郭若彤，羅茜，黃凌霄，徐維昌

汽車檢測技術(shù)的算法系統(tǒng)研究與實(shí)現(xiàn)＊

郭若彤，羅茜，黃凌霄，徐維昌

（寧夏大學(xué) 信息工程學(xué)院，寧夏 銀川 750021）

隨著國家經(jīng)濟(jì)發(fā)展，乘車出行在人們出行方式選擇中的占比越來越大，但是隨著車輛增多，也給人們的生活帶來了一定的麻煩，如由于車輛增多造成大量環(huán)境污染、交通擁堵等。由此，在智能交通領(lǐng)域，視頻運(yùn)動目標(biāo)的智能處理也變得越來越重要，其中常用的辦法是采取車輛檢測技術(shù)，以此可以有效地對交通狀況進(jìn)行檢測；并將之使用于智能交通系統(tǒng)當(dāng)中，對于智能交通的發(fā)展有著積極的意義。通過汽車檢測技術(shù)的算法系統(tǒng)的研究與實(shí)現(xiàn)，對比了光流法、幀間差分法、背景差分法的適用范圍及優(yōu)缺點(diǎn)。

車輛檢測；光流法；背景差分法；幀間差分法

1 前言

隨著中國經(jīng)濟(jì)的快速發(fā)展以及人民生活水平的不斷改善和提高，各家各戶所擁有的車輛數(shù)量也在不斷增加，人們對汽車的需求量也越來越大。因此，交通擁堵、環(huán)境污染、交通事故等問題對人們的生活產(chǎn)生一定程度的影響。當(dāng)前，世界上用于解決城市交通問題的方法大致共分為兩種類型：①增加對道路基礎(chǔ)設(shè)施的投資；②合理掌握道路運(yùn)行狀況，運(yùn)用科學(xué)管理技術(shù)合理利用道路資源，科學(xué)預(yù)測道路交通流量，構(gòu)建智能交通系統(tǒng)。在土地資源固定的情況下，先進(jìn)的智能交通系統(tǒng)的發(fā)展是國際公認(rèn)的解決交通問題的方式，由于道路建設(shè)不能不受限制地進(jìn)行投資，因此發(fā)展智能交通系統(tǒng)有很大的建設(shè)意義，由于這個原因，設(shè)計汽車檢測技術(shù)算法系統(tǒng)更能滿足當(dāng)前人們的需求。

2 汽車圖像特征提取

2.1 光流法

光流指圖像中模式運(yùn)動的速度，它是一種二維瞬時速度場[1]。光流場是一種像素級運(yùn)動，同時也是圖像灰度圖像模式中的表觀移動。光流方法是通過比較視頻圖像相鄰幀中每個像素的亮度值變化，以獲得光流場，然后獲得目標(biāo)運(yùn)動場。如果一個視頻圖像中存在運(yùn)動著的對象，則可以判斷出運(yùn)動物體與目標(biāo)背景對象的速度矢量不同，所以可以通過目標(biāo)和圖像背景的相對運(yùn)動來定位運(yùn)動對象，檢測運(yùn)動對象的位置。如果圖像中沒有運(yùn)動的物體，則整個過程中光流矢量在圖像區(qū)域都是連續(xù)變化的。

在使用光流法對道路上的汽車進(jìn)行檢測時，首先讀取當(dāng)前視頻的視頻幀，對視頻圖像進(jìn)行預(yù)處理，將彩色圖像轉(zhuǎn)換為灰度圖像。傳統(tǒng)光流法基于亮度恒定，即被跟蹤部分的像素運(yùn)動前后灰度保持不變[2]，再計算光流場，得到光流場后，接下來對光流場的幅值進(jìn)行閾值分割，分割后得到二值圖，根據(jù)二值圖可以判斷出幅值大的位置為汽車，幅值小的位置為背景，沒有汽車。接下來進(jìn)行形態(tài)學(xué)濾波、形態(tài)學(xué)腐蝕和形態(tài)學(xué)關(guān)閉操作。再統(tǒng)計汽車對象的位置以及面積，判斷此時圖像的面積比，若面積比大，則認(rèn)為該圖像塊所包含的圖像是汽車，并將檢測出的汽車圖像用方框圈出，否則，則認(rèn)為未檢測到汽車，檢測到的物品可能為噪聲或其他雜物，接著繼續(xù)循環(huán)處理該視頻。

