|
基于虚拟线框的车流量检测算法 刘腾飞，黄樟灿** 作者简介：刘腾飞，（1988-），男，研究生，图像处理与模式识别。 通信联系人：黄樟灿，（1960-），男，武汉理工大学数学系教授，博士生导师，研究方向：智能计算、图 像处理。E-mail: huangzc@whut.edu.cn （武汉理工大学理学院，武汉 430070） 5 摘要：提出一种基于虚拟线框车流量统计的算法，通过分割虚拟线框，并对分割后虚拟线框 内目标连通域的跟踪和匹配来检测目标车辆遮挡等问题。在为了解决目标车辆差分二值化后 出现的连通域空洞、远端大型车体连通域分裂等情况，采用一系列形态学算法针对虚拟线框 内差分二值化连通域进行处理，为了提高车流量统计算法精度，提出用近端虚拟线框内车辆 通行情况来对远端线框内统计数进行误差修正。 10 关键词：虚拟线框；车流量；检测；连通域 中图分类号：U495 Based on virtual wireframe traffic detection algorithm Liu Tengfei, Huang Zhangcan 15 (Wuhan university of technology, college of science, WuHan 430070) Abstract: Present a traffic statistical algorithm based on virtual line box, and after the split virtual line box target connected domain tracking and matching to detect the target vehicle occlusion. The connected domain in order to solve the target vehicle differential binarized hollow, distal large body connected domain splitting, this article uses a series of morphological algorithm processing 20 for virtual line box differential binarization connected domain, in order to improve the accuracy of the traffic flow statistics algorithm proposed proximal virtual line box vehicle traffic to the remote line box statistical error correction. Keywords: virtual wireframe; traffic flow; detect; connected domain 25 0 引言 在上个世纪六十年代，世界经济处于高速发展阶段。随着计算机在硬件方面不断加强， 以及通信传输、监控等技术的日益成熟，使得计算机软件行业有了良好的发展环境。交通管 理系统也在这样的环境下向着智能监控方向发展。在这样环境下，方便智能的交通管理系统 对经济快速发展也有一定的促进作用。但是，近些年，无论是在发达国家还是发展中国家的 30 大中小城市，随着社会的发展和家用小汽车作为日常出行主要交通工具的普及，道路拥挤、 车道资源分配不合理、违规驾驶导致的交通事故等一系列问题也频繁出现。 随着近年来私家车数量的急剧增加，使得道路使用压力过大，特别是城市道路长期处于 拥堵状态，无法满足人们生活水平的提高。大城市道路承载能力远远不能跟上经济的快速发 展，再加之大量人员集中迁往城市，使得本来土地资源紧缺的城市在道路规划方面的建设更 35 加缓慢。在西方发达国家的工业进程中，最开始提出的是通过扩大城市占地面积，加大道路 建设的力度来缓解紧张的道路危机。但是随着土地资源日益紧张，当城市占地扩无可扩时， 人们发现最初的解决办法行不通了。同时，交通领域中，民用车辆技术的快速发展使其成本 缩小也是导致道路资源危机的一大原因。这些交通领域问题的出现使得发达国家开始着手研 究智能交通系统。从而，用计算机产业技术去改造原本走向末路的交通系统，合理规划 40 道路占用率，提高交通道路监管，是未来交通领域前进的方向。在这样的情况下，交通管理 系统的发展朝向智能化方向。 在解决道路交通问题的方案中，智能化交通管理系统是世界各国公认的最佳解决方案， 也其研究方向。而对于道路监控视频的车流量统计又是智能交通管理系统中较为重要的环 节，准确的车流量统计信息能有效的分析出车流量特点，从而提高和分配道路的占有率，也 45 为智能交通系统的其他性能提供关键的实验数据支持。本文对视频监控的车流量统计算法进 行了相关研究[1]。 1 图像形态学处理 在图像中，用数学形态学来提取一些我们感兴趣的目标区域形状的图像分量，比如目标 边缘、框架等。这其中还包括形态学过滤、细化、修剪等。在一幅二值图像中，图像中的所 50 有像素点组成的集合是二维整数空间（ Z 2 ）的元素，在这个二维整数空间中，所有的元素 都是一个二维向量，这些二维向量的坐标表示各像素点在图像中的坐标(x, y)[2]。 由于背景提取和更新过程中都产生大量的噪声，然后再进行背景差分等一些列操作都会 产生噪声，往往最后差分得到的目标前景与实际目标差距较大，这就需要我们对所得的粗前 景进行形态学处理。这其中需要运用四种形态学处理的算法，它们是膨胀、腐蚀以及开运算 55 和闭运算，而这四种算法中的膨胀与腐蚀是形态学的基础算法，后面的开、闭运算也是由这 两个基础算法叠加运行而来的。