公路夜間車流量統(tǒng)計(jì)范文

本站小編為你精心準(zhǔn)備了公路夜間車流量統(tǒng)計(jì)參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

1引言

社會(huì)經(jīng)濟(jì)在不斷發(fā)展，城市人口和機(jī)動(dòng)車輛在不斷增加，交通監(jiān)控管理越來越受到社會(huì)各方面的廣泛重視。應(yīng)用先進(jìn)的監(jiān)控技術(shù)，建立完善的道路交通監(jiān)控管理系統(tǒng)，實(shí)現(xiàn)城市道路的現(xiàn)代化管理，從而有效地規(guī)劃城市道路和抑制交通事故的發(fā)生，也可以減輕道路工作人員的負(fù)擔(dān)，減少社會(huì)財(cái)產(chǎn)的損失，這個(gè)問題已成為各地交通管理部門最為關(guān)注的問題。對交通的監(jiān)控應(yīng)該在不同的環(huán)境、天氣和光照條件下都能正常有效地工作，對道路做到完全的實(shí)時(shí)監(jiān)控，完善夜間道路的監(jiān)控系統(tǒng)是非常重要的。為達(dá)到此目的，檢測思想和算法也在不斷的改進(jìn)和革新。有基于檢測線的［1－2］、檢測窗口的［3］，以及整幅圖片的，大部分算法都是基于整幅圖片的研究［4］。夜間，很多中小城市道路的光照條件還不是很好，運(yùn)動(dòng)車體大部分不可見，車輛的顯著特征就是車頭燈以及它的投射光束，還有道路兩旁的路燈和道路上的斑馬線［5］，并且夜間的背景和這些特征的亮度差別很大。在夜間光照條件不是很充分的情況下，根據(jù)以上特征對視頻序列圖像進(jìn)行閾值化，然后通過形態(tài)學(xué)分析便可以提取出車燈輪廓，最后根據(jù)車頭燈之間一定的距離分離出車燈對，將其作為運(yùn)動(dòng)目標(biāo)，對其進(jìn)行跟蹤來統(tǒng)計(jì)車流量，甚至可以通過車燈之間的距離估計(jì)出車型。

2車頭燈對的檢測過程

2．1視頻序列圖像預(yù)處理

根據(jù)夜間道路的顯著特征，對目標(biāo)檢測影響較大的因素主要是車燈投射的光束，通過預(yù)處理盡量消除此因素是關(guān)鍵。有通過“浮雕”［6］做處理，如圖1(b):計(jì)算圖像的每一個(gè)像素與其左上方像素之差，最后提取車體，從圖中可以看到車燈明顯突出，而在兩輛車靠近時(shí)車體連接在一起。因此車燈提取是最簡單的方案。實(shí)驗(yàn)研究中所用數(shù)據(jù)是三通道彩色圖像序列，整個(gè)過程是對單通道做處理。通過閾值化將背景和前景分開:當(dāng)圖像的像素值f(x，y)大于設(shè)定的閾值T時(shí)就把該像素賦值為255，否則賦值為0(如式1)。分離出來的前景包括車燈、車燈投射的光束以及一些小的噪聲，形態(tài)學(xué)分析里的腐蝕可以去除小的噪聲，也可以把一些輪廓分開，本文采用3×3的算子進(jìn)行了2次腐蝕(如圖1(c))。最后通過對連通區(qū)域的最小值進(jìn)行設(shè)置，去掉一些較小的噪聲，找出輪廓的連通區(qū)域(如圖1(d)連線在下文介紹)。該預(yù)處理效果很好，利于后期研究的進(jìn)行。

2．2車頭燈對的檢測

檢測運(yùn)動(dòng)目標(biāo)常用的算法是幀差分和背景差分［7］算法，前者在靜態(tài)時(shí)目標(biāo)信息被差去無法檢測，后者對光照特別敏感，以及將二者進(jìn)行或［8］的運(yùn)算。有基于顏色和運(yùn)動(dòng)信息［9］來檢測車流量的，此方法在車輛有一個(gè)車燈駛出拍攝范圍時(shí)受到限制。該過程的目的就是從圖像序列中將車頭燈的輪廓提取出來。從圖1可以看到預(yù)處理結(jié)果中只有車燈、車燈投射的光束以及疑似車燈的輪廓。通過對多組數(shù)據(jù)的觀察與研究發(fā)現(xiàn)一般車燈的輪廓接近圓形或矩形，且其長寬和面積都在一定范圍之內(nèi)，這樣可以把一小部分干擾剔除掉，再根據(jù)兩個(gè)車頭燈之間的距離，以及車輛無論是在靜止、直行還是拐彎時(shí)兩個(gè)車頭燈輪廓的縱坐標(biāo)位置，就可以很準(zhǔn)確地把兩個(gè)車頭燈輪廓進(jìn)行配對。由于車輛有可能有一些裝飾燈(除了主燈之外)，所以此過程也將一些能提取出來的裝飾燈進(jìn)行配對。根據(jù)主燈的面積大于裝飾燈，把主燈的輪廓信息存儲(chǔ)以備后續(xù)研究應(yīng)用。此部分的閾值都是根據(jù)視頻序列圖像的具體情況而設(shè)定的。為了能直觀地看到車頭燈檢測以及配對效果，在輪廓的連通區(qū)域圖像上將主燈和裝飾燈都分別配對連線(如圖1(d))，在原始序列圖像上只對主燈進(jìn)行連線(如圖2)。對于一些拐彎的車輛只留一個(gè)主燈在攝像范圍內(nèi)，可以根據(jù)主燈離圖像邊緣的距離猜測是否它的車牌大部分還在圖像中，如果是就把該主燈和邊緣處連線表示此車也被檢測到。所有被配對成功的車頭燈對的信息包括當(dāng)前幀數(shù)、輪廓的中心點(diǎn)、輪廓區(qū)域、輪廓面積都被放在車燈對鏈中為下一步的跟蹤做準(zhǔn)備，如果是對單個(gè)車燈進(jìn)行配對，那么信息中有一個(gè)輪廓的區(qū)域?yàn)?，面積是該車燈面積。

