及時(shí)、有效地采集道路交通信息(流量、車速、占有率、車型等)是實(shí)現(xiàn)智能交通系統(tǒng)ITS(Intelligent Transportation System)的一個(gè)關(guān)鍵環(huán)節(jié)。目前，用于道路交通信息采集的最常用的方式有：地埋式感應(yīng)線圈、微波、超聲波、全球衛(wèi)星定位(GPS)、視頻檢測(cè)等。其中，視頻檢測(cè)與其他常用的檢測(cè)方式相比具有以下優(yōu)點(diǎn)[1-2]：(1)可以提供更直接的交通場(chǎng)景。(2)檢測(cè)范圍大，可提供的交通參數(shù)多。(3)安裝、維護(hù)方便，對(duì)路面地基無(wú)損壞等。此外，隨著計(jì)算機(jī)軟硬件技術(shù)和圖像處理、人工智能、模式識(shí)別等技術(shù)的不斷發(fā)展，視頻檢測(cè)的實(shí)時(shí)性和正確率已達(dá)到了較滿意的程度,正受到交通經(jīng)營(yíng)、管理部門和研究人員的關(guān)注，并被應(yīng)用到實(shí)際的交通管理中^[3]。
　　本文基于視頻檢測(cè)技術(shù)設(shè)計(jì)了一種高速公路交通信息采集系統(tǒng)，系統(tǒng)能夠?qū)Σ杉慕煌ìF(xiàn)場(chǎng)視頻信息進(jìn)行實(shí)時(shí)分析處理，從而實(shí)時(shí)、有效地獲取用于反映道路交通狀態(tài)的基本信息(如：車流量、車型、車速)，并且還可將這些信息傳輸?shù)街悄芙煌ㄏ到y(tǒng)的控制平臺(tái)，進(jìn)行信息發(fā)布、進(jìn)一步的控制等處理，以實(shí)現(xiàn)交通信息的智能獲取和控制。
1 系統(tǒng)框架
　　系統(tǒng)結(jié)構(gòu)框圖如圖1所示。系統(tǒng)通過CCD攝像機(jī)采集交通道路現(xiàn)場(chǎng)的視頻信息，傳輸給視頻處理器VIP(Video Image Processor)，視頻處理器對(duì)視頻信息進(jìn)行處理分析并檢測(cè)和跟蹤視頻信息中的車輛信息，然后再根據(jù)實(shí)際需求對(duì)檢測(cè)和跟蹤的結(jié)果進(jìn)行處理，得到相應(yīng)的交通參數(shù)，同時(shí)將交通參數(shù)傳輸給數(shù) 據(jù)服務(wù)器，提供給交通控制平臺(tái)使用。根據(jù)功能劃分，系統(tǒng)可以分為視頻采集與傳輸、視頻處理和信息處理三個(gè)模塊。

2 系統(tǒng)功能模塊的設(shè)計(jì)
2．1 視頻采集與傳輸模塊
　　視頻采集與傳輸模塊是交通信息采集系統(tǒng)中的第一個(gè)模塊，該模塊通過采集設(shè)備拍攝交通現(xiàn)場(chǎng)的視頻圖像并傳輸給視頻處理器。視頻圖像的整個(gè)流程是：CCD攝像機(jī)→光端機(jī)→光纖→光端機(jī)→圖像采集卡→視頻處理器。
