基于Horn-Schunck光流算法的交通汽车跟踪系统研究

苏友健 蒋学乾

[摘           要]  交通汽车监测跟踪系统能够有效锁定目标车辆，提取目标车辆的特征信息，一定程度上减少背景环境对车辆特征信息提取的干扰。为提高车辆的追踪效率，提出了将Horn–Schunck光流算法应用到视频监控仿真系统中，对交通视频中汽车的运行进行检测和估计，通过MATLAB编程、GUI界面设计和Simulink仿真对比分析交通汽车的运动跟踪结果。该方法能够有效地跟踪目标车辆，锁定嫌疑人，达到监测交通流量、查处违法违章、车辆视频图像提取等目的，具有较高的实用性、创新性。

[关    键   词]  Horn Schunck光流法;帧差法 Simulink;仿真应用

[中图分类号]  U495                    [文献标志码]  A                      [文章编号]  2096-0603（2020）18-0074-02

一、国内外研究现状及发展动态

随着近些年科学技术、经济基础的颠覆性发展，交通汽车数量呈井喷式增长，交通压力猛增，交通形势愈发严峻。据保守预计，截至2050年，发达国家车辆保有量将激增至10亿辆，发展中国家则会超过25亿辆，由此带来交通拥挤、资源浪费、环境污染等问题。传统的交通管理方式对道路交通、车辆等信息进行监控的效果受限，加之智能化交通监管、大数据监测等新理念出现，欧美等发达国家争相开发应用智能交通系统。

交通汽车检测跟踪提取变化场景中的一系列不同时刻点截取图像中的场景车辆形状、位置和运动等信息。根据研究方法，它分为基于特征的方法和基于光流场，基于特征的方法的抽样点为离散型;光流场基于连贯的图像序列，直接对图像序列进行运动分析，并求出图像中每一像素所对应的物体运动信息[1]。基于光流场的汽车检测追踪将视频图像提取技术、动态监控系统与传统的交通工程学理论有机结合起来，更高效、准确地监控和处理实际道路环境运动汽车的参数，最大限度地发挥了智能系统的效用。

当前，全国范围内积极施行智慧交通城市工程，在北京实施了“科技奥运”智能交通应用试点示范工程后，广州、深圳、上海、重庆、济南、杭州等城市也分别做出突破性的尝试，智慧交通发展前景光明，基于光流场的汽车检测追踪将为减轻传统监控跟踪的压力，建设智慧型交通管理系统提供新助力和新思路。

二、交通运输汽车监测跟踪系统

（一）与传统交通监控的对比

道路摄像头通过感应线来感应汽车通过感应线带来的压力，经过传感器将信号采集到中央处理器，送寄存器暂存，再进行拍摄运动汽车，如此构成传统的交通监控;本系统是在一个摄像头连续拍摄录制的基础上完成的对运动物体（交通运动汽车）的连贯性跟踪，并同时提取车辆特征信息。

（二）本系统技术特点及优越性

与传统交通监控相比，本系统通过光流场技术、MATLAB编程、仿真设计等改进处理，能够减少背景场变化对监测跟踪带来的干扰，并且能够呈现出车辆动态轨迹，将车辆特征信息（车牌号码）作为数据，科学准确直观地体现在用户界面中，相比人工筛选，省时省力，更科学准确。

三、光流场技术

连续画面在某一时刻所有像素点组成了一种二维（2D）瞬时速度场，在这种二维速度矢量为图像里全部可视点三维速度矢量在成像表面的映射。光流不包含物体的运动信息和有关三维结构的信息，可以在排除场景干扰信息的情况下，检测出运动的图倒[2]。目前，应用光流场技术在分割图像、识别跟踪以及形状信息恢复等领域都有十分重要的应用。

（一）光流场检测运动

光流场技术首先对一个连续的视频图像帧序列进行处理，为图像中的每一个像素点初始化一个速度矢量，形成图像运动场;然后针对每一帧图像检測前景目标，如果某一帧图像出现了前景目标，找寻到其具有代表性的特征点（常以角点为特征点），两个连续的视频帧，通过寻找上一帧特征点在本帧的最优位置，可以得到前景目标在当前帧中的位置信息，最后依照各个像素点速度矢量特进行迭代，如此实现目标跟踪，分析图像动态信息[3]。