2.2 高斯混合模型算法

高斯模型通過精確的高斯概率密度函數(shù)（正態(tài)分布曲線）來量化事物，并將事物分解為由高斯概率密度函數(shù)組成的模型，是基于模型的聚類方法[3]。該算法首先建立混合高斯模型，來表現(xiàn)圖像中的像素點(diǎn)，在視頻圖像播放的同時不斷地獲取新圖像像素，以此來更新現(xiàn)有的高斯混合模型。高斯混合模型中，灰度直方圖表現(xiàn)了圖像中灰度值出現(xiàn)的頻次，將更新后的高斯混合模型與當(dāng)前圖像的每個像素點(diǎn)進(jìn)行匹配，如匹配成功，則表示該像素點(diǎn)為背景點(diǎn)；匹配不成功則表示該背景點(diǎn)為前景點(diǎn)。

在使用高斯混合模型算法對道路上的汽車進(jìn)行檢測時，首先讀取當(dāng)前視頻的視頻幀，對視頻圖像進(jìn)行預(yù)處理，將彩色圖像轉(zhuǎn)換為灰度圖像。取連續(xù)的5幀進(jìn)行背景檢測，并進(jìn)行參數(shù)初始化，初始化標(biāo)準(zhǔn)差，在這個過程中，背景是不斷更新的。在攝像機(jī)拍攝道路車輛運(yùn)動視頻時，由于攝像機(jī)為靜止的，可以假設(shè)背景像素點(diǎn)的特征在一段時間內(nèi)的變化不大，可以認(rèn)為在此時間段內(nèi)圖像中的背景像素點(diǎn)是服從高斯分布的，因此使用多個高斯分布來對背景像素進(jìn)行背景建模。對于圖像中的每一個像素點(diǎn)，都采用個高斯分布來表示圖像中的各個像素點(diǎn)的特征，一般取值為3～5，接下來進(jìn)行前景檢測，將當(dāng)前輸入幀圖像與背景圖像進(jìn)行比較。之后對視頻進(jìn)行后處理，采用數(shù)學(xué)形態(tài)學(xué)處理，在前景圖中檢測變化聯(lián)通圖像的區(qū)域面積，如檢測到的圖像塊的比例占整個變化區(qū)域的40%及以上，則將該圖像塊所包含的圖像認(rèn)為是汽車，并將檢測出的汽車圖像用方框圈出；否則，則認(rèn)為未檢測到汽車，繼續(xù)循環(huán)處理該視頻。

2.3 幀間差分法

幀間差分法是通過相鄰幀之間相減來獲得運(yùn)動對象的輪廓的一種檢測方法，通過操縱視頻圖像序列的幀，時時檢測圖像中的情況。當(dāng)圖像發(fā)生運(yùn)動時，相鄰兩幀或三幀圖像之間會存在明顯差異，對它們做差，可得到差分圖像，也可得到運(yùn)動物體之間的亮度差，對亮度差取絕對值，確定它是否大于閾值。由于在一定的環(huán)境情況下，背景像素值的相應(yīng)變化是小于預(yù)定閾值的，如果圖像區(qū)域中的像素值發(fā)生顯著變化，則說明存在著移動的物體。

在使用幀間差分法對道路上的汽車進(jìn)行檢測時，首先讀取當(dāng)前視頻的視頻幀，對視頻圖像進(jìn)行預(yù)處理，將彩色圖像轉(zhuǎn)換為灰度圖像。取相鄰幀的圖像對應(yīng)的像素值，將相鄰的圖像對應(yīng)的像素點(diǎn)相減，經(jīng)過幀間差分后像素點(diǎn)不為0的就說明該像素點(diǎn)發(fā)生了移動，由此可得到他們的差分圖像。將兩幀圖像對應(yīng)像素點(diǎn)的灰度值進(jìn)行相減，并取其絕對值，得到差分圖像，接下來對兩幀圖像做差得到的差分圖像進(jìn)行二值化處理，得到二值圖像。根據(jù)得到的二值圖像的灰度值來判斷該背景是前景還是背景，規(guī)定灰度值為255的點(diǎn)即為前景（運(yùn)動目標(biāo)）點(diǎn)，灰度值為0的點(diǎn)即為背景點(diǎn)；對圖像進(jìn)行連通性分析，最終可得到含有完整運(yùn)動目標(biāo)圖像。提取出運(yùn)動區(qū)域后，圖像可能還存在著一些其他因素的影響，產(chǎn)生誤差，如噪聲等。由于視頻中運(yùn)動的圖像的背景不斷更新，所以需要循環(huán)處理，直到視頻結(jié)束為止。二值化處理完畢后采用數(shù)學(xué)形態(tài)學(xué)處理，在前景圖中檢測變化聯(lián)通圖像的區(qū)域面積，如檢測到的圖像塊的比例占整個變化區(qū)域的40%及以上，則將該圖像塊所包含的圖像認(rèn)為是汽車，并將檢測出的汽車圖像用方框圈出；否則，則認(rèn)為未檢測到汽車，繼續(xù)循環(huán)處理該視頻。

