張煜恒，袁小翔

（東南大學(xué)，江蘇南京 210096）

1 研究背景

隨著交通量的增加、路幅的增寬、車(chē)道的拓展，傳統(tǒng)的交通調(diào)查手段已經(jīng)難以滿(mǎn)足現(xiàn)代交通對(duì)于大數(shù)據(jù)，應(yīng)對(duì)緊急情況的需求。而另一方面，智能交通系統(tǒng)正在蓬勃的發(fā)展。

智能交通系統(tǒng)[1]將先進(jìn)的信息技術(shù)、數(shù)據(jù)通訊傳輸技術(shù)、電子傳感技術(shù)、電子控制技術(shù)以及計(jì)算機(jī)處理技術(shù)等有效地集成運(yùn)用于整個(gè)交通運(yùn)輸管理體系，而建立起的一種在大范圍內(nèi)、全方位發(fā)揮作用的，實(shí)時(shí)、準(zhǔn)確、高效的綜合運(yùn)輸和管理系統(tǒng)。其中，先進(jìn)的交通觀測(cè)技術(shù)和數(shù)據(jù)采集技術(shù)是智能交通技術(shù)的重要組成部分。作為智能交通系統(tǒng)重要的一環(huán)，交通信息采集系統(tǒng)正不斷改善著交通調(diào)查的速度和效率。

但是，如今大多數(shù)的智能檢測(cè)設(shè)備被局限在路面上，有著設(shè)備成本高、數(shù)據(jù)獲取難度大、獲得的數(shù)據(jù)精確度不足等缺點(diǎn)。而數(shù)據(jù)采集過(guò)程，為了保證數(shù)據(jù)的準(zhǔn)確性，大多采取了人工采集的方法，耗費(fèi)大量人力，這與時(shí)代要求的智能化相去甚遠(yuǎn)。

為了解決上述問(wèn)題，我們提出并實(shí)踐了“基于航?！钡慕煌ㄐ畔⒉杉椒ǎ⒆灾餮邪l(fā)配套軟件進(jìn)行數(shù)據(jù)處理。

2 系統(tǒng)簡(jiǎn)介

我們分硬件系統(tǒng)與軟件系統(tǒng)同時(shí)進(jìn)行開(kāi)發(fā)。硬件系統(tǒng)上主要是通過(guò)集成航模飛控等技術(shù)設(shè)備構(gòu)建航模交通觀測(cè)系統(tǒng)，使其具備航空交通觀測(cè)能力。軟件系統(tǒng)上，基于MFC以及OpenCV平臺(tái)[2]開(kāi)發(fā)交通目標(biāo)坐標(biāo)與軌跡提取軟件，用于提取圖片中車(chē)輛的道路坐標(biāo)、速度、加速度、交通量等數(shù)據(jù)[3]。并將軟硬件進(jìn)行協(xié)調(diào)設(shè)計(jì)。

2.1 硬件系統(tǒng)

我們搭建了以四軸固定翼航模為基礎(chǔ)的視頻采集平臺(tái)，可實(shí)現(xiàn)交通流視頻采集的功能，為我們的軟件提供一個(gè)俯拍視角的視頻素材。航模觀測(cè)系統(tǒng)分為機(jī)載系統(tǒng)及地面站系統(tǒng)兩部分。機(jī)載系統(tǒng)包括四軸飛行器航模搭載攝像機(jī)、飛控模塊、接收機(jī)、數(shù)傳模塊及圖傳模塊；地面站包括電腦、顯示器、遙控器、數(shù)傳模塊及圖傳模塊，見(jiàn)圖1。

圖1 硬件系統(tǒng)示意圖

2.2 軟件系統(tǒng)

下面將簡(jiǎn)單闡述軟件所具備的的功能與簡(jiǎn)單原理。

（1）視頻的矯正（預(yù)處理）

航模拍攝的視頻大多受風(fēng)向以及操作的影響存在著不同程度的抖動(dòng)，而視頻的穩(wěn)定化處理是又是視頻高效精確處理的前提，所以必須對(duì)航模拍攝的視頻進(jìn)行預(yù)處理[4]。

軟件首先對(duì)視頻中角點(diǎn)進(jìn)行識(shí)別，由用戶(hù)選擇相對(duì)于大地靜止的角點(diǎn)（所謂角點(diǎn)，即特征點(diǎn)，是圖像中具有某種特征而易于識(shí)別出的點(diǎn)，靜止的角點(diǎn)我們通常選取道路兩旁的建筑物）進(jìn)行跟蹤。

