基于视频图像处理的车辆检测系统

刘自选，王争争，王雅雯，李利果，焦建业，王 琳

(河南科技大学，河南 洛阳 471023)

1 背景介绍

智能交通系统是一个基于现代电子信息技术面向交通运输的，实时、准确、高效的综合运输和管理服务系统。针对当前交通领域的矛盾与冲突以及信息采集延迟性问题，能够实现实时监控交通运行情况，准确采集交通信息，实现自动控制球型摄像机的云台及镜头状态来动态跟踪车辆目标并进行行为分析[1]，从而有效监管车辆。基于视频处理的车流量检测设备安装简单、维护方便、运算快捷,能够有效减少误检率[2]。基于全视频图像的智能交通监控系统,所拥有的实时监控、布控、统计分析等基本功能的设计,可以从海量视频数据中将一些无法直接获取的有用信息通过智能分析、挖掘的手段提取出来,并以一种直观的形式呈现给用户,为广大公安民警与交通管理人员提供一个更加智能的业务辅助工具,从而进一步提升道路交通管理水平[3]，为使交通运行处于最佳状态，改善交通堵塞，提高运输能力和整个交通系统的机动性、安全性及效率提供了稳固的技术支持。

智能交通监控管理系统是现代化城市建设不可或缺的一部分，智能交通监控系统的普及可以使交通资源最大化利用。国内车辆监测发展过程主要分为四个阶段，上世纪80年代采用普通照相机和感应线圈相结合的方式，90年代通过数码相机和感应线圈相结合，做出了部分改进。2000年初期采用的是工业摄像机与感应线圈及工业控制计算机构成系统，之后一直采用的是工业摄像机和工业控制计算机控制的系统，通过监控区域所采集的实时图像进行分析处理。20世纪90年代初，我国开始关注智能交通系统的发展,并在城市道路交通管理领域开展了多项科研和工程实践。最开始时是建立“执法记录仪管理系统”配合“电子数据采集系统”用于传输、处理收集的电子证据。但是大量建设子系统缺乏对智能交通监控系统的系统性、条理性管理。系统信息交流首先打破资源岛的封锁，通过超越管辖区域和交通方式的使用及管理实现信息资源的紧密连接，是智能交通监视系统发展的必然趋势[4]。目前交通控制系统决定了影像检测技术在城市道路视频监控中的位置和作用，影像检测技术为城市道路影像监控中的应用提供了前提[5]。我们所做的开发系统的最终目标是用最新的算法进行运动目标的检测及跟踪，设计出一个完善的智能交通监管系统。

2 程序设计

2.1 智能交通监控系统的设计框架

本系统共有五个模块：视频采集模块、运动目标检测模块、运动追踪模块、规则判别模块、前台用户交互界面。视频采集模块是用摄像头采集视频并传送到服务器，实现视频的采集；运动目标检测模块用混合高斯模型训练背景图像，循环读取视频的每一帧，来获取运动目标的信息即车辆的型号、颜色、车牌号等并发送到运动目标追踪模块；运动目标追踪模块接收到运动目标检测模块发送的信息后，根据已接收到的信息追踪车辆；规则判别模块根据已追踪到的信息判别是否违反规则；前台用户交互界面将检测到的信息及交通参数呈现给用户，例如单位时间内车流量、平均车速、拥堵状态判断等。基于视频图像处理的智能交通监控系统的设计方案图如图1示。

图1 智能交通监控系统模块

2.2 检测追踪

2.2.1 采集目标视频

首先判断是否有车辆通过，在有车通过的情况下将缓存视频，将采集到的视频信息输入到客户端进行读取。

2.2.2 读取视频

1) 视频图像处理

彩色图像灰度化：彩色图像灰度化采用分量法，将RGB图像中的三个分量的灰度值提取出来作为三个灰度图像，可以按照需要选择其中一个作为该图像的灰度图像。

图像滤波去噪：图像过滤器的作用是抑制影像噪音，保存图像细节，这是图像处理中最重要的阶段，高斯滤波是过滤高斯白色噪音的有效方法，并且可以更好地保存图像的细节信息，因此，选择高斯滤波作为本文图像滤波去噪的方法。

图像二值化：图像二值化是将处理过的图像的所有像素值设为0或1，以黑白制作的过程，本文采用的图像二值化算法为最大间类方差法。

图像形态学处理：本文采用开运算作为形态学处理方法，开运算可以消除图像中的细小黏连，可以保持目标区域大小基本不发生改变。

图2 图像处理效果

2) 运动目标检测

背景差分法是最常用的运动检测方法，是一种利用当前图像和背景图像之间的差分检测运动区域的方法，它可以提供最完整的特征数据，但是它对动态场景中的更改，例如灯光和其他事物的改变比较敏感。背景差分法在运动目标识别中具有快速、准确、易于实现的特点，其关键是背景图像的获取。

背景差分法的原理是用背景参数模型近似代替背景图像的像素值。然后用视频当前帧和背景图像做差分运算，从而提取出前景目标。背景差分法需要设定一个阈值，差分图像像素值小于阈值的像素被当做背景像素，大于阈值的被当做前景像素。

图3 背景差分法效果图

整个视频图像的程序处理流程如图4所示。

图4 程序流程示意图

车辆检测结果如图5所示。

图5 车辆检测结果

3 实验结果与分析

经多次实验证明，本文开发的基于视频处理的车辆检测程序能够实现较好的监测效果，但仍存在一定的误差和漏检，经分析得，出现误差和漏检的主要原因如下：

1) 车辆颜色不均匀，经过灰度化处理之后得到的灰度图颜色也不均匀，使得提取到的前景图不完整，一个车辆会有多个外接矩形而造成误检。

2) 早晚光线会有变化，背景图会随着光线变化而发生变化，可能会存在把光线变化的背景图误检为前景图，非车辆也会有外接矩阵。

程序还存在一定缺陷，有很多的改进余地，后续可进行更多研究，研究出一种误差更小、能够实际应用的车辆检测系统。

4 结语

本文对视频车辆检测进行了研究，其中包括视频图像处理和车辆目标的提取跟踪，完成了基于视频处理的车辆检测功能，该设计程序准确率较高，但仍存在一些缺陷，可完善之后再应用于实际情况中。