交通監(jiān)控系統(tǒng)中幀差法與背景差分法優(yōu)劣分析

孫 歡，尚緒鳳，朱趙龍，張賀泉

(中國計量學院理學院，浙江 杭州 310018)

新型監(jiān)控系統(tǒng)可以通過區(qū)分監(jiān)控對象的特征，主動收集數(shù)據(jù)、分析數(shù)據(jù)，并根據(jù)預設條件執(zhí)行報警、記錄、分析等動作。實時地交通流量信息反饋，可以為道路擁塞高峰時期或緊急交通事故發(fā)生時的道路智能化調(diào)度管理提供依據(jù)，從而減少道路擁塞，提高路面資源的利用率，最合理地利用現(xiàn)有的交通網(wǎng)絡。現(xiàn)就其中最簡單的車流量統(tǒng)計進行分析。圖像處理的過程分為圖像的預處理、背景的提取、檢測線的選取、結果分析［1－4］。文獻［5］利用Canny邊緣幀差法進行公交客流量統(tǒng)計。文中以杭州某地區(qū)內(nèi)的車流量為例進行分析。

1 幀差法和背景差分法優(yōu)劣性分析

1.1 圖像的預處理

先將視頻變?yōu)橐砸粠瑸殚g隔的圖片，具體方法如下:先讀入視頻，獲得總幀數(shù)并依次讀取。

之后進行灰度處理，得到預處理的值。然后將其進行邊緣檢測，如圖1所示。

圖1 進行邊緣檢測后的圖像

1.2 幀差法和背景差分法分析

1.2.1 幀差法和背景差分法理論比較

圖像提取的背景方法一般用于視頻車輛檢測技術。而相關視頻車輛檢測技術的方法如圖2所示。

圖2 視頻車輛檢測技術分類

(1)幀差法的優(yōu)點是計算簡單且不易受環(huán)境光線變化的影響，但它不能檢測靜止車輛，且處理效果依賴于圖像采樣頻率以及被檢測車輛的車速。

如果運動速度較快，而選取的時間間隔過大，就會造成兩幀之間無覆蓋區(qū)域，從而無法檢測到運動物體;如果運動速度過慢，而選取的時間過小，則造成過度覆蓋，最壞的情況是物體幾乎完全重疊。

(2)背景差法分簡單差分和實時差分兩種。其中實時差分應用較廣，它可以根據(jù)環(huán)境的變化進行背景的變換。但要求設定閾值，且更新背景的方法也較繁雜。此方法適用于環(huán)境光照、陰影、風等自然因素變化較敏感的情況。設定閾值的方法較為復雜。而簡單差分適用于背景基本不變的情況。

1.2.2 幀差法和背景差分法應用比較

(1)幀差法。先將視頻轉(zhuǎn)化成的圖像數(shù)據(jù)化，再進行灰度處理，將視頻序列中每兩幀連續(xù)圖像逐像素相減，以去除基本不動的物體及背景。此時的情況與理想情況下相似，因此差分后圖像的非零部分表明對應像素發(fā)生了移動，由此可以將圖像中運動的車輛目標突顯出來。

另外，由于運動的車輛目標相對于路面平動而且方向與圖像平面平行，因而形成了簡單的二維平移運動。圖像幀之間的間隔非常短(0.04 s)，可以認為車輛的各部分在圖像平面上的灰度基本保持不變。

將得到的差值矩陣進行二值差分處理，可以使得到的結果更準確

其中，T為閾值。

(2)閾值的選取。由于閾值選取相對繁瑣，所以選取其中一個較為簡單的方法進行計算，方法如下:均值比例閾值法是一種基于經(jīng)驗估計的閾值分割算法。設原始圖像的灰度級為L;灰度為i的像素點數(shù)為pi;圖像的全部像素數(shù)為N;那么圖像閾值計算過程如下:

(1)計算圖像的直方圖統(tǒng)計結果，得到灰度值為k的頻率朋PHS(k)為

(2)計算圖像的灰度均值

(3)計算灰度類均值和類直方圖之和

(4)計算分離指標

(5)求出使之達到最大的值s，則最佳閾值T=s，所以閾值為使得δB(k)最大的點的頻率朋對輸入圖像二值化處理

其中，T為閾值。

在實際場景中，每一幀的情況都不是人為所能夠預料的，所以一個固定的閾值不能解決變化中的實際問題。而上述方法能夠較好地解決這一問題。圖3為每幀間差分后的示意圖。

圖3 相鄰兩幀差分圖像效果示意圖

(3)簡單邊緣檢測法。將得到的背景分別與每組連續(xù)圖像差分，以得到去掉背景的目的，灰度化后差分得到的非零數(shù)值基本都是由于汽車移動引起的。

要做的背景差法是得到一個統(tǒng)一的背景，將當前待檢測的視頻幀和該背景進行逐像素相減作差分，差值圖像中非零的像素點表示了運動物體，由此可以實現(xiàn)運動車輛的較準確提取。即計算