（二）光流计算方法

光流法检测运动物体，赋予图像中每个像素点一个速度矢量（光流），从而就构成光流场。如果提取图像中没有运动的物体，则光流场连续均匀，如果图像中有运动物体，运动物体的光流和图像的光流不同，光流场则不再连续均匀，可以由此检测出运动物体及位置。目前光流场的计算主要划分为基于梯度的方法、基于匹配的方法、基于能量的方法和基于相位的方法等，近些年光流法得到了较大发展，出现了许多改进算法，以时空梯度法中的Horn&Schunck方法为例：Horn-Schunck光流算法用一种基于灰度不变假设和光流场平滑假设的全局方法估计图像的稠密光流场。具体公式如下：

四、系统在MATLAB编程中的实现

MATLAB编程系统由一系列工具包所构成。这些工具包方便用户使用MATLAB的函数和文件，很多工具采用的是图形用户界面（GUI）。

MATLAB是一种高级矩阵语言，包含大量计算算法的集合并拥有从基本函数，囊括机械工程中应用到的全部数学运算函数。其中的很多运算操作，例如傅立叶变换和数据的统计分析、工程中的优化问题、稀疏矩阵运算、多维数组操作以及建模动态仿真等算法在交通运动汽车监测跟踪系统的设计实现中起到至关重要的作用[4]。

MATLAB编程还有数据可视化功能，即通过图像可视化形式呈现出抽象函数向量，并可以对图形进行标注和打印;利用MATLAB进行设计编程本系统还有利于图形用户界面（GUI）的制作。

（一）Simulink仿真系统的重要作用

Simulink用于对动态系统进行建模、仿真和分析，Simulink为用户提供了方块图进行建模的图形接口，仅使用鼠标操作即可完成，更快捷、更直观、更灵活。Simulink包含有Sinks（输出方式）、Source（输入源）、Linear（线性环节）、Nonlinear（非线性环节）、Connections（连接与接口）、Extra（其他环节）等子模型库，而且各个子模型库包含相应功能模块，用户可以定制、创建自己的模块，并且能即时得到系统的仿真结果[5]。研究通过Simulink搭建起车辆运动检测模型，加速对图像的算法运算和建模仿真，并采用计算视觉系统工具箱进行功能开发，包括进行特征提取匹配、目标检测跟踪、相机标定和运动检测等的算法实现。

（二）光流场交通运动汽车监测跟踪系统技术路线

通过光流场检测方法进行运动车辆检测，检测的流程如下图所示。首先，对光流场进行运算处理;其次，对光流场幅值进行阀值割取得出二值图，光流场幅值大的范围证明有车经过;随后用形态滤波、腐蚀和关闭对割取图形作处理，统计交通运动汽车基本参量等;最后通过面积比例判断对象是否为汽车，如果面积比过小则可能不是汽车，可能是噪声等杂物。

（三）视频背景晃动的处理方法

1.误差成因

上述运动交通汽车监测跟踪系统是基于视频背景固定（连续图像中背景灰度不发生变化）的监测系统，若由于拍摄有一定幅度抖动导致连续图像中背景灰度缓慢变化，或目标车辆运动速度和背景运动速度存在一定差异时，可通过能量运动检测法解决。

2.解决方法

通过计算图像的瞬时差分进行能量运动检测，并根据需要设定适境的滤噪门限，把图像分解出非运动区位和运动區位，并且对图像的时变微分进行运算估计，采用函数[6]：

在实际复杂交通环境条件下，单一方法难以解决实际问题，加之监测目标运动有实时性，往往需要多种方法结合应用。

五、结论

本文主要阐述了基于Horn–Schunck光流算法的光流场技术原理、特点及在MATLAB系统中的应用，为完善交通运动汽车监测跟踪系统的设计与仿真提供了一种研究方法，并结合可能出现的视频背景晃动所导致背景灰度缓慢改变的情况提供解决思路。研究分析的技术在各高校MATLAB实践教学中具有广泛应用空间，并为建设智慧型交通管理系统提供一定程度的新助力和新思路。

参考文献：

[1]吴进，童国豪，李乔深.基于区域卷积神经网络和光流法的目标跟踪[J].电讯技术，2018，58（1）：6-12.

[2]李成美，白宏阳，郭宏伟，等.一种改进光流法的运动目标检测及跟踪算法[J].仪器仪表学报，2018，39（5）：249-256.

[3]丁忠孝.视频监控图像的运动目标检测方法综述[J].电视技术，2008，32（5）：72-76.

[4]崔丽媛.让“十三五”智慧交通的脑洞更开放[J].交通建设与管理，2016（1）.

[5]赵小川.MATLAB图像处理：程序实现与模块化仿真（第2版）[M].北京：北京航空航天大学出版社，2018.

[6]刘衍琦，詹福宇.MATLAB图像与视频处理应用案例详解[M].北京：电子工业出版社，2015.

编辑 原琳娜