3 汽車檢測技術(shù)算法系統(tǒng)的設(shè)計

汽車檢測技術(shù)算法系統(tǒng)的界面將光流算法、高斯混合背景模型算法和幀間差分法三種算法集合在一個界面上，使用者可以根據(jù)自己的需求來選擇想要使用的算法對視頻進(jìn)行汽車檢測。

系統(tǒng)界面由三個模塊組成，分別是視頻顯示模塊、狀態(tài)顯示模塊和系統(tǒng)功能模塊。視頻顯示模塊用于顯示原始視頻以及經(jīng)過算法處理后的視頻，共有四個顯示窗口。狀態(tài)顯示模塊用于顯示當(dāng)前所處理的視頻信息，顯示當(dāng)前視頻路徑、當(dāng)前幀、運(yùn)行算法、視頻寬、視頻高。系統(tǒng)功能模塊用于控制視頻播放，加載視頻、選擇算法、控制視頻播放或暫停、進(jìn)行界面抓圖，可將當(dāng)前界面截圖保存為bmp格式的圖片，并選擇想要保存的路徑，點(diǎn)擊系統(tǒng)退出按鈕控制系統(tǒng)退出 操作。

使用者在使用時首先點(diǎn)擊加載視頻按鈕，選擇要加載的視頻，狀態(tài)顯示模塊將會顯示出當(dāng)前視頻路徑，點(diǎn)擊視頻播放按鈕，視頻將會按照所選的算法進(jìn)行檢測播放，狀態(tài)顯示模塊顯示當(dāng)前播放的視頻的幀數(shù)以及寬高等信息，可點(diǎn)擊視頻暫停按鈕使視頻暫停。

4 結(jié)論

光流場算法、高斯混合背景算法、幀間差分法均可以對視頻中汽車進(jìn)行檢測，且能夠檢測出汽車的數(shù)量。其中光流場算法和高斯混合背景算法能夠正確得到檢測結(jié)果，而幀間差分法存在著一些問題，檢測結(jié)果具有一定的誤差。

基于計算機(jī)圖像處理對道路汽車進(jìn)行檢測，對人們的出行以及未來智能交通系統(tǒng)發(fā)展均有著很重要的意義。尤其在交通管理方面，隨著中國交通環(huán)境變得越來越復(fù)雜，交通參與者也越來越多樣，對道路交通的檢測不僅僅只局限于對車輛的檢測，對行人、非機(jī)動車等交通參與者均需要進(jìn)行檢測，使用現(xiàn)代化的手段有效且高效地對道路狀況進(jìn)行檢測和判斷，更為迫切。將智能車輛檢測系統(tǒng)應(yīng)用于智能交通系統(tǒng)中，通過實(shí)時檢測各路段情況并將道路信息傳送給道路行駛者，可幫助道路行駛者規(guī)避擁堵，選擇更為合適的道路行駛。與此同時，在日后的發(fā)展中視頻檢測技術(shù)也將具有更高的穩(wěn)定性，可以盡量減少受車輛行駛噪聲和背景變化等干擾，以此提高檢測的效率和準(zhǔn)確性，智能車輛檢測系統(tǒng)還將有效地記錄道路交通事故等狀況，使得道路管理更為高效，同時節(jié)省人力物力，使此應(yīng)用具有很好的應(yīng)用前景。

［1］胡覺暉，李一民，潘曉露.改進(jìn)的光流法用于車輛識別與跟蹤［J］.科學(xué)技術(shù)與工程，2010，10（23）：5814-5817.

［2］肖軍，朱世鵬，黃杭，等.基于光流法的運(yùn)動目標(biāo)檢測與跟蹤算法［J］.東北大學(xué)學(xué)報（自然科學(xué)版），2016，37（6）：770-774.

［3］程全，馬軍勇.基于改進(jìn)高斯混合模型的運(yùn)動目標(biāo)檢測方法［J］.計算機(jī)科學(xué)，2014，41（7）：318-321.

U472

A

10.15913/j.cnki.kjycx.2020.18.026

2095－6835（2020）18－0071－02

2020年大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃區(qū)級項目“汽車檢測技術(shù)的算法系統(tǒng)研究與實(shí)現(xiàn)”（編號：Q2020107490087）

郭若彤（1999—），女，寧夏石嘴山人，本科在讀，研究方向為網(wǎng)絡(luò)工程。

〔編輯：嚴(yán)麗琴〕