強添綱，林　雨，吳占紅，邵　平，歐陽冬冬

(1.東北林業(yè)大學 交通學院，哈爾濱 150040；2.富?？h友誼民族學校，黑龍江 富裕 161200)

?

基于視頻解析的高速公路車輛測速研究

強添綱1，林雨1，吳占紅2，邵平1，歐陽冬冬1

(1.東北林業(yè)大學 交通學院，哈爾濱 150040；2.富?？h友誼民族學校，黑龍江 富裕 161200)

摘要：為了精確地測量高速公路車輛的速度，降低高速公路車輛測速成本，文章提出了運動目標檢測算法，并自主驗證并開發(fā)出了一種基于視頻解析的高速公路多車輛的測速軟件。在該方法中，首先利用改進的背景差分法有效地提取前景目標；然后，利用“偽目標”消除方法，保留有效的運動目標；再次，通過卡爾曼跟蹤算法獲取有效目標的運動軌跡；最后，通過攝像機標定獲取運動目標單位時間內(nèi)行駛的實際距離。經(jīng)過驗證算法有效的提高了車輛檢測的精度，有著較好的參考價值。軟件實現(xiàn)了高速公路車輛超速預警及事故責任認定的智能化，使事故認定更加科學準確。軟件為高速公路工作人員處理交通事故提供了輔助決策軟件，提高了硬件設(shè)備的利用率并減少了人力，具有良好的經(jīng)濟效益和社會效益。

關(guān)鍵詞：智能交通；視頻解析；測速；高速公路

引文格式：強添綱，林雨，吳占紅，等.基于視頻解析的高速公路車輛測速研究[J].森林工程，2016，32(1)：68-71.

0引言

高速公路是交通運輸和國家現(xiàn)代化的重要標志。據(jù)統(tǒng)計，高速公路發(fā)生的交通事故中，有超過70%的都是由于超速引起的[1-3]。大量的超速行為，給高速公路的行車安全造成了極大隱患。智能交通系統(tǒng)(ITS)的任務(wù)之一是監(jiān)督高速公路車輛速度等運行狀況，為車輛運行管理提供信息和依據(jù)，達到限制車輛超速的目的[4-8]。因此，精確地測量高速公路車輛速度，可以有效減少交通事故和保障行車安全。

目前，基于視頻解析的車速測量技術(shù)成了國內(nèi)外學者研究的熱點[9-14]。利用攝像機獲取數(shù)據(jù)不但安裝簡便、設(shè)置靈活，而且視頻檢測具有容易模塊化、集成化的優(yōu)點，但視頻檢測也存在局限性，例如在大霧、陰雨天等條件下，視頻速度檢測是不適用的?；谝曨l解析的實時測速方法是虛擬線圈測速法，在所拍攝的視頻圖像中的車道上，相距30~50 m處畫出兩個虛擬線圈，它利用車輛通過兩個虛擬線圈的時間得出其車輛運行速度。該方法簡單易行，不破壞路面，不更換線圈；但測速誤差大，并且一次僅能對一輛車進行測速[15-17]。

1算法原理

與傳統(tǒng)的測試方法相比，本文的主要特色是能實現(xiàn)多個運動目標的實時測速。本文的主要創(chuàng)新點如下。

1.1提出一個新的背景差分法—基于高斯濾波的雙閾值背景差分法

與傳統(tǒng)的背景差分法相比，這里提出的改進方法能有效地減少“空洞”和抑制噪聲。視頻測速會受到天氣、視頻的清晰度、拍攝角度等因素的影響，因此在運動目標檢測方面本文提出了一種新的背景差分法，提高了運動目標的檢測精度。改進算法的具體實施步驟如下。

(1)根據(jù)公式(1)獲取t時刻當前幀與背景差分后的圖像F(x,y,t)。

其中，I(x,y,t)為t時刻的圖像，Ib(x,y,t)是利用∑-Δ方法更新后的背景圖像；G(x,y)是均值為μ、方差為σ的二維高斯函數(shù)用于抑制圖像中的噪聲。

(2)根據(jù)公式(2)獲取基于高閾值的二值化圖像和低閾值的二值化圖像。

(2)

(3)根據(jù)公式(3)獲取基于低閾值的二值化圖像。

(3)