　　在交通視頻采集過程中需要注意二個(gè)方面：視頻圖像中所能檢測(cè)的有效范圍和圖像的質(zhì)量。如果圖像中有效的檢測(cè)范圍太小，則獲取的車輛跟蹤路徑較短，獲取信息的可信度就會(huì)降低；如果視頻中的畫面模糊、對(duì)比度差、車輛遮擋嚴(yán)重，則會(huì)給后續(xù)的處理算法增加難度，同時(shí)也會(huì)降低采集信息的可信度。為此，在采集過程中通常要采取一些措施避免上述問題的發(fā)生。本系統(tǒng)是在道路上方架設(shè)龍門架(或在隔離帶架設(shè)T型架)，將CCD攝像機(jī)安裝在道路正上方的龍門架上，通過調(diào)整攝像機(jī)的俯角、左右偏角和鏡頭調(diào)節(jié)圖像中的檢測(cè)范圍以盡量避免車輛遮擋情況；通過調(diào)節(jié)攝像機(jī)的光圈、快門等獲取適當(dāng)對(duì)比度和亮度的視頻圖像。
2.2 視頻處理模塊" title="處理模塊">處理模塊
　　視頻處理模塊是系統(tǒng)的核心模塊，采集的交通信息直接或間接地來(lái)自車輛檢測(cè)與跟蹤的結(jié)果。因此，檢測(cè)與跟蹤的正確與否直接關(guān)系到采集的信息準(zhǔn)確與否。
　　車輛檢測(cè)與跟蹤的方法很多，本文根據(jù)高速公路和城市快速道路的特點(diǎn)，設(shè)計(jì)了一種基于視頻檢測(cè)的高速公路車輛檢測(cè)和跟蹤算法^[4]，其算法流程如圖2所示。首先對(duì)一些參數(shù)進(jìn)行初始化，獲取應(yīng)用環(huán)境的一些基本信息，劃定檢測(cè)區(qū)(分為車輛檢測(cè)區(qū)和車輛跟蹤區(qū))，在檢測(cè)區(qū)按車道設(shè)置虛擬線檢測(cè)線(圈)(具體設(shè)置見參考文獻(xiàn)^[4])，然后按車道對(duì)虛擬檢測(cè)線(圈)進(jìn)行檢測(cè)，當(dāng)檢測(cè)到有車輛進(jìn)入時(shí)，便建立一個(gè)與之對(duì)應(yīng)的對(duì)象，跟蹤區(qū)則根據(jù)跟蹤對(duì)象的情況進(jìn)行跟蹤，如果跟蹤區(qū)沒有跟蹤對(duì)象，則不對(duì)跟蹤區(qū)進(jìn)行分析。通過這種模型可以減少跟蹤時(shí)搜索的盲目性和計(jì)算量。

2．2．1 車輛檢測(cè)
　　車輛檢測(cè)實(shí)質(zhì)上就是對(duì)運(yùn)動(dòng)物體" title="運(yùn)動(dòng)物體">運(yùn)動(dòng)物體的檢測(cè)，基于視頻檢測(cè)的運(yùn)動(dòng)物體檢測(cè)方法有光流法、模式匹配法、鄰幀差分" title="差分">差分法、背景幀差分法等。由于光流法、模式匹配等方法的計(jì)算量太大，不利于實(shí)時(shí)檢測(cè)；鄰幀差分法計(jì)算簡(jiǎn)單，對(duì)運(yùn)動(dòng)物體檢測(cè)效果好，但對(duì)于運(yùn)動(dòng)很快或者緩慢的車輛檢測(cè)效果不佳；背景幀差分法提取目標(biāo)直接，但需要一個(gè)好的背景提取和更新算法。根據(jù)以上分析，鄰幀差分法和背景幀差分法各有優(yōu)點(diǎn)和不足，因此，本系統(tǒng)綜合這兩種方法：即通過背景幀差分法檢測(cè)運(yùn)動(dòng)物體，而通過鄰幀差分法判斷運(yùn)動(dòng)物體是否是陰影。具體步驟如下：首先通過基于像素統(tǒng)計(jì)的背景更新方法動(dòng)態(tài)更新背景，然后以式(1)按車道對(duì)檢測(cè)區(qū)設(shè)置的多條虛擬線進(jìn)行實(shí)時(shí)檢測(cè)。

