摘? 要: 提出了一種新的運動車輛捕捉算法——序列輪廓差分捕捉算法。
關鍵詞: 視頻監控? 車輛捕捉? 運動分割
?
基于視頻圖像和字符識別技術的視頻車輛自動監控系統是目前極具發展潛力的監控系統之一。它與傳統的基于磁環路檢測器的交通監控系統相比具有如下優勢:
(1)安裝簡單靈活,不用進行路面施工。
(2)維護簡易,系統升級方便。
(3)能夠檢測多種交通流信息,包括車速、飽和度、占有率等,并且可用于視頻的電子警察系統。
一個典型的視頻車輛自動監控系統的工作流程圖如圖1所示。
1? 捕捉算法分析
車輛捕捉算法實際上就是去除背景后剩下的圖像中是否含有車輛的問題。但是由于實際交通狀況的復雜性使車輛捕捉存在以下難點:
(1)監控范圍內光場的變化。
(2)車道上非車輛運動物體的干擾。
(3)攝像頭量化的誤差。
(4)攝像頭在重型車輛駛過或是有大風的時候產生的圖像輕微抖動。
本文分析了傳統的圖像去背景車輛捕捉算法,并在此基礎上作出改進,提出了一種新的捕捉算法——序列輪廓差分捕捉算法。
1.1 傳統圖像去背景捕捉算法
要在視頻監控系統中檢測運動的車輛,可以采用當前輸入圖像減去不含汽車的純背景圖像的方法,通過二幀圖像的灰度差捕捉運動車輛。但是實際情況是在監控系統中難以得到不含車輛的純背景圖像。傳統的取背景算法是采取直接從圖像序列中抽取某一副圖像作為背景,或者是以多幅圖像的直接平均作為背景的方法。采取這種取背景算法不可避免的問題是背景圖像中包含有殘存運動車輛的信息,差影減后難以區分前景和背景的運動車輛。
本文對去背景算法做如下改進:
(1)對圖像序列中的二幅圖像(一個圖像對)進行比較,灰度變化小于一定值的區域稱共同區域。
(2)對多個圖像對的共同區域求和取平均,作為背景。
B(i,j,k)為圖像對中共同區域的值,(i,j)為像素點,M為共同區域的個數。
(3)多個圖像對時間間隔大于一定值。對于由于天氣、光線、陰影的變換造成背景灰度變換顯著的情況引入衰減因子a,更新背景圖像。
Vt為閾值,P(i,j,k)為當前輸入圖像。
(4)目標檢測。取背景算法可得到近似無車的背景圖像,因此運動車輛檢測可通過對輸入圖像和背景圖像的比較來檢測:
選擇一個適當的閾值Vk,就可以產生一個二值化的目標輪廓,即可以檢測出運動的車輛。
改進算法在去背景方面效果比直接平均法好些,但是仍殘有一些陰影,這也是去背景算法的缺陷所在。本文提出的序列輪廓差分捕捉算法不需要得到背景圖案,能夠消除陰影,較好地檢測出運動車輛。
1.2 序列輪廓差分捕捉算法
這里介紹的序列輪廓差分捕捉算法中,利用二值化的輪廓圖像進行差分,可以消除不需要的背景輪廓(如車道線、柵欄等),得到所需要的汽車輪廓,從而達到運動車輛捕捉的目的。算法如下:
(1)高斯平滑濾波
由于CCD攝像頭量化誤差的影響,造成背景圖像灰度的不均,可能會出現一些顆粒噪聲和毛刺噪聲,給后面的邊緣提取和檢測帶來影響。因此先用高斯平滑濾波器對采樣的圖像進行濾波處理,以降低量化噪聲。高斯平滑模板如圖2所示。
?
模板系數為1/16。
(2)邊緣檢測
邊緣檢測是捕捉算法的關鍵步驟,好的邊緣檢測算子可以比較好地區分汽車邊緣灰度和路面灰度的梯度,為后續工作打下良好的基礎。
在視頻交通監控系統中攝像機一般安裝在道路的一側,車輛是由圖像的下方進入,上方出去。依據這個特點,本文采用了對45°角方向比較敏感的Roberts算子。
與其他Sobel、Prewitt等算子相比,Roberts算子對成塊的圖像邊緣比較敏感,而忽略了一些邊緣變化不是特別明顯的小細節。它特別適合對汽車這樣的大目標的檢測,而且對后續的二值化工作大有裨益。
(3)對圖像進行二值化處理
因為是對提取的輪廓圖像進行二值化處理,其灰度范圍被拉窄了,這里采取的是一個最佳閾值算法。求最佳閾值的步驟如下:
?、偾蟪鰣D像中最大和最小的灰度值Zl和Zk,令閾值初值為:
?????
最佳閾值求出來后,就可以根據閾值對輪廓圖進行二值化處理,從而得到基本的汽車輪廓。
(4)對二值化的輪廓圖做開運算(先腐蝕后膨脹)
對二值化的輪廓圖做開運算,開運算子為1×3的水平方向運算子。做開運算可以平滑邊界、消除突刺,又能保持邊界強度信息,并且可以解決攝像頭由于重型車輛駛過或大風引起抖動產生的幀間背景偏移的問題。此運算為下一步輪廓圖的序列差分處理做準備。
(5)用輪廓圖的序列差分圖像做運動車輛檢測
用二幀輪廓圖的序列圖像做差影檢測:
輪廓圖像是只有0和1的二值化圖像,而汽車外型輪廓亮度為1。一般前后幀汽車輪廓不在同一個位置。若(i,j)點的前一幀圖像為汽車輪廓即1,而后一幀圖象為背景即0,相減后賦值為0。采用這種方式可以有效地濾除前一幀圖像的汽車輪廓,而保留后一幀圖像的汽車輪廓。而對于固定不動的背景輪廓,例如車道線、柵欄等,由于前后幀的輪廓在同一個位置,采用這種方式也可以有效地去除背景輪廓,從而有效地檢測出運動車輛。這也是序列輪廓差分算法與去背景法相比的優勢所在。
實驗中對一個20分鐘的路口樣本視頻流進行車輛捕獲,錄像時間是白天。在對實時性不做嚴格要求的情況下,正確捕捉率能夠達到93%。
2? 結? 論
視頻交通監控系統是近年來發展較快的一種路面交通監控系統,車輛捕捉是其關鍵技術之一。通過車輛捕捉可以檢測到路面交通流的一些參數,例如車流量、車速等,并且也可以用于車輛是否闖紅燈的判斷。本文分析了傳統的去背景捕捉算法并且提出了一種新的捕捉算法——序列輪廓差分捕捉算法。就這二種捕捉算法而言,傳統的去背景捕捉算法不可避免地殘留一些陰影,在保留車體方面性能較差。而序列輪廓差分捕捉算法則可以比較好地解決這個問題,并且能夠消除量化誤差、攝像頭抖動等噪聲的影響,但存在運算量較大的缺點。解決的辦法是適當降低圖像的分辨率。
?
參考文獻
1? Guo L,Ljung L.Performance analysis of general tracking algorithms.IEEE Transactions on Auto-maticCon trol,1995;40(8)
2? Walter E,Lahanier HP.Estimation of parameter?bounds from bounded-error data:a survey.MathComput
Simulation,1990;(32)
3? Nayeri M.Unifying the landmark development in optimal bounding ellipsoid identification.International?Journal of Adaptive Control and Signal Processing,1994;(8)
4? Takatoo M.Traffic flow measuring system using image processing.SPIE 1197,1989
5? 王春波,張衛東,張文淵等.復雜交通環境中車輛的視覺檢測.上海交通大學學報,2000;12(1)