基于视频分析的高速公路交通流量检测技术研究

摘要：文章阐述了基于视频的高速公路交通流量检测技术，主要包括图像预处理、背景提取及背景更新、阴影抑制、目标检测、车流量统计和车辆跟踪。经过上述一系列步骤，最终开发出一个基于视频分析的高速公路交通流量检测系统。

关键词：高速公路；车流量检测；交通流量；垂直投影；虚拟线框；视频分析 文献标识码：A

中图分类号：U467 文章编号：1009-2374（2016）03-0011-02 DOI：10.13535/j.cnki.11-4406/n.2016.03.006

汽车流量检测是智能交通系统中的关键技术。目前较常用的车辆检测方法包括环形磁感线圈检测、超声波检测、红外线检测和基于机器视觉的车辆检测。由于磁感应线圈检测存在安装麻烦、不易维护和可靠性差等缺点，超声波、红外线检测存在准度低、抗干扰性能差等缺点，而现有的基于机器视觉的车辆检测技术不成熟，因此都没有得到广泛应用。

本文对高速公路的交通流量视频分析检测技术进行了研究，以建立视频分析预警模型，并提出了相邻帧差与背景帧差结合的车辆检测算法。该方法对视频帧设置虚拟线框，预处理后进行背景建模，运用背景帧差法和相邻帧差法检测运动车辆，实现了运动车辆的检测；分析了阴影在RGB空间和HSV空间的特性，提出了HSV空间的运动物体阴影去除方法，提高了运动车辆的检测精度；根据分割出的车辆图像，利用车辆排队时图像的移动特性和边缘信息，提出了一种基于垂直投影的车辆数量统计方法和基于移动虚拟线框的车辆排队长度的计算方法，实现了车辆数量的统计和排队长度的计算，并进行了实验，结果表明本文的算法和方法是有效的。

高速公路交通流量分析预警模型的建立主要考虑断面流量检测分析、区间流量分析两种情况，具体来讲包括断面车速检测、断面流量检测、区间流量检测、服务区流量检测、区间平均速度测量等方面。通过上述检测方法，获取断面流量、车速，区间流量、区间当前容留车辆数量、区间平均速度等交通参数，以此建立高速公路交通流量预警模型：由于视频图像质量的高低直接影响到系统对交通灯控制的精度，而摄像机的选择和安装决定了视频质量，所以一般要选择稳定性高、拍摄图像为彩色的摄像机，而分辨率、可视角度都要根据实际的需求而定，因为分辨率太高会导致视频图像引入过多的细节，增加处理难度；而分辨率太低则过于模糊，丢失有用信息，比如边缘特征。另外，因为视频图像处理只针对车道，所以可视角度只需满足横向覆盖整个车道，纵向覆盖能够足够反映车辆排队信息的长度即可。为了能够拍摄到目标车道，并且得到比较好的角度，便于后期图像处理，安装摄像机的时候应尽量装在所监视道路的正上方，高度一般在7米以上，使拍摄到的图像能够横向覆盖整个车道，纵向覆盖足以反映车辆排队信息的长度。以目标车道的车道线为参照物，图像的水平方向尽量与车道线垂直，垂直方向尽量与车道线平行。

车辆检测是从获取到的车流视频中检测出当前帧中的运动车辆。首先在当前视频帧中设置检测区域，即虚拟线框，然后对虚拟线框内的图像进行预处理；接着再对预处理后的图像进行背景更新，运用相邻帧差法和背景帧差法来检测运动车辆；最后去除前景的车辆阴影，从而分割出当前帧中的运动车辆。

交通流量统计能够获得车辆数量和车辆排队长度，为进一步的交通灯控制提供参数。本文统计的车辆数量是指通过虚拟线框的车辆数量，车辆排队长度是指在预先标定的检测区域内的车辆排队长度。车辆数量的统计方法是通过对分割出来的车辆图像做垂直投影，根据垂直投影结果来计算车数；车辆排队长度的计算方法是利用移动的虚拟线框寻找队尾，然后计算排队车辆在图像上的长度，最后根据坐标转换，统计出车辆排队的实际长度。

由于光照的影响，车辆受到阳光照射时会在一侧产生阴影。在视频图像中，同一辆车的阴影会随着光线的变化而变化，从而影响后续的车辆运动检测或车辆分割；另外，阴影还可能导致两个或多个车辆目标粘连在一起，被错误地当作一个车辆，影响后续的车辆数量的统计。因此，为了提高车辆的检测率和识別率，提高统计准确率，就必须去掉车辆阴影。目前对车辆排队的检测方法并不多，Rourkc和Bell提出了一种基于FFT的车辆排队检测方法，该方法对检测区域图像进行采集，根据有车和无车图像对应频谱的不同，检测公路上是否存在车辆。但是该方法计算量大，并且没有定量给出车辆的排队长度。还有很多学者提出了车辆排队检测方法，但是效果不尽如人意。为了检测排队参数，必须设定交通图像中的车辆排队区域，由于交通路口各不相同，车道线复杂，因此采用事先标定车道线和检测区域，并用虚拟线框来检测检测区域。本文虚拟线框宽度等于视频图像中的车道宽度，其高度等于视频图像中的一辆车长度，虚拟检测区域由车辆的队首向队尾移动，由于随着队列中车辆由近及远，车辆在图像中的面积逐渐减小，故虚拟线框面积也相应减小。