3車輛跟蹤和車流量統(tǒng)計(jì)

3．1車輛跟蹤

夜間車體基本上不可見，車輛跟蹤主要是對車頭燈對的跟蹤。正常情況下車道上車輛的運(yùn)動(dòng)狀況只有向前運(yùn)動(dòng)，拐彎和靜止，異常情況會(huì)有倒車等現(xiàn)象，研究只針對于正常情況:(1)車體運(yùn)動(dòng)時(shí)車燈也在運(yùn)動(dòng)(2)車體靜止時(shí)車燈的位置不會(huì)變化根據(jù)以上兩種情況對車燈對進(jìn)行跟蹤，即對當(dāng)前幀的車燈對鏈(新鏈)TrackBlock［track］與上一幀的車燈對鏈BlockOld［old］(舊鏈)中的信息進(jìn)行判斷:Track是新配對的車燈對數(shù)目，old是上一幀配對數(shù)目，新舊鏈中每一對車燈對的輪廓連線中心點(diǎn)分別為p2、p1，面積分別為area2，area1a．如果兩個(gè)中心點(diǎn)橫坐標(biāo)差的絕對值|p2．x－p1．x|在閾值(Dx1，Dx2)之內(nèi)，判斷兩個(gè)中心點(diǎn)的縱坐標(biāo)b．若其縱坐標(biāo)p2．yp1．y，車輛向前運(yùn)動(dòng)或靜止;或者Dy1＜(p1．y－p2．y)＜Dy2，由于光照影響造成輪廓大小變化也屬正常。符合上述兩種情況轉(zhuǎn)(c);否則轉(zhuǎn)(d)c．若area1＜area2＜k×area1，新鏈中的車燈對已經(jīng)存在;否則為新目標(biāo)。d．判斷下一車燈對。在每次判斷完之后都把新鏈中的信息存儲(chǔ)在舊鏈中。把當(dāng)前幀的車燈對鏈中的信息和舊的車燈對鏈中的信息進(jìn)行對比判斷后，當(dāng)前幀的車燈對鏈中的部分信息(幀數(shù))會(huì)被修改，用來標(biāo)記該車燈對是否已經(jīng)存在。判斷結(jié)果如圖2:藍(lán)、綠線表示新增車輛，紅、黃線表示已經(jīng)存在的車輛，紅、綠線表示兩個(gè)車燈都在圖像上，藍(lán)、黃線表示只有一個(gè)車燈留在圖像上的車輛。

3．2車流量統(tǒng)計(jì)

在對車燈對進(jìn)行跟蹤完后，新增車輛和已經(jīng)存在的車輛已經(jīng)完全分開而且明顯地標(biāo)注出來，每畫一條紅或黃線計(jì)數(shù)器Num就會(huì)自動(dòng)加一，方便從檢測到的目標(biāo)中減去已經(jīng)存在的目標(biāo)。最后對車流量進(jìn)行統(tǒng)計(jì)，從開始幀到當(dāng)前幀的車流量的相關(guān)計(jì)算過程為:設(shè)從開始幀到第i幀的車流量為carNum1，到第i+1幀的車流量為carNum2從上述中可知第i+1幀的新增車輛為:(track+1)/2－Num2則:carNum2=carNum1+(track+1)/2－Num2.

4實(shí)驗(yàn)結(jié)果及分析

采集到的實(shí)驗(yàn)數(shù)據(jù)是在夜間光照不充足的場景下，以兩個(gè)車道上車輛為主，其他車道車輛為輔，采用幀大小為1616×1232，幀速為25fps，像素類型為8位的RGB視頻序列圖像。實(shí)驗(yàn)結(jié)果如表1所示。表1實(shí)驗(yàn)測試表實(shí)際(輛)檢測(輛)檢測率(%)3939100949297．8從上述圖中可以看出車輛的車頭燈被完整地提取，車燈對被準(zhǔn)確的配對及跟蹤，從表中可以得出統(tǒng)計(jì)數(shù)據(jù)都超過97%，這對以后的夜間車輛檢測和跟蹤進(jìn)一步改進(jìn)打下了良好的基礎(chǔ)，不過由于車燈投射光束及天氣變化的影響，使得結(jié)果還不是很精確，還有待進(jìn)一步改善。

5結(jié)束語

該算法主要針對當(dāng)前一些城市地段夜間光照不充足，交通監(jiān)控系統(tǒng)不方便工作的狀況下，對夜間的車流量進(jìn)行了初步統(tǒng)計(jì)，得出的結(jié)果還比較滿意，為以后實(shí)現(xiàn)各種環(huán)境下的交通監(jiān)控提供了信息。由于交通監(jiān)控系統(tǒng)實(shí)時(shí)性和精確性的要求，該算法的時(shí)效性和精確性都還需要進(jìn)一步優(yōu)化和提高。夜間車輛檢測中的遮擋和車燈投射的光束問題是一直以來該領(lǐng)域的難點(diǎn)。研究中同時(shí)對兩個(gè)車道上的多個(gè)車輛進(jìn)行處理，結(jié)果中投射光束的影響基本上不存在。由于該視頻序列是在實(shí)際的交通場景下拍攝的，有一些公交車和小型車輛之間存在一些遮擋，遮擋問題如何解決是今后研究當(dāng)中需要考慮的。