视频交通参数检测技术的研究现状及发展趋势.docVIP

魔域一条龙 SWL0 　　摘 要：车流量、车速、车道占有率等交通参数是智能交通发挥作用的前提和基础，也是智能交通系统的关键所在，视频交通参数检测可为其提供丰富的交通信息。文章首先介绍了车辆检测的方法，并对基于虚拟检测器和基于目标提取和跟踪的交通参数提取技术进行了分析，同时介绍了近年来提出的一些基于视频的交通参数提取的算法和步骤，最后分析了视频交通参数检测技术的研究方向、存在问题及发展展望。 　　关键词：智能交通系统（ITS）；车辆检测；交通参数提取；目标跟踪 　　 　　0 引 言 　　随着经济的发展和人民生活水平的提高，汽车保有量不断增加，我国城市交通问题日益严峻，交通堵塞，交通事故频繁发生。如何通过智能交通系统建设来缓解日益严重的交通问题已成为交通领域的研究热点。对道路交通信息进行实时检测，根据交通流的变化，迅速做出交通诱导控制，可以有效减轻道路拥挤程度，减小车辆行车延误，降低交通事故发生率，保障行车安全，并减少车辆对环境的污染。因此，道路交通信息的实时采集与处理方法的研究无论对城市交通控制、交通管理、交通规划、路网建设，还是对未来智能交通运输系统功能的实现都具有重要的理论意义和实用价值[1]。 　　交通参数检测技术经过近40年的研究，国内外专家学者提出了多种交通参数提取方法[2]，主要以测速雷达、环形检测线圈、超声波检测器、交通微波探测等设备获取交通参数。实际应用表明，这几种交通参数提取方法存在以下不足：一是检测可靠性不高；二是安装维护不便；三是获取交通信息量少；四是无法获取直观的交通流信息。由于受到检测能力和可靠性方面的限制，上述几种交通参数提取方法已不能满足ITS的要求，研究有更高应用价值的交通参数提取方法显得日益重要。 　　随着计算机技术、数字图像处理和模式识别等技术的发展，视频检测技术在交通信息检测中占据了越来越重要的地位。相对于以往的交通参数提取技术，通过对视频图像的处理来获取交通流参数信息主要有以下优点： 　　首先是可实现智能监控，并提供丰富的交通图像信息，能够高效、准确、可靠地完成道路交通的监视和控制工作；同时，安装监控摄像机比较方便、经济，可通过原有的摄像机监控系统升级得到，维护方便，可以节省大量的人力物力；此外，计算机技术、数字图像处理和模式识别等技术的迅速发展和处理器性能的不断提高，能够满足视频交通参数提取的实时性、可靠性要求。 　　基于视频图像的交通参数检测主要包括车辆检测和交通参数的提取两个部分。其中，车辆检测是交通参数检测的基础，只有判断出目标是要检测的车辆，才能进行下一步参数（如车流量、车速和车道占有率等）的提取。 　　1 车辆检测 　　车辆的检测是交通流参数提取的基础。一般可利用车辆相对于场景的运动，将车辆从背景中分离出来，从而实现运动车辆的检测。目前，常用的车辆检测方法有四种[1，2]：光流法、背景减除法、边缘检测法和运动矢量检测法等。 　　1.1 光流法 　　光流是空间运动物体在观察成像平面上的像素运动的瞬时速度，是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧和当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。一般而言，光流法是由于场景中目标本身的移动、相机的运动，或者两者共同运动产生的。利用光流法检测运动车辆的基本原理：给图像中的每一个像素点赋予一个速度矢量，这就形成了一个图像运动场，在某一特定时刻，图像上的点与三维物体上的点一一对应。根据各个像素点的速度矢量特征，可以对图像进行动态分析。如果图像中没有运动目标，则光流矢量在整个图像区域上是连续变化的。当图像中有运动目标时，则目标和图像背景存在着相对运动，运动目标所形成的速度矢量必然和邻域背景速度矢量不同，从而检测出运动目标及位置。光流法的优点在于光流不仅携带了运动目标的运动信息，还携带了有关景物三维结构的丰富信息，它能够在任何场景下，检测出运动对象。但是，利用光流法进行运动车辆检测时，计算量较大，无法保证实时性和实用性。 　　1.2 背景减除法 　　背景减除法是目前基于视频检测算法中最常用的一种方法。它是一种利用当前帧图像与背景图像对应像素点的灰度差值来检测车辆的技术。把当前帧 Fn与背景图像Bn灰度值相减，差的绝对值高于判决门限的像素判为前景图像，即运动目标，低于判决门限的像素判为背景。处理后的二值图MPn为： 　　（1） 　　如果当前图像的像素点和背景图像的像素点灰度值差别很大，就认为此像素点有车通过；相反，如果当前图像的像素点和背景图像的像素点灰度值差别较小，在一定的阈值范围内，我们就认为此像素点为背景像素点。背景减除法的关键是背景提取与背景更新，然而它对于动态场景的变化，例如光照的变化和阴影的干扰等特别敏感。因此，选取一个可靠的背景模型进行背景的提