论文部分内容阅读
[摘 要]几十年来，世界工业技术得到了突飞猛进的发展，各国汽车数量增长迅猛，汽车数量的迅速增加造成交通拥挤严重、交通事故频发、交通环境的恶化，因此需检测交通流从根本上提前预防或解决交通堵塞。与此同时，基于视频序列的交通流量统计近年来发展迅速，由于它具有检测区域大、系统设置灵活等突出的优点，己成为交通流量统计领域研究的热点。
[关键词]交通；视频；检测
中图分类号：TM743 文献标识码：A 文章编号：1009-914X（2015）26-0261-01
0 前言
交通拥挤堵塞以及由此导致的一系列交通事故越趋频繁，环境污染加剧，是我国城市面临的极其严重的“城市病”之一，而且它已经演变成了制约国民经济发展的瓶颈，给我国城市道路交通问题提出了严峻考验。交通系统是一个复杂的大系统，单独从车辆方面或道路方面考虑，都很难完善的解决交通问题。必须依靠高科技来进行有效的交通管理，将道路情况检测出来，提取预防交通堵塞，才有可能从根本上解决问题。在此把道路和车辆综合起来的解决交通问题的智能交通系统油然而生。交通流量检测是智能交通系统中的重要组成部分，交通信息的收集是智能交通系统的基础，实时、可靠的基本交通信息是我们判断交通状况的根本依据，是智能交通系统科学控制和管理人、车、路的前提。
1 车流量检测系统
交通流检测依赖于交通检测设备，而交通检测通常采用线圈检测、脉冲检测、雷达监测等手段，获得道路上交通流的交通参数。通过特点对比得知，视频检测器所具有的大区域检测、安装方便、后期维护量少必将取代目前市场占有率最大的线圈检测器和超声波检测器成为交通信息采集检测器的主流。因此本文通过视频检测车流量。车流量即交通流量，是指在给定的单位时间内，通过道路某一断面或某一点的运行单元。按时间分类有：日交通流量、高峰小时交通流量（辆/小时）等等；按交通运行单元分还可以分为机动车交通流量、自行车交通流量等等。
基于视频的车流量统计的方法可分为虚拟检测线法和车辆跟踪法两大类。将虚拟检测线应用于视频检测中，主要功能就是代替传统的物理环形感应线圈实现交通参数检测。在非视频检测中获得交通参数的方法主要包括环形感应线圈、超声波、微波及红外等几种方法，而当前被交通管理部门广泛使用的仍为环型感应线圈检测，交通部门通过铺设在路面下的感应线圈来获得交通参数，这种方法虽然获得的交通参数准确度高，但其维护难度十分大。
2 车流量监测过程
本文采用的基于视频的车流量统计的方法为虚拟检测线法，其工作原理类似于地埋式线圈检测器。用户在图像上定义检测区域位置，当车辆经过该区域时，必然引起局部区域的视觉信息变化，系统通过虚拟检测线变化强度来判断车辆经过与否，进而可以计算车流量。该方法运算量小，能够在满足实时要求的前提下完成流量检测，同时也未能充分利用图像信息，降低了系统的可靠性。目标的检测流程为图像采集、预处理、背景提取、目标检测、形态学处理、提取车辆、车辆计数。
虚拟检测线的设置应垂直于车道且水平放置在车道中轴线上，在水平方向主要考虑车的宽度，在垂直方向考虑车的行驶速度。监测过程：对实时的交通图像设置虚拟检测线，经过图像滤波和初始背景得到图像的背景差，经过形态学处理从而提取车辆信息，检测是否有车辆通关检测线并循环检测。
3 提取车辆信息
当车辆经过检测线时，检测线上的图像灰度将发生变化，对当前帧的灰度跟背景帧的灰度相减，利用检测线上运动象素的个数来确定是否有车辆通过，通过该算法计算车流量，非常简单快捷。车流量的统计是以检测出目标车是否存在于检测区域为前提的，然后再对目标车辆进行无重复的统计。本文设计中，将车辆存在性判断和车流量统计合并实现。通过前面章节描述的方法获得车辆目标的灰度图像。当车辆经过检测线时，检测线上的图像灰度将发生变化，对当前帧的灰度跟背景帧的灰度相减，利用检测线上运动象素的个数来确定是否有车辆通过。该方法计算车流量，算法非常简单快捷。
由于车辆有一定的宽度，车辆通过时必然会在图像上留下记录。对一维函数进行统计分析，形成曲线。在这条曲线上可以看到一些连续的值为“1”的点，表示有车辆出现；连续的值为“0”的点，表示没有车辆出现。根据虚拟检测线上车辆的位置和相邻帧间的运动关系来进行车辆的计数。用flag=1表示信息位为1，flag=0表示信息位为0。邻帧间的运动关系可以描述为：
（1）当前帧某位置为flag=1时：
如果上一帧中该位置为flag=1，则表明有车正通过检测区；
如果上一帧中该位置为flag=0，则表明车辆刚进入检测区。
（2）当前帧某位置为flag=0时：
