李聰

【摘 要】目前信息技術(shù)的迅速發(fā)展為車輛的檢測研究提供了許多便利，使其已經(jīng)成為我國交通信息檢測研究的熱點(diǎn)問題，而對于隧道車輛及時準(zhǔn)確的進(jìn)行檢測，對其有關(guān)信息進(jìn)行有效使用，將相關(guān)指令發(fā)給隧道照明控制系統(tǒng)，進(jìn)而達(dá)到“車近燈亮、車過燈滅”的理想效果。這將有效解決我國隧道照明系統(tǒng)中普遍存在能源消耗嚴(yán)重的問題，達(dá)到節(jié)約能源的良好效果。本文系統(tǒng)介紹了常用檢測算法像幀差法，光流法，背景差分法的原理，分析并比較了各種算法的適用范圍與優(yōu)缺點(diǎn)，為不同場合下車輛檢測算法的選擇提供了重要的參考依據(jù)，有效提高車輛檢測效果。

【關(guān)鍵詞】隧道車輛；檢測算法；節(jié)能

【Abstract】Currently the rapid development of information technology for the detection of vehicle provides many advantages，whic has become a hot issue in our country traffic information detection， and in order to the timely and accurate vehicle tunnels detection， effective use of the relevant information， the relevant instructions issued to the tunnel lighting control system， achieving the result of "closer to the car lights， car lights" . This will effectively solve the problem of energy consumption in tunnel lighting system， and achieve the good effect of energy saving.. This paper introduces the commonly used detection algorithms like frame difference method， optical flow method， background difference method principle， analysis and compare the scope of application of the various algorithms and the advantages and disadvantages， provides an important reference for the choice of vehicle detection algorithm under different occasions， effectively improve the vehicle detection effect.

【Key words】Tunnel vehicle； Detection algorithm； Energy conservation

0 引言

現(xiàn)代工業(yè)的迅猛發(fā)展使得越來越多的人有能力享受更加便利的交通工具，私家車已經(jīng)成為常見的代步工具，走進(jìn)全家萬戶。車輛的增加，自然而然的導(dǎo)致所需的能源急劇增加，這使得建設(shè)資源節(jié)約型，環(huán)境友好型社會目標(biāo)的任務(wù)更加沉重。能源消耗所造成的環(huán)境問題及后果正制約著人類社會的可持續(xù)發(fā)展，走生態(tài)文明發(fā)展道路正被國際社會所認(rèn)同和重視。黨的十八大政府工作報(bào)告明確指出：到2020年我國的資源節(jié)約型、環(huán)境型社會建設(shè)要取得重大進(jìn)展，單位國內(nèi)生產(chǎn)總值能源消耗和二氧化碳排放大幅下降，主要污染物排放總量明顯減少[1]。

在可持續(xù)化發(fā)展的大背景下，作為最主要運(yùn)輸方式之一的公路運(yùn)輸必然要承擔(dān)更大的壓力。交通燈這一公路運(yùn)輸方式的主要耗能體，逐漸吸引了一大批優(yōu)秀學(xué)者的眼球。我國地勢復(fù)雜多樣，隧道照明所需的能源巨大，隧道中普遍存在著“黑洞”和“白洞”，如陜西西漢高速公路隧道全年照明電費(fèi)接近2300萬元[2]。如果促使交通燈照明能隨著車輛的有無而變化，必將帶來顯著的經(jīng)濟(jì)和環(huán)境效益。本文正是基于這一目的，進(jìn)行隧道車輛的有效檢測，引導(dǎo)隧道交通燈亮度變化，達(dá)到“車近燈亮、車過燈滅”的理想效果，到達(dá)減少照明消耗的目的。

1 隧道車輛檢測存在的問題

雖然車輛檢測的研究已經(jīng)經(jīng)歷了幾十年的世界，但是到目前為止，沒有哪一種檢測方法是完美無缺的，針對不同的問題，不同的工作環(huán)境，工作人員提出了各種各樣的算法，但是局限性都比較大，通用算法并不存在，面對現(xiàn)在諸多新的應(yīng)用，目前的算法已經(jīng)無法在實(shí)時性、魯棒性、精度和自主性等方面滿足現(xiàn)在生產(chǎn)、生活的需求。到目前為止，仍不能很好解決的突出問題主要變現(xiàn)在下面的幾個方面。

（1）速度過快或者過慢問題。速度是車輛運(yùn)動的重要參數(shù)，它的快慢與否直接影響著對運(yùn)動車輛的檢測效果，速度過快，對信號的采集相當(dāng)?shù)纳?，造成目?biāo)圖像的失幀；相反，速度過慢，容易將目標(biāo)與背景混為一體，無法有效對車輛運(yùn)行情況進(jìn)行檢測。運(yùn)動過程是否存在往返現(xiàn)象也關(guān)系到檢測結(jié)果的準(zhǔn)確性。