(4)為了實現(xiàn)程序的全自動化運行，定義Th和Tl表達式如公式(4)所示。

(4)

其中，μ1和σ1分別是F(x,y,t)中所有像素點的灰度值的均值和方差。

(5)聯(lián)合Fl(x,y)和Fh(x,y)獲取最終前景目標圖像f(x,y)，通過圖1的(a)和(b)可以看出本算法的有效性。

圖1　對比圖Fig.1 Comparison charts

1.2提出一種“偽目標”消除算法

運動目標提取后，下一步則需要進行卡爾曼濾波。由于光照條件、噪聲等因素的影響，一個運動目標二值化后有可能斷裂為兩個面積不同的目標。該現(xiàn)象的出現(xiàn)會降低跟蹤精度，從而導致測速的不準確。針對該問題，本系統(tǒng)首先提出了一種基于面積選擇的“偽目標”消除算法。

本算法的核心思想是根據(jù)運動目標的面積確定該運動目標是否保留。因此本算法的關(guān)鍵問題是閾值的選擇，臨界值過大會屏蔽掉一些小型車輛，過小則失去了意義。假設(shè)ROI區(qū)域(檢測區(qū)域)面積，根據(jù)邊緣檢測獲得區(qū)域的面積為s。本項目在實現(xiàn)的過程中，S和s的值分別等于ROI中像素點的個數(shù)和邊緣檢測獲得區(qū)域面積內(nèi)像素點的個數(shù)。它們的計算表達式如公式(5)所示。

(5)

其中，M和N分別是ROI區(qū)域中像素的行數(shù)和列數(shù)，m和n分別是利用邊緣檢測獲取的區(qū)域內(nèi)像素點的行數(shù)和列數(shù)。根據(jù)經(jīng)驗，當s和S的比值小于0.16時，該運動目標應被忽略，否則，可以保留。通過圖2中(a)和(b)的對比，可以看出該算法的有效性。

圖2　對比圖Fig.2 Comparison charts

2軟件設(shè)計原理

在算法的基礎(chǔ)上，本文從實際出發(fā)，通過高速公路視頻驗證并開發(fā)應用軟件。本軟件主要包括3個功能模塊：視頻載入模塊、視頻解析模塊和車速計算模塊。軟件不但能實現(xiàn)高速公路上車輛的實時測速和預警，也能在交通事故分析中精確地獲取事故車輛的速度。軟件是在VC平臺上，借助OpenCV計算機視覺類庫通過C語言編程實現(xiàn)的，具體流程如圖3所示。

圖3　設(shè)計流程圖Fig.3 Flow chart of the design

2.1視頻載入模塊

功能：實現(xiàn)視頻的實時獲取、加載、顯示和存儲。

方法：主要是將OpenCV中的函數(shù)進行了集成，實現(xiàn)了視頻的實時獲取、加載、顯示和存儲。OpenCV類庫中集成了大量的計算機視覺函數(shù)及接口，在視頻載入時可調(diào)用OpenCV計算機視覺類庫cvCaptureFromAVI函數(shù)實現(xiàn)視頻的載入，由OpenCV函數(shù)庫中的cvShowImage函數(shù)進行逐幀圖像的顯示，形成視頻的播放。同樣在進行視頻的存儲時也是集成了OpenCV函數(shù)庫中的函數(shù)。

2.2視頻解析模塊

功能：①獲取讀入視頻的前景目標，②實現(xiàn)背景的實時更新，③視頻每幀圖像的二值化。視頻解析模塊界面如圖4所示。

原理：在視頻中運動的目標稱之為前景，其他的目標稱之為背景。視頻中的每一幀圖像與背景相減，剩余的就是前景目標。由于光照的影響，背景是不斷變化的。因此，為了實時有效地獲取前景目標，背景則需要實時更新。另外，為了提高后續(xù)處理工作的效率，獲取前景目標后需對其進行二值化。

圖4　視頻解析模塊界面截圖Fig.4 Video parsing module interface

方法：利用基于高斯濾波的雙閾值差分法獲取前景目標(詳細的內(nèi)容在第三部分介紹)。利用∑-△方法實現(xiàn)背景的更新，算法如公式(6)：

Mt(x)=Mt-1(x)+sgn(It(x)-Mt-1(x))