如果上一帧中该位置为flag=1，则表明有车刚离开检测区；
如果上一帧中该位置为flag=0，则表明无车进入检测区。
计数算法：通过上面的帧间关系可以看出，统计帧间车辆信息的上升沿，并且是连续出现的“1”。当“1”的个数达到某个长度时即认为该位置有新车到来，进行计数。
4 结果分析
为了验证本文算法有效性，针对多组实验视频进行测试，此处只列出部分实验图片，原拍摄实验视频格式为AVI30fps利用WinAVI软件将视频解码为适合在matlab中使用的格式ZJMedia Uncompress RGB24。对宽度为640，高度为221像素的视频图像序列进行处理，算法实现基于Windows 7系统，采用matlab作为软件平台。
由此可得出基于视频的车流量检测可以准确、快速的显示当前交通流量，该方法的应用有利于根据实时交通量得知当前交通情况，从而有效的预防交通拥堵，并且可以对交通进行统计预测，如遇到假日或上下班高峰期等可根据交通状况进行交通调节，可提前对道路进行了解，交通广播对车辆进行诱导，使其较方便的到达目的地。实验证明可以利用利用视频处理获取车流量，对数据的分析可知基于视频的方法可以较好的提取交通参数，统计交通流量。
5 结语
本文讲述了计算车流量的一种方法，主要是利用设置虚拟检测线的方式，对经过车辆进行统计，得到单位时间内，该路段的车流量信息，最后通过人工统计平均速度和占有率，通过这些交通参数还可以判别交通的拥挤程度。
采用基于虚拟检测线方法提取用于拥挤判别的主要交通参数----车流量、速度和时间占有率，通过合理的设置虚拟检测线的长度和位置，利用虚拟线上像素点的灰度变化来判断车辆目标的存在，同时记录当前检测车辆目标的位置，并在此基础上计算当前路段的交通流量、车辆的平均速度以及车道的时间占有率能够增加参数提取的准确性和可靠性，
参考文献
[1] 基于视频图像处理的交通流检测方法[J].长安大学学报：自然科学版，2005.
[2] 何最红. 基于视频流的交通流参数检测方法研究[D]. 广东工业大学硕士学位论文，2006.6.
[3] 罗欣. 基于图像处理技术的车辆检测流量统计技术研究[D].电子科技大学硕士学位论文，2005.
[4] 刘怀强. 基于视频的车辆检测与跟踪技术研究[D]. 中国海洋大学硕士学位论文， 2006.6.
作者简介
冯腾 （1990—），山东省邹城，硕士研究生（研二），专业：交通信息工程及控制。
[关键词]交通；视频；检测
中图分类号：TM743 文献标识码：A 文章编号：1009-914X（2015）26-0261-01
0 前言
交通拥挤堵塞以及由此导致的一系列交通事故越趋频繁，环境污染加剧，是我国城市面临的极其严重的“城市病”之一，而且它已经演变成了制约国民经济发展的瓶颈，给我国城市道路交通问题提出了严峻考验。交通系统是一个复杂的大系统，单独从车辆方面或道路方面考虑，都很难完善的解决交通问题。必须依靠高科技来进行有效的交通管理，将道路情况检测出来，提取预防交通堵塞，才有可能从根本上解决问题。在此把道路和车辆综合起来的解决交通问题的智能交通系统油然而生。交通流量检测是智能交通系统中的重要组成部分，交通信息的收集是智能交通系统的基础，实时、可靠的基本交通信息是我们判断交通状况的根本依据，是智能交通系统科学控制和管理人、车、路的前提。
1 车流量检测系统
交通流检测依赖于交通检测设备，而交通检测通常采用线圈检测、脉冲检测、雷达监测等手段，获得道路上交通流的交通参数。通过特点对比得知，视频检测器所具有的大区域检测、安装方便、后期维护量少必将取代目前市场占有率最大的线圈检测器和超声波检测器成为交通信息采集检测器的主流。因此本文通过视频检测车流量。车流量即交通流量，是指在给定的单位时间内，通过道路某一断面或某一点的运行单元。按时间分类有：日交通流量、高峰小时交通流量（辆/小时）等等；按交通运行单元分还可以分为机动车交通流量、自行车交通流量等等。
基于视频的车流量统计的方法可分为虚拟检测线法和车辆跟踪法两大类。将虚拟检测线应用于视频检测中，主要功能就是代替传统的物理环形感应线圈实现交通参数检测。在非视频检测中获得交通参数的方法主要包括环形感应线圈、超声波、微波及红外等几种方法，而当前被交通管理部门广泛使用的仍为环型感应线圈检测，交通部门通过铺设在路面下的感应线圈来获得交通参数，这种方法虽然获得的交通参数准确度高，但其维护难度十分大。
2 车流量监测过程
