容為上面提及的實(shí)時(shí)信息輸出、事件觸發(fā)圖像序列輸出以及監(jiān)控指令的傳送。考慮到系統(tǒng)的可擴(kuò)展性和兼容性，主要采用基于TCP/IP傳輸協(xié)議的通信方式。但對(duì)于物理層和數(shù)據(jù)鏈路層的標(biāo)準(zhǔn)，根據(jù)具體情況可以任意選擇，如采用同軸電纜或RJ45接口，或者是RS485接口，都是可以的。而且可以做到與目前某些國(guó)外大公司的產(chǎn)品(如Peek等)接口兼容。
TMS320C6203視頻處理主要包含以下幾個(gè)關(guān)鍵技術(shù)：圖像的標(biāo)定和平面映射；車(chē)輛實(shí)時(shí)檢測(cè)；車(chē)輛的跟蹤。標(biāo)定過(guò)程是指在一定信息（攝像機(jī)高度、與地平面夾角以及鏡頭張角等）的幫助下，從攝像機(jī)所拍攝的圖像中，恢復(fù)出各車(chē)輛在實(shí)際交通場(chǎng)景中的位置對(duì)應(yīng)關(guān)系，也就是將3維位置關(guān)系變換為2維位置關(guān)系。車(chē)輛檢測(cè)的過(guò)程中，要解決存在陰影、車(chē)輛部分遮擋、車(chē)輛與復(fù)雜背景的正確分割等問(wèn)題。車(chē)輛的跟蹤主要用來(lái)獲取各車(chē)輛的速度、轉(zhuǎn)彎等等信息。
總結(jié)
- 上一篇： 前端学习（1662）：前端系列实战课程之
- 下一篇： oracle之单行函数1