運動車輛探測研究的新方向與進展＊

梁艷平 索明亮

（北京交通大學城市交通復雜系統理論與技術教育部重點實驗室 北京 100044）

目前動態交通流數據主要通過安裝在路邊及路面下的交通檢測設備獲取，傳統的地面交通流檢測設備在設備安裝、采集數據精度、覆蓋范圍、各傳感器采集數據的相互評價體系等方面存在局限性［1］，尤其是在大范圍實時動態交通參數獲取方面，所能提取的交通參數有限，不能進行有效的運動車輛跟蹤與大范圍交通監控.利用遙感數據檢測交通特征來預測和分析交通狀況，已成為當下研究交通流參數提取領域的熱點內容.本文分析了智能交通領域運動車輛探測研究的新方向，總結出當前國際上基于遙感影像的運動車輛探測研究的發展情況.

1 運動車輛探測研究的新方向

智能交通領域對運動目標的檢測主要通過安裝在地面或路邊的固定式檢測設備進行，傳統的固定式交通檢測設備主要有如下局限性：（1）設備安裝及維修不方便，部分情況下對路面具有破壞性，影響路面交通；（2）檢測精度受環境因素的影響較大；（3）覆蓋范圍有限，大范圍交通流參數的獲取可靠性不夠；（4）后處理以及評估體系尚不很完善.隨著對地觀測技術的發展，基于遙感的交通應用日益引起重視，運動車輛探測研究出現新的發展方向.

成立于2001年的美國國家遙感交通運輸流應用協會（NCRST－F）由美國交通部和國家航天航空局支持，其研究重點是融合遙感數據和傳統地面交通數據于一體進行交通流的監控與管理，用于改善運輸系統的效率［2－3］.德國航空航天中心（Ger man Aer ospace Center）設計并制定了“TRA MRAD”計劃，利用基于航空航天的雷達移動目標識別技術進行道路交通監控，并進行了一系列的理論與實驗探索［4］.國際攝影測量與遙感雜 志 （Jour nal of Photogrammetry ＆ Remote Sensing，ISPRS）專門于2006年9月推出了“航空和航天監測地面交通（air bor ne and spacebar ne traffic monitoring）”主題專刊，討論了包括各種遙感影像空間數據探測車輛及活動的方法和交通參數提取相關的應用問題.基于遙感影像的運動車輛探測研究已經日益受到遙感和交通運輸領域學者的關注.與傳統的交通流檢測設備相比，基于遙感影像的運動車輛探測方法具有一次投入持久應用、不破壞路面、不影響地面交通、覆蓋面積大、獲取的交通信息量豐富等諸多優點，為交通管理與交通流動態監測提供了新方法與數據源，可能會帶來日常交通檢測和管理模式的新變革.

目前商用遙感影像的地面分辨率越來越高，已商業化并能夠提供高分辨率遙感數據的遙感衛星有蘇聯的KFA1000，法國的SPOT5，美國的Quick Bir d，美國的IKONOS，美國的Landsat7，中國的 CBERS－1／2，加拿大的 RADARSAT，歐洲的ENVISAT等.全世界廣泛使用的“谷歌地球（Google Eart h）”上的衛星影像最高分辨率可達0.61 m，近年來，美國連續發射了更高分辨率的商業衛星，如Geo Eye－1衛星能提供0.41 m全色（黑白）分辨率和1.65 m多譜段（彩色）分辨率，目標定位精度可達3 m的影像數據；2009年10月9日發射成功的 Worl dview－2衛星能夠提供0.5 m分辨率的全色和1.8 m分辨率的多光譜數據，還包括4個額外譜段（海岸、黃、紅邊和近紅外2），能進行精確變化檢測，這些都為運動車輛的監測與管理進一步提供了數據支持.

2 運動車輛探測研究的新進展

2.1 基于航空視頻圖像序列的運動車輛監測

與地面交通視頻檢測器的處理技術類似，利用航空視頻圖像序列進行動態交通參數提取的研究廣受關注.傳統的測量交通密度和速度的方法依賴于感應線圈和其他固定設備的局部測量，不能提供二維交通場景的整體信息，為了獲得大范圍交通流的準確信息，只有航空攝像機或固定在很高位置的攝像機能夠提供覆蓋所有路網的實時圖像.D.A.Grejner－Brzezinsk 等［5］對 機 載 圖 像數據和Li DAR數據進行交通流提取技術分別進行了綜述，并對二者數據融合進行提取的可能做了討論，其中Li DAR被證明是車輛提取并粗分類的一種很好數據源，數字圖像則支持精確的車速估計.

