摘 要：為了提升高速公路視頻監(jiān)控的效果，本文提出一種基于背景差分的車輛目標(biāo)檢測方法，先提出這種方法的流程，包括灰度化處理、均值去噪處理、背景差分處理。在背景差分處理中，針對非運(yùn)動(dòng)背景進(jìn)行更新處理。在試驗(yàn)過程中，對簡單背景、復(fù)雜背景、單車檢測、多車檢測的效果都進(jìn)行驗(yàn)證，進(jìn)一步證明了本文所提出方法對車輛檢測的準(zhǔn)確性要明顯高于模板匹配法。

關(guān)鍵詞：高速公路；視頻監(jiān)控；攝像機(jī)

中圖分類號：U 41" " 文獻(xiàn)標(biāo)志碼：A

目前，我國高速公路系統(tǒng)日益完善，高速公路里程不斷增加、高速公路網(wǎng)絡(luò)覆蓋規(guī)模不斷拓寬[1]。而隨著高速公路建設(shè)質(zhì)量提高，機(jī)動(dòng)車的速度上限也不斷提高。高速公路的發(fā)展現(xiàn)狀為物資運(yùn)輸、旅客運(yùn)輸都提供了極大的便利，最大程度地提高了生活效率[2]。但是，高速公路系統(tǒng)也面臨著極大的安全隱患。因?yàn)樾旭偹俣冗^快，很難記錄車行過程，所以一旦出現(xiàn)肇事情況就會導(dǎo)致生命和財(cái)產(chǎn)損失，甚至難以推進(jìn)后續(xù)的理賠或司法過程[3]。因此，對高速公路進(jìn)行有效監(jiān)控是保障公路運(yùn)輸安全的重要課題。公路里程長、延伸距離遠(yuǎn)，國家層面已經(jīng)在公路上布置了大量的監(jiān)控設(shè)備，覆蓋了整個(gè)高速公路系統(tǒng)。根據(jù)監(jiān)控設(shè)備的有效監(jiān)控距離，每隔一段里程就會配置一個(gè)監(jiān)控設(shè)備。其中，以攝像機(jī)為主的視頻監(jiān)控設(shè)備得到了大規(guī)模使用。本文針對視頻監(jiān)控設(shè)計(jì)相應(yīng)的監(jiān)控算法，并通過試驗(yàn)測試進(jìn)行驗(yàn)證。

1 基于背景差分的高速公路視頻監(jiān)控設(shè)計(jì)

高速公路中的視頻監(jiān)控通過攝像機(jī)等拍攝的視頻，提取特定車輛的位置，根據(jù)一定時(shí)間內(nèi)車輛位置的變化判斷車輛速度等信息，以確定其是否滿足安全性要求。從技術(shù)性的角度看，高速公路上的車輛監(jiān)控，屬于運(yùn)動(dòng)目標(biāo)檢測問題。檢測運(yùn)動(dòng)目標(biāo)通常有3種方法：基于光流模型的檢測方法、基于幀間差分的檢測方法、基于背景差分的檢測方法。本文將更新機(jī)制運(yùn)用于其中，形成一種新的背景差分的檢測方法?；诒尘安罘值母咚俟芬曨l監(jiān)控算法的流程如圖1所示。

在上述處理過程中，通常通過布置特定點(diǎn)位的攝像機(jī)來獲取高速公路的視頻監(jiān)控圖像。因此，攝像機(jī)是監(jiān)控過程中最主要的傳感器。攝像機(jī)拍攝的高速公路的視頻圖像通常都是彩色信息。彩色信息的圖像存儲空間大、需要更長的處理時(shí)間。因此，通常需要對其進(jìn)行灰度化處理，以縮小其存儲空間、縮短后續(xù)處理的時(shí)間。原始的監(jiān)控圖像因其拍攝條件、攝像器材等影響，會存在多種噪聲，常見的有高斯噪聲、隨機(jī)噪聲、椒鹽噪聲，需要采用特定的濾波器去除這些噪聲。在得到灰度化、沒有噪聲的圖像后，需要使用背景差分技術(shù)對車輛目標(biāo)和背景進(jìn)行分離。通過上述環(huán)節(jié)獲得車輛目標(biāo)信息后，就可以對車輛進(jìn)行定位，測定車輛目標(biāo)的速度等運(yùn)動(dòng)參數(shù)，達(dá)到預(yù)期的監(jiān)控目的。

