摘? 要: 提出了一種新的運(yùn)動(dòng)車輛捕捉算法——序列輪廓差分捕捉算法,。
關(guān)鍵詞: 視頻監(jiān)控? 車輛捕捉? 運(yùn)動(dòng)分割
?
基于視頻圖像和字符識(shí)別技術(shù)的視頻車輛自動(dòng)監(jiān)控系統(tǒng)是目前極具發(fā)展?jié)摿Φ谋O(jiān)控系統(tǒng)之一。它與傳統(tǒng)的基于磁環(huán)路檢測器的交通監(jiān)控系統(tǒng)相比具有如下優(yōu)勢:
(1)安裝簡單靈活,不用進(jìn)行路面施工,。
(2)維護(hù)簡易,系統(tǒng)升級(jí)方便,。
(3)能夠檢測多種交通流信息,包括車速,、飽和度、占有率等,并且可用于視頻的電子警察系統(tǒng),。
一個(gè)典型的視頻車輛自動(dòng)監(jiān)控系統(tǒng)的工作流程圖如圖1所示,。
1? 捕捉算法分析
車輛捕捉算法實(shí)際上就是去除背景后剩下的圖像中是否含有車輛的問題,。但是由于實(shí)際交通狀況的復(fù)雜性使車輛捕捉存在以下難點(diǎn):
(1)監(jiān)控范圍內(nèi)光場的變化。
(2)車道上非車輛運(yùn)動(dòng)物體的干擾。
(3)攝像頭量化的誤差,。
(4)攝像頭在重型車輛駛過或是有大風(fēng)的時(shí)候產(chǎn)生的圖像輕微抖動(dòng)。
本文分析了傳統(tǒng)的圖像去背景車輛捕捉算法,并在此基礎(chǔ)上作出改進(jìn),提出了一種新的捕捉算法——序列輪廓差分捕捉算法,。
1.1 傳統(tǒng)圖像去背景捕捉算法
要在視頻監(jiān)控系統(tǒng)中檢測運(yùn)動(dòng)的車輛,可以采用當(dāng)前輸入圖像減去不含汽車的純背景圖像的方法,通過二幀圖像的灰度差捕捉運(yùn)動(dòng)車輛,。但是實(shí)際情況是在監(jiān)控系統(tǒng)中難以得到不含車輛的純背景圖像。傳統(tǒng)的取背景算法是采取直接從圖像序列中抽取某一副圖像作為背景,或者是以多幅圖像的直接平均作為背景的方法,。采取這種取背景算法不可避免的問題是背景圖像中包含有殘存運(yùn)動(dòng)車輛的信息,差影減后難以區(qū)分前景和背景的運(yùn)動(dòng)車輛,。
本文對去背景算法做如下改進(jìn):
(1)對圖像序列中的二幅圖像(一個(gè)圖像對)進(jìn)行比較,灰度變化小于一定值的區(qū)域稱共同區(qū)域。
(2)對多個(gè)圖像對的共同區(qū)域求和取平均,作為背景,。
B(i,j,k)為圖像對中共同區(qū)域的值,(i,j)為像素點(diǎn),M為共同區(qū)域的個(gè)數(shù),。
(3)多個(gè)圖像對時(shí)間間隔大于一定值。對于由于天氣,、光線,、陰影的變換造成背景灰度變換顯著的情況引入衰減因子a,更新背景圖像。
Vt為閾值,P(i,j,k)為當(dāng)前輸入圖像,。
(4)目標(biāo)檢測,。取背景算法可得到近似無車的背景圖像,因此運(yùn)動(dòng)車輛檢測可通過對輸入圖像和背景圖像的比較來檢測:
選擇一個(gè)適當(dāng)?shù)拈撝礦k,就可以產(chǎn)生一個(gè)二值化的目標(biāo)輪廓,即可以檢測出運(yùn)動(dòng)的車輛。
改進(jìn)算法在去背景方面效果比直接平均法好些,但是仍殘有一些陰影,這也是去背景算法的缺陷所在,。本文提出的序列輪廓差分捕捉算法不需要得到背景圖案,能夠消除陰影,較好地檢測出運(yùn)動(dòng)車輛,。
1.2 序列輪廓差分捕捉算法
這里介紹的序列輪廓差分捕捉算法中,利用二值化的輪廓圖像進(jìn)行差分,可以消除不需要的背景輪廓(如車道線、柵欄等),得到所需要的汽車輪廓,從而達(dá)到運(yùn)動(dòng)車輛捕捉的目的,。算法如下:
(1)高斯平滑濾波
由于CCD攝像頭量化誤差的影響,造成背景圖像灰度的不均,可能會(huì)出現(xiàn)一些顆粒噪聲和毛刺噪聲,給后面的邊緣提取和檢測帶來影響,。因此先用高斯平滑濾波器對采樣的圖像進(jìn)行濾波處理,以降低量化噪聲。高斯平滑模板如圖2所示,。
?
