基于视频图像的逆行交通事件检测方法的研究

李桂林

（安徽工程大学，安徽　芜湖　241000）

基于视频图像的逆行交通事件检测方法的研究

李桂林

（安徽工程大学，安徽芜湖241000）

基于视频图像处理的交通事件检测系统是针对目前公路事件发生后不能及时有效检测与报警、事故处理延迟等不足而研究开发的，其利用计算机视觉与数字图像处理技术，结合我国公路上已有的交通监控设施，来采集视频图像，通过车辆跟踪和分析车辆的运动特征来判断所发生的交通事件，并对其进行事件检测算法的智能处理，最终实现对超速、慢行、变道和逆行的交通事件异常检测.与传统的方法相比，该方法反应迅速、检测率高，可以快速、准确地对异常交通事件进行检测，并且给交通事故后的分析处理带来了很大的便利.

交通事件检测；数字图像处理；逆行

1　视频图像交通检测系统的研究现状分析

从20世纪90年代开始，基于视频图像处理的事故检测系统的研究在英、美等国家有了较大的发展，并以自身具有的准确率高、检测时间短、能快速适应不同交通流等特点成为了交通事件检测系统的新方向美国ISS公司的Autoscope通过接收多路由路边摄像机传来的视频信号，分析输入的视频图像，让用户在屏幕上绘制虚拟的“车辆检测器”，这样每一个车辆都会在系统上产生一个检测信号，使得系统能够实时检测交通参数，得到相应的交通数据，以此来判断事故发生的可能性.但由于它的成本高昂，技术难度较高、难点较多，因此普及率相对来说并不能达到我们所需要的程度.从技术角度来说，国外更领先一筹，但也在复杂的道路状况以及气候条件下也不一定取得很好的检测效果.

在国内，我国对交通线路的安全管理需求不断增多，因此许多研究机构也开始对视频图像检测技术展开了积极的探索.例如清华紫光开发的VS3001视频检测系统，还有广州网莱交通科技有限公司的Online交通事件自动检测系统等，他们在事件检测方面已经起到了一定的作用，但同国外产品相比，还是有一定的差距，需要不断的进行研究.

2　视频图像处理的关键算法

交通事件自动检测系统由于能减少事故事件的发生，为人们的生命安全提供保障，因此研究机构在这一方面也花费了愈来愈多的财力与物力，力求取得进一步的突破，但不可避免的是研发过程中涉及到的基础和理论知识也是广泛而又复杂，要取得研究成果必须持之以恒的做出努力.

2.1运动车辆检测算法

最大程度上的提取前景目标是事件检测操作的关键步骤，这一步如果进行的不精确，则整个事件检测系统都会因为目标的跟踪不准确而受很大的影响，运动目标的检测和提取是运动车辆检测算法的两大部分，而每种（主要有光流法、帧差法、背景差分法三种）运动目标的检测算法都有不同的应用场景.

2.1.1光流法

光流法检测运动目标的方式是给每一个像素赋一个速度矢量，他们速度矢量变化是连续的的标志则是没有前景目标在相邻帧间移动；否则，其速度矢量的变化是不连续的.简单来说，光流法就是通过分析图像序列在时间纬度的变化和相邻帧间速度矢量的变化趋势来检测运动目标的，其的优点在于能够检测出前景运动目标并计算出目标的运动速度，但它的算法复杂、计算量大，难以用于实时系统检测，因此它的使用空间会被制约，从而造成在实际生活中的应用较少；其次，光照对这种检测方法的影响较为严重，若图像中光照变化，则速度矢量也会受之的影响而变化，从而产生误差，因此，光流法在工程中的应用并不多见.

2.1.2帧差法

帧差法是通过把图像序列的相邻帧作差，之后取得目标轮廓，它能够有效地求取前后多帧图像之间的变化情况，因此，其在多个运动目标和摄像枪移动的情况下比较适用.当用图像上当前帧的所有像素和前一帧同一位置的像素作差时，若阈值小于差的绝对值，前景像素则为当前像素，否则，则为背景像素.它的原理和实现都比较简单，受光照强度的影响也不大，因此它适用于动态环境下的事件监测.但它也因为不能够完整地提取出运动目标的轮廓，而使速度的计算结果不准确.

2.1.3背景差分法

运动目标普遍应用的检测方法之一即为背景差分法，其前景运动目标部分是差分当前帧的图像序列和背景图像而得到的.背景差分法将长时间静止的车辆归结为背景，能够检测出短时间静止的车辆，其复杂度低、计算效率高，因此在生活中的应用也比较广泛.背景差分一般包括背景建模和前景提取两个步骤.