2.2 基于星載SAR圖像的運動車輛識別與檢測

雷達遙感數據有基于航空機載和星載兩種，就現有文獻分析來看，目前基于航空機載合成孔徑雷達（synthetic apert ure radar，SAR）圖像的運動車輛監測研究居多.近年來，隨著商業化高分辨率雷達衛星的成功發射，基于衛星SAR數據進行運動車輛探測的研究也日益受到關注，德國在2007年6月成功發射軍民兩用的TerraSAR－X雷達衛星之后對此進行了系統的研究，旨在為未來大范圍的道路交通監控提供可行的衛星傳感器系統.S.Hinz等［6］則對星載民用SAR圖像的運動車輛探測思路進行了討論，對TerraSAR－X圖像用于交通監測的參數進行了理論驗證，其理論空間分辨率為1～3 m，并進行了機載SAR實時數據模擬.F.Meyer等［7－8］針對 TerraSAR－X 衛星數據用于道路交通應用，介紹了地面的硬件及軟件需求，運動物體在數據中的特征以及加速度對運動探測的影響，融合各類先驗知識包括道路數據庫和道路車輛的雷達信號，提出了恒定誤檢率下的檢測方法，基于相位來估計車速，并采用了精度分析理論對探測精度進行了分析，且和實際真實數據進行了比較.S.Hinz等［9］提出了一種運動車輛探測與速度的估算方法，并能同步評價SAR數據處理對運動目標的影響，最后用真實的SAR數據進行了驗證.S.Suchandt等［10］基于雷達衛星TerraSAR－X數據開發了GMTI（gr ound moving tar get indication）處理系統用于交通信息的提取.

2.3 基于光學衛星影像的運動車輛探測

由于衛星視頻圖像獲取存在技術困難，基于光學衛星影像的運動車輛探測研究的文獻較少.現有的研究都屬于探索性研究，多利用星載系統的全色與多光譜成像光學軸不一致，二者在成像上存在較小時間差的特點進行運動車輛識別與探測.如Quick Bird和IKONOS的全色和多光譜影像都存在較小的時間差，最近發射的更高分辨率衛星如GeoEye－1、Worldview－1、Worldview－2也都如此.衛星影像上的運動目標在其圖像周圍會形成彩色的模糊邊緣，這一點已是共識，運動車輛可通過運動目標的彩色（紅藍）邊緣加以識別，如圖1所示.

圖1 衛星影像上的運動車輛（帶有紅藍彩色邊緣）

利用這一現象與特點，M.Etaya等［11］研究了利用Quick Bir d衛星單景圖像數據進行地面運動物體檢測的可能與方法.Quick Bir d衛星捆綁數據產品包括全色和多光譜圖像，二者由于拍攝時間存在約0.2 s的時間間隔，可看作是同一地區的連續2個分辨率不同的圖像，應用這一規則可簡單地采用所在地區同一尺寸和時間段下的多光譜圖像和全色圖像疊加來檢測運動目標，如飛機，船只，車輛等.目標移動的距離和速度可以通過測量其在極短時間內的位置改變來實現.論文介紹了其他研究尚未涉及到的運動車輛及其相關參數的探測，受圖像分辨率的影響可檢測到圖像上以11 k m／h以上速度移動的車輛目標，其中的關鍵在于不同分辨率的全色和多光譜圖像的融合匹配，在處理的過程中需進行圖像糾正.此運動目標檢測方法也在Spot圖像上得到成功驗證，M.Etaya等［12］利用Spot圖像對2004年蘇門答臘北部地震中的海洋波浪運動進行了成功檢測.二者都通過全色和多光譜圖像上的人工運動目標選擇匹配實現.

J.Leitloff等［13］則不同于前者研究中的運動目標人工選擇，著重于運動車輛的自動檢測，在Quick Bir d圖像上利用基于梯度方向和高斯核心最小方差濾波的子像素匹配方法進行全色和多光譜圖像上的運動目標自動匹配，從而實現運動車輛檢測與速度估算，最后通過許多實際數據例證了匹配方法的有效和速度估算方案的可行.

3 分析結論及展望

3.1 運動車輛探測研究現狀的特點

通過以上國內外文獻資料的分析，可發現如下特點：（1）國際上關注較多的是基于航空機載視頻圖像序列的運動車輛探測及交通流參數提取研究，通過對航拍視頻圖像序列的處理來檢測車輛，并估計車速，旅行時間，車流密度，和排隊延誤等；（2）基于衛星SAR數據的運動車輛監測呈現出德國一家獨大的局面，德國成功發射的Terra－SAR－X雷達衛星為其研究提供了有力的數據支持，其他國家的研究人員很少涉及；（3）基于高分辨率衛星影像的交通流信息提取則更多地集中在車輛識別、車輛分類和車輛計數等靜態交通流參數提取，對交通監測、交通管理、交通誘導等具有重要價值的車輛跟蹤與車速估算的研究相對較少.

3.2 三種方法的優劣分析及展望

基于航空視頻圖像序列的運動車輛監測中，由于：（1）低空機載圖像受到亮度波動、陰影、太陽角度不同、攝像機姿態以及成像方位等因素的影響，這都顯著影響到自動車輛提取的性能；（2）消除這些因素的影響需要較多高精度的輔助數據，這也增加了研究的難度與不確定性；（3）低空機載圖像的獲取費用較高，耗時耗力，且不能進行連續不間斷觀測，難以用于日常的交通監測與管理.

