基于计算机视觉的实时车辆运动速度检测算法研究

谭呈祥

摘 要： 在对比了传统运动车辆实时检测方法的基础上，提出了一种新的G?C二重差分法，将视频流中的某一当前帧与背景帧进行边缘检测，将两帧的结果相减，得到梯度差分，再将此结果与背景颜色差分结果进行“或”运算，提高了车辆存在判断的准确度，此算法可以准确检测出路面运动车辆存在同时有效消除车辆阴影的影响，为后续车辆运动速度的实时检测提供了有力保证。基于运动车辆检测的结果，在VC环境下进行了编程实现，自动检测出运动车辆的实时速度，测试结果表明该算法效果很好。

关键词： 计算机视觉； 车辆检测； 速度检测； 消除车辆阴影

中图分类号： TN911.73?34 文献标识码： A 文章编号： 1004?373X（2016）09?0164?03

Abstract： On the basis of the comparison of the traditional moving vehicle real?time detection methods， a new G?C double difference method is proposed. The edge detection of a certain current frame and background frame in video stream is conducted， and then the results are subtracted from the two frames to get the gradient difference. After that the ″or″ operation for the difference result and background color difference result is performed to greatly improve the accuracy of the vehicle judgment. This algorithm can accurately detect the existing moving vehicle on the road and effectively eliminate the effect of vehicle shadow， which provides a strong guarantee for the real?time detection of the following vehicle moving velocity. Based on the results of moving vehicle detection， the programming realization was conducted in VC environment to automatically detect the real?time speed of the moving vehicle. The test results show that the effect of the algorithm is perfect.

Keywords： computer vision； vehicle detection； speed detection； vehicle shadow elimination

0 引 言

计算机视觉（Computer Vision）主要研究如何运用照相机和计算机获取被拍摄对象的数据与信息，形象的说，就是给计算机安装上“眼睛”（照相机）和“大脑”（算法）。目前，计算机视觉技术的应用领域十分广泛，其在道路交通管理中的应用更是取得了很好的效果。随着科学技术的飞速发展，现代交通在经济发展中所起的作用越来越大，而交通现代化带来的问题也越来越多，诸如交通拥挤、交通事故频发、交通环境恶化等。在这样的大背景下，智能交通系统（Intelligent Traffic System，ITS）作为一种强有力的交通管理手段应运而生，其高效率的管理特点使其成为当今世界道路交通管理的发展趋势，而计算机视觉技术则是ITS的重要技术支持。

实时车辆运动速度检测是ITS对交通实施监测和管理的重要一环，对车辆速度的检测一方面可以监控超速等违章问题，减少交通事故的发生，另一方面可以根据车速判断道路拥挤程度，进而迅速采取措施，保证道路交通的安全和畅通，从而实现智能交通管理的目的。在上一代ITS中，实时车辆运动速度检测的方法主要有线圈检测、激光检测、雷达检测等，这些速度检测方法多多少少都存在一定的问题，如容易受路基状况、自然环境等的影响精度降低，而在新一代ITS中基于计算机视觉的车辆速度检测法则大大提高了测速的精度，这有赖于计算机有一个“超强大脑”，即好的算法。

1 运动车辆的检测

运动车辆的检测是实时运动车辆速度检测的基础，使计算机能够自动的把相机摄取的视频里的静止物体与运动物体区别开，并且自动提取出运动物体。所以，在研究实时车辆速度检测算法前，先要研究运动车辆的检测算法。

1.1 现有运动目标检测方法比较

目前，常用的运动车辆实时检测方法主要有帧间差分法和背景差分法。

1.2.2 预处理帧的颜色差分

由于无论车身像素值是否低于路面像素值，其梯度边缘必然存在，而交通路面一般都很平坦，除了车道线外检测不到边缘，将当前帧与路面背景模型均进行边缘检测，再将两个边缘图像按式（8）做差得到运动物体的边缘梯度差分图像：

3 实验结果与分析

笔者用实际拍摄的视频图像对上述算法进行了试验测试，实验时模拟实际交通摄像机的安装情况，使其固定不动，计算机处理的速度约为20 f/s。首先将视频中的某一帧进行边缘检测，与背景做梯度差分，并与背景颜色差分的结果进行“或”运算，最后对图像去噪并二值化，通过测试多种路况、天气和光照条件，试验结果显示该算法可以在阳光充足、遇到物体阴影明显的情况下准确地将运动车辆从视频的背景中提取出来，并能准确检测出车辆的速度，如图3所示。

4 结 语

计算视觉的应用提高了智能交通系统的准确性，本文在对比了传统运动车辆实时检测方法的基础上，提出了一种新的运动车辆实时速度检测算法，此算法与传统的算法相比，可以更加准确地检测出路面运动车辆的存在，同时有效消除车辆阴影的影响，为后续车辆运动速度的实时检测提供有力保证。基于运动车辆检测的结果，进行编程实现，可以自动检测出运动车辆的实时速度，测试结果表明该算法效果很好。

参考文献

[1] MARR D， HILDRETH E. Theory of edge detection [J]. Royal society of London proceedings， 1980， 207（1167）： 187?217.

[2] 高富荣，方强.机动车地感线圈测速监测系统性能和检测方法研究[J].上海计量测试，2008（2）：27?28.

[3] 安福东.机动车的几种测速方式原理及性能的分析比较[J].警察技术，2003（3）：33?35.

[4] 姜永林，孙国栋.交通车辆视频测速技术[J].仪表技术与传感器，2007（9）：69?70.

[5] 弼程，彭天强，彭波.智能图像处理技术[M].北京：电子工业出版社，2004.

[6] 邢霄飞，李永宁，林木华.一种基于纹理分析的视频车辆测速方法[J].计算机应用，2005（12）：2803?2805.

[7] 周许超，屠大维，陈勇，等.基于相位相关和差分相乘的动态背景下运动目标检测[J].仪器仪表学报，2010（5）：980?983.

[8] 王芳林.稳健视觉跟踪算法中的关键问题研究[D].上海：上海交通大学，2009.

[9] BIMBO A D， DINI F. Particle filter?based visual tracking with a first order dynamic model and uncertainty adaptation [J]. Computer vision and image understanding， 2011， 115（6）： 771?786.

[10] 刘明.基于目标检测与跟踪的机动车视频测速方法研究[D].南昌：南昌大学，2007.