交通视频监控系统中的视频图像处理技术

杨春梅　杨柳

【摘 要】随着计算机视觉技术在交通系统中的广泛应用，如何在视频图像序列中进行车辆检测与跟踪成为一个重要的研究课题。本文基于图像处理领域的基本理论和方法，阐述了利用视频图像序列进行车辆检测和跟踪的重要性以及视频图像处理技术在交通视频监控系统中的应用。

【关键词】视频；图像处理；智能交通系统

交通视频监控系统是一个国家交通正常运行的有力保障。随着我国城镇化进程的不断推进和汽车的普及，交通问题日益严峻，道路拥挤、事故频发，加上不遵守交通规则的人比比皆是，使交通问题成为一直困扰我国的难题。而由于交通系统是一个相当复杂的庞大系统，所以监控起来十分困难。

随着计算机技术的发展，计算机视觉处理技术兴盛起来。计算机视觉处理技术是模拟人类视觉系统的一种技术，人类可以通过对视觉中感知到的信息进行适当的组合和联想以达到对外界信息进行判断的能力，计算机视觉处理技术就是要用计算机代替人类的大脑实现对采集到的信息进行处理，从而使计算机具有外部感知的能力，这对于交通视频监控系统具有非常重要的意义。

在智能交通系统中，基于计算机视觉的图像处理技术扮演着重要的角色，它以视频图像为分析对象，利用先进的算法去除干扰，具有直观、高效、精度高等特点。

1 交通视频中进行图像处理的重要性

交通视频检测系统的摄像机在工作时面临的是自然气象条件，这就意味着它要受到各种自然条件的干扰，比如强光、雾霾、粉尘、街灯等，由于光照条件不同所引起的图像差异远远大于由于人的不同所引起的图像差异，即使是在相同光照条件下，由于镜面反射的存在，同一物体的不同表面对光的反射不同，再加上粉尘、雾霾等的影响，从不同视角反映出来的图像有很大差异。外界光照的方向和强度还会随着时间不断发生变化，这些因素会导致采集的图像不清晰、重影、有阴影等，给基于视频的检测带来很大的难度。而视觉检测必须借助外界光线才能够获取图像信息，所以要把图像中的车辆信息完整清晰的反应出来，就要对静止的视频图像序列（即每帧图像）进行预处理。这些处理会涵盖图像色彩模式转换、格式转换、算法处理等。

2 交通视频监控系统的组成

交通视频监控系统一般由采集、传输、控制、显示四部分组成。

2.1 图像采集

图像采集工作由前端的摄像机完成，采集质量的好坏将直接影响视频图像处理的效果。如果视频图像中的车辆信息清楚，对比度好，无干扰信息或干扰信息少，将有利于车辆的检测和跟踪，反之，将不利于车辆的检测和跟踪。

2.2 传输

根据摄像机和控制中心之间距离的长短，会采用不同的传输设备，一般的传输方式包括视频基带传输、射频有线传输、光纤传输、电话线传输等。

2.3 控制

控制部分是整个交通视频监控系统的中心，由总控制台组成。总控制台可以进行信号的缩放、矫正、补偿、切换、遥控、记录存储图像等。

2.4 显示

显示部分的功能就是把传送过来的图像显示出来，由若干台监视器组成。

3 交通视频监控系统中视频图像处理技术的应用

3.1 车辆检测

对运动车辆的检测是交通视频监控系统的核心功能，通过对视频图像中的连续画面的变化分析能抽出运动车辆的特征，从而实现检测。但是由于运动的车辆受光线、灰尘、雾霾、阴影等因素的影响，给图像分割带来很大的困难。所以在进行车辆检测时，要对获得的视频图像进行处理，来提取目标车辆信息，常用的方法有帧间差分法、背景差分法、边缘检测法等。

3.2 车辆跟踪

对车辆进行检测的目的是辨别运动车辆，然而要想了解目标的运动参数，还要对车辆进行跟踪。车辆跟踪的核心内容是根据目标运动车辆的某些特征在不同的图像帧中进行目标匹配，用于匹配的特征包括位置、大小、形状，以及局部的点、线特征和整体轮廓特征等[1]。常用的车辆跟踪方法有基于区域的方法、基于特征的方法、基于运动估计的方法、基于模型的方法、基于轮廓的方法等。

3.3 阴影检测

阴影检测是交通视频监控系统的一项重要且具有挑战性的工作。运动目标车辆由于受各种光源的影响会产生阴影，而阴影与运动目标车辆具有相似的视觉特征和运动特征，所以前面介绍的车辆检测方法都不能有效地将阴影检测出来。阴影的存在会使车辆检测和跟踪产生误差，给交通参数的提取带来很大误差，因而阴影的检测与去除是视频检测的重点和难点。根据阴影形成的不同原理可以把阴影分成不同的类型，而不同类型的阴影又有不同的特点，这给阴影的检测和提取提供了可能。目前，阴影检测方法通常包括两大类：一类是基于阴影属性如颜色不变性、纹理不变性、低频性质等属性的检测技术，另一类是基于应用场景先验知识的模型的阴影检测[2]。

3.4 交通参数的检测

交通参数可以分为两类，一类是针对某一具体车辆的，如该车辆的车型、颜色、车牌、速度、重量等；另一类是针对某一具体路段的，如该这段的固定时间内的车流量、平均速度、车辆密度、车辆数目、路面占有率等。基于图像处理的交通参数检测需要实时处理大量的图像数据，这些参数的获得可以为交通执法提供依据，增加交通道路的容量。目前应用较为广泛的交通参数获取方法为虚拟线圈检测方法，很多学者都在此基础之上设计算法更加精密的检测系统。

3.5 车牌识别

车牌识别技术（Vehicle License Plate Recognition，VLPR） 是计算机视频图像识别技术在车辆牌照识别中的一种应用。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过车牌识别可以实现对停车场的收费管理、车辆定位、交通违法行为监控等功能，对于维护交通安全、实现交通自动化管理有很重要的意义。

视频图像处理技术在交通视频监控系统中应用的已经十分广泛，随着计算机视觉、人工智能理论的发展，对包含运动目标的图像序列进行分析和处理，能够实现交通管理的高效智能化。随着视频图像处理技术硬件的不断发展，我们所面临的挑战是如何找出与硬件相匹配的高效的软件技术（即先进的算法），使智能交通系统的功能更加强大和完善。

【参考文献】

[1]梁晓爱.基于视频的车辆检测与跟踪技术研究[D].山东师范大学，2010.

[2]许洁琼.基于视频图像处理的车辆检测与跟踪方法研究[D].中国海洋大学，2012.

[3]卫小伟.视频图像处理技术在智能交通系统中的运用[J].电子测试，2015（6）.

[4]姜旭.视频图像处理技术在智能交通系统中的应用[D].苏州大学，2009.

[5]张琪.基于层次的交通视频阴影检测方法[D].东北师范大学，2014.

[6]朱翔.基于图像处理技术的交通流量视频检测系统研究[D].燕山大学，2012.

[责任编辑：李书培]