摘? 要： 針對基于視覺的交通監(jiān)視系統(tǒng)" title="監(jiān)視系統(tǒng)">監(jiān)視系統(tǒng)中路況圖像背景去除存在的種種問題,提出了一種基于邊緣的背景去除算法,。該算法簡單且容易理解。實踐證明,用該算法能夠有效地去除背景信息。
關鍵詞： 交通監(jiān)視? 背景去除? 邊緣提取
?
智能交通" title="智能交通">智能交通監(jiān)視系統(tǒng)是智能交通系統(tǒng)(ITS)的重要組成部分,該系統(tǒng)通過傳感器實時估計交通參量,。一種方法是使用磁環(huán)路檢測器來計算汽車流量,此法自身的缺陷是很明顯的:
(1)能夠監(jiān)測的交通參量有限,僅限于汽車流量及速度的監(jiān)測;
(2)監(jiān)視范圍較窄,只能監(jiān)視一個車道情況;
(3)不便于安裝,一般需對路面挖掘以埋入檢測器,。
另一種方法是通過處理采集到的交通路況圖像序列,實現車輛目標的檢測,、識別及跟蹤,實時提供交通流量,、速度及密度等信息?；谝曈X的此種方法無上述的限制,。用一個安裝在路桿或橋頭的攝像頭即可實現對多個車道的監(jiān)視,且能夠對車輛類型等多個參數進行估計,因此有著無可比擬的優(yōu)勢。
一個典型的基于視覺的監(jiān)視系統(tǒng)流程圖如圖1所示,。
?
?
基于視覺的實用的交通監(jiān)視系統(tǒng)應滿足如下要求:
(1)安裝和校準容易,。
(2)環(huán)境適應能力強。系統(tǒng)能在各種光照條件下工作,如強烈日光下存在較重的陰影,、夜晚低亮度的照明以及夜晚汽車前燈的強光,。
(3)能準確地估計車輛速度及尺寸。
(4)能夠實時地進行處理,并且整個系統(tǒng)有低廉的成本,。
1 背景去除算法分析
背景的去除在整個處理中占有很重要的地位,它直接關系到后續(xù)工作的難易程度,。由于背景圖像是靜止的,用實時路況圖像與背景圖像相減即可濾掉背景而只保留車輛及其陰影信息。但仍存在以下問題:
(1)由于路面光照情況時刻在變動,背景圖像也在跟著變化,因此作差所用的背景圖像也必須實時進行更新,。
(2)攝像頭安裝在路桿上,當路面上有汽車開過時會產生輕微抖動,得到的實時路況圖像也不可避免地存在“抖動”,其與背景圖像的差值并不能完全濾掉背景信息,如圖2所示,。
?
?
為了較全面地解決這些問題[1],將實際情況分成以下三類分別處理:??
(1)背景緩慢變化。
(2)背景劇烈變化,。如:晚上路燈打開時,。
(3)背景經常性變化。如:當重型汽車經過時使背景圖像隨著攝像頭抖動而抖動。
仔細分析背景更新" title="背景更新">背景更新算法[1],發(fā)現存在如下幾個問題:
(1)背景更新時采用某一時段多幀圖像加權和,其主要目的是減少噪聲的影響,但如此得到的背景與實時背景有一定差異,因此濾除不凈,。
(2)路況圖像劇烈變化時,為了確定形成原因是由背景劇烈變化引起的還是由車輛經過引起的,作了如下假設:如果是由背景劇烈變化引起的,則圖像變化前后滿足線性關系:bnew(x)=αbold(x)+β并由此作為判據來進行背景更新,。事實上,由于路面各部分光學性質的差異,上式并不十分嚴格,在路面較復雜(路面上有較多線條)的情況下易發(fā)生誤判。
(3)該算法按實際情況分成三類分別處理,需要對三種" title="三種">三種情況作出判別,整個算法相當復雜,給實時處理" title="實時處理">實時處理帶來了困難,。
2 基于邊緣的背景去除算法
針對上述問題,本文提出了一種簡單而高效的基于邊緣的背景去除算法,。該算法基于這樣一個事實:在光照變化的情況下雖然背景圖像會發(fā)生變化,但背景的邊緣信息(即所處的位置)總是不變的(無論背景緩慢變化還是劇烈變化)。若用背景邊緣來標識背景信息,則可不受光照條件的影響而使處理簡單,。因此,可將實時路況圖像的邊緣提取提前,再將得到的邊緣圖像與基背景邊緣圖像相減即可除掉背景,。
基背景邊緣圖像的更新可通過多幀路況邊緣圖像的迭加來實現:
式中,gi(x，y)為第i幀路況邊緣圖像,。
按此式得到的迭加圖像不但將背景邊緣迭加,也將車輛邊緣迭加,為形成基背景邊緣圖像,必須將車輛邊緣去掉。對背景邊緣及車輛邊緣的分析可見,背景邊緣位置在各幀路況邊緣圖像中大致相同,迭加后得到增強,。由于攝像頭可能存在抖動而使各幀中背景邊緣位置也存在周期性小幅度的偏離,其結果是背景邊緣有加寬的現象,如圖3所示,。因為抖動是周期性且小幅度的,最終結果是加寬邊緣的增強;而車輛邊緣位置在各幀路況邊緣圖像中卻是隨機而零散的,迭加后雖然在某些重疊點上有所增強,但增強的效果遠不如背景邊緣,幀數越多越明顯。為此,簡單的閾值判斷即可除去迭加路況邊緣圖像中的車輛邊緣,由此而得基背景邊緣圖像:
閾值bth由所取的幀數及攝像頭抖動幅度決定(抖動幅度越大,加寬越嚴重,單象素迭加量越少),。
由此得到的加寬背景邊緣與實時路況邊緣圖像中的背景邊緣存在差異,若直接將實時路況邊緣圖像與其相減,必定會留有殘余背景,。但注意到后者是前者的一部分,所以改用包容性檢測來去除背景邊緣:
其效果是:如果實時路況邊緣圖像中某點在基背景邊緣圖像對應點為邊緣點(即b(x，y)=1),則認為該點為背景邊緣而除掉,。當然,由于車輛邊緣與背景邊緣可能存在一定交迭,上述結果會去掉一部分車輛邊緣信息,但車輛的框架仍保留,并不妨礙其提取,。實際背景去除效果如圖4所示。
?
?
由此可見,用此算法來去除路況圖像中的背景是簡單而高效的,非常適用于實時處理,。
?
參考文獻
1 Zhigang Zhu,，Guangyou Xu，Bo Yang,，Dingji Shi,，Xueyin Lin.VISATRAM:a Real-time Vision System for Automatic?Traffic Monitoring.Trans.Image and Vision Computing，2000(18):78～794?
2 D.Bullock,，S.Mantri.Multimedia Data Model?for Video Detection Research,，J.Transp.Engng 1995；121(5)：385～390
3 Sal D′Agostino.Commerical Machine Vision?System for Traffic and Control.SPIE,， 1991(1615)：180～186