(6)

其中，x為每幀圖像中的像素值；Mt(x)為t時刻更新后的背景圖像；Mt-1(x)為t-1時刻的圖像；It(x)當前幀圖像。通過圖5中(a)和(b)的比較可以看出∑-△方法的有效性。

圖5　對比圖Fig.5 Comparison chart

2.3車速計算模塊

功能：①實現(xiàn)運動目標的跟蹤，②車速的檢測和顯示。車速計算模塊界面如圖6所示。

圖6　車速計算模塊界面截圖Fig.6 The interface of speed calculation module

原理：在獲取前景目標(車輛)的基礎(chǔ)上，利用卡爾曼濾波實現(xiàn)目標的跟蹤和獲取單位時間內(nèi)目標(車輛)的運動距離，從而實現(xiàn)車速的檢測。

方法：利用卡爾曼濾波是實現(xiàn)目標的跟蹤；利用攝像機標定的方法，實現(xiàn)由圖像距離到物理距離的映射。卡爾曼濾波是用于時變線性系統(tǒng)的遞歸濾波器，因為兩幀圖像相差時間很短(1 s視頻由25幀圖像組成)，因此可將運動目標看做勻速直線運動。在卡爾曼濾波跟蹤中，選取運動目標的質(zhì)心坐標作為輸入量，通過遞歸方程實現(xiàn)運動目標的跟蹤。文章需要利用攝像機標定的方法，實現(xiàn)由圖像距離到物理距離的映射，具體步驟如下：

(1)利用卡爾曼濾波跟蹤計算出像素位移?？柭鼮V波很好的實現(xiàn)了運動目標的跟蹤，從而確定了前后兩幀圖像中同一運動目標的坐標位置，通過坐標很容易獲得兩個運動目標的像素距離。

(2)借助某一目標的像素位移和實際位移標定出攝像機參數(shù)。在攝像機標定中，運動目標的像素位移、實際位移和攝像機參數(shù)有著特定的轉(zhuǎn)換方程。通過上一步得知運動目標的像素位移，在選取某一物體的實際坐標位置后代入方程可得到攝像機參數(shù)。

(3)由攝像機參數(shù)與實際位移對應關(guān)系實現(xiàn)測速。通過以上兩步得到了攝像機的參數(shù)，在利用攝像機參數(shù)與實際位移的對應關(guān)系得到運動目標的實際位移，從而獲得了單位時間內(nèi)運動目標的速度。因此可知對于攝像參數(shù)的標定是至關(guān)重要的，其關(guān)系到位移測量的精確程度，進而影響最后的速度檢測。

3結(jié)束語

目前，高速公路中因車輛超速引起的事故頻發(fā)生，隨之產(chǎn)生的二次事故、事故責任認定問題尤為突出。對此，文章提出新的檢測算法，在實際視頻為基礎(chǔ)上以VC為開發(fā)平臺，借助OpenCV計算機視覺類庫開發(fā)此軟件。研究可在歸納為3個方面：

(1)將本軟件應用到高速公路，與現(xiàn)有的設(shè)施相結(jié)合，可實現(xiàn)高速公路的車輛的實時測速并發(fā)布超速預警信息。

(2)在發(fā)生事故后，利用本軟件分析視頻，準確計算出車輛在事故前后的速度并分析行為變化，實現(xiàn)事故責任的認定。

(3)隨著后期的研究，將實現(xiàn)流量統(tǒng)計、排隊長度檢測和交通事件檢測等功能的應用。

本文在提出運動目標檢測算法的前提下，對算法進行了實例驗證，并借助于計算機進行了軟件開發(fā)。研究可得，軟件實現(xiàn)了高速公路車輛超速預警及事故責任認定的智能化，使事故認定更加科學準確。軟件為高速公路工作人員處理交通事故提供了輔助決策軟件，提高了硬件設(shè)備的利用率并減少了人力，具有良好的經(jīng)濟效益和社會效益。

【參考文獻】

[1]段建民，劉冠宇，鄭榜貴.基于視覺及多特征的前方車輛檢測算法[J].北京工業(yè)大學學報，2015，41(9)：1326-1333.