通过膨胀与腐蚀可以实现很多功能，比如消除噪声，分割独 立的图像元素，以及切割开图像中相连的像素。形态学处理还可以用来查找图像的极大、极 小值区域，求出图像的梯度等。 1.1 膨胀与腐蚀 60 膨胀是指将图像（也可以是图像Z 中某个区域，记为A）与膨胀核（记为B）进行卷积 的操作。这里的膨胀核可以是任意形状，一般需要其大小大于一个像素且小于整幅图像。大 多数情况下，膨胀核是一个中心有参考点的实心正方形（视实际情况而定）。可以将其视为 一个掩模，去求图像的局部最大值的操作。用数学的方法可表示为： { |( ) } z A B z B A ∧ ⊕ = I ≠∅ （1-1） 65 式（1-1）是以预定义的膨胀核B 对应其中心点的映像为基础，并且由z 对映像进行位 移。用膨胀核B 对A 进行膨胀是所有z 的集合，所以B ∧ 与A 之间至少有一个像素点是重合 的。所以式（1-1）的另一种表达形式为： { |[( ) ] } z A B z B A A ∧ ⊕ = I ⊆ （1-2） 膨胀的作用是让目标图像中的目标区域的边界向着目标外部按照膨胀核B 的大小进行 70 扩大。多数情况下，膨胀的目的都是对从背景中提取出来有空洞的目标前景进行填充，是同 一个目标不至于出现断裂乃至划分为了多个目标的情况[3]。 腐蚀是膨胀的反操作。腐蚀运算是要计算腐蚀核映像内像素的最小值。腐蚀是通过如下 的算法从新生成腐蚀后的图像：用腐蚀核B 对图像A 进行卷积，计算腐蚀核B 映像区域中 图像A 的最小值，并把这个找到的最小值赋给映像区域中心参考点对应的图像A 的像素点。 75 在数学上用AΘB表示用腐蚀核B 去腐蚀图像A ，其表达式如下： { |( ) } z AΘB= z B ⊆A （1-3） 式（1-3）也可解释为用腐蚀核B 对图像A 进行腐蚀时，是将腐蚀核B 中包含于图像A 中的点z 的集合用z 平移。腐蚀算法的主要作用在于：它可以使目标前景突出部分的边缘得 到修剪，可对像素面积小于腐蚀核B 的噪声直接消除，既一定的去除噪声的能力，可以分 80 割粘连不是很严重的目标前景。 1.2 开运算和闭运算 开闭运算简单来说就是膨胀与腐蚀组合在一起的操作。在开运算的情况下，是将目标图 像先进行腐蚀后进行膨胀。开运算一般是通过消除细小的突出边界来使得目标的外围轮廓变 得更加光滑，并且切断细小的连接，所以开运算通常情况也可以用来统计二值图像中的连通 85 域个数。闭运算是先对目标图像进行膨胀后进行腐蚀。它是通过填充目标前景之间细小的间 隔和填充目标前景内部存在的细小孔洞来使得目标轮廓顺滑，所以在大多数连通域区域分析 算法中，使用闭运算来去除噪声引起的区域。在连通域分析中，首先采用腐蚀或闭运算来去 除噪声引起的区域，之后再用开运算来连接相邻的目标。在本质上，开运算和闭运算相对于 膨胀和腐蚀能更加精确的保存原灰度图的连接区域[4]。 90 在数学上用AoB表示开运算，用A•B表示闭运算，以下是开闭运算的数学表达式： AoB=(AΘB)⊕B A•B=(A⊕B)ΘB （1-4） 如图1 中所示： 95 (a)背景差分二值化 （b）开闭运算效果 （a）Binarization after background difference (b) Open&close operation effect 图1 原二值化图和开闭运算后的效果 Fig 1 binarization figure and effect after opening or closing operation 100 a 图是原二值化后的图像，b 图是先用3*3 模板腐蚀，到达去除散点噪声的目的，之后 再用15*17 的矩形模板进行膨胀，目的是使目标车辆内部没有空洞，最后再对目标前景用 5*5 的模板进行闭运算得出的结果。从效果上看，由于原二值图中的目标前景效果不是特别 好，需要我们做形态学上的处理，由于我们所用的核（也就是模板）都是矩形的，导致处理 后图中的目标前景菱角分明，虽然和实际车辆外形相差较远，但是其效果对我们之后的虚拟 105 线框检测有十分重要的意义。 2 虚拟线框车流量统计算法 虚拟线框（一般称为虚拟线圈）是指在不同的目标场景中，人为预先定义的一系列虚拟 区域，可根据需要检测的目标前景的形状、大小等先验条件来给定线框大小及形状。该虚拟 区域正如其名一样，在实际场景中不需要标出，即使在监控视频上也不用标明，只是表明对 110 该预先定义的一系列虚拟区域进行其特有的算法运算。在物理上，虚拟线框的出现是为了替 代物理检测线圈。物理线圈是按放在目标场景中，通过过往目标对其产生的压力、磁感应等 方式来判断目标物体的信息。虚拟线框算法是在连续视频帧中设置固定的一系列线框，当目 标前景通过线框时执行其算法，判断目标前景的特性。因此，虚拟线框在车流量检测领域对 于物理线圈有其明显的优势，节约成本[5]。 115 在目标车辆通过线框时，会短暂的覆盖原本线框内的像素，我们可通过判断线框区域内 连通域个数来粗略的确定通行车辆的数量，当然，这其中还涉及覆盖的连通域是否为目标车 辆的判定等，都需要视实际场景的不同情况而定。虚拟线框检测算法不但能有效的检测车辆 个数，而且其运算简单，算法复杂度较低，很适合做实时检测。虽然虚拟线框检测在城市复 杂路段（比如十字路口，人行道较多等）效果不是很好，毕竟复杂路段目标场景中运动目标 120 较多，相对的计算量也较大，加之行人等不确定因素使得算法实施困难，但是在像高速公路 这样车流速度较快，车道宽直而且行人干扰较少的场景中，线框检测算法有其明显的优势[6]。 如图2 所示： (a)原灰度图 （b）二值化图 学术论文网Tag：代写硕士论文 代写论文 代写MBA论文 代写博士论文 |