本算法使用灰度梯度的方法識(shí)別角點(diǎn)：對(duì)灰度圖像值進(jìn)行二維求導(dǎo)，灰度梯度的極值點(diǎn)，即是角點(diǎn)。爾后，通過(guò)對(duì)視頻中的靜止的角點(diǎn)逐幀識(shí)別并跟蹤，以這些角點(diǎn)為基準(zhǔn)坐標(biāo)對(duì)視頻的坐標(biāo)進(jìn)行重新的標(biāo)定，從而得到穩(wěn)定化的，處理精確度高的視頻片段。

（2）車(chē)輛的自動(dòng)識(shí)別

軟件可以完成自動(dòng)識(shí)別出車(chē)輛的功能。識(shí)別方面軟件使用高斯混合背景差法，即將穩(wěn)定化處理后的視頻中的車(chē)輛（前景）從道路（背景）中分割出來(lái)。軟件運(yùn)行時(shí)，通過(guò)前幾秒的背景積累后，便可將移動(dòng)的交通流從背景中分割出來(lái)。將得到運(yùn)動(dòng)的前景圖像進(jìn)行腐蝕與膨脹處理，過(guò)濾掉環(huán)境噪聲后，便得到只含運(yùn)動(dòng)前景（車(chē)輛）的二值圖。

（3）車(chē)輛軌跡的跟蹤

識(shí)別出運(yùn)動(dòng)車(chē)輛后，軟件可以對(duì)其軌跡進(jìn)行跟蹤。車(chē)輛的跟蹤采用L-K算法[5]，通過(guò)對(duì)于前景圖像的角點(diǎn)（車(chē)輛與道路的邊界灰度變化率很大，通常為梯度極值而被識(shí)別為角點(diǎn)）進(jìn)行識(shí)別與連續(xù)跟蹤，從而得到車(chē)輛前景圖像坐標(biāo)信息與運(yùn)動(dòng)軌跡。再通過(guò)坐標(biāo)與時(shí)間的相對(duì)關(guān)系，算出每個(gè)車(chē)輛的速度，加速度等基礎(chǔ)數(shù)據(jù)。

3 實(shí)踐

基于上述各種功能的實(shí)現(xiàn)，我們提出了一種基于航模的交叉口交通量的統(tǒng)計(jì)方法，并進(jìn)行了實(shí)際驗(yàn)證。

3.1 方法簡(jiǎn)介

由于航拍視頻是俯拍，是三維場(chǎng)景在二維平面下的真實(shí)還原（略去了在交通量調(diào)查中不必考慮的地形因素），所以視頻中所獲取的交叉口交通量的信息即為真實(shí)交通量。

最常見(jiàn)的十字交叉口，我們將其四個(gè)分支進(jìn)行編號(hào)，分別為 I，II，III，IV，見(jiàn)圖2。

圖2 平面交叉口交通流

當(dāng)車(chē)輛進(jìn)入圖1矩形區(qū)域時(shí)，軟件對(duì)車(chē)輛進(jìn)行角點(diǎn)識(shí)別并跟蹤其軌跡信息，視頻處理結(jié)束后，將軌跡信息進(jìn)行處理

軟件采用角點(diǎn)跟蹤記錄軌跡、前景分割面積作為權(quán)重的一種新型交通流統(tǒng)計(jì)算法。通過(guò)軌跡落入圖中矩形局域的先后順序，從而獲得車(chē)輛的轉(zhuǎn)向信息。正常情況下，軟件能將運(yùn)動(dòng)的車(chē)輛完整分割（見(jiàn)圖3（a）），但在特殊的光線下中，由于車(chē)輛的擋風(fēng)玻璃的光線反射，或車(chē)輛的局部區(qū)域與路面顏色相近時(shí)，前景分割會(huì)出現(xiàn)將一輛車(chē)處理為兩輛車(chē)的情況（見(jiàn)圖3（b））。所以軟件將前景識(shí)別面積作為軌跡的權(quán)重，對(duì)標(biāo)準(zhǔn)車(chē)輛大小進(jìn)行對(duì)比，再進(jìn)行換算，從而獲得車(chē)輛的轉(zhuǎn)向信息以及準(zhǔn)確的分車(chē)型的交叉口交通量數(shù)據(jù)。

