基于機器視覺的智能交通監控系統研究

摘 要：隨著社會經濟的迅速發展，我國機動車數量不斷增長，導致交通問題日益嚴重，實施有效的交通監控對于解決日益增長的交通問題具有積極意義。然而，目前大多數的交通監控系統存在系統維護復雜、成本高、計算量大等缺點，本文針對上述缺點設計并實現了基于機器視覺交通監控系統。文中首先介紹基于機器視覺交通監控系統的相關研究背景，其次分析了與機器視覺交通監控系統相關的技術，重點介紹了基于機器視覺交通監控系統的設計方法。在系統中，用戶能夠靈活的設定動態目標檢測和跟蹤算法，對系統的廣泛應用奠定了基礎。

關鍵詞：機器視覺；智能交通監控系統；圖像處理

中圖分類號：TP315 文獻標識碼：A

Abstract：With the rapid socio-economic development，the number of vehicles is growing，leading to increasingly serious traffic problems，the implementation of effective traffic monitoring to address the growing traffic problems in a positive sense.However，most of the traffic monitoring system exists system maintenance complexity，high cost，large computation and other shortcomings，this paper designs and implements the traffic monitoring system based on machine vision for the above-mentioned drawbacks.This paper introduces the research background related to machine vision-based traffic monitoring system，followed by analysis of the traffic monitoring systems and machine vision-related technologies，focusing on the design of machine vision-based traffic monitoring system.In the system，the user can flexibly set dynamic target detection and tracking algorithm，widely used system of the foundation.

Keywords：machine vision；intelligent traffic monitoring system；image processing

1 引言（Introduction）

近幾年隨著人工智能技術和圖像識別技術的飛速發展[1]，智能交通的概念也逐漸轉變為現實，交通狀況作為城市運行最重要面的方面關系著城市活動的正常運行[2]。機器視覺是智能交通領域最為關鍵的技術手段，高性能的圖像識別能力已經成為了智能交通開展的重要環節[3]。采用基于計算機視覺的交通監控技術一方面能夠大大減少傳統交通監管的人力物力投入，也能夠更加規范化的進行交通處罰等工作，減少人為的干預[4]。

2 系統分析（Systems analysis）

2.1 系統功能

（1）車輛檢測功能：系統對所有通過監控點的車輛進行檢測。對壓線等違規駕駛，系統要實現自動識別功能。并且將實時違規現場圖片進行篩選保存，以供留證。并且對其他無效圖片能夠自動判斷并清理，以節省存儲空間。

（2）車輛特征高清晰拍照功能：在一體化相機監控視域內，如果有車駕駛經過，一體化相機需正確檢測出車輛并在閃光燈補光狀態下對其進行抓拍。抓拍圖片中須有車輛整體出現，并且能夠按照用戶預先的自定義設置在圖片中顯示行駛信息（如采集點位、行駛速度、行駛方向、通過時間等）。在除惡劣天氣條件引起遮擋干擾外，抓拍圖片還需清晰呈現車牌、車型、顏色等信息。

（3）行駛速度檢測功能：前端采集攝像機在對所有經過監測點的車輛進行識別時不僅要檢測提取現場照片，還需同時實現對車輛的視頻測速。并將車牌信息、速度信息與攝像機拍攝的清晰前臉照片統一保存。在測速時，系統檢測車速與真實車速之間的誤差小于等于6%。

（4）自動車牌識別功能：對所有通過監測點視域內的車輛，都須自動識別出車牌自身顏色及號碼。前端一體化相機需在檢測車輛經過時對以下類型及范圍內的車牌進行識別。

2.2 系統構架

基于機器視覺的交通監控系統所要實現的目標是：利用視頻監控系統對道路車輛信息進行采集，傳回的車輛信息使用算法處理分析并與系統設定的規則進行對比，若有非法行為（尾隨、套牌、犯罪車輛）時，系統實現實時報警，并自動抓拍圖像，對于正常行駛車輛信息進行圖片保存，數據統計查詢等例行操作。

本次開發的基于機器視覺的交通監控系統按照整體大系統硬件結構來看，將系統結構劃分為前端數據采集與分析子系統、系統管理平臺兩個子系統，系統結構如圖1所示。

如圖1所示兩個系統構成系統整體，前端數據采集與分析子系統將抓拍到的車輛圖片按照初始參數進行實時分析處理，獲取車牌號碼、車牌顏色、車輛類型等車輛特征，并將分析結果和圖片文件進行本地存儲后發送至系統管理平臺數據管理模塊，管理平臺應用服務模塊負責監測和分析數據管理模塊的數據狀態，并為用戶提供功能服務，也為其他系統提供服務接口以供調用對接。