本文采用的基于视频的车流量统计的方法为虚拟检测线法，其工作原理类似于地埋式线圈检测器。用户在图像上定义检测区域位置，当车辆经过该区域时，必然引起局部区域的视觉信息变化，系统通过虚拟检测线变化强度来判断车辆经过与否，进而可以计算车流量。该方法运算量小，能够在满足实时要求的前提下完成流量检测，同时也未能充分利用图像信息，降低了系统的可靠性。目标的检测流程为图像采集、预处理、背景提取、目标检测、形态学处理、提取车辆、车辆计数。
虚拟检测线的设置应垂直于车道且水平放置在车道中轴线上，在水平方向主要考虑车的宽度，在垂直方向考虑车的行驶速度。监测过程：对实时的交通图像设置虚拟检测线，经过图像滤波和初始背景得到图像的背景差，经过形态学处理从而提取车辆信息，检测是否有车辆通关检测线并循环检测。
3 提取车辆信息
当车辆经过检测线时，检测线上的图像灰度将发生变化，对当前帧的灰度跟背景帧的灰度相减，利用检测线上运动象素的个数来确定是否有车辆通过，通过该算法计算车流量，非常简单快捷。车流量的统计是以检测出目标车是否存在于检测区域为前提的，然后再对目标车辆进行无重复的统计。本文设计中，将车辆存在性判断和车流量统计合并实现。通过前面章节描述的方法获得车辆目标的灰度图像。当车辆经过检测线时，检测线上的图像灰度将发生变化，对当前帧的灰度跟背景帧的灰度相减，利用检测线上运动象素的个数来确定是否有车辆通过。该方法计算车流量，算法非常简单快捷。
由于车辆有一定的宽度，车辆通过时必然会在图像上留下记录。对一维函数进行统计分析，形成曲线。在这条曲线上可以看到一些连续的值为“1”的点，表示有车辆出现；连续的值为“0”的点，表示没有车辆出现。根据虚拟检测线上车辆的位置和相邻帧间的运动关系来进行车辆的计数。用flag=1表示信息位为1，flag=0表示信息位为0。邻帧间的运动关系可以描述为：
（1）当前帧某位置为flag=1时：
如果上一帧中该位置为flag=1，则表明有车正通过检测区；
如果上一帧中该位置为flag=0，则表明车辆刚进入检测区。
（2）当前帧某位置为flag=0时：
如果上一帧中该位置为flag=1，则表明有车刚离开检测区；
如果上一帧中该位置为flag=0，则表明无车进入检测区。
计数算法：通过上面的帧间关系可以看出，统计帧间车辆信息的上升沿，并且是连续出现的“1”。当“1”的个数达到某个长度时即认为该位置有新车到来，进行计数。
4 结果分析
为了验证本文算法有效性，针对多组实验视频进行测试，此处只列出部分实验图片，原拍摄实验视频格式为AVI30fps利用WinAVI软件将视频解码为适合在matlab中使用的格式ZJMedia Uncompress RGB24。对宽度为640，高度为221像素的视频图像序列进行处理，算法实现基于Windows 7系统，采用matlab作为软件平台。
由此可得出基于视频的车流量检测可以准确、快速的显示当前交通流量，该方法的应用有利于根据实时交通量得知当前交通情况，从而有效的预防交通拥堵，并且可以对交通进行统计预测，如遇到假日或上下班高峰期等可根据交通状况进行交通调节，可提前对道路进行了解，交通广播对车辆进行诱导，使其较方便的到达目的地。实验证明可以利用利用视频处理获取车流量，对数据的分析可知基于视频的方法可以较好的提取交通参数，统计交通流量。
5 结语
本文讲述了计算车流量的一种方法，主要是利用设置虚拟检测线的方式，对经过车辆进行统计，得到单位时间内，该路段的车流量信息，最后通过人工统计平均速度和占有率，通过这些交通参数还可以判别交通的拥挤程度。
采用基于虚拟检测线方法提取用于拥挤判别的主要交通参数----车流量、速度和时间占有率，通过合理的设置虚拟检测线的长度和位置，利用虚拟线上像素点的灰度变化来判断车辆目标的存在，同时记录当前检测车辆目标的位置，并在此基础上计算当前路段的交通流量、车辆的平均速度以及车道的时间占有率能够增加参数提取的准确性和可靠性，
参考文献
[1] 基于视频图像处理的交通流检测方法[J].长安大学学报：自然科学版，2005.
[2] 何最红. 基于视频流的交通流参数检测方法研究[D]. 广东工业大学硕士学位论文，2006.6.
[3] 罗欣. 基于图像处理技术的车辆检测流量统计技术研究[D].电子科技大学硕士学位论文，2005.
[4] 刘怀强. 基于视频的车辆检测与跟踪技术研究[D]. 中国海洋大学硕士学位论文， 2006.6.
作者简介
冯腾 （1990—），山东省邹城，硕士研究生（研二），专业：交通信息工程及控制。