圖3 混合高斯背景差法

3.2 實(shí)例

以南京市江寧區(qū)蘇源大道與吉印大道的交叉口進(jìn)行軟件測(cè)試。

其中，東西向的是吉印大道，南北向的是蘇源大道，該交叉口地處南京市江寧區(qū)，是蘇源大道和吉印大道的交叉口，位于東南大學(xué)九龍湖校區(qū)外的西北角。蘇源大道和吉印大道都是按照公路設(shè)計(jì)標(biāo)準(zhǔn)設(shè)計(jì)的，越來(lái)越多地承擔(dān)城市道路功能的道路，設(shè)計(jì)時(shí)速80 km/h，全線限速70 km/h，均為雙向四車(chē)道道路，有較為寬闊的中央分隔帶。由于道路的原因，該交叉口區(qū)域很大，視域很好，交叉口前有四個(gè)車(chē)道，分別是非機(jī)動(dòng)車(chē)道、直右車(chē)道、直行車(chē)道、左轉(zhuǎn)車(chē)道，見(jiàn)圖4。

表1 人工統(tǒng)計(jì)交通量匯總

我們選擇了秋季某日的晚高峰時(shí)期進(jìn)行了一次調(diào)查，從17:15與17:45開(kāi)始，進(jìn)行了兩次10 min的交通量統(tǒng)計(jì)。

人工統(tǒng)計(jì)交通量見(jiàn)表1。

拍攝視頻經(jīng)軟件處理后的交通量數(shù)據(jù)見(jiàn)表2。

表1 人工統(tǒng)計(jì)交通量匯總

表2 拍攝視頻經(jīng)軟件處理后的交通量匯總

3.3 誤差分析

我們可以認(rèn)為人工統(tǒng)計(jì)的結(jié)果是準(zhǔn)確的。

則以人工計(jì)數(shù)為準(zhǔn)，誤差分析見(jiàn)表3。

表3 誤差分析表

對(duì)于本軟件的誤差，經(jīng)分析可能有以下原因：

（1）由于算法是根據(jù)灰度判別的，和道路顏色相近的某種灰色車(chē)輛在視頻中不易被識(shí)別，而發(fā)生漏記；

（2）拍攝視頻時(shí)間與人工統(tǒng)計(jì)時(shí)間有所出入，可能不是同時(shí)開(kāi)始及結(jié)束，導(dǎo)致變量不單一；

（3）非機(jī)動(dòng)車(chē)在機(jī)動(dòng)車(chē)道行駛時(shí)，若目標(biāo)較大也可能被統(tǒng)計(jì)在內(nèi)，導(dǎo)致誤差形成。

從以上實(shí)驗(yàn)數(shù)據(jù)可以看出，經(jīng)軟件處理而得到交通量與人工統(tǒng)計(jì)法的結(jié)果相比，準(zhǔn)確率達(dá)到97.94%，誤差率為2.06%，十分可觀。根據(jù)我們目前的研究狀況，這一方法操作方便，且本軟件中對(duì)于平交口交通量調(diào)查的數(shù)據(jù)較為準(zhǔn)確，可以進(jìn)行后續(xù)數(shù)據(jù)處理，并初步代替人工觀察。

4 結(jié)語(yǔ)

交通智能化是未來(lái)的必然趨勢(shì)，在這樣的環(huán)境下，我們應(yīng)當(dāng)多多嘗試去開(kāi)辟一些新的思路，以智能化的觀點(diǎn)來(lái)解決我們的交通問(wèn)題。我們所研究的航模輔助智能交通系統(tǒng)，操作簡(jiǎn)單方便，經(jīng)實(shí)踐證明也具有一定的精確度。該系統(tǒng)將通知識(shí)與計(jì)算機(jī)技術(shù)相融合，很好的體現(xiàn)了智能交通的思想，解放了人力物力，精確度也較高。

[1]賈小軍,喻擎蒼.基于開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)OpenCV的圖像處理[J].計(jì)算機(jī)應(yīng)用與軟件,2008,25(4):276-278.

[2]劉慧英,王小波.基于OpenCV的車(chē)輛輪廓檢測(cè)[J].科學(xué)技術(shù)與工程,2010(12):2987-2991.

[3]張宏志,張金換,岳卉,等.基于 CamShift的目標(biāo)跟蹤算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2006,27(11):2012-2014.

[4]劉進(jìn)才,張王月,池秀靜.數(shù)字圖像處理技術(shù)在交通調(diào)查與分析中的應(yīng)用研究[J].內(nèi)蒙古科技與經(jīng)濟(jì),2005(16):66-67.

[5]明冬萍,駱劍承,沈占鋒,等.高分辨率遙感影像信息提取與目標(biāo)識(shí)別技術(shù)研究[J].測(cè)繪科學(xué),2005,30(3):18-20.