3 檢測跟蹤技術研究（Detection and tracking techniques）

運動車輛檢測模塊是整個系統的關鍵部分。如前面內容所述，目前實現動態目標檢測技術很多，不同的方式技術都有一定的優缺點。本課題研究中按照各種不同算法的優缺點，選擇混合高斯算法作為運動車輛檢測算法作為運動車輛跟蹤算法。

其具體實現步驟為：

（1）選取視頻序列中的連續三幀圖像。

（2）對選取的圖像進行預處理。

（3）用三幀差法對所選取的連續三幀圖像計算檢測結果。

（4）結合改進的快速二維交叉熵閾值算法進行分割處理。

（5）分割后，得到準確的運動目標。

4 系統實現（System implementation）

4.1 視頻圖像采集

在監控位置上，攝像頭用于監控是否有車輛出現違規的情況，其首要的工作過程就是監控圖像的采集。這里通過引用開源OpenCV技術來完成了程序的設計。在進行監控視頻采集的開始首先要進行初始化操作，同時創建監控窗口，然后通過調用圖像采集函數完成視頻圖像的錄入。

4.2 視頻圖像處理

（1）灰度化：YUV色彩空間則是通過灰度和色差來描述具體的顏色，在保存和處理模式上Y信息和U、V信息是分別進行保存處理的，這就給進行信息的壓縮、高速傳輸和高速處理提供了基礎條件，同時也可以降低色彩變換的難度。因此，本次研究中需要把監控采集到的視覺圖像在RGB空間和YUV空間進行轉換，并進一步實行灰度化處理，最終在YUV空間中完成信息的處理和操作。如果處理的監控圖片都是彩色圖片的話，則由于其所攜帶的顏色信息很多，會造成圖像處理效率的低下，因此在進行監控圖像處理前都需要把彩色圖片轉換為灰度化的文件。本次開發的系統采集的原始圖像為24位真彩色圖片，進行了灰度化處理后的圖片如圖2所示。

為了掌握這部分的處理技術，首先需要把RGB圖像信息的數據存儲方式進行簡單地介紹，本系統中沒有采用調色板工具，所有像素的RGB分量都是按（R，G，B，R，G，B……）順序存儲的，因此在后續的處理中可以順序取出所有的信息分量。

（2）圖像平滑：本次研究中的監控圖像平滑處理采用的就是中值濾波，濾波模板大小為3×3。把模板中心和圖中的某個位置進行重疊操作；然后讀取模板下所有像素的灰度值；再把灰度值從小到大排成隊列；再定位到中值點上；最后把中間值賦給模板中心位置上的像素。本系統中進行中值濾波處理的界面如圖3所示。

由上面兩幅圖相比較，可知采用中值濾波處理圖像的優點是：降低噪聲的效果比較明顯，在灰度值變化比較小的狀況下能夠得到很好的平滑效果的，降低了圖像邊界部分的模糊程度。所以本課題采用中值濾波法對圖像進行平滑處理。

4.3 違規響應模塊

按照常見的車輛違規行為，本系統將車輛違規行為分為車輛闖紅燈違規、車輛禁行禁停區域違規、車輛逆行違規、車輛相撞違規和車輛超速違規五個部分。

如車輛闖紅燈是車輛違規中發生比例較高的一種事件。也是智能交通監控系統的一個比較基本的功能。在現行的闖紅燈檢測技術中，電磁感應線圈檢測技術是一種常用的檢測輔助手段。本系統引入了虛擬線圈的概念。虛擬線圈是只在圖像序列中，人工或者自動的指定的一系列區域，這些區域能夠覆蓋整個圖像，也能夠局限于某個區域，就像在紅燈禁行地帶埋設檢測器一樣。

車輛闖紅燈違規設置界面如圖4所示。

5 結論（Conclusion）

本文結合智能交通視頻監控系統的研究課題，從圖像的采集、預處理、監控車輛的運動檢測、違規類型識別等方向進行了研究，并根據實際的應用環境進行了具體的分析工作，并對具體的檢測與跟蹤算法進行了論述。本課題的研究成果具有較強的實用價值，特別是對于自動化的交通違規行為識別，但同時由于本課題的研究時間較短還不夠深入，在后期的工作中還需要進一步拓展。

參考文獻（References）

[1] 姚國正，汪云九.D.Marr及其視覺計算理論[J].國外自動化，2013，6（13）：55-57.

[2] Bose C.B.，Amir J..Design of fiducials for accurate registration using machine vision[J].IEEE Transactions on Pattern nalysisand Machine Intelligence，2014，12（12）：1196-1200.

[3] Crowley B.W..Application of one-dimensional machine vision in the textile industry[J].IEEE Transactions on Industry Applications，2013，26（2）：324-329.

[4] Inigo R.M..Application of machine vision to traffic monitoring and control[J].IEEE Transactions on Vehicular Technology， 2011，38（3）：112-122.

作者簡介：陸夢進（1990-），男，碩士生.研究領域：智能控制.