摘? 要： 針對(duì)基于視覺的交通監(jiān)視系統(tǒng)" title="監(jiān)視系統(tǒng)">監(jiān)視系統(tǒng)中路況圖像背景去除存在的種種問題,提出了一種基于邊緣的背景去除算法。該算法簡(jiǎn)單且容易理解。實(shí)踐證明,用該算法能夠有效地去除背景信息。
關(guān)鍵詞： 交通監(jiān)視? 背景去除? 邊緣提取
?
智能交通" title="智能交通">智能交通監(jiān)視系統(tǒng)是智能交通系統(tǒng)(ITS)的重要組成部分,該系統(tǒng)通過傳感器實(shí)時(shí)估計(jì)交通參量。一種方法是使用磁環(huán)路檢測(cè)器來計(jì)算汽車流量,此法自身的缺陷是很明顯的:
(1)能夠監(jiān)測(cè)的交通參量有限,僅限于汽車流量及速度的監(jiān)測(cè);
(2)監(jiān)視范圍較窄,只能監(jiān)視一個(gè)車道情況;
(3)不便于安裝,一般需對(duì)路面挖掘以埋入檢測(cè)器。
另一種方法是通過處理采集到的交通路況圖像序列,實(shí)現(xiàn)車輛目標(biāo)的檢測(cè)、識(shí)別及跟蹤,實(shí)時(shí)提供交通流量、速度及密度等信息?；谝曈X的此種方法無上述的限制。用一個(gè)安裝在路桿或橋頭的攝像頭即可實(shí)現(xiàn)對(duì)多個(gè)車道的監(jiān)視,且能夠?qū)囕v類型等多個(gè)參數(shù)進(jìn)行估計(jì),因此有著無可比擬的優(yōu)勢(shì)。
一個(gè)典型的基于視覺的監(jiān)視系統(tǒng)流程圖如圖1所示。
?
?
基于視覺的實(shí)用的交通監(jiān)視系統(tǒng)應(yīng)滿足如下要求:
(1)安裝和校準(zhǔn)容易。
(2)環(huán)境適應(yīng)能力強(qiáng)。系統(tǒng)能在各種光照條件下工作,如強(qiáng)烈日光下存在較重的陰影、夜晚低亮度的照明以及夜晚汽車前燈的強(qiáng)光。
(3)能準(zhǔn)確地估計(jì)車輛速度及尺寸。
(4)能夠?qū)崟r(shí)地進(jìn)行處理,并且整個(gè)系統(tǒng)有低廉的成本。
1 背景去除算法分析
背景的去除在整個(gè)處理中占有很重要的地位,它直接關(guān)系到后續(xù)工作的難易程度。由于背景圖像是靜止的,用實(shí)時(shí)路況圖像與背景圖像相減即可濾掉背景而只保留車輛及其陰影信息。但仍存在以下問題:
(1)由于路面光照情況時(shí)刻在變動(dòng),背景圖像也在跟著變化,因此作差所用的背景圖像也必須實(shí)時(shí)進(jìn)行更新。
(2)攝像頭安裝在路桿上,當(dāng)路面上有汽車開過時(shí)會(huì)產(chǎn)生輕微抖動(dòng),得到的實(shí)時(shí)路況圖像也不可避免地存在“抖動(dòng)”,其與背景圖像的差值并不能完全濾掉背景信息,如圖2所示。
?
?
為了較全面地解決這些問題[1],將實(shí)際情況分成以下三類分別處理:??
