基于圖像處理的道路擁堵快速檢測研究

文/王倩,樂山職業(yè)技術(shù)學(xué)院

基于圖像處理的道路擁堵快速檢測研究

文/王倩,樂山職業(yè)技術(shù)學(xué)院

近年來，隨著我國經(jīng)濟(jì)和道路交通行業(yè)的飛速發(fā)展，城鎮(zhèn)化進(jìn)程也不斷加快，隨之而來是道路里程數(shù)和交通路網(wǎng)的不斷擴(kuò)大，私家車數(shù)目的不斷增長，極大的方便了公眾的出行，提升了公眾的生活質(zhì)量。與此同時(shí)，也引發(fā)了一系列的交通問題，尤其是在上下班高峰期以及節(jié)假日期間，道路交通擁堵現(xiàn)象普遍發(fā)生，給公眾的出行造成了極大的不便，同時(shí)也存在著交通安全隱患。需要通過管理控制的手段對道路的交通擁堵進(jìn)行疏導(dǎo)。圖像處理技術(shù)可以幫助解決交通擁堵問題，可以借助圖像處理的技術(shù)手段對擁堵現(xiàn)象進(jìn)行快速的研究分析。

交通擁堵；圖像處理；研究分析

引言

道路擁堵是當(dāng)前國民關(guān)注的重要問題，道路交通擁堵現(xiàn)象嚴(yán)重影響了公民的正常出行，制約了整個(gè)社會經(jīng)濟(jì)的發(fā)展，損害了社會穩(wěn)定。因此成為目前必須要解決的問題。隨著交通監(jiān)控系統(tǒng)的廣泛應(yīng)用，利用圖像視頻處理技術(shù)來檢測道路擁堵已成為研究的熱點(diǎn)。本文通過圖像處理的方法，對道路擁堵進(jìn)行檢測，以實(shí)現(xiàn)各個(gè)場景中對車輛密集程度的準(zhǔn)確識別。

1 基于道路圖像視頻的交通擁堵判斷系統(tǒng)結(jié)構(gòu)

一個(gè)完整的圖像視頻的交通道路擁堵判別系統(tǒng)，從實(shí)現(xiàn)的過程上可以分為三個(gè)部分：交通圖像視頻的采集，交通監(jiān)控視頻的處理，交通擁堵的判斷。視頻監(jiān)控設(shè)備采集到監(jiān)控視頻需要進(jìn)行分析處理，但由于整個(gè)城市獲取的交通圖像數(shù)量巨大，處理過程需要很大的存儲空間與運(yùn)算代價(jià)，因此需要計(jì)算機(jī)輔助完成處理過程。圖像處理的關(guān)鍵在于對道路狀態(tài)的檢測，一旦檢測成功，可以根據(jù)需要獲得相應(yīng)的交通特征參數(shù)，依據(jù)相應(yīng)的參數(shù)對當(dāng)前道路擁堵情況進(jìn)行判斷。下面主要介紹道路交通圖像視頻方法。

2 道路交通圖像視頻車輛檢測

交通道路中包含了大量的道路信息，圖像中的目標(biāo)檢測是獲得交通參數(shù)的基礎(chǔ)。目前用于道路車輛檢測的方法主要包括光流檢測法，幀間差法以及背景差法三種方法。

2.1 光流檢測法

在現(xiàn)實(shí)的空間中，物體運(yùn)動能直觀的表現(xiàn)出來，而圖像上的物體運(yùn)動情況，可以通過對圖像的灰度情況進(jìn)行觀看。光流法是計(jì)算每一個(gè)像素點(diǎn)的瞬時(shí)速度，不需要事先了解背景信息，能夠更好的反映物體運(yùn)動的真實(shí)情況。基于光流場的目標(biāo)檢測，能夠計(jì)算出目標(biāo)的速度，因此檢測的精準(zhǔn)度較高，同時(shí)能夠應(yīng)用于動態(tài)場景的情況。

2.2 幀間差分檢測法

幀間差分法是通過對相鄰兩個(gè)幀之間作差分運(yùn)算，根據(jù)差值提取運(yùn)動目標(biāo)位置以及形狀的特征。在實(shí)際的視頻順序中，時(shí)間較短的幀間背景的差異往往不大，從而得到所需要的目標(biāo)。如下圖所示，幀差法原理框圖如圖1所示。

圖1 幀差法原理框圖

2.3 背景差檢測法

背景差分的基本原理是采用一定的方法來得到需要處理的視頻序列背景圖像，計(jì)算當(dāng)前幀與背景圖像的差分，獲得需要的運(yùn)動目標(biāo)。如圖2所示的背景差檢測法的原理框圖。

