交通路口闯红灯的视频检测算法

摘要：城市交通发展迅速，车辆拥有量急剧上升。交通路口的信号灯对于交通疏导至关重要，视频检测闯红灯并实现拍照处理，有助于减少交通管理成本，提高管理效率。本文根据城市路口的视频特征，提出一个基于颜色特征周期性变化的红灯检测算法。使用本算法，并利用自动背景计算技术，可以自动检测红灯和闯红灯车辆的抓拍。

关键词：信号灯检测；颜色特征；自动背景计算；违章抓拍

中图分类号：TP301.6文献标识码：A文章编号：1007-9599 （2010） 14-0000-02

Red Light Traffic Intersection Video Detection Algorithm

Xu Donghua1,He Liju1,Liu Lipin2

(1.Guangzhou Maritime College,Guangzhou510725;2.Sea Arms Command College,Guangzhou510430)

Abstract:The rapid development of urban transport,vehicle ownership is rising sharply.Traffic lights junction is essential for traffic control, video detection and implemented through a red light camera deal to help reduce traffic management costs,improve management efficiency.This video features the junction according to the city,proposed a periodic change based on the red color feature detection algorithm.Use of this algorithm, and the use of automated computing technology background,you can automatically detect the vehicle to capture the red and red light running.

Keywords:Signal detection;Color feature;Automatic background calculation;Illegal capture

一、前言

城市交通因为车辆数据的急剧增长而愈来愈拥塞。红绿灯对于交通路口的疏导起着极为重要的作用。部分驾驶人员存在侥幸心理而闯红灯的行为，对交通安全构成威胁。视频交通管理因其直观可信等特点，成为交通管理的一个重要手段。视频检测红绿灯信号，实现闯红灯抓拍，具有安装方便的特点，能够独立于路口的交通信号系统，可以实现固定或者移动的闯红灯抓拍功能[1][2]。

视频检测交通灯信号，可以替代红绿灯信号输出系统，并记录车辆冲闯红灯直观过程。这种记录为交通管理提供了便利，也为交通执法提供了可靠、有力的法律证据。此外，交通灯的自动定位与检测有着检验视频图像稳定性的作用，实现视频检测系统的自我故障检测和摄像机自动定位。

二、信号灯特征选择分析

交通灯一般地来说在场景中面积较小，但是亮度较高。颜色总是红黄绿三色。作为彩图像，一般地可以直接得R、G、B三基色的量值。这三种基色与灯的颜色刚好一致，所以不需要在进行颜色的空间的变换，直接使用RGB信号进行分析处理[3，4]。

交通灯存在着三方面的特征：（一）颜色单一，即一般只有红黄绿三色；（二）颜色在短期内不变：一般地至少在10秒内不变；（三）颜色周期性地按次序改变：改变的周期一般是固定的，出现的颜色改变基本固定；（四）交通灯的面积较小。

三、信号灯检测算法

本文提出的交通灯定位算法利用状态机原理，根据颜色的转换确定状态的变化，并记录状态变化的时间，颜色变化具有严格时间规律性的点将是交通灯的位置。

下面以红灯自动定位为例具体要求说明自动算法。

点的状态设置为5种：S0--初始状态；S1―第一次红色状态；S2―从红色变为非红色；S3―从非红色变为红色；S4--非交通灯点状态。图1为图像中状态转换图，交通灯像素点的状态转换应该沿着粗线条进行，最后在状态S2与S3之间循环。（a），（b），…，（g）为状态转换条件

设序列图像 ，k=R，G，B，分别表示红、绿、蓝三色图像。设红灯信号的最低红色素值为 ，最高绿色素值为， 最高蓝色素值为 ；绿灯信号的最高红色素值为 ，最低绿色素值为 ，最高蓝色素值为 ；黄灯信号的最高红色素值为 ，最代红色素值为 ，最低高色素值为 ，最低绿色素值为 ，最高蓝色素值为 。即对红色灯信号有：

对于绿灯信号有：

对于黄灯信号有：

交通灯的检测从灭到亮开始。取像素点状态模板图像 和计时矩阵 ， ， ，大小等同图像大小，初始每点均置为0。 存储像素状态， 记录状态发生时间， 记录红色持续时间， 记录非红色持续时间。模板图像取相隔时间为1秒的序列图像 ，计算帧差图像 ，并模板图像

（4）

其中 为一小阈值。

下面说明状态转换条件及相应操作：

(a) 从初始状态S0转换到第一次红色状态S1

当 且 且当前帧的点 为定义的红色时， ，并记录当前时间于 。

(b) 从第一次红色状态亮S1转换到非红色状态S2

当 且 时，此时发生第一次红色转换为非红色，状态转换 。设当前时间为 ，则红色持续时间

= - ，并将记录在 ＝ 。

(c) 从非红色状态S2转换到红色状态S3

当 且 且当前帧对应点为定义的红色时，如果 =0，那么， ，并记录 ＝ － ， ＝ 。

(d) 从红色状态转S3换到非红色状态S2

当 且 且当前帧的点 不是定义的红色时，此时发生再次的红色转换为非红色。计算 = - 。当| - |

(e) 从红色状态转S3换到非交通灯点状态S4

当 且 且当前帧的点 不是定义的红色时，此时发生再次的红色转换为非红色。计算 = - 。当| - |>2秒时，状态转换

(f) 从非红色状态S2转换到非交通灯点状态S4

当 且 且当前帧对应点为定义的红色时，如果 而且| －（ － ）|>2，那么状态转换 。

利用上述的状态转换机制，经过几个红灯亮灭的周期，红灯对应像素点将在状态图 中处于相同状态：S2或者S3，并且有着相同的起始时间 ，红灯时间 和非红灯时间 。其它非红灯对应点将处于状态S0，S1，S4。