（2）背景變化問題。在大多數(shù)情況下，檢測背景是經(jīng)常變化的，像光照變化，攝像機(jī)的震蕩等情況都會引起背景變化問題。光照的劇變會對圖像采集造成很大的困擾，尤其是對于那些在靜態(tài)背景下的目標(biāo)采集。光照的改變，引起背景采集信號的變化，使得采集車輛信號中混有背景信號，造成極大的采集誤差。此外，值得注意的是，在光照條件下，運(yùn)動車輛常常有陰影存在，車輛的移動會伴有陰影的移動，使得系統(tǒng)將陰影也作為檢測目標(biāo)進(jìn)行統(tǒng)計(jì)分析，檢測結(jié)果主要有兩種形式：一是陰影作為檢測車輛的一部分出現(xiàn)，造成檢測車輛失真；二是陰影和檢測車輛分開，作為獨(dú)立的目標(biāo)存在，這就直接導(dǎo)致了統(tǒng)計(jì)信息的不準(zhǔn)確，造成了不必要的虛假信息。顯然背景改變后，要想采集到準(zhǔn)確的目標(biāo)信息，就需要對其進(jìn)行實(shí)時更新，這就會大大增加了車輛檢測的難度。

（3）車輛相互遮擋問題。對于隧道車輛檢測，最大的問題就是車輛遮擋問題，大型車輛遮擋小型目標(biāo)，造成采集中的盲區(qū)，在采集過程中無法捕捉到小型目標(biāo)的信號，只檢測到一部分有效圖像信息，而運(yùn)動車輛的前方遮擋車輛可能會作為檢測目標(biāo)被提取出來，使得檢測結(jié)果不準(zhǔn)確。

（4）另外還有灰塵過大問題，突然飛來的樹葉，紙張，車窗玻璃的反光等等，這些都會對隧道車輛的檢測造成或多或少的影響。

2 隧道車輛檢測常見算法分析

通過對常見的車輛檢測算法進(jìn)行分析，得出各種算法的使用領(lǐng)域和優(yōu)缺點(diǎn)，為以后目標(biāo)檢測算法在新形勢下可能的改進(jìn)方向和適用領(lǐng)域提供必要的分析依據(jù)。

2.1 光流法

光流法就是通過統(tǒng)計(jì)運(yùn)動目標(biāo)在圖像位置上的瞬時速度變化來進(jìn)行檢測分析的。光流法具有良好的適用性，沒有動態(tài)背景和靜態(tài)背景的差異，它對背景沒有嚴(yán)格的要求，不需要知道場景的任何信息，就可以比較準(zhǔn)確的檢測出各種單一的運(yùn)動目標(biāo)，并且可以了解到運(yùn)動車輛的速度情況。相對于比較突出的優(yōu)點(diǎn)，光流法的缺點(diǎn)也比較的明顯，計(jì)算量大，魯棒性差，反映速度過慢，難以滿足實(shí)時性的要求極大限制了光流法是適應(yīng)范圍。在現(xiàn)在的實(shí)時檢測跟蹤系統(tǒng)中，光流法因?yàn)闆]有特殊硬件的支持，很難滿足實(shí)時性檢測的要求，尚且沒有得到廣泛的應(yīng)用，但是它仍然是未來非常重要的一個研究方向和發(fā)展趨勢[3]。

2.2 背景差分法

作為隧道車輛檢測方法中最常用的算法之一，背景差分法計(jì)算方法比較簡單，實(shí)時性也比較強(qiáng)，在靜態(tài)背景下，利用當(dāng)前圖像和背景圖像的差分檢測出運(yùn)動目標(biāo)區(qū)域的一種技術(shù)[4-5]。它的基本思想：將背景圖像定義為ak目標(biāo)圖像定義為fk（x，y）。（x，y）為圖像坐標(biāo)。當(dāng)前幀圖像和背景 幀圖像的差分圖像就可表示為：

Dk（x，y）=| fk（x，y）-bk（x，y）|

經(jīng)二值化處理后可得二值化差分圖像Rk（x，y），即：

Rk（x，y）=0 Dk（x，y）

其中，T為差分圖像二值化閾值[6-7]。

圖像質(zhì)量的好壞取決于閾值量的合理選擇，如果閾值選擇的太高，運(yùn)動區(qū)域就會產(chǎn)生嚴(yán)重的碎化現(xiàn)象，相反，閾值選擇太低，則會產(chǎn)生大量的噪聲，影響圖像處理效果[8-9]。背景差分法具有明顯的優(yōu)點(diǎn)，它計(jì)算量比較小，易于實(shí)現(xiàn)，能夠滿足實(shí)時性的要求，提取出比較完整的目標(biāo)信息。但是算法只能在靜態(tài)背景下適用，對外界信息的變化比較敏感，像光照變化，外物干擾條件下的背景變化等等，該算法極易產(chǎn)生陰影現(xiàn)象。