(1)背景緩慢變化。
(2)背景劇烈變化。如:晚上路燈打開時(shí)。
(3)背景經(jīng)常性變化。如:當(dāng)重型汽車經(jīng)過時(shí)使背景圖像隨著攝像頭抖動(dòng)而抖動(dòng)。
仔細(xì)分析背景更新" title="背景更新">背景更新算法[1],發(fā)現(xiàn)存在如下幾個(gè)問題:
(1)背景更新時(shí)采用某一時(shí)段多幀圖像加權(quán)和,其主要目的是減少噪聲的影響,但如此得到的背景與實(shí)時(shí)背景有一定差異,因此濾除不凈。
(2)路況圖像劇烈變化時(shí),為了確定形成原因是由背景劇烈變化引起的還是由車輛經(jīng)過引起的,作了如下假設(shè):如果是由背景劇烈變化引起的,則圖像變化前后滿足線性關(guān)系:bnew(x)=αbold(x)+β并由此作為判據(jù)來進(jìn)行背景更新。事實(shí)上,由于路面各部分光學(xué)性質(zhì)的差異,上式并不十分嚴(yán)格,在路面較復(fù)雜(路面上有較多線條)的情況下易發(fā)生誤判。
(3)該算法按實(shí)際情況分成三類分別處理,需要對(duì)三種" title="三種">三種情況作出判別,整個(gè)算法相當(dāng)復(fù)雜,給實(shí)時(shí)處理" title="實(shí)時(shí)處理">實(shí)時(shí)處理帶來了困難。
2 基于邊緣的背景去除算法
針對(duì)上述問題,本文提出了一種簡(jiǎn)單而高效的基于邊緣的背景去除算法。該算法基于這樣一個(gè)事實(shí):在光照變化的情況下雖然背景圖像會(huì)發(fā)生變化,但背景的邊緣信息(即所處的位置)總是不變的(無論背景緩慢變化還是劇烈變化)。若用背景邊緣來標(biāo)識(shí)背景信息,則可不受光照條件的影響而使處理簡(jiǎn)單。因此,可將實(shí)時(shí)路況圖像的邊緣提取提前,再將得到的邊緣圖像與基背景邊緣圖像相減即可除掉背景。
基背景邊緣圖像的更新可通過多幀路況邊緣圖像的迭加來實(shí)現(xiàn):
式中,gi(x，y)為第i幀路況邊緣圖像。
按此式得到的迭加圖像不但將背景邊緣迭加,也將車輛邊緣迭加,為形成基背景邊緣圖像,必須將車輛邊緣去掉。對(duì)背景邊緣及車輛邊緣的分析可見,背景邊緣位置在各幀路況邊緣圖像中大致相同,迭加后得到增強(qiáng)。由于攝像頭可能存在抖動(dòng)而使各幀中背景邊緣位置也存在周期性小幅度的偏離,其結(jié)果是背景邊緣有加寬的現(xiàn)象,如圖3所示。因?yàn)槎秳?dòng)是周期性且小幅度的,最終結(jié)果是加寬邊緣的增強(qiáng);而車輛邊緣位置在各幀路況邊緣圖像中卻是隨機(jī)而零散的,迭加后雖然在某些重疊點(diǎn)上有所增強(qiáng),但增強(qiáng)的效果遠(yuǎn)不如背景邊緣,幀數(shù)越多越明顯。為此,簡(jiǎn)單的閾值判斷即可除去迭加路況邊緣圖像中的車輛邊緣,由此而得基背景邊緣圖像:
閾值bth由所取的幀數(shù)及攝像頭抖動(dòng)幅度決定(抖動(dòng)幅度越大,加寬越嚴(yán)重,單象素迭加量越少)。
由此得到的加寬背景邊緣與實(shí)時(shí)路況邊緣圖像中的背景邊緣存在差異,若直接將實(shí)時(shí)路況邊緣圖像與其相減,必定會(huì)留有殘余背景。但注意到后者是前者的一部分,所以改用包容性檢測(cè)來去除背景邊緣:
其效果是:如果實(shí)時(shí)路況邊緣圖像中某點(diǎn)在基背景邊緣圖像對(duì)應(yīng)點(diǎn)為邊緣點(diǎn)(即b(x，y)=1),則認(rèn)為該點(diǎn)為背景邊緣而除掉。當(dāng)然,由于車輛邊緣與背景邊緣可能存在一定交迭,上述結(jié)果會(huì)去掉一部分車輛邊緣信息,但車輛的框架仍保留,并不妨礙其提取。實(shí)際背景去除效果如圖4所示。
?
?
由此可見,用此算法來去除路況圖像中的背景是簡(jiǎn)單而高效的,非常適用于實(shí)時(shí)處理。
?
參考文獻(xiàn)
1 Zhigang Zhu，Guangyou Xu，Bo Yang，Dingji Shi，Xueyin Lin.VISATRAM:a Real-time Vision System for Automatic?Traffic Monitoring.Trans.Image and Vision Computing，2000(18):78～794?
2 D.Bullock，S.Mantri.Multimedia Data Model?for Video Detection Research，J.Transp.Engng 1995；121(5)：385～390
3 Sal D′Agostino.Commerical Machine Vision?System for Traffic and Control.SPIE， 1991(1615)：180～186