目前，背景建模方法主要有混合高斯模型、序列均值法、背景更新三种.混合高斯法建模的整个过程主要有混合高斯模型的建立、混合高斯模型的参数更新和背景模型选择及前景检测三个步骤，但其如果对每个像素都建立高斯模型的话，会造成算法计算量过大，空间复杂度高，从而在实时检测中不占优势；序列均值法相对于高斯模型来说，算法简单、运算量小、性能较高，比较适用于实时场合，但由于检测环境一般是自然环境，是会随时变化的，所以需要及时地对背景进行更新.因此，在实时检测方面，虽然利用序列均值法可以实现，但背景模型的建立和更新不是一时就能够完成的，在这个过程中叶子的抖动、光照的变化等都有可能对其产生影响；使用背景差分法建模时，背景起着决定性的作用，是至关重要的，现实条件下系统的运行时间一般需要比较长，当前图像会受天气和时间的变化而改变，因此及时地更新背景是尤为重要的，比较好的方法是选择性地将当前帧插入到背景序列，用除前景区域以外的像素对背景模型进行更新，这种算法在一定的程度上降低了前景对背景更新的影响.

2.2运动目标提取算法

运动目标提取算法主要有形态学滤波、连通区域标记、车辆六边形提取三种.形态学滤波在实际检测中，能够将两个断裂的目标合并起来，并且能够消除目标周围的一些噪声，它有膨胀（将一些图像与核进行卷积）、腐蚀（与膨胀操作的操作相反）、开启（先进行腐蚀操作再进行膨胀操作）、闭合（先进行膨胀运算再进行腐蚀运算）四个基本运算，是视频图像处理中应用比较多的一种处理方法，运用其可消除前景上的噪声，并可把图像上孤立的像素连接在一起，使系统能够更完整地检测到对象.在具体实施时，要扫描一遍整个图像序列，扫描完成后，根据像素相应的标记值划分出所有的连通区域.表示前景运动目标的方法主要是使用最小外接矩形来表示，但实际中，摄像枪拍到的往往不是车辆的正面，此时若继续采用最小外接矩形来表示运动目标，产生的“空洞”就会比较大，改良系统则是先求出最小连通区域的最小外接矩形，车辆的车道线偏向则由其的运动轨迹来决定，如果车道线偏左，就用左偏的六边形表示，若偏右，则用右偏的六边形表示，若刚好和图像横坐标垂直则仍旧使用最小外接矩形.

3　交通事件检测算法研究

运动车辆跟踪算法对事件检测效果有着比较大的影响，因此其是事件检测系统的核心，其采用卡尔曼滤波识别跟踪目标车辆，分割黏在一起的车辆，合并分割的车辆.本文接下来将会对基于视频图像的逆行检测算法进行探讨.在车辆跟踪算法中，要使得连续图像序列中的车辆位置中心构成车辆的运行轨迹，车辆位置的表示就需要选择图像中识别到的车辆外形的外接矩形中心点.在固定的道路上，行驶方向的正方向是已经定好的，根据车辆的运动轨迹和已定的正方向，就可以知道车辆是否是逆行的.但在实际生活中，会有很多不确定因素的干扰，因此，仅通过两个轨迹点很容易产生错误，是不能用其来判断的.我们应该用更为谨慎的方法来判断车辆的行驶状况.避免偶然因素对影响判断，使结果差之甚远.

在序列图像中，比较目标车辆对应的位置的隔帧，记录比较的结果，如果是负数，计数器加1，依次比较k次，如果与k的比值达到阈值T，就判定目标车辆是逆行的，阈值大小与k值可以根据具体场景的复杂程度而定，一般来说，比较次数越多，判定结果越准确，但考虑到计算量的问题，比较次数也不宜过多.大量的实验结果说明，如果运用此算法的话，在正常情况下，在车辆出现的1.5秒内就能够判断出它是否有逆行行为，判断结果的准确性也是极高的.

4　结语

经济的发展使得人们的生活水平有了较大的提高，生活方式也逐渐变化，更多的人们以私家车作为出行的工具，这给道路交通方面带来了很大的负担，交通要道越来越拥堵，事故事件的发生也愈来愈频繁，为提高道路的通行能力，减少事故事件的发生，对交通异常和交通事件进行检测必须迅速而又准确，因此数字图像处理技术和计算机视觉技术在基于视频图像的逆行交通事件检测方法中的应用也越来越受到人们的重视.基于视频图像的视频检测系统利用公路原有的监控系统提供的图像信息，再用计算机技术图像对接收到的图像信息进行识别和处理，准确而迅速地检测交通事件，为实现交通参数的提取和突发事件的自动检测、记录和报警提供了先进的手段.这种基于视频图像处理的检测系统能够适应我国道路交通发展的实际需要，拥有良好的市场需求和社会经济效益.

〔1〕林浪桥.基于视频图像的交通事件自动检测系统关键算法研究［D］.华南理工大学，2013（12）.

〔2〕朱婧.基于视频图像分析的交通事件检测方法研究［D］.长安大学，2007（6）.

〔3〕钱金法，余惠芬，赵力，邹采荣.基于视频的交通事件自动检测方法的研究［J］.电视技术，2010（11）.

TP391.41

A

1673-260X（2016）04-0063-02

2016-02-18