违法闯红灯车辆视频检测算法.docVIP

违法闯红灯车辆视频检测算法 本文介绍了视频检测在车辆违法抓拍中的优势，并在传统视频图像检测算法的基础上提出了优化方案。其具体方法是，通过提取图像车辆形心的位置，根据形心位置像素点的变化，准确判断通过检测区域的车辆，从而实现违法车辆的抓拍。 计算机视觉是指用计算机实现人的视觉功能——对客观世界的三维场景的感知、识别和理解。这里有两类方法：一类是仿生学的方法，参照人类视觉系统的结构原理，建立相应的处理模块完成类似的功能和工作；另一类是工程的方法，从分析人类视觉过程的功能着手，并不去刻意模拟人类视觉系统内部结构，而仅考虑系统的输入和输出，并采用任何现有可行的手段实现系统功能。违法闯红灯车辆视频检测即是属于上述的第二类方法，它利用视频序列中前景图像与背景图像的变化，来判断前景图像中车辆是否违法闯红灯行驶。 1、视频检测算法研究 ??? 在对违法车辆视频检测算法进行研究时，本文采用实际路口车辆行驶情况的视频图像，力求研究工作能够最大限度地贴近实际应用，力求所研究的成果能够在实际应用中取得较好的效果。该视频图像是由架设在路口的电子警察系统拍摄采集的，为该路口某个方向的全景图像，其分辨率为352×288像素点，每秒25帧。该电子警察的摄像头架设在道路上方离地面6米的位置。通过对几种视频检测方法的研究与比较，并对实际视频图像质量、路口实际情况及车辆运行情况的分析，本文采用帧间差分法来分离视频图像序列中的运动车辆图像，并通过计算该图像的像素点数量及形心位置来实现对车辆违法行为的判断。 1.1帧间差分法 ??? 帧间差分法又称图像序列差分法。当监控场景中出现运动物体时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像对应像素点亮度值差的绝对值，通过判断它是否大于阈值，来分析视频或图像序列的运动特性，以确定图像序列中有无物体运动。图像序列逐帧地差分，相当于对图像序列进行了时域上的高通滤波。相邻帧图像的差分表达式为： ??? 式中为第i帧的亮度分量；为第i-1帧的亮度分量，d为相邻两帧图像对应像素点亮度差值的绝对值。那相邻帧差图为：? ??? 式中T为相邻图像差分比较阈值，为差分图像中对应像素点的亮度值。 ??? 帧间差分法的优点主要有：算法实现简单，程序设计复杂度低；对光线等场景变化不太敏感，能够适应各种动态环境，稳定性较好。 ??? 其缺点主要有：不能提取出对象的完整区域，只能提取出边界；对快速运动的物体，需要选择较小的时间间隔，如果选择不合适，物体在前后两帧中没有重迭时，会被检测为两个分开的物体；而对慢速运动的物体，应该选择较大的时间间隔，如果此时选择不适当，当物体在前后两帧中几乎完全重迭，则检测不到物体。 ??? 除了最简单的逐像素相减，差分图像还可以由两组属于相邻图像帧的像素(如相邻的四个元素、八个元素)的均值相减得到。 视频检测总体流程 ??? 视频检测总体流程如图1所示。 2、检测带设置 ??? 视频图像所包含的路口信息丰富、情况复杂，而对检测车辆闯红灯违法行为有用的信息在整个图像中所占的比例不是很大。因此，没有必要对整幅图像进行处理来获得检测信息。同时，如果对整幅图像进行处理所产生较大的计算量，不利于电子警察嵌入式系统的稳定运行，不利于满足系统的实时性要求。本文根据视频图像中实际车辆运行方向，按车道数目分别截取一定宽度、高度的矩形图像区域，作为车辆违法检测带，并通过对检测带图像进行处理，对处理结果进行信息提取，最后做出车辆是否为违法行驶的判断，达到检测车辆违法行为的目的。检测带的位置和大小可以根据需要调整，以适应道路路口车辆检测的实际情况。 检测带位置 ??? 检测带位置的设置应该考虑以下因素： ??? 由于现有电子警察系统的摄像头安装位置及摄像角度等原因（如图2所示），在视频图像中，当车辆停在停车线范围内时，车身会遮挡停车线及停车线前很大一片区域。同时，由于车辆种类不同，车身高度也不一样，在视频中遮挡的区域大小也不一样。因此，检测带位置的设置必须根据不同路口、不同的摄像机架设位置及多数车辆车身高度，来作为设置检测带位置的参考，以避免在停车线范围内运动或静止的车辆出现在检测带图像中。 ??? 检测带的设置应该尽量避免人流量较多的区域，如人行横道线等，尽量减少因为行人进入检测带而造成的对检测结果的影响。在本文所采用的路口视频图像中，有的车辆车身较高，即使该车辆停止在停车线范围内，也会遮挡住人行横道线区域。综合参考以上设置检测带位置的条件，并根据视频图像中路口实际情况，我们将检测带设置在人行横道线离摄像头远端的位置，如图3所示。 检测带大小 检测带的宽度是根据视频图像中车道大小而定的，如同一个车辆行驶方向上有多个车道，而每个车道的交通信号控制不尽相同，因此需要按不同车道实行车辆的视频检