一种基于彩流直方图分析的交通流量统计算法

摘 要:通过分析摄像头采集的现场交通彩数据,将视频检测应用到交通流量检测和交通控制。运用图像处理的方法提取图像中通行车辆的车速以及通过视场内的车流量,在研究视频流的基于彩色直方图的通行车辆识别算法后,提出一种新的基于彩流的直方图分析的车流量检测算法。本算法通过计算视频流中的每一帧RGB值的直方图,通过做差值来统计视频中的车辆数量,并根据变化的快慢频率来计算车辆行驶的速度。该算法改进了已有的利用黑白视频流灰度直方图的方法,扩展了算法应用的灵活性,满足了应用系统的实时的要求,确保了检测数据的精度,在算法准确度和速度方面均有比较好的效果。

关键词:直方图;交通流量;视频流;彩数据

中图分类号:TP391文献标识码:A

文章编号:1004-373X(2010)02-112-03

Vehicle Flow Detection Algorithm Based on Colour Histogram from Video

WANG Xiaomin1,2,SHEN Guangrong1

(1.Shanghai Jiaotong University,Shanghai,200240,China;

2.National Engineering Research Center for Information Technology in Agriculture,Beijing,100097,China)

Abstract:By analyzing the video data of the spot traffic flow,the goal of vehicle flow detection and traffic control are achieved.A method based on colour histogram from video and image processing is proposed,the velocity of the vehicles and the vehicle flow through the field of vision can be extracted from the video image.After getting color histogram of each frame in the video,the differential value of these histograms can be computed to count the vehicles quantity,and calculate the speed according to the frequency shift.This algorithm extends the existing histogram analytical method of monochrome video,increases the flexibility,satisfies real_time demand of the application system,guarantees the precision of detection data,and it has a desirable effect in the accuracy and the speed.

Keywords:histogram;traffic flow;video flow;color video data

0 引 言

交通流量信息是交通控制中的重要信息。要实现交通流数据的提取,先要进行车辆检测。目前国内常见的交通流检测的方法有超声波检测、红外检测、环形感应圈检测和计算机视觉检测。超声波检测精度不高,容易受车辆遮挡和行人的影响,检测的距离短 (一般不超过12 m);红外检测受到车辆本身热源的影响较大,抗噪声的能力不强,检测精度也不高;环形感应圈检测精度高,但要求设置于路面土木结构中;对路面有损坏,施工和安装不便,而且需要安装的数量多。

已有学者将视频检测应用到交通流量的检测和交通控制上,获得了很大的成功[1,2]。这是一种基于视频图像的检测技术,也称为计算机视觉或机器视觉检测,是一种结合数字视频图像和人工模式识别的技术。与传统的检测方式相比,视频检测具有明显的优势,主要体现在:具有完备的检测手段,能够检测出绝大多数的交通流数据,其中包括交通流量、车辆速度以及占有率等,还能够实现交通事故的自动检测;具有大区域检测的特点,有利于交通的管理和控制;使用安装无需接触公路实体,维护方便[3]。本文在借鉴国内外相关技术的研究成果后,提出一种利用彩色直方图分析视频对交通流量进行检测的算法,并用Matlab进行了模拟仿真,取得了比较好的效果。

1 直方图及彩色图像的处理

在数字图像处理中,一种最简单且最有用的工具是直方图。它概括了一幅图像的可观信息,某些类型的图像还可以由其直方图完全描述。直方图的计算很简单,特别是当一幅图从一个地方被复制到另一个地方时,直方图可以用非常低的代价来完成。灰度级为[0,L-1]范围的数字图像的直方图是离散函数h(rk)=nk。式中:rk是第k级灰度;nk是图像中灰度级为rk的像素个数。直方图是多种空间域处理技术的基础。直方图操作能有效地用于图像增强、图像压缩与分割等。

人们经常发现构造高维直方图比一维直方图更为有用,特别是研究彩色图像时。在分析多光谱数字图像的时候,有二维直方图的概念。在不同光谱下同一个景像可得到不同颜色的(如红光或蓝光)图像如图1所示。二维直方图表示像素值在两种灰度级(红、蓝)的组合分布的情况。二维直方图是两个变量的函数:红光图像灰度值DR和蓝光图像灰度值DB的函数。如图2所示,二维直方图中,坐标(DR,DB)处的值表示在红光图像中具有灰度值DR,同时在蓝光图像中具有灰度值DB的像素(对)的个数,故是组合分布的情况。

图1 不同光谱图

图2 二维直方图

若红光、蓝光图像完全相同,则二维直方图仅在45°斜线上有值。如果每个像素(对)中红光灰度值大于蓝光的值,则直方图就分布在45°的斜线之上,反之亦然[4]。

Matlab的RGB数组可以是双精度的浮点数类型、8位或16位无符号的整数类型。在RGB的双精度型数组中,每一种颜色用在0~1之间的数值表示。例如,颜色值是(0,0,0)的像素,显示的是黑色;颜色值是(1,1,1)的像素,显示的是白色。每一像素的三个颜色值保存在数组的第三维中。例如,像素(10,5)的红、绿、蓝颜色值分别保存在RGB(10,5,1),RGB(10,5,2),RGB(10,5,3)中[5]。