與低空機載影像相比，衛星遙感：（1）具有視點高、視域廣、數據采集快和可重復、連續觀察的特點，而且長期來看數據成本低，更適合常規化的日常交通監測與管理應用；（2）利用光學衛星影像進行運動車輛的探索性研究數據門檻較低，而且有傳統地面視頻交通信息采集技術的相關研究成果作為參考，能夠讓更多的交通運輸領域學者參與到此項研究中來，改變目前大多數研究者不具有交通專業背景的現狀；（3）也有研究表明，光學影像更適合進行速度估算研究；（4）星載光學衛星的空間和時間分辨率在逐漸提高，尤其近一兩年可供選擇利用的0.5 m左右的商業衛星數據更多，如Geo Eye和Wor d View等.因此從長遠來看，星載光學影像的交通參數提取應用將是一個重要的研究課題.

與光學遙感衛星相比，合成孔徑雷達（SAR）衛星可顯著提高對地觀測的分辨率和對惡劣氣候的適應力以及能穿透一些地物成像，因此是運動車輛跟蹤與探測研究的極具潛力的發展方向.早期受限于星載SAR數據的獲取限制，相關的研究成果較少.可喜的是美國政府已經放松了對商業雷達衛星的許可證限制，自2009年10月21日開始允許商業銷售分辨率為1 m的雷達圖像，我國在09年也相繼發射了多顆雷達遙感衛星，并有多家代理機構開始銷售國外衛星SAR數據，這必將帶動運動車輛探測研究的新熱潮.

因此可以說基于光學衛星影像和基于衛星SAR數據的運動車輛探測研究在不遠的將來必將引起國際上更多學者的關注與研究興趣，也期望本文能引起國內同行的關注，帶動我國在本領域研究的發展.

［1］孫 琪.基于高分辨率衛星影像的交通流參數提取研究［D］.北京：北京交通大學交通運輸學院，2009.

［2］Mirchandani P，Hick man M，Angel A.Application of aerial video for traffic flow monitoring and management［C］／／Pecora 15／Land Satellite Infor mation IV／ISPRS Co mmission I／ FIEO 2002 Conference Proceedings.

［3］Totha C K，Grejner－Brzezinska D.Traffic flow estimation fro m air bor ne i maging sensors：a perfor mance analysis［EB／OL］.http：／／www.isprs.org／publications／related／hannover05／paper／141－toth.pdf

［4］Bet hke E K，Bau mgartner S，Gabele M.Air and spacebor ne monitoring of road traffic using SAR moving target indication－Pr oject TRA MRAD［J］.ISPRS Journal of Photogrammetry ＆ Remote Sensing，2006，61：243－259.

［5］Grejner－Brzezinska D A，Toth C K.Vehicle classification and traffic flo w estimation fro m air bor ne Li－DAR／CCD Data［J］.International Association of Geodesy Sy mposia，2007，130（7）：799－808.

［6］Hinz S，Meyer F，Eineder M.Traffic monitoring with spaceborne SAR－theory，simulations，and experi ments［J］.Computer Vision and Image Understanding，2007，106：231－244.

［7］Meyer F，Hinz S，Laika A.Perfor mance analysis of the terra SAR－X traffic monitoring concept［J］.ISPRS Jour nal of Photogrammetr y ＆ Remote Sensing，2006，61：225－242.

［8］Meyer F，Hinz S，Müller R.Towards traffic moni－toring with terra SAR－X［EB／OL］.http：／／www.ipk.bv.tu m.de／pub／2006／meyer＿CanadianJour nal O－f RemoteSensing.pdf.

［9］Hinz S，Weihing D，Suchandt S.Detection and velocity estimation of moving vehicles in high－resolution spaceborne synthetic aperture radar data［C］／／IEEE Co mputer Vision and Patter n Recognition Conference，Workshop on Object Tracking and Classification Beyond the Visible Spectr u m 2008，Anchorage，USA.

［10］Suchandt S，Eineder M，Müller R.Develop ment of a GMTI pr ocessing system for the extraction of traffic infor mation from terra SAR－X data［EB／OL］.http：／／www.ipk.bv.t u m.de／pub／2006／hinz＿eusar06.pdf.

［11］Etaya M，Sakata T，Shi moda H，et al.An experiment on detecting moving objects using a single scene of quick bird data［J］.Jour nal of The Remote Sensing of Japan，2004，24（4）：357－366.

［12］Etaya M，Nakano R，Shi moda H，et al.Detection of ocean wave movements after the norther n su matra earthquake using SPOT images［J］.Proceedings of IGARSS，2005：1420－1423.

［13］Leitloff J，Hinz S，Stilla U.Inferring traffic activity fro m optical satellite i mages［J］.Inter national Archives of Photogrammetry，Remote Sensing and Spatial Infor mation Sciences，2007（36）：89－93.