1 引言  

    在智能交通系統(ITS)的眾多信息中，交通特征參數信息是最根本的，它包括車流量、車型分類統計、車流密度等。

  
    這些數據是交管部門制訂政策、采取措施、對交通設施進行規劃的科學客觀的依據。要構建完整的ITS系統，首先應建立一個能準確、高效獲得交通特征參數的交通信息采集系統，其核心是交通信息檢測技術。 

    近年來，基于計算機視覺和圖像處理技術的交通信息檢測技術(簡稱視頻檢測技術)逐步成為研究主流。其工作流程為：通過安裝在路面上方的攝像機采集交通圖像，應用計算機視覺和圖像處理技術處理圖像數據，獲取實時、豐富、動態的交通信息，進行交通的信號控制、信息發布等。其主要優點有：不破壞路面，安裝無須中斷交通，一次可檢測多條車道，檢測功能多和可記錄現場圖像等。 

     視頻檢測算法是整個系統的核心，其好壞將直接影響系統的檢測精度和檢測效率。而在近幾年ITS市場的推動下，基于視頻圖像分析和模式識別技術的交通檢測算法針對其特有的應用場合，逐步成為目標檢測技術的一個研究分支。 

      2 視頻檢測技術

      2.1 視頻檢測流程 

    視頻檢測技術即在視頻序列中提取感興趣的運動對象。在基于視頻的ITS系統中，目標車輛的檢測流程為：1)運動目標區域提取，即確定車輛可能存在的區域；2)目標確認，即對上階段產生的候選區域進行確認，判斷是車輛或背景；3)目標分割，通過識別出圖像中符合車輛特征的像素，將待識別的目標從背景中分離出來；4)目標跟蹤，依據提取出的特征匹配前后幀中的車輛，從而計算交通參數；5)目標分類，指依據幾何外形、紋理特征等對不同類型的車輛進行分類；6)后處理，根據應用需求計算交通參數，如車流量、車速等。 

      2.2 視頻檢測算法 

    基于視頻的交通流檢測方法，可分為如下4類：知識型，運動型，立體視覺型和像素強度型。 

    1)基于知識的方法利用車輛的形狀、顏色、對稱性等信息，以及道路和陰影等常識信息進行相關檢測。該方法簡單、直觀，易于編程實現，但需要估計多個經驗閾值，如車輛長寬的經驗比值、車輛邊緣的最小長度、車輛陰影與道路的灰度差異閾值等。經驗閾值準確與否，直接關系系統性能的好壞。 

    2)基于運動的方法主要利用序列圖像之間存在的大量相關信息進行車輛的預檢測，主要有光流法和運動能量法。光流法能檢測出獨立運動的對象，不要預先知道場景的任何信息，且適用于攝像機移動情況。但缺點是耗時大，對過于復雜、過快或過慢的運動檢測效果不好，不適合實時系統。運動能量法能消除背景中的振動像素，使按某一方向運動的對象突出顯示，但只能估計出運動對象的大概位置，而不能精確提取出對象。 

    3)建立在視差或頻差理論基礎上的機器立體視覺，運用兩個或多個攝像機對同一景物從不同位置成像獲得立體像對，通過各種算法匹配出相應像點，從而恢復深度(距離)信息。該方法能在車速很小時直接檢測其位置，但它要求正確標定攝像機，受車輛運動或天氣等因素影響，這是很難做到的。在基于立體視覺的車輛檢測中，常用IPM(Inversc Perspective Mapping)法估計圖像中車輛及障礙物的位置。 

    4)基于像素強度的方法直接檢測幀間變化，主要有時間差分法和背景差分法。時間差分法在一個較短的時間內檢查相鄰各幀之間像素強度的變化，非零像素被認為是運動對象造成的。該方法適合于動態變化的環境，但不適合攝像機運動的情況，也不能完整提取運動對象?，F有的背景模型基本是建立在統計模型基礎或其變種之上。該方法快捷簡單，實時性較好，適合運動快且形變較大的運動目標，但不適合有全局運動的場景，如不平坦或彎路較多的道路等。 