圖2 背景差法原理框圖

3 道路擁堵研究的意義

城市道路交通系統(tǒng)是交通管理智能化的基礎(chǔ)。交管部門和指揮中心根據(jù)道路的實(shí)際情況，將實(shí)時(shí)路況的狀態(tài)發(fā)布到網(wǎng)上，既可以為交通出行者提供良好的路徑選擇，也可以對道路交通擁擠現(xiàn)象做出快速的反映，以便采取有效的措施，達(dá)到及時(shí)疏通道路堵塞，保持道路通暢，避免時(shí)間和空間資源的浪費(fèi)的目的。

4 道路圖像視頻參數(shù)特征的選擇

現(xiàn)階段，道路交通系統(tǒng)中采用的交通特征參數(shù)種類有很多，但總體上分為兩類：微觀交通特征參數(shù)和宏觀交通特征參數(shù)。微觀參數(shù)用來描述交通流車輛之間的運(yùn)行特性，主要參數(shù)有車頭時(shí)距和車頭間距等。宏觀交通流參數(shù)主要描述交通流的整體特性，如車流量、車流速度和車流密度等。

4.1 微觀交通特征參數(shù)

（1）車頭時(shí)距。表示在需要研究的道路上相鄰車輛的頭端部通過某一斷面的時(shí)間間隔。

（2）車頭間距。表示在需要研究的道路上相鄰車輛之間的間隔距離。

由于道路交通的擁堵情況是一種宏觀現(xiàn)象，因此道路交通參數(shù)也應(yīng)該取宏觀參數(shù)。它能更好的反映道路的情況，容易獲取，對道路快速疏導(dǎo)起到指導(dǎo)作用。

4.2 宏觀交通特征參數(shù)

（1）車流速度。車輛的運(yùn)動速度分為瞬時(shí)速度和平均速度兩種，其中平均速度能夠更好的反映實(shí)際運(yùn)動的狀況，在一定程度上反應(yīng)了當(dāng)時(shí)的路況。為了使道路擁堵現(xiàn)象減輕，通常取多個(gè)車輛的平均速度作為車流速度。

（2）車流量。在一定時(shí)間內(nèi)對通過某一路段的車輛數(shù)目進(jìn)行統(tǒng)計(jì)并得到車流量，反映了道路的通行能力，能夠很好的反映當(dāng)前的道路擁堵狀態(tài)，對于交通規(guī)劃及管理、交通設(shè)施的方案設(shè)計(jì)、道路交通控制和安全，有著重要的意義。

5 城市交通道路狀態(tài)分析

交通道路是實(shí)時(shí)交通流的客觀反映，快速而正確的分析交通狀態(tài)能夠讓出行者及時(shí)了解道路情況，有效的指引出行者選擇比較通暢的道路，緩解交通道路擁堵。

5.1 交通狀態(tài)的概念和特征

交通狀態(tài)是通過評價(jià)指標(biāo)在不同的方面、時(shí)段上呈現(xiàn)出的整體狀況，可以反映道路的暢通程度。通過對交通狀態(tài)的研究，有以下幾個(gè)要素。

（1）空間要素。不同的城市，不同的路線類型，道路路段的交通狀態(tài)是不同的，交通狀態(tài)可以受到空間的約束。

（2）對象要素。交通道路狀態(tài)反映交通整體的狀態(tài)。

（3）時(shí)間要素。不同時(shí)間點(diǎn)的交通道路狀態(tài)是不同的，它每時(shí)每刻都在發(fā)生著變化，是受時(shí)間的約束。

（4）條件要素。只有當(dāng)交通行為發(fā)生改變時(shí)，交通狀態(tài)才會跟著發(fā)生改變。

5.2 交通狀態(tài)的特性

（1）客觀性。因?yàn)榻煌ǖ缆贩从车氖墙煌ㄕw的運(yùn)行情況，同時(shí)也是在道路上真實(shí)存在的，所以交通道路同樣存在客觀性。

（2）連續(xù)性。在道路擁堵研究過程中，交通狀態(tài)是隨時(shí)發(fā)生改變的，因此變化也是連續(xù)性的。

（3）相關(guān)性。城市道路的交通系統(tǒng)是由多個(gè)路段以及交叉口組件形成的。相鄰路段之間會產(chǎn)生重大的影響，一個(gè)點(diǎn)的改變就會影響整個(gè)路段的交通變化，甚至是城市路段的交通狀態(tài)的變化。

