楊小麗

摘 要：隨著計(jì)算機(jī)技術(shù)在智能交通系統(tǒng)中廣泛應(yīng)用，立體視覺(jué)成為重建混合交通場(chǎng)景、檢測(cè)混合交通流參數(shù)的重要技術(shù)。文章主要對(duì)利用計(jì)算機(jī)立體視覺(jué)觀測(cè)交通環(huán)境狀況獲取交通信息進(jìn)行綜述，同時(shí)介紹了復(fù)雜背景中交通對(duì)象的分割、陰影檢測(cè)和抑制、三維重建、模型匹配與識(shí)別等技術(shù)的研究。最后對(duì)立體匹配的三維重建研究趨勢(shì)發(fā)展及難點(diǎn)進(jìn)行了展望。

關(guān)鍵詞：立體視覺(jué)；圖像分割；陰影抑制；三維重建

1 概述

立體視覺(jué)的交通場(chǎng)景理解系統(tǒng)關(guān)鍵技術(shù)主要解決交通對(duì)象（行人、汽車、摩托車、自行車等）的三維信息模型化；低層處理，即先把圖像數(shù)字符號(hào)化和特征點(diǎn)的提取過(guò)程，主要包括圖像的分割和描述；運(yùn)動(dòng)檢測(cè)與運(yùn)動(dòng)匹配，主要技術(shù)有基于時(shí)空梯度的方法、基于相關(guān)的方法、頻率域法等；模型匹配與識(shí)別；交通對(duì)象的陰影檢測(cè)；系統(tǒng)實(shí)時(shí)性，由于三維重構(gòu)計(jì)算量較大，提高系統(tǒng)實(shí)時(shí)性等六大問(wèn)題。其中對(duì)三維重建、運(yùn)動(dòng)檢測(cè)與運(yùn)動(dòng)匹配和模型匹配與識(shí)別是立體視覺(jué)的交通場(chǎng)景理解系統(tǒng)關(guān)鍵技術(shù)主要研究方向。

從計(jì)算機(jī)視覺(jué)的角度進(jìn)行分類，基于模型交通流量檢測(cè)技術(shù)的方法可以分類為：基于區(qū)域跟蹤的方法；基于動(dòng)態(tài)輪廓的目標(biāo)跟蹤方法；基于特征的跟蹤方法；基于3D模型（立體視覺(jué)）的車輛跟蹤識(shí)別方法。

2 立體視覺(jué)的三維重建研究方法

基于立體視覺(jué)的三維重建是指通過(guò)對(duì)二維圖像的處理，利用立體視覺(jué)的原理獲取場(chǎng)景中目標(biāo)的三維信息。雙目立體視覺(jué)是直接模擬人類雙眼來(lái)處理景物的一種新型研究方法，由于其靈活性較高，可以測(cè)量多種條件下景物的三維信息。

2.1 圖像自適應(yīng)閾值分割法

圖像自適應(yīng)閾值分割法無(wú)論參數(shù)的選取為何種特征值，都能準(zhǔn)確快速的捕捉待處理的運(yùn)動(dòng)目標(biāo)。采用自適應(yīng)閾值分割方法對(duì)獲得的交通對(duì)象的視頻圖像進(jìn)行處理，把交通目標(biāo)特征層經(jīng)行分類處理，提高了類判別能力。同時(shí)，閾值來(lái)源較為廣泛和準(zhǔn)確，因此，不僅具有較好的識(shí)別率還具有較強(qiáng)的實(shí)時(shí)性。在背景存在微小運(yùn)動(dòng)和環(huán)境亮度突變的情形下也具有很好的魯棒性。徐文聰?shù)热酥饕獜淖赃m應(yīng)閾值分割的方法對(duì)運(yùn)動(dòng)車輛進(jìn)行檢測(cè)和流量統(tǒng)計(jì)。