这里,将利用彩色图像的直方图变化来进行流量的统计。由于彩色图像是由三个分量组成的,可以分别按三个分量的进行直方图处理[6]。其直方图具有红(R)、绿(G)和蓝(B)三个变量:FR,FG和FB。这是一种多光谱的数字图像,在每一个采样点有一个像素,每个像素有三个表示各基色灰度值的变量。但是,用二维平面图表示三维直方图是很困难的,所以,可以简单地按照三个基色各自的灰度值函数分别处理,或者将彩色图像的灰度值看成是由两个空间变量和一个光谱变量的函数,也就是多光谱图像。彩色像素点的亮度等于对应三个基色的刺激值的加权和,即:Y=aT1+bT2+cT3。式中Ti(i=1,2,3)为红、绿、蓝三个刺激值;a,b,c为常数[7]。有些学者利用彩色直方图进行视频监控录像的分析[8],用于监控系统。

2 视频的处理

视频涉及到图示信息,其中包括静态图像和时变图像。静态图像其信息密度随空间分布,且相对于时间为常量。而时变图像其空间密度特性是随时间变化的,所以时变图像是一种时空密度模式,它可表示为sc(x1,x2,t),其中:x1和x2是空间变量;t是时间变量。实际上也可以用静止帧图像的一个时间序列表示一个时变图像。视频信号通常涉及到一维模拟或数字的时间信号。其中时空信息是作为一种时间函数,按照预先的采样约定排序的。

由于sc(x1,x2,t)是将一个时变的三维(3D)空间场景投影到二维(2D)图像平面而形成的。三维场景中的时间变化通常是由于该场景中的实体的运动所至。因而,时变图像反映了三维运动实体向二维图像平面的一个作为时间函数的投影。数字视频对应于这种时变图像的时空采样类型[9]。

3 算法原理

当一幅图像被压缩为直方图后,所有的空间信息都丢失了。直方图描述了每个灰度级具有的像素个数,但不能为这些像素在图像中的位置提供任何线索。因此,一幅特定的图像有惟一的直方图;反之不成立,因为不相同的图像可以有相同的直方图。在图像中移动物体一般对直方图没有影响,但如果将物体移出图像外将对直方图有着很大的影响。对于交通视频来说,车辆不断进入特定区域时和离开该区域直方图都会有很大的影响。

算法的设计目标是从视频图像中提取车辆的即时速度和统计车流量。该算法通过计算视频流中每一帧RGB值的直方图,并通过做差值来统计视频中的车辆数量。根据变化频率的快慢计算车辆行驶的速度。

车速的测量和车流量的统计首先要对摄像机视场内的通行车辆进行识别,车辆通过视场时,计算机只要识别事先放置的虚拟检测器,就可以启动系统开始记录个数和车辆通过的时刻,然后计算通行车辆的速度。车辆通过标定距离的识别采用阈值检测的算法。该算法原理为:当车辆通过检测线时,统计检测线区域内的灰度变化,就可以确定目标车辆进入或离开检测线,对车辆计数或记录通过的时间。

4 实验结果及分析

图3(a)~图3(f)表示的是两条车道上两条虚拟检测线范围内车辆通过前后的像素RGB直方图。图3(c)为两车道的前面各有一辆浅色车,右车道的后面有一辆深色车。图3(d)为两车道的后面各有一辆浅色车,左车道前面有一辆深色车。

图3 固定背景和目标出现的图像及相应彩色直方图

由图3中各图可以看出,在有车辆通过两条检测线区域内时,RGB值分布发生了明显的变化。当没有车辆通过时,背景路面的像素RGB的分布是个定值,当有车辆通过时,不管是深色车还是浅色车,不管是左车道有车还是右车道有车或是都有车,都会对RGB的分布产生很大影响,根据前一帧和后一帧的RGB变化,可进行统计计算。

使用本文方法对已有的两车道道路的车辆进行流量统计,得到的结果见表1。

表1 二车道统计结果

实际车流 /辆算法计算结果 /辆误差度百分比 /%

车道130313.3

车道231303.2

5 结 语

由彩流的RGB直方图,给出了仿真结果,验证了模型的正确性。该算法改进了已有的利用黑白视频流灰度直方图的方法,扩展了算法应用的灵活性。基于视频流RGB直方图统计的通行车辆识别算法简化了计算机的处理运算,满足了应用系统的实时要求,确保了检测数据的精度。

参考文献

[1]Michalopoulos P G.Field Deployment of Autoscopetm in the Fast_TracATMS/ATIS Program[J].Traffic Engineering and Control,1992(9):475-483.

[2]James M Ferryman,Stephen J Maybank,Anthony D.Visual Surveillance for Moving Vehicles\.International Journal of Computer Vision,2000,37(2):187-197.

[3]巨永锋,朱辉,潘勇.基于计算机视觉的车流量检测算法\.长安大学学报:自然科学版,2004,24(1):92-95.

[4]Castleman K R.Digital Image Processing\.New Jersey:Prentice Hall,2004.

[5]飞思科技产品研发中心.Matlab 6.5辅助图像处理\.北京:电子工业出版社,2003.

[6]Gonzalez R C.Digital Image Processing[M].Second Edition.Beijing:Publishing House of Electronics Industry,2003.

[7]陈传波,金先级.数字图像处理\.北京:机械工业出版社,2004.

[8]张便利,常胜江,李江卫,等.基于彩色直方图分析的智能视频监控系统\.物理学报,2006(12):6 399-6 403.

[9]A Murat Tekalp.Digital Video Processing\.Prentice Hall,1998.