2.3 幀間差分法

幀間差分法是對幀間圖像進(jìn)行運(yùn)動分析的一種方法，主要分為相鄰兩幀圖像和相鄰數(shù)幀圖像之間的差分這兩種。該算法主要依據(jù)相鄰圖像間具有強(qiáng)相關(guān)性的特點(diǎn)，把相鄰圖像中兩幀或者多幀進(jìn)行相減，用來消除背景或者是其他靜止的物體，達(dá)到對車輛進(jìn)行實(shí)時檢測的目的。幀間差分法適用于動態(tài)環(huán)境中，其基本原理是：首先計(jì)算出差分Dk，也就是計(jì)算出第K幀圖像與K-△K（△K≥1）幀圖像之間的差分，即Dk（x，y）=|fk（x，y）-fk-△K（x，y）|， fk（x，y）和fk-△K（x，y）分別為前后兩幀圖像，Dk（x，y）為幀間差分圖像。

Rk（x，y）=0 Dk（x，y）

其中T味差分圖像二值化閾值，Rk（x，y ）是經(jīng)過二值化等差分圖像處理程序得到的二值化圖像。其處理方法是如果前后兩幀圖像的灰度值沒有變化，則取值為0，如果前后兩幀的灰度值發(fā)生變化，則取值為1，代表變化區(qū)域。

幀間差分法原理簡單，易于計(jì)算，速度比較快，比較容易實(shí)現(xiàn)實(shí)時監(jiān)控，此外它對場景光照的緩慢變化不敏感，目標(biāo)陰影對其的影響也比較小，是適用范圍比較廣的算法。然而如果運(yùn)動目標(biāo)的運(yùn)行速度比較緩慢時，相鄰兩幀圖像就好出現(xiàn)重疊現(xiàn)象，該算法就僅能檢測出圖像中相對運(yùn)動的部分，導(dǎo)致目標(biāo)檢測失敗，此外，如果檢測車輛的灰度比較均勻的話，相鄰幀差可能在目標(biāo)重疊部分形成很大的空洞，嚴(yán)重時就會產(chǎn)生分割結(jié)果不連通的后果，不利于對目標(biāo)圖像的分析與研究。顯而易見，幀間差分法局限性也比較大，在沒有任何經(jīng)驗(yàn)的前提下，它極易錯判目標(biāo)。但是幀間差分法通常是其他復(fù)雜算法的檢驗(yàn)基礎(chǔ)，并且常常用來與其他復(fù)雜算法結(jié)合，彌補(bǔ)彼此的不足，提高目標(biāo)的檢測效果。

3 結(jié)束語

本文對隧道背景下運(yùn)動車輛的常用檢測算法進(jìn)行了認(rèn)真分析。對光流法、背景差分法和幀差法這三種常用經(jīng)典算法的基本原理、優(yōu)勢與缺陷進(jìn)行了系統(tǒng)的分析。為將來靈活使用這些算法，提高車輛檢測效果打下堅(jiān)實(shí)基礎(chǔ)。

【參考文獻(xiàn)】

[1]十八大報(bào)告全文[Z].

[2]涂耘，王少飛，張琦，等.西漢高速公路隧道照明系統(tǒng)評估研究[J].2010，21（5）：15-21，36.

[3]孫承志.基于DSP的運(yùn)動目標(biāo)自動檢測跟蹤系統(tǒng)的研究[D].南京：河海大學(xué)，2006.

[4]林雯.新型基于幀間差分法的運(yùn)動人臉檢測算法研究[J].計(jì)算機(jī)仿真，2010，10：238-241.

[5]李澤峰，朱凌云.基于改進(jìn)背景差分的運(yùn)動目標(biāo)檢測[J].儀表技術(shù)，2004（1）：34-36.

[6]張暉，董宇寧.基于視頻的車輛檢測算法綜述[J].南京郵電大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，27（3）：88-94.

[7]郝志成，朱明.智能目標(biāo)檢測與跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].光電工程，2007，16（2）：32-37.

[8]楊超華.基于LABVIEW和MATLAB混合編程技術(shù)的視頻運(yùn)動目標(biāo)檢測與跟蹤方法研究[D].南京：南京理工大學(xué)，2013：78-79.

[9]夏青華.模糊圖像車輛與車牌識別算法的研究和實(shí)現(xiàn)[D].南京：南京郵電大學(xué)，2011：26-34.

[責(zé)任編輯：湯靜]