一種基于像素分析的夜間交通路況偵測方法

鄧向林

摘要：交通智能化管理是智慧型交通系統的重要功能之一，當道路發生交通堵塞時，系統能及時發現并相應進行疏導。目前對于路況實時視頻的監控方法側重于白晝時段，而對于夜間條件下則因為光源情況復雜難以應用。本文提出一種適用夜間實時交通狀況檢測的方法，通過分析影像畫面的光源亮度平衡及色彩調整，識別其中車輛剎車燈光及其光暈像素特征，并依據此類像素在連續畫面中的變化情況判斷所檢測路口交通擁擠程度。實驗結果表明，檢測正確率在80%以上。

關鍵詞：智慧交通；像素分析；夜間路況偵測

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2016）24-0217-02

1 研究背景

機動車數量的快速增長與道路運輸能力不足之間的矛盾使城區交通擁塞不可避免。為提高道路運輸效率，減少交通擁擠時間，各國政府對智慧交通系統（Intelligent Transportation Systems， ITS）的開發與應用日益重視。其中，視頻監控系統的運用較為廣泛，通過實時路況采集為交通調度提供第一手的信息，能有效地緩解在高峰時刻的擁擠現象。在白晝時段，此時交通環境的光照條件好，對前景物體的偵測與判定較為容易[1]；在光源復雜的夜間，則多采用偵測車頭燈的方法來采集或識別夜間交通信息，但當出現多部車輛并排或擁塞時，光源集中且出現光暈擴散，導致交通信息的采集困難[2-3]。由于都市生活的特點，城市在夜間的交通流量與日間相比差距不大，對夜間交通狀況的監控需求更為迫切。

2 文獻研究及建模

對視頻畫面中的前景物體偵測技術主要有三種：背景相減法、時間差異法、光流分析法。其中背景相減法是通過事先建立背景模型，然后將目前的影像畫面與背景模型做相減后比對得出前景物體的像素的方法。該方法運算較快且實現簡單，也是目前廣泛使用的方法，但如果畫面中有背景變化（如樹枝劇烈搖晃）則會增加識別的難度。時間差異法則是通過連續畫面的相減識別前景物體，與背景相減法相似，但不能識別靜止物體。光流分析法是以一張影像畫面上的某一個點為基礎，找出其他影像畫面同時具有一致性的像素點，較適合應用在追蹤獨立移動物體，但運算較慢。

Li等人曾提出一種以活動基模型（Active Basis Model，ABM）為基礎的圖形結構車輛偵測方法，在車輛正向是用擋風玻璃的圖形結構，反向則是用車輛尾燈的圖形結構檢測車輛；此方法耗時且對不同車型須手動設置系統參數，難以在實時交通監控系統中應用[4]。Liu&Luo對此提出了一種改進方法，以霍夫轉換法偵測所需觀察的區域，并利用車輛擋風玻璃與引擎蓋之間的邊界統一車輛數目，該法在車輛出現擁擠時也可快速準確的判斷車輛數量，但只限于光源充足的環境使用[5]。

由于對于夜間的影像常用的識別方式是通過對畫面上的光源觀察來辨識物體，假設夜間在發生擁塞時，那么必然出現多部車輛的減速或剎車情況，此時車輛后部的剎車燈將亮起。影像畫面顯示，當剎車為常踩狀態時，剎車燈的紅色亮度會比未踩剎車時更加明亮，其光暈部分也較為明顯（見圖1），因此可以通過識別剎車燈及其光暈變化來判斷是否發生擁塞。

3 實驗情況與分析

系統以Microsoft Visual Studio 2012為開發工具，使用程序語言為C#，視頻采集設備為固定式槍型攝像機，采集的影像大小為720×480 Pixels，畫面時間間隔為10幀/秒，在交通高峰時段采集，圖像文件以AVI格式保存。當系統判定影像連續畫面出現擁塞時，記錄發生擁塞的起始時間點；系統判定交通順暢時，則記錄交通擁塞的結束時間點。將系統判斷的擁塞起始點與結束時間點與人工識別情況對比，若兩者比對小于偏差，認為系判斷的擁塞情況為正確。測試結果顯示，系統的正確識別率為84.6%。

對于系統出現誤判的原因，主要有以下兩種。其一是部分道路的紅綠燈在深夜的時候會將具有規則性的紅綠燈變化切換為閃黃燈或閃紅燈，造成系統對所采集的影像進行亮度的平衡及色彩調整處理時出現偏差；其二是在城市道路的多線道路口會以紅、黃、左轉綠箭頭、前行綠箭頭、右轉綠箭頭等信號燈組合來管制車流，對于左轉車輛需要等到左轉綠箭頭亮時才能放行，此時系統判斷時會誤判為交通擁塞。

運用本研究的方法能有效識別夜間城區交通的擁擠情況，對于出現誤判的情況，希望能在交通畫面的關注區域增加車道分割并識別當時的紅綠燈燈號，以提高系統判定的正確率。

參考文獻：

[1]Kong J， Zheng Y， Lu Y， et al. A novel background extraction and updating algorithm for vehicle detection and tracking[C]，Proc. IEEE Int. Conf. Fuzz. Syst.Knowl. Discovery， 2007：464 -468.

[2] Chen T H， Chen J L， Chen C H， et al.Vehicle detection and counting by using headlight information in the dark environment[C]. In Intelligent Information Hiding and Multimedia Signal Processing， 2007，IIHMSP 2007， Third International Conference on， 2007， 2（1）：519-522， Nov..

[3]Zhang W， Wu Q M J， Wang G，et al.Tracking and pairing vehicle headlight in night scenes[S]. IEEE Trans Intell Trans Sys， 2012，13（1）：140-153.

[4]Li B Y，Tian B Li， Yao Q M.Vehicle detection based on the and-or graph for congested traffic conditions[C] .accepted， 2013，14（5）： 984-993.

[5]Liu Junwei， LuoShaokai.A novel image segmentation technology in intelligent traffic light control systems[C].Consumer Electronics， Communications and Networks （CECNet）， 2013 3rd International Conference on， 2013：26-29，.