孫利虎 熊林 范志強(qiáng) 黃懿 高紫楓

摘要：基于計(jì)算機(jī)視覺的車輛檢測(cè)系統(tǒng)是智能交通系統(tǒng)的基礎(chǔ)部分，以實(shí)時(shí)獲取的視頻圖像為基礎(chǔ)，通過計(jì)算機(jī)視覺的有效算法，可實(shí)現(xiàn)對(duì)視頻中的車輛目標(biāo)進(jìn)行位置檢測(cè)；現(xiàn)有車輛檢測(cè)算法存在復(fù)雜度較高和檢測(cè)不準(zhǔn)確的缺陷；提出了一種基于運(yùn)動(dòng)模式分類和運(yùn)動(dòng)矢量場(chǎng)濾波的車輛檢測(cè)算法，在計(jì)算復(fù)雜度較低的條件下實(shí)現(xiàn)了車輛檢測(cè)，對(duì)干擾遮擋和較小目標(biāo)等情況，有較好的檢測(cè)效果。

關(guān)鍵詞：智能交通；計(jì)算機(jī)視覺；車輛檢測(cè)；運(yùn)動(dòng)矢量場(chǎng)；時(shí)域?yàn)V波；空域?yàn)V波

中圖分類號(hào)：TN911文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2012)15-3670-04

Vehicle Detection Algorithm Based on Spatial and Temporal Filtering of Motion Vector Field

SUN Li-hu, XIONG Lin, FAN Zhi-qiang, HUANG Yi, GAO Zi-feng

(College of Electronic Information Engineering, South-central University for Nationalities, Wuhan 430074,China)

Abstract：Vehicle detection system based on computer vision is the basic parts of intelligent transportation system, which is in the founda? tion of capturing video images, through effective algorithm of computer vision to realize the video of the vehicle target position detection; existing vehicle detection algorithm have high complexity and low accuracy; this paper proposed a vehicle detection algorithm based on pat? tern classification and motion vector field filtering; and this low-complexity algorithm can identify vehicles quickly; especially the proposed method has good performance when the target is small or blocked.

Key words: intelligent transportation; computer vision; vehicle detection; motion vector field; spatial filtering; temporal filtering

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，人們生活水平不斷提高，各種汽車的保有量大幅度增加，怎樣提高交通效率就顯得越來(lái)越重要，目前世界各國(guó)都投入了大量的人力和物力對(duì)智能交通系統(tǒng)(ITS)進(jìn)行研究[1]。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)。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，它具有以下優(yōu)勢(shì)[2～3]：

1)視頻檢測(cè)可以檢測(cè)較大的交通場(chǎng)景面積；

2)相對(duì)于其它檢測(cè)方法，投資少，費(fèi)用低；視頻傳感器等設(shè)備，例如攝像頭，易于安裝和調(diào)試，且對(duì)路面設(shè)施不會(huì)產(chǎn)生破壞；

3)使用視頻檢測(cè)技術(shù)可以采集到更多的交通流量參數(shù)。

動(dòng)態(tài)視頻目標(biāo)檢測(cè)技術(shù)是智能化視頻分析的基礎(chǔ)，隨著計(jì)算機(jī)視覺以及視頻分析技術(shù)的進(jìn)一步發(fā)展，視頻目標(biāo)檢測(cè)面臨著許多新的應(yīng)用，以圖像分割為基礎(chǔ)的視頻目標(biāo)識(shí)別檢測(cè)技術(shù)在智能交通等方面有著廣泛的應(yīng)用。

以將目標(biāo)的主要輪廓勾勒出來(lái)。特別是多目標(biāo)檢測(cè)視頻幀中，較小的目標(biāo)區(qū)域（比如摩托車）也能檢測(cè)出來(lái)。如果再加上車輛視頻監(jiān)控場(chǎng)景的先驗(yàn)知識(shí)，比如視頻場(chǎng)景中不含有兩個(gè)宏塊面積大小之下的運(yùn)動(dòng)目標(biāo)，則可剔除掉大多數(shù)的誤判，較精確地提取出視頻中的運(yùn)動(dòng)目標(biāo)。

本文在深入分析了車輛檢測(cè)的基本算法之后，提出了一種基于運(yùn)動(dòng)矢量場(chǎng)時(shí)空濾波的車輛目標(biāo)提取算法。該算法綜合利用了檢測(cè)過程中產(chǎn)生的模式信息和已檢測(cè)幀的運(yùn)動(dòng)矢量場(chǎng)信息，僅僅使用了復(fù)雜度較低的運(yùn)算即可較為準(zhǔn)確的車輛運(yùn)動(dòng)目標(biāo)，這為視頻監(jiān)控系統(tǒng)帶來(lái)了很大方便。