状态图像 去除处于S0，S1，S4的点后，一般地剩下的点就是红灯像素点，而且只大部分处于相同的状态下，分别统计处于状态S2和S3的点数。通常情况下，较多的点即代表红灯。再对时间参数作检验，剔除不一致的点，得到红灯像素点。最后对状态图像作简单的形态滤波或者中值滤波，去除噪声，得到一个完整、连通的红灯位置图，从此图可以计算出红灯的位置与大小。

这些点所对应的时间 即是红灯亮的时间， 即是红灯灭的时间，而 + 则是一个红灯周期。

对于绿灯或者黄灯可以同样处理，得到交通灯的位置。这些位置比较固定，可以用于检测摄像机的位置的改变，实现故障检测与摄像机自动定位。

四、闯红灯抓拍算法

闯红灯抓拍，采用背景差法相对帧间差法更有利。路口在红灯时理论上没有车辆通行，所以背景图像容易准确计算。在能够计算到准确稳定的背景图像时，背景差法的简单快速的优点可以得到充分的发挥[5]。

车辆利用红灯自动定位算法准确计算到红灯位置后，同时也得到了红灯的起始和停止时间。在红灯期间，可以根据路口的车辆情况实现红灯抓拍处理。在交通路口，使用背景差方法检测车辆闯红灯比较有效。在交通路口，背景图像可以准确的确定抓拍过程可以为：（一）红灯时间确定；（二）路口图像背景确定或者更新；（三）路口当前图像与背景图像比较，确定是否出现闯红灯。如有，抓拍，并贮存闯红灯的过程照片或者视频录像。

红灯的位置与时间特性可能通过前述的算法确定。背景图像可以手工拍摄，也可以自动计算。自动计算的研究广泛而深入，业已提出各种各样的计算方法：（一）均值法--假设运动车辆给背景带来的变化是零均值的随机噪声，用时间序列图像的平均值作为背景图像；（二）Bayes概率法―从图像变化的统计规律中确定背景图像；（三）频度构造法―从背景的变化频度搜索背景图像区块，进而构造背景图像。由于路口在红灯期间一般没有车辆通行，所以合适采用频度构造法，即在几个红灯周期内通过变化频度选择路口前景图像的小块，进而构造整个路口区域的背景图像。

基于背景差的分割方法的基本假设是：车辆对应的图像象素与背景象素在图像的灰度或者色彩等特征上与背景存在显著差异。设视频序列图像为 ，当前的背景图像为 ，背景差图像为：

（5）

对差图像 的处理最简单的是阈值方法，即计算车辆图像象素模板图像：

（6）

为一个较小的阈值，模板图像 中的为1的点表示车辆图像区域，为0的点表示背景图像区域。这种简单的阈值方法尽管在一定的场合下是有效的，但是它明显地缺乏灵活性，阈值的选择决定着算法的有效性。阈值的选择可以根据应用的场合的特征手工选择，但更有效的是利用背景的计算过程或者其它信息进行自动选择。一种常见的方法是建立背景图像的高斯分布模型，即背景计算时需要计算两个参数，背景均值图像 和背景方差图像 ，背景中点 在时刻k服从高斯分布 。在获取当前序列图像 时，计算点为背景概率：

（7）

计算车辆模板图像

（8）

在对此图像进行滤波和聚合处理后，可以确定红灯时路口相应区域是否存在车辆通行，从而决定是否进行抓拍和报警输出。

五、结论

本文提出一种利用路口场景中的红绿灯颜色周期变化的特点来检测红绿灯位置与时间信息的算法，并运用背景差法判断红灯时路口是否有车辆通行即发生闯红灯行为，最终实现闯红灯抓拍。这种算法能够运用视频稳定地实现路口的红灯抓拍，它不需要与已经安装的交通信号系统连接，增强了系统的灵活性，既可以固定布设，也可以按需要进行移动布设。

参考文献：

[1]刘东.ITS中的车辆检测技术[J].公安大学学报（自然科学版）,2000,4:36-39

[2]李智勇等.动态图像分析[M].国防工业出版社,1999,8

[3]Nelson H.C.Yung，Andrew H.S.Lai,An Effective Video Analysis Method for Detecting Red Light Runners,IEEE Trans.On Vehicular Technology[J].2001,50(4):1074-1084

[4]G.S.K.Fung,N.H.C.Yung,and G.K.H.Pang,Camera calibrationfrom road lane markings.Opt.Eng-J.SPIE,2003,42(10):2967-2977

[5]Fung G.S.K.,Yung N.H.C.,Pang G.K.H.,Vehicle shape approximation from motion for visual traffic surveillance,IEEEPproc.On Intelligent Transportation Systems,2001,8:608-613

作者简介：

徐东华（1973-）男，硕士，实验师，研究方向：计算机软件工程