1.1 灰度處理

為了提高視頻監(jiān)控算法的執(zhí)行速度，需要將攝像機(jī)排成的彩色圖像轉(zhuǎn)換成灰度圖像。在各種數(shù)字圖像的色彩表達(dá)中，灰度圖像是一種非常特殊的圖像。如果用RGB色彩模式來表征灰度圖像，那么圖像中每個(gè)像素的顏色信息的特征是R=G=B，體現(xiàn)出灰度效果。與彩色圖像相比，灰度圖像的存儲空間減少了三分之二，相應(yīng)的處理速度也隨之提高。

對彩色圖像進(jìn)行灰度化的常用數(shù)學(xué)手段包括基于線性模型的和基于非線性模型的?；诜蔷€性模型的處理方案如公式（1）所示。

式中：f為高速公路圖像灰度化后的結(jié)果；R為高速公路圖像中的紅色通道分量；G為高速公路圖像中的綠色通道分量；B為高速公路圖像中的藍(lán)色通道分量；max（R，G，B）為像素顏色信息的最大值；min（R，G，B）為像素顏色信息的最小值。

這種方法的轉(zhuǎn)換速度快，但是誤差較大。為了縮小誤差，可以采用基于線性化模型處理，方案如公式（2）所示。

f=ω1R+ω2G+ω3B " " " " " " " " " " " （2）

式中：ω1、ω2、ω3為R、G、B這3個(gè)通道在像素灰度中所占的比例。根據(jù)經(jīng)驗(yàn)，當(dāng)ω1、ω2、ω3為0.299、0.587、0.114時(shí)，灰度化后的圖像和原始圖像的表達(dá)最接近。

1.2 去除噪聲

在高速公路拍攝的圖像，因各種原因都存在一定的噪聲。去除高速公路圖像噪聲最常見的方法是采用均值濾波。

均值濾波技術(shù)需要采用一個(gè)濾波窗口，用窗口內(nèi)所有像素的灰度數(shù)值之平均值代替要處理的像素。這種方法對隨機(jī)噪聲和椒鹽噪聲具有較好的處理效果，但是如果窗口尺寸選取不合理，就會導(dǎo)致圖像模糊。因此，均值濾波除了要注意選擇合理的窗口尺寸外，還要配合銳化技術(shù)消除模糊效應(yīng)。

以一個(gè)3×3像素的平滑窗口為例，其進(jìn)行均值處理的模板如圖2所示。

從圖2中可以看出，（m，n）就是待處理像素，這是一個(gè)以（m，n）為中心的3×3模板。根據(jù)均值濾波的原理，可以按照公式（3）計(jì)算（m，n）點(diǎn)的像素灰度。

h（m，n）={f（m-1，n-1）+f（m，n-1）+f（m+1，n-1）+f（m-1，n）+f（m，n）+f（m+1，n）+f（m-1，n+1）+f（m，n+1）+f（m+1，n+1）}/9 " " " " " " " " "（3）

式中：h（m，n）為高速公路圖像濾波后像素灰度；f（m，n）為高速公路圖像原始像素灰度；f（m-1，n-1）為模板中左上角的像素灰度；f（m，n-1）為模板中上方的像素灰度；f（m+1，n-1）為模板中右上角的像素灰度；f（m-1，n）為模板中左方的像素灰度；f（m+1，n）為模板中右方的像素灰度；f（m-1，n+1）為模板中左下角的像素灰度；f（m，n+1）為模板中下方的像素灰度；f（m+1，n+1）為模板中右下角的像素灰度。