　　由于陰影也會(huì)引起flag_t曲線的變化，因此系統(tǒng)還需要判斷運(yùn)動(dòng)物體是車輛還是陰影。系統(tǒng)通過判斷運(yùn)動(dòng)物體是否具有下列特征來(lái)去除陰影的影響：(1) 有運(yùn)動(dòng)陰影時(shí)，其相鄰車道肯定有運(yùn)動(dòng)物體。(2) 檢測(cè)區(qū)域的灰度在有陰影時(shí)比無(wú)陰影時(shí)小。(3) 在相同的光照環(huán)境下，陰影路面中的同一點(diǎn)灰度值不變。(4) 陰影的紋理較車輛紋理簡(jiǎn)單。
　　當(dāng)檢測(cè)到有運(yùn)動(dòng)物體時(shí)，再分析運(yùn)動(dòng)物體是否具有上述特征以作進(jìn)一步判斷。

2．2．2 車輛跟蹤
　　車輛跟蹤是為了獲得車輛的運(yùn)動(dòng)軌跡，為計(jì)算交通參數(shù)提供依據(jù)。其實(shí)質(zhì)就是多目標(biāo)跟蹤，本設(shè)計(jì)采用的圖像采集卡的圖像采幀率是25幀/秒，即連續(xù)采集二幀的時(shí)間間隔是0.025秒。在這么短的時(shí)間內(nèi)，車輛在前后連續(xù)的兩幀圖像中的位置變化很小，因此，當(dāng)知道當(dāng)前幀中車輛的位置和速度時(shí)，就可以預(yù)測(cè)車輛在下一幀圖像中的位置范圍。根據(jù)這個(gè)特點(diǎn)，系統(tǒng)設(shè)計(jì)了基于預(yù)測(cè)的快速跟蹤法^[4]，該方法的基本思想是：選用車頭位置作為匹配特征，把預(yù)測(cè)的位置和測(cè)量到的位置的距離作為匹配相似量度，即先根據(jù)上一幀中各跟蹤對(duì)象O_k的速度和位置預(yù)測(cè)出在當(dāng)前幀中的位置P_k(x,y)，再根據(jù)背景幀差分法求出當(dāng)前幀中存在的車輛位置(本系統(tǒng)以車頭位置替代)M_i(x,y)。對(duì)于前一幀中的每一個(gè)跟蹤對(duì)象O_k，找出符合式(2)且使d(式3)最小的車輛對(duì)象Mk作為對(duì)象O_k在當(dāng)前幀中的跟蹤結(jié)果，并且將O_k更新為M_k。如果沒有找到，則認(rèn)為上一幀的對(duì)象O_k在當(dāng)前幀中消失。當(dāng)O_k在連續(xù)的幾幀中都消失時(shí)，則認(rèn)為該對(duì)象跟蹤失敗；當(dāng)檢測(cè)到車輛的位置超過了檢測(cè)區(qū)域時(shí)，則認(rèn)為該對(duì)象已離開跟蹤區(qū)。
　　
　　式中,Q_kx、Q_ky分別表示編號(hào)為k的上一幀跟蹤對(duì)象Q_k在x、y方向上的坐標(biāo)(其他類似)，threshold_θ是角度閾值，用來(lái)表示允許速度在方向上的偏差。
2．3 信息處理模塊
　　通過視頻處理模塊可以得到車輛運(yùn)動(dòng)軌跡，但這些結(jié)果并不能被交通管理和統(tǒng)計(jì)部門直接利用，往往還需要根據(jù)具體要求對(duì)車輛檢測(cè)和跟蹤的結(jié)果進(jìn)行分析處理來(lái)獲取相應(yīng)的交通信息，如：某時(shí)間段的流量、平均車速、道路占有率、道路阻塞情況等。下面對(duì)流量、車速的信息和時(shí)間占有率的提取作一介紹。
2．3．1 流量信息
　　流量信息的提取主要通過對(duì)虛擬檢測(cè)線輸出的flagt曲線分析的來(lái)獲得。