其中，T為閾值。用此來判斷得出每組背景的矩陣。

采用閾值進行目標分割的目的是把運動車輛和微小變化的背景分開。閾值分全局閾值和局部閾值兩種，前者只用一個閾值對整個圖像進行二值化，后者先將一幀圖像劃分為若干個子圖像，對每個子圖像再確定相應的閾值。現(xiàn)實中需要根據(jù)序列圖像的背景復雜度進行選擇。在此部分研究的車輛運動的背景相對單一，所以使用全局閾值。

要得到背景，考慮到整個過程中背景變化不大，所以將得到的所有圖像的矩陣相加求均值得到其背景。

用均值法進行背景的計算:均值法，即在一段圖像序列中，取它們的平均值作為背景圖像即

其中，Backgroud(x，y)表示背景;image(x，y)表示每一幀的圖像。該算法簡單，計算方便。

圖4 整個過程中的背景圖

從圖5中可以看出有兩處亮點，分別是由時間變化和汽車位移變化引起的。時間變化不會引起后面車流量計算的誤差，所以此處亮點影響不大。通過對圖像的觀察發(fā)現(xiàn)背景變化較小。

2 車輛跟蹤及車流量問題

2.1 檢測線的選取

要進行車流量的檢測，檢測線的選取至關重要，它關系到預測的車流量與實際車流量之間是否會出現(xiàn)誤差，是否會出現(xiàn)對同一車次多次計算的可能。

選取檢測線原理:先固定一條線，此線必須和4個車道都全面接觸，且與水平面平行最好，將此直線分別代入由前面進行差分的點構成的圖形，檢驗是否有點在其直線上，若有點，則記為加1次，若無，則進行下一個圖形的判斷。直到所有圖都運行結束，得到的數(shù)即為車流量。

采用差分的方法得到檢測線。以下為用差分法求檢測線的步驟:

(1)選取視頻序列里任意一個圖片如圖7(a)所示，將其放入畫圖工具欄里。

(2)在圖上做出一條與水平面平行的直線，且與4個車道完全接觸，如圖7(b)所示。

(3)將圖7(a)與圖7(b)進行差分，得到的矩陣即為檢驗線矩陣。

(4)將檢驗線矩陣中的非零部分提取出來，得到檢驗線。

如圖7所示，將4通道“簡化”為單通道，通過人工標記檢測線，在Matlab中導入標記圖片和未標記圖片，然后對兩者做差分求取其差分矩陣，從而可以得到檢測線在288×352矩陣中的位置為第217行，第60列到352列的區(qū)域中。

圖7 檢測線的選取示意圖

3 結束語

表1為在各個時段下，應用背景差分和幀差法得到的預測車流量與真實車量的對比。

表1 各幀值下兩種方法的車流量預測與真實值對比

經(jīng)過對比，可以發(fā)現(xiàn)幀差法比背景差分法準確度高。這是因為幀差法為相鄰點間的視頻序列的差值，比背景差分法中任意時間序列與背景差值更精確。

因此，得出結論，在一般情況下，幀差法在處理交通檢測問題上更加準確。

［1］丁一，毛征，余歡.基于對比度的目標跟蹤系統(tǒng)及算法研究［J］.中國科技論文在線，2005(6):323－329.

［2］王衛(wèi)峰，王昆，郝志峰.基于視頻的車流量統(tǒng)計算法計算［J］.科學技術與工程，2011，11(17):4080 －4082.

［3］張永麗，張?zhí)劊吔?基于自適應背景初始化的車流量檢測算法［J］.微電子學與計算機，2007，24(5):138－140.

［4］馬曉宇.基于視頻分割與跟蹤算法的車流量統(tǒng)計［D］.杭州:浙江大學，2008.

［5］田牛，應捷.基于Canny邊緣幀差法的公交客流量統(tǒng)計［J］.微計算機信息，2010(32):196 －198.

［6］武智霞，王化，王沛.基于H.264壓縮域的運動目標檢測算法［J］.電子科技，2010，23(7):8 －10.