[2]陳征，王飛，項煜.智能視頻分析技術(shù)在高速公路建設(shè)和管理中運用分析[J].中國科技信息，2015(1)：72-74.

[3]支晨蛟.基于視頻的高速公路車速檢測和車輛跟蹤系統(tǒng)[D].杭州：浙江大學，2013.

[4]姚明明.高速公路隧道停車檢測中的車輛跟蹤及狀態(tài)識別方法研究[D].重慶：重慶大學，2014.

[5]張曉松，張波，金濤.高速公路ETC交易耗時估計與車道分區(qū)設(shè)計[J].公路工程，2014，39(4)：78-81+85.

[6]邱凌赟，韓軍，顧明.車道模型的高速公路車輛異常行為檢測方法[J]，計算機應用，2014，34(5)：1378-1382.

[7]林立原，陳林.基于高斯混合模型和卡爾曼濾波的車輛檢測與跟蹤方法[J].武漢科技大學學報，2015，38(3)：226-230.

[8]王迎，周燕.基于廣義線性模型的高速公路交通事故預測[J].公路工程，2015，40(5)：115-119.

[9]鄧其，潘曉東，方青.基于可拓理論的高速公路事故動態(tài)預警方法[J].公路工程，2013，38(4)：115-119.

[10]孫寧，張重德.一種提高視頻車速檢測精度的算法分析和實現(xiàn)[J].合肥工業(yè)大學學報，2014，37(12)：1462-1468.

[11]江東，曾亞光.機動車視頻測速系統(tǒng)及主要問題分析[J].中國測試技術(shù)，2007，33(5)：41-43.

[12]童劍軍.說說視頻測速[J].中國交通信息產(chǎn)業(yè)，2006(9)：36-38.

[13]王海燕.視頻違章超速監(jiān)測系統(tǒng)技術(shù)分析[J].32H中國交通信息產(chǎn)業(yè)，2006(8)：110-112.

[14]王大鵬.區(qū)間測速系統(tǒng)的框架結(jié)構(gòu)與功能設(shè)計[D].廣州：中山大學，2008.

[15]王健.視頻測速系統(tǒng)中的測距和攝像機標定研究[D].南昌：南昌大學，2008.

[16]鮮海瀅，李曉峰，李在銘.基于攝像機的車輛測速儀[J].電子測量與儀器學報，2008，22(3)：94-99.

[17]秦武，基于機器視覺的高速公路車輛測速研究[D].宜昌：三峽大學，2011.

Research on the Measurement of Vehicle Speedon Highways Based on Video Analysis

Qiang Tiangang1，Lin Yu1，Wu Zhanhong2，Shao Ping1，Ouyang Dongdong1

(1.Traffic College，Northeast Forestry University，Harbin 150040；

2.Fuyu Friendship National School，F(xiàn)uyu 161200，Heilongjiang Province)

Abstract：In order to measure the speed of vehicles in expressways accurately and reduce highway speed vehicle costs，a testing algorithm for moving objects was put forward and the corresponding software for measuring the vehicle speed in highways was designed based on video analysis.Firstly，the detection method of background subtraction was used to effectively extract the prospect goal；then，the method of “phony” elimination was adopted to keep effective kinetic target.Next，the target trajectory was acquired effectively through Kalman tracking algorithm；finally，the camera was used to calibrate the actual distance per unit time for the moving target.After verification，the accuracy of vehicle detection by the algorithm was effectively improved and the algorithm has a good reference value.The software can realize the intelligence of highway speeding warning and accident responsibility confirmation and the identification of accidents will be more scientific and accurate.For staff，the software has provided decision support to deal with traffic accidents and improve the utilization of hardware and decrease the use of manpower，which has good economic and social benefits.

Keywords：intelligent transportation；video parsing techniques；speed measurement；highway

作者簡介：第一強添綱，博士，教授。研究方向：寒地交通系統(tǒng)管理與控制技術(shù)。E-mail: qiangtg123@163.com

基金項目：黑龍江省博士后特別經(jīng)費項目(LBH-TZ0501)；國家自然科學基金項目(51405075)

收稿日期：2015-10-09

中圖分類號：S 714.8

文獻標識碼：A

文章編號：1001-005X(2016)01-0068-04