模板系數(shù)為1/16,。
(2)邊緣檢測
邊緣檢測是捕捉算法的關(guān)鍵步驟,好的邊緣檢測算子可以比較好地區(qū)分汽車邊緣灰度和路面灰度的梯度,為后續(xù)工作打下良好的基礎(chǔ),。
在視頻交通監(jiān)控系統(tǒng)中攝像機(jī)一般安裝在道路的一側(cè),車輛是由圖像的下方進(jìn)入,上方出去。依據(jù)這個(gè)特點(diǎn),本文采用了對45°角方向比較敏感的Roberts算子,。
與其他Sobel,、Prewitt等算子相比,Roberts算子對成塊的圖像邊緣比較敏感,而忽略了一些邊緣變化不是特別明顯的小細(xì)節(jié)。它特別適合對汽車這樣的大目標(biāo)的檢測,而且對后續(xù)的二值化工作大有裨益,。
(3)對圖像進(jìn)行二值化處理
因?yàn)槭菍μ崛〉妮喞獔D像進(jìn)行二值化處理,其灰度范圍被拉窄了,這里采取的是一個(gè)最佳閾值算法,。求最佳閾值的步驟如下:
①求出圖像中最大和最小的灰度值Zl和Zk,令閾值初值為:
?????
最佳閾值求出來后,就可以根據(jù)閾值對輪廓圖進(jìn)行二值化處理,從而得到基本的汽車輪廓,。
(4)對二值化的輪廓圖做開運(yùn)算(先腐蝕后膨脹)
對二值化的輪廓圖做開運(yùn)算,開運(yùn)算子為1×3的水平方向運(yùn)算子,。做開運(yùn)算可以平滑邊界、消除突刺,又能保持邊界強(qiáng)度信息,并且可以解決攝像頭由于重型車輛駛過或大風(fēng)引起抖動(dòng)產(chǎn)生的幀間背景偏移的問題,。此運(yùn)算為下一步輪廓圖的序列差分處理做準(zhǔn)備,。
(5)用輪廓圖的序列差分圖像做運(yùn)動(dòng)車輛檢測
用二幀輪廓圖的序列圖像做差影檢測:
輪廓圖像是只有0和1的二值化圖像,而汽車外型輪廓亮度為1。一般前后幀汽車輪廓不在同一個(gè)位置,。若(i,j)點(diǎn)的前一幀圖像為汽車輪廓即1,而后一幀圖象為背景即0,相減后賦值為0,。采用這種方式可以有效地濾除前一幀圖像的汽車輪廓,而保留后一幀圖像的汽車輪廓。而對于固定不動(dòng)的背景輪廓,例如車道線,、柵欄等,由于前后幀的輪廓在同一個(gè)位置,采用這種方式也可以有效地去除背景輪廓,從而有效地檢測出運(yùn)動(dòng)車輛,。這也是序列輪廓差分算法與去背景法相比的優(yōu)勢所在。
實(shí)驗(yàn)中對一個(gè)20分鐘的路口樣本視頻流進(jìn)行車輛捕獲,錄像時(shí)間是白天,。在對實(shí)時(shí)性不做嚴(yán)格要求的情況下,正確捕捉率能夠達(dá)到93%,。
2? 結(jié)? 論
視頻交通監(jiān)控系統(tǒng)是近年來發(fā)展較快的一種路面交通監(jiān)控系統(tǒng),車輛捕捉是其關(guān)鍵技術(shù)之一。通過車輛捕捉可以檢測到路面交通流的一些參數(shù),例如車流量,、車速等,并且也可以用于車輛是否闖紅燈的判斷,。本文分析了傳統(tǒng)的去背景捕捉算法并且提出了一種新的捕捉算法——序列輪廓差分捕捉算法。就這二種捕捉算法而言,傳統(tǒng)的去背景捕捉算法不可避免地殘留一些陰影,在保留車體方面性能較差,。而序列輪廓差分捕捉算法則可以比較好地解決這個(gè)問題,并且能夠消除量化誤差,、攝像頭抖動(dòng)等噪聲的影響,但存在運(yùn)算量較大的缺點(diǎn)。解決的辦法是適當(dāng)降低圖像的分辨率,。
?
參考文獻(xiàn)
1? Guo L,Ljung L.Performance analysis of general tracking algorithms.IEEE Transactions on Auto-maticCon trol,1995;40(8)
2? Walter E,Lahanier HP.Estimation of parameter?bounds from bounded-error data:a survey.MathComput
Simulation,1990;(32)
3? Nayeri M.Unifying the landmark development in optimal bounding ellipsoid identification.International?Journal of Adaptive Control and Signal Processing,1994;(8)
4? Takatoo M.Traffic flow measuring system using image processing.SPIE 1197,1989
5? 王春波,張衛(wèi)東,張文淵等.復(fù)雜交通環(huán)境中車輛的視覺檢測.上海交通大學(xué)學(xué)報(bào),2000;12(1)