1.3 背景差分

為了從高速公路圖像中提取運(yùn)動(dòng)中的車輛，需要對車輛目標(biāo)和復(fù)雜背景進(jìn)行區(qū)分，其中，背景差分是一種有效的方法。采用背景差分來提取車輛目標(biāo)，通常包括兩個(gè)環(huán)節(jié)。第一個(gè)環(huán)節(jié)是對高速公路圖像進(jìn)行背景建模，這時(shí)要具體到每一幀監(jiān)控圖像，即以靜止圖像為研究的對象。第二個(gè)環(huán)節(jié)是將新拍攝的圖像與背景建模圖像進(jìn)行差分處理，從而提取車輛目標(biāo)。從執(zhí)行流程上看，可以按照公式（4）來進(jìn)行。

式中：D（x，y）為高速公路圖像進(jìn)行背景差分的結(jié)果；I（x，y）為新拍攝的高速公路圖像；B（x，y）為高速公路背景建模圖像；T為背景差分過程中的判斷閾值。

從實(shí)際應(yīng)用的角度看，背景差分需要在高速公路視頻監(jiān)控圖像流持續(xù)供給的情況下，建立背景圖像模型。需要注意的是，高速公路場景是有一定運(yùn)動(dòng)和改變的，因此背景圖像也需要實(shí)時(shí)地更新和建模，才能保證背景差分和車輛檢測的有效性。

1.4 背景更新機(jī)制

為了保證車輛檢測的準(zhǔn)確性，需要實(shí)時(shí)更新背景模型，如果實(shí)時(shí)更新背景，就需要耗費(fèi)大量的計(jì)算資源，對高速公路視頻監(jiān)控系統(tǒng)的設(shè)備或硬件上的要求就更高。為了盡可能提升監(jiān)控系統(tǒng)的性價(jià)比，采用對整個(gè)背景進(jìn)行細(xì)分，只對非運(yùn)動(dòng)背景進(jìn)行更新的方法，具體的處理過程如公式（5）所示。

式中：Bt-1（x，y）為t-1時(shí)刻高速公路背景建模圖像；Tt（x，y）為t時(shí)刻新拍攝的高速公路圖像；α為需要更新的比例。

由于在視頻處理中，運(yùn)動(dòng)的目標(biāo)常常會和陰影所重疊，因此就會導(dǎo)致陰影檢測出現(xiàn)錯(cuò)誤，并且會把目標(biāo)當(dāng)做陰影進(jìn)行消除，造成后續(xù)就找不出目標(biāo)的問題，跟蹤出現(xiàn)嚴(yán)重的錯(cuò)誤。因此，當(dāng)對陰影進(jìn)行消除時(shí)，需要充分考慮遮擋物和陰影之間的關(guān)系，遮擋物具有的形狀特征最能體現(xiàn)它和陰影之間的關(guān)系，在目標(biāo)檢測階段就去除陰影。

2 高速公路視頻監(jiān)控測試試驗(yàn)與結(jié)果分析

在本次研究工作中，針對高速公路視頻監(jiān)控圖像，本文設(shè)計(jì)了基于背景差分的監(jiān)測方法，給出了詳細(xì)的算法原理和流程，包括圖像的灰度化處理、均值濾波去噪、背景差分提取車輛目標(biāo)。后續(xù)將通過試驗(yàn)對所提的方法性能進(jìn)行測試。在高速公路上，高速行駛車輛的圖像監(jiān)控效果如圖3所示。

圖3中，圖3（a）經(jīng)過圖像去噪、背景差分處理得到的車輛整體區(qū)域，如圖3（b）所示，再進(jìn)一步精確定位得到圖3（c）。從這組試驗(yàn)的結(jié)果中可以明顯看出，采用本文所提出的方法，可以對高速行駛的車輛目標(biāo)進(jìn)行有效提取，從而達(dá)到高速公路預(yù)期監(jiān)控的目標(biāo)。