针对每一条车道，排队检测采用了车辆运动检测和车辆存在检测两种算法。首先使用车辆运动检测算法，若该算法没有检测到车辆运动，再进行车辆存在检测，确定是否存在排队情况。排队检测的具体步骤如下：

（1）检测当前虚拟线框是否存在运动车辆，如果没有运动，转步骤（2）；否则进行步骤（3）。

（2）进行车辆存在检测，如果检测到车辆则向后移动检测区域，继续进行步骤（1）；反之直接进行步骤（3）。

（3）检测当前是不是第一个虚拟线框，如果是则说明当前无排队现象或队列很短，转步骤（1）；如果不是，则说明车辆已经开始排队，并且当前虚拟线框包含车辆队尾，则将当前虚拟线框向前移动，然后计算排队长度，输出结果。

对检测区域的图像预处理后，进行有无车辆运动判断的、简单有效的方法是相邻帧差法。该方法的优点是对光线变化不敏感，因为一般情况下相邻两帧的光线、背景等条件不会有太大的变化。本文对相邻两帧进行灰度化，然后相减，最后二值化，所得差值与阈值比较，差值大于阈值则认为存在车辆运动，反之则认为没有车辆运动。该方法能够较准确地检测出车辆运动，对于运动缓慢的车辆，我们可以认为这是排队的前兆，所以出现被相邻帧差法判断为无运动，而当作排队的静止车辆的情况也是合理的。

若虚拟区域内没有检测到车辆运动，則进行车辆存在检测。车辆存在检测方法通常有背景帧差法和边缘检测法。背景帧差法的优点是原理和算法设计简单，但容易受到光线、背景变化的影响，需要实时更新背景值。而车辆相对于路面往往包含丰富的边缘信息，在图像处理中，图像的边缘部分集中了图像的大部分信息，图像边缘的确定与提取对于整个图像场景的识别与理解是非常重要的，同时也是图像分割所依赖的重要特征，因此本文用边缘检测算法来检测车辆的存在。

高速公路上，在高速公路车速接近为120千米/小时的车速条件下，要求两车保持安全行驶距离至少为100米。

在保持安全距离的情况下，前后两车相继经过同一断面时，车头时距至少要保持为100米/（120千米/小时）约为3秒。据此，如果以5分钟为一个流量统计周期，且假定车道数为2，那么所有车保持安全间距的情况下，在5分钟内通过断面的数量为5分钟*断面车道数/3秒即300秒*2/3秒=200。

如果前端断面流量检测装置检测到5分钟总计车流量超过200，则认为这些车辆在经过断面前后无法保持正常安全行驶要求的行驶安全距离，以此设定断面交通流量阀值。

按照上述推断，假定交通流量统计周期为t分钟，该流量监测点位要求的安全行驶间距为L，此流量统计周期内的车辆平均速度为c，那么断面交通流量阀值为x，则计算公式为：

x=t/（L/c）

通过实时交通流量信息采集，与各点位的交通流量阀值相比较，当超出阀值时，即进行预警。

在已经收集长时间的交通流量统计数据后，可以很快得到点位的历史流量峰值；系统将当前流量与历史峰值进行比较，建立交通流量峰值预警。

如果已经观测统计到，一般在该段道路保持畅通的情况下车辆的最低平均行驶速度，那么就是说，当前车流的平均车速高于这个限值意味着道路通畅，反之则意味着道路发生拥堵；如果交通流量统计中，平均车速值严重低于这一限值，则表明道路拥堵的程度更高。

实际应用中，应考虑畅通环境下的最低平均行驶速度值难以直接观察得出。一般高速公路按照大小车限速，车辆在不受干扰的情况下以自由状态或接近自由的状态行驶，此时车速应接近限速值；如果交通流量统计周期中车辆数量足够多，那么可以排除个别车辆因自身车况或驾驶技术影响故意降低速度行驶的可能性。

因此，通过在高速公路中的关键路段建立视频监控点完成图像采集编码工作，视频交通事件及参数检测器完成基于前端视频流的交通数据与事件的检测处理工作，把检测到的交通事件报警信息和交通数据实时传输到管理平台，高速公路管理部门在指挥中心通过平台可以从该检测子系统中获取道路通行状况的实时数据，从而对当前道路的通行状况有一个及时的了解，能够及时进行指挥调度，从而有效地对交通流进行诱导，提高路网的交通运行能力，为驾驶人员安全快速行车提供良好的服务，从而减少交通事故的发生。

参考文献

[1] 彭哲，吴炜，杨晓敏，等.基于视频的交通流参数智能检测系统研究[J].成都信息工程学院学报，2008，（2）.

[2] 彭春华，刘建业，刘岳峰，等.车辆检测传感器综述[J].传感器与微系统，2007，（6）.

作者简介：王传根（1962-），男，安徽合肥人，安徽超远信息技术有限公司工程师，研究方向：智能交通。

（责任编辑：周 琼）