    雖然車輛檢測算法發展至今己有40多年，但解決下列問題是一項長期的任務： 

    1)車輛在尺度、位置、方向上的變化。例如進入視野的車輛具有不同的速度，在形狀、大小、顏色等方面都會產生變化。 

    2)車輛的外觀受車輛的觀察角度和鄰近物體的影響。同時，車輛之間的遮擋、光照條件的改變也會對車輛的外觀造成一定影響。 

    3)道路兩邊的場景在持續變化，環境光照隨時間和天氣改變。 

    4)巨大的圖像處理任務與系統的實時性要求。 

    因此，車輛檢測算法在識別速度和準確度上與人們的預想還有很大差距，今后的發展方向應該體現在提高算法的速度、準確度、自適應性方面。  

    3 基于視頻技術的交通信息檢測系統 

    基于視頻技術的交通信息檢測系統經歷了兩個發展階段。初階段采用的是基于PC平臺的檢測系統，主要是基于x86系列CPU外加存儲、擴展板卡、通信控制電路模塊構成，處理算法在通用處理器上運行。其主要優點是軟硬件擴展性好，器件支持廠家多。主要缺點是功耗高，一般在100 W左右；體積大，不利于安裝；在高溫、強灰塵環境下穩定性差?，F階段主要是基于DSP嵌入式平臺的檢測系統，其主要優點是功耗低，一般小于10 W，體積小，可在極度惡劣條件下工作及成本低。主要缺點是硬件擴展性差，器件支持廠家少，且開發復雜。 

    在國外，基于視頻技術的交通信息檢測系統從20世紀90年代起進入了商業化階段，成熟產品如美國ISS公司的Autoscope系列產品、美國ITERIS公司的lteris系列產品、英國Peek公司的Peek系統等。國內，基于視頻技術的交通信息檢測系統還處在初級階段，較成熟的產品如川大智勝公司基于PC平臺實現的系統。目前，國內外公司紛紛將產品研發方向轉向基于DSP的嵌入式平臺開發。 

    國內基于DSP的嵌入式系統還在探索階段。本實驗室一直致力于研究開發基于視頻識別技術、具有自主知識產權、適用于國內先進交通監控系統的嵌入式交通信息采集系統。本實驗室開發研制的嵌入式交通信息檢測系統，采用TI專用圖像處理DSP DM64X平臺。DM64X最高運算速度可達7 200 MHz，集成了多個視頻采集端口和10／100 Mbit／s以太網MAC控制器等。本系統使用600 MHz的DM642，峰值運算速度達到5760 MI／s(兆指令／秒)，可同時檢測8個車道，實時獲得8車道的車流量、占有率、車速、車型等信息。并具有10／100 Mbit／s以太網和RS-232通信接口，將檢測結果實時回傳到相關的交通信息平臺。 

    1)系統硬件實現方案 

    本系統以TMS320DM642為核心，以CPLD作為系統邏輯控制器，通過擴展視頻編解碼器、存儲器、10／100 Mbit／s以太網、RS-232等接口構成一個完整系統，如圖1所示。 

  

    視頻解碼芯片SAA7113將攝像機的輸出轉換為數字視頻輸入TMS320DM642，使用檢測算法對圖像數據處理后，將檢測到的各種參數通過以太網接口或RS-232接口發送到遠程通信服務器，再回傳到信息中心。根據不同的應用環境，通過本地RS-232修改系統的配置參數。系統的檢測結果可以“OSD'’方式直接疊加在原始圖像上，通過SAA7120轉換成復合視頻信號(CVBS)直接在監視器上進行顯示。 

    2)系統算法實現方案 

    結合交通檢測場景的特點，本系統選擇基于背景差分的圖像差分法作為檢測算法的基礎，算法實現請參考文獻[10]，流程如圖2所示。為保證算法性能，采用多種先進思想：考慮到背景構建的質量對系統性能的影響，采用一種利用連續3幀差分的運動估計方法構建初始背景，并用統計打分的策略實時對背景更新；為避免運動投射陰影可能被誤檢作車輛的一部分，提出一種邊緣重定位的陰影消除算法；為保證系統在環境光劇烈變化以及采集設備由于路面震動、風力作用等發生抖動時能正常工作，提出一種2值差分圖后處理的魯棒濾波算法；針對目前已有檢測系統沒有車輛跟蹤這一環節可能導致流量多計數的問題，提出同時利用車輛的位置信息、顏色信息和分形維信息對車輛進行匹配跟蹤的策略。 

  

    交通信息檢測系統要求能全天候工作。而白天沒有車燈，但車輛成像清晰；夜晚車輛成像不清晰，但車燈及路面反射光突出。因此，本系統采用不同的實現策略：白天檢測車輛本身，夜晚檢測車燈及路面反射光。這樣，白天可提取全部交通參數，夜晚由于不能獲取車輛信息，無法進行車型分類，但其他交通參數不受影響。實驗現場的測試表明，本系統的車輛識別率達到96.5％。車輛檢測的效果如圖3所示。圖3b，3d中的兩條白色直線為用戶設定的檢測區域。 

  

    

采用C語言編寫系統的接口配置／控制代碼，以保證系統的整體可讀性。為了保證系統算法的高效性，對系統的關鍵算法模塊進行了純匯編語言的編寫。表1是不同語言下代碼的效率對比，表中所列代碼段均針對分辨率為253