第一組試驗(yàn)是一個(gè)簡單情況下的車輛目標(biāo)檢測效果。在實(shí)際的情況中，高速公路上經(jīng)常出現(xiàn)多車輛并行行駛或臨近行駛的現(xiàn)象。因此，第二組試驗(yàn)進(jìn)一步給出本文提出的背景差分檢測方法，對多車輛復(fù)雜場景進(jìn)行監(jiān)測的效果，如圖4所示。

在圖4中，高速公路為雙向七車道，在左側(cè)車道上同時(shí)行駛兩輛車，右側(cè)車道行駛一輛車。在當(dāng)前位置的監(jiān)控設(shè)備拍攝場景內(nèi)，3輛車同時(shí)出現(xiàn)，形成了較為復(fù)雜的情況。但在本文提出的背景差分方法的檢測下，依然成功檢測到3組車輛，這種算法將每個(gè)車輛目標(biāo)自動(dòng)標(biāo)識為方框區(qū)域。

為了進(jìn)一步驗(yàn)證本文提出的方法對高速公路視頻監(jiān)控的有效性，開始第三組測試試驗(yàn)，即采用背景差分檢測算法對多個(gè)點(diǎn)位上的監(jiān)控設(shè)備進(jìn)行檢測，觀察車輛目標(biāo)運(yùn)行通過的檢測準(zhǔn)確率，結(jié)果如圖5所示。

在圖5中，在試驗(yàn)測試的高速公路上配置5個(gè)監(jiān)控節(jié)點(diǎn)，在每個(gè)節(jié)點(diǎn)位置上都配置了監(jiān)控設(shè)備，每個(gè)節(jié)點(diǎn)針對100幀圖像進(jìn)行車輛目標(biāo)提取檢測。在試驗(yàn)過程中，選擇模板匹配法作為對比方法。從圖中的對比結(jié)果可以明顯看出，在5個(gè)監(jiān)控位置上，本文提出的基于背景差分的檢測方法都明顯優(yōu)于模板匹配法，進(jìn)一步證明了本文方法的有效性。

3 結(jié)論

因?yàn)樾旭偹俣冗^快，很難記錄車行過程，一旦出現(xiàn)肇事就會導(dǎo)致生命和財(cái)產(chǎn)損失，且因無法有效記錄導(dǎo)致后續(xù)的理賠或司法過程難以推進(jìn)。所以，本文針對高速公路的監(jiān)控問題提出了一種新的基于背景差分的檢測方法。在這種方法中，采用線性化方法對原始圖像進(jìn)行灰度化處理，采用均值濾波方法對圖像中的噪聲進(jìn)行去除，再采用基于背景差分的方法完成車輛目標(biāo)提取。通過3組試驗(yàn)分別驗(yàn)證了本文提出方法對簡單背景單車檢測、復(fù)雜背景多車檢測、多監(jiān)控節(jié)點(diǎn)檢測的有效性和準(zhǔn)確率。結(jié)果表明，本文所提出的方法對提升高速公路監(jiān)控效果具有重要實(shí)用價(jià)值。

參考文獻(xiàn)

[1] 屈有山，田維堅(jiān)，李英才. 基于并行隔幀差分光流場與灰度分析綜合算法的運(yùn)動(dòng)目標(biāo)檢測[J]. 光子學(xué)報(bào)，2023，52（1）：182-186.

[2] 李月. 基于改進(jìn)幀差法和Camshift 算法的運(yùn)動(dòng)車輛檢測與跟蹤方法的研究[J]. 昆明理工大學(xué)學(xué)報(bào)，2017，32（5）：1106-1111.

[3] 張澤旭，李金宗，李寧寧. 基于光流場分割和 Canny 邊緣提取融合算法的運(yùn)動(dòng)目標(biāo)檢測[J]. 電子學(xué)報(bào)，2022，31（10）：1299-1302.