6 圖像匹配技術(shù)的原理

圖像匹配技術(shù)是計(jì)算機(jī)視覺領(lǐng)域研究的一個(gè)重要問題，是計(jì)算機(jī)領(lǐng)域研究和應(yīng)用的基礎(chǔ)。在圖像處理領(lǐng)域研究中有大量的圖像匹配方法，這些方法基本上都具備普適性，能夠適用在不同的情況下。

6.1 圖像匹配法的分類

（1）灰度匹配。灰度匹配用于相似性測量顯示的圖像。基本原理是通過每一個(gè)一樣大小的窗口實(shí)現(xiàn)圖像像素的灰度矩陣，根據(jù)相似性比較搜索匹配方法是圖像的相關(guān)理論技術(shù)的使用。主要缺點(diǎn)是計(jì)算量太大，且一般在使用時(shí)都有一定的速度要求，因此使用率比較低。

（2）特征匹配。特征匹配是在處理圖像時(shí)，從多個(gè)圖像的特點(diǎn)中提取特征參數(shù)，再由多個(gè)參數(shù)得到具體的參數(shù)值。圖像特征匹配處理的目的是提取高層次的特征。

以上兩種匹配方法之間存在著明顯的差異，灰度匹配是基于像素點(diǎn)，而特征匹配則是基于一個(gè)完整的區(qū)域。特征匹配在考慮像素灰度的同時(shí)還要考慮很多特點(diǎn)的空間關(guān)系。特征匹配的缺點(diǎn)也是計(jì)算量較大，且需要一些參數(shù)，對使用者在經(jīng)驗(yàn)上有一定的要求，因此不便于應(yīng)用在實(shí)際中。

6.2 圖像紋理特征與道路擁堵

常用的圖像特征有顏色特征、紋理特征、形狀特征、空間關(guān)系特征。紋理是圖像的一種全局的視覺特征，是根據(jù)紋理基元按照某種設(shè)計(jì)統(tǒng)計(jì)規(guī)律排列組成的，紋理區(qū)域內(nèi)各部分具有大致相同的結(jié)構(gòu)。紋理特征不會依靠于顏色或者亮度，而是所有物體表面共有的一種結(jié)構(gòu)。紋理特征的描述方法主要有幾何法、模型法、統(tǒng)計(jì)法等，可以通過這些方法提取給定圖像的紋理特征。

紋理特征經(jīng)常被用來表示圖像中群體目標(biāo)的密集程度，人越多，紋理特征就越明顯。現(xiàn)階段，基于紋理特征的人群密集度已經(jīng)成為一種常用的手段。而對于道路交通圖像，也可以考慮利用紋理的特征來估計(jì)車輛的密集程度。如圖所示，紋理特征與道路擁堵的圖像的不同點(diǎn)。

一般而言，紋理特征由于具備了旋轉(zhuǎn)不變的性質(zhì)，在分析車輛的密集程度時(shí)，能夠?qū)Τ霈F(xiàn)在其中的噪聲有較強(qiáng)的抵抗能力，但也有可能會受到光照、反射的影響，出現(xiàn)較大的偏差。盡管如此，研究表明，在道路擁堵快速檢測時(shí)，由于機(jī)動車在車型、疏密等方面有較大的差別，因此利用紋理特征進(jìn)行道路擁堵的檢測是一種有效的方法。

7 結(jié)語

綜上所述，隨著交通業(yè)越來越發(fā)達(dá)，隨之而來的是城市道路擁堵問題，造成出行的不便和經(jīng)濟(jì)的損失，需要格外引起重視。利用車輛圖像的紋理特征來判斷擁堵的程度，從有車區(qū)域來提取的能量和紋理特征值與該區(qū)域的擁堵程度作比較，根據(jù)擁堵的區(qū)域和暢通區(qū)域有著明顯的差別，判定出道路暢通還是擁擠。基于圖像處理的道路擁堵快速檢測研究來判斷，在車流量的檢測過程中，當(dāng)前后車輛的距離過小時(shí)，就會出現(xiàn)粘連的現(xiàn)象，導(dǎo)致檢測到的交通情況不準(zhǔn)確，需要進(jìn)一步的技術(shù)上的研究，才能從根本上解決交通擁堵問題，為公眾的出行提供便利，減少因擁堵問題帶來的環(huán)境污染問題。

[1]王川童.基于視頻處理的城市道路交通擁堵判別技術(shù)研究[J].重慶大學(xué)，2015（8）；100-101

[2]陳小紅.城市道路交通路口擁堵預(yù)測[J].華南理工大學(xué)學(xué)報(bào)，2016（7）；72-77