　　flag_t曲線及其二值化結(jié)果。如圖3所示，首先將flag_t曲線(曲線一)進(jìn)行二值化得到曲線二，當(dāng)有上升沿時(shí)，記錄時(shí)刻t_n，再記錄與其相鄰的下降沿到來(lái)時(shí)刻t_m，T=t_m-t_n是虛擬線圈的觸發(fā)時(shí)間。為了避免相機(jī)的抖動(dòng)等干擾，設(shè)定了二個(gè)時(shí)間閾值α₁、α₂，如果α₁2時(shí)，則認(rèn)為有一個(gè)運(yùn)動(dòng)物體出現(xiàn)，否則認(rèn)為是噪聲。根據(jù)車輛檢測(cè)的方法進(jìn)行判斷，如果該運(yùn)動(dòng)物體是車輛，則將其編號(hào)并保存，同時(shí)記錄到達(dá)時(shí)刻T_N和離開時(shí)刻T_M，以便統(tǒng)計(jì)某時(shí)間段內(nèi)的車流量。
2．3．2 車速檢測(cè)
　　平均車速主要是通過對(duì)車輛跟蹤結(jié)果的分析來(lái)獲取。首先根據(jù)初始化時(shí)標(biāo)定的路面坐標(biāo)，計(jì)算出跟蹤區(qū)的實(shí)際長(zhǎng)度S，然后根據(jù)對(duì)象在跟蹤區(qū)存在的時(shí)間T計(jì)算出車輛在跟蹤區(qū)的平均速度，其計(jì)算公式如下：
　　
　　式中，k為車輛出現(xiàn)的次序號(hào)。
2．3．3 道路占有率
　　道路占有率是用來(lái)描述交通密度的分布特征的，分為空間占有率和時(shí)間占有率。占有率越高，表示交通密度越大。這里介紹時(shí)間占有率：即在某一時(shí)段內(nèi)，車輛通過某一斷面的累計(jì)時(shí)間占觀測(cè)時(shí)間的百分比，稱作時(shí)間占有率，可用式(5)計(jì)算:
　　
　　式中，R_t為時(shí)間占有率(％)；T₀為觀測(cè)時(shí)段(秒)；t_i為第i輛車通過觀測(cè)面時(shí)占有的時(shí)間(秒)，可通過車輛經(jīng)過跟蹤區(qū)的幀數(shù)來(lái)獲??； n為觀測(cè)時(shí)段內(nèi)通過觀測(cè)斷面的車輛總數(shù)(輛)。
3 系統(tǒng)實(shí)現(xiàn)與結(jié)果
　　在本系統(tǒng)設(shè)計(jì)中，將視頻處理和客戶端系統(tǒng)集中在一起，運(yùn)行在配置為P4、2.0G，RAM為512MB的工業(yè)控制機(jī)上。采用Windows xp操作系統(tǒng)，利用VC＋＋6.0開發(fā)工具實(shí)現(xiàn)車輛檢測(cè)和跟蹤算法、數(shù)據(jù)的網(wǎng)絡(luò)傳輸以及數(shù)據(jù)的動(dòng)態(tài)顯示和人機(jī)界面。檢測(cè)的數(shù)據(jù)和交通視頻信息在客戶端動(dòng)態(tài)地顯示，同時(shí)傳輸給數(shù)據(jù)服務(wù)器備份。檢測(cè)的數(shù)據(jù)保存在數(shù)據(jù)庫(kù)中，以利查詢、分析；交通視頻信息則按時(shí)間段壓縮保存，便于查找回放。圖4是客戶端系統(tǒng)實(shí)現(xiàn)的一個(gè)主界面，可以實(shí)現(xiàn)各路視頻信息的顯示與隱藏、各車道動(dòng)態(tài)流量曲線的顯示、虛擬檢測(cè)線等系統(tǒng)參數(shù)的設(shè)置和修改等功能。