智能交通系統(tǒng)中的運動目標(biāo)檢測方法研究

摘 要：本文將針對智能交通監(jiān)控中的運動目標(biāo)檢測方法進行研究，通過時域檢測法來檢測監(jiān)控系統(tǒng)中車輛的運動，并且著重研究了幀間差分法來實現(xiàn)運動目標(biāo)的檢測，運用Matlab平臺進行驗證。

關(guān)鍵詞：智能交通；運動目標(biāo)；檢測

中圖分類號：TP391.41 文獻標(biāo)識碼：A 文章編號：1674-7712 （2014） 10-0000-01

二十一世紀(jì)初，我國公路總里程數(shù)及汽車保有量大幅增加。隨著汽車社會的到來，交通擁擠、環(huán)境污染、交通安全等所帶來的負面效應(yīng)也日趨嚴重，由于交通擁擠、交通事故而造成的直接經(jīng)濟損失也有上千億元之多，間接損失更是無法計算。隨著計算機技術(shù)，電子產(chǎn)業(yè)等新興產(chǎn)業(yè)快速發(fā)展，快速，便捷，安全的交通才能更好的服務(wù)當(dāng)前世界經(jīng)濟的發(fā)展，單純依靠增加公路與人口矛盾帶來的城市用地等問題也日益突出。智能交通系統(tǒng)則是伴隨著這種潮流發(fā)展出來的，其是指運用先進的計算機技術(shù)，電子信息技術(shù)，自動控制技術(shù)等將人（包括駕駛員和交通管理者）、車輛、道路三者有機的結(jié)合起來，使之成為一個運行有序的系統(tǒng)。

一、國內(nèi)外目標(biāo)檢測方法分析

目標(biāo)檢測方法通過成像系統(tǒng)或雷達跟蹤技術(shù)檢測目標(biāo)，而其對動態(tài)目標(biāo)的檢測存在一定局限性。對于復(fù)雜環(huán)境下的動態(tài)目標(biāo)，目標(biāo)信息可被背景噪聲淹沒，使得數(shù)據(jù)丟失，造成目標(biāo)跟蹤不穩(wěn)定。目前應(yīng)用較多的有先檢測后跟蹤算法和檢測前跟蹤的方法。先檢測后跟蹤算法屬于經(jīng)典的紅外目標(biāo)檢測方法，目前已提出了一系列比較成熟的點目標(biāo)檢測濾波預(yù)處理算法，如高通濾波處理方法、最小均方誤差濾波方法和中值濾波處理方法等。數(shù)學(xué)形態(tài)學(xué)法采用數(shù)字圖像處理技術(shù)抑制高頻背景噪聲成分，具有很好的背景噪聲抑制功效，對弱小目標(biāo)檢測比較有效。先跟蹤后檢測算法利用目標(biāo)圖像在跟蹤過程中每一階段的目標(biāo)成像信息，跟蹤圖像中較多可能的目標(biāo)軌跡，并借助動態(tài)過程的目標(biāo)特性對各條軌跡進行檢測判決，得到真實目標(biāo)的軌跡，完成目標(biāo)檢測，提高了低信噪比情形下目標(biāo)檢測方法的性能。運動目標(biāo)檢測是通過對圖像傳感器拍攝到的圖像序列進行分析，檢測出運動目標(biāo)，為后續(xù)的目標(biāo)分類、目標(biāo)跟蹤以及更高層的行為理解打下良好的基礎(chǔ)。常用的運動目標(biāo)檢測方法主要有3種：光流法、幀間差法和背景差法。

二、運用幀間差分法進行運動目標(biāo)檢測

（一）幀間差分法。幀間差分法是指對一個很小的時間間隔△t（一般△t=1s）前后的兩幀圖像進行差分形成差分圖再通過取閾值得到二值化圖來得到運動目標(biāo)區(qū)域的方法。因為運算十分簡單，并且差分圖二值化也有許多高效算法，從而非常適合于實時檢測運動物體，設(shè)t1時刻的輸入幀為f1（x，y），t2時刻的輸入幀為f2（x，y），若此期間有車輛行駛，應(yīng)有f2（x，y）=f1（x-△x，y-△y），令：△f（x，y）=︳f2（x，y）-f1（x，y）︳。

對于圖像中的靜態(tài)部分，△x=△y=0，則△f（x，y）=0，而對于運動部分△f（x，y）≠0，從而得到運動區(qū)域。實際使用中，相鄰兩幀差后，運動目標(biāo)內(nèi)部容易產(chǎn)生空洞現(xiàn)象，因為通過二值化分割出來的區(qū)域?qū)嶋H上是物體前后兩個位置的合并區(qū)域，要比物體實際面積要大。其次，它對噪聲非常敏感而且檢測出的物體的位置不精確。該算法檢測的運動區(qū)域是在t和（t-△t）時刻，這就關(guān)系到視頻采樣率的問題。對于運動速度快的車輛，若時間差選擇得不合適，容易誤檢為兩個分開不同的物體；而對運動速度慢的車輛，選擇不適當(dāng)時間差，只能檢測出目標(biāo)很小的一部分，一般可采用多幀之間差分法或者運動邊緣檢測法對其進行改進。

（二）實驗及分析。以下列視頻圖像中的白色小車為例，通過道路攝像機拍攝到在道路上行駛的白色小車的視頻，利用幀間差分法中的多幀相減的方法，先對視頻進行分割，形成每一幀圖像。其原始分割后圖像如下：

用幀間差分法處理后通過每兩幀差分得出連續(xù)圖像，下面為上面對應(yīng)的幀圖像：

通過實驗分析，幀間差分法不僅完成了對道路中白色小車的檢測，同時白色小車后面的車輛同樣被檢測出來。說明幀間差分法不僅能夠完美的檢測出單個運動目標(biāo)，并且在多目標(biāo)檢測上也有很好的效果。

三、結(jié)束語

本文通過研究時域檢測中的幀間差分法方法完成了對道路交通中運動車輛的實時檢測。從實驗結(jié)果來看，幀間差分法不僅能夠完美的檢測出單個運動目標(biāo)，并且在多目標(biāo)檢測上也有很好的效果，為后續(xù)運動目標(biāo)的跟蹤提供的良好基礎(chǔ)。

參考文獻：

[1]張娟，毛曉波，陳鐵軍.運動目標(biāo)跟蹤算法研究綜述[J].計算機應(yīng)用研究，2009（12）.

[2]但妮.視頻序列中運動目標(biāo)提取與檢測算法的研究與實現(xiàn)[D].南京郵電大學(xué)，2009.

[作者簡介]曹曉娟（1982-），女，講師，碩士，研究方向：電子信息技術(shù)、高職教育。

[基金項目]本文為2013年度湖南省教育廳科研項目“智能交通系統(tǒng)中的運動目標(biāo)檢測方法研究”（項目編號：13C261）階段性成果。