智能交通信息检测中的视频监控技术应用
2012/7/30 14:52:00 华信诚 关键字:智能交通,视频监控技术 浏览量:
在智能交通系统(ITS)的众多信息中,交通特征参数信息是最根本的,它包括车流量、车型分类统计、车流密度等。这些数据是交管部门制订政策、采取措施、对交通设施进行规划的科学客观的依据。要构建完整的ITS系统,首先应建立一个能准确、高效获得交通特征参数的交通信息采集系统,其核心是交通信息检测技术。
近年来,基于计算机视觉和图像处理技术的交通信息检测技术(简称视频检测技术)逐步成为研究主流。其工作流程为:通过安装在路面上方的摄像机采集交通图像,应用计算机视觉和图像处理技术处理图像数据,获取实时、丰富、动态的交通信息,进行交通的信号控制、信息发布等。其主要优点有:不破坏路面,安装无须中断交通,一次可检测多条车道,检测功能多和可记录现场图像等。
视频检测算法是整个系统的核心,其好坏将直接影响系统的检测精度和检测效率。而在近几年ITS市场的推动下,基于视频图像分析和模式识别技术的交通检测算法针对其特有的应用场合,逐步成为目标检测技术的一个研究分支。
1视频检测技术
1.1视频检测流程
视频检测技术即在视频序列中提取感兴趣的运动对象。在基于视频的ITS系统中,目标车辆的检测流程为:1)运动目标区域提取,即确定车辆可能存在的区域;2)目标确认,即对上阶段产生的候选区域进行确认,判断是车辆或背景;3)目标分割,通过识别出图像中符合车辆特征的像素,将待识别的目标从背景中分离出来;4)目标跟踪,依据提取出的特征匹配前后帧中的车辆,从而计算交通参数;5)目标分类,指依据几何外形、纹理特征等对不同类型的车辆进行分类;6)后处理,根据应用需求计算交通参数,如车流量、车速等。
1.2视频检测算法
基于视频的交通流检测方法,可分为如下4类:知识型,运动型,立体视觉型和像素强度型。
1)基于知识的方法利用车辆的形状、颜色、对称性等信息,以及道路和阴影等常识信息进行相关检测。该方法简单、直观,易于编程实现,但需要估计多个经验阈值,如车辆长宽的经验比值、车辆边缘的最小长度、车辆阴影与道路的灰度差异阈值等。经验阈值准确与否,直接关系系统性能的好坏。
2)基于运动的方法主要利用序列图像之间存在的大量相关信息进行车辆的预检测,主要有光流法和运动能量法。光流法能检测出独立运动的对象,不要预先知道场景的任何信息,且适用于摄像机移动情况。但缺点是耗时大,对过于复杂、过快或过慢的运动检测效果不好,不适合实时系统。运动能量法能消除背景中的振动像素,使按某一方向运动的对象突出显示,但只能估计出运动对象的大概位置,而不能精确提取出对象。
3)建立在视差或频差理论基础上的机器立体视觉,运用两个或多个摄像机对同一景物从不同位置成像获得立体像对,通过各种算法匹配出相应像点,从而恢复深度(距离)信息。该方法能在车速很小时直接检测其位置,但它要求正确标定摄像机,受车辆运动或天气等因素影响,这是很难做到的。在基于立体视觉的车辆检测中,常用IPM(InverscPerspectiveMapping)法估计图像中车辆及障碍物的位置。
4)基于像素强度的方法直接检测帧间变化,主要有时间差分法和背景差分法。时间差分法在一个较短的时间内检查相邻各帧之间像素强度的变化,非零像素被认为是运动对象造成的。该方法适合于动态变化的环境,但不适合摄像机运动的情况,也不能完整提取运动对象。现有的背景模型基本是建立在统计模型基础或其变种之上。该方法快捷简单,实时性较好,适合运动快且形变较大的运动目标,但不适合有全局运动的场景,如不平坦或弯路较多的道路等。