在徐文聰研究中，閾值的取值為圖像的形態(tài)值，結(jié)合車道線和標(biāo)定的攝像機(jī)內(nèi)外參數(shù)，利用Dtsu算法提取候選車燈連通域信息。張虹波、孫明玉研究中，閾值的取值為圖像的灰度值。張虹波利用圖像差分方法獲得運(yùn)動(dòng)目標(biāo)。提取虛擬檢測(cè)區(qū)域內(nèi)的車輛圖像，進(jìn)行圖像的數(shù)字化和濾除噪聲等預(yù)處理，對(duì)視頻圖像提取背景模型，得到車流量信息。孫明玉提出基于新型自適應(yīng)閾值的運(yùn)動(dòng)目標(biāo)提取算法。孫明玉[4]提出基于新型自適應(yīng)閾值的運(yùn)動(dòng)目標(biāo)提取算法。首先，根據(jù)運(yùn)動(dòng)屬性，分成兩個(gè)聚類，一是運(yùn)動(dòng)目標(biāo)，二是背景。對(duì)提取的圖像按像素灰度進(jìn)行分類，以聚類間的方根-算術(shù)均值距離最大值作為分割閾選擇的準(zhǔn)則，實(shí)時(shí)更新提取的運(yùn)動(dòng)目標(biāo)的二值化閾值，從而實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的準(zhǔn)確完整提取。

2.2 基于側(cè)影輪廓的三維重建方法

基于側(cè)影輪廓的三維建模是一種新的建模方法，也稱為可見(jiàn)外殼 （Visual Hull）生成方法。側(cè)影輪廓法是利用攝像機(jī)拍攝的不同角度的圖像進(jìn)行立體重建，具有良好的幾何和拓?fù)浣Y(jié)構(gòu)的一致性，同時(shí)提取的特征點(diǎn)較少，易于計(jì)算，有較好的魯棒性。

阮孟貴、章毓晉利用攝像機(jī)在各個(gè)相異的角度獲取的多幅圖像完成三維重建。主要利用反射投影的交叉輪廓進(jìn)行匹配，重建物體表面。伍燕萍用Marching Cubes算法，把獲取的多幅圖像進(jìn)行側(cè)影輪廓重建，生成物體的可見(jiàn)外殼。曹煜利用平面鏡反射原理，對(duì)圖像輪廓線之間極的線幾何關(guān)系進(jìn)行分析，獲得相應(yīng)的相機(jī)內(nèi)外參數(shù)，實(shí)現(xiàn)目標(biāo)物體的三維重建。

2.3 基于序列圖像的三維重建方法

序列圖像法主要是利用數(shù)字圖像處理的方法對(duì)圖像二值化，便于計(jì)算機(jī)處理。通過(guò)對(duì)提取的特征點(diǎn)之間進(jìn)行相似度的匹配，利用矩陣分析進(jìn)行三維重建。此類方法關(guān)鍵在于正確三維數(shù)據(jù)的獲取，利用計(jì)算機(jī)相關(guān)軟件進(jìn)行圖像掃描、圖像預(yù)處理、建立數(shù)據(jù)模型，怎樣辨別噪聲是此方法的難點(diǎn)。雖然序列圖像法存在一定的噪聲污染，但由于其設(shè)備簡(jiǎn)單，在交通場(chǎng)景中運(yùn)用面較廣。

劉同敏利用提取的圖像序列作為測(cè)量矩陣的參數(shù)，提出了一種基于匹配相似度的最小二乘法三維重建方法。譚論正提出了基于PCA的交通場(chǎng)景點(diǎn)的重建方法。利用最小二乘法求場(chǎng)景點(diǎn)的三維軌跡，根據(jù)獲得的數(shù)據(jù)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)和背景模型的三維重建。孫麗娟通過(guò)透視投影重建算法中引入了迭代算法。利用矩陣擾動(dòng)理論，分析圖像噪聲對(duì)不同特征點(diǎn)重構(gòu)的影響，得出圖像數(shù)量越多重建精度越高的結(jié)論。彭科舉提出了尺度不變特征變換特征和角點(diǎn)特征相結(jié)合的三維重建算法。

2.4 混合高斯模型進(jìn)行背景建模

隨著信息技術(shù)、計(jì)算機(jī)技術(shù)、數(shù)據(jù)通信技術(shù)、傳感器技術(shù)、電子控制技術(shù)快速發(fā)展，基于視頻的智能交通控制系統(tǒng)在交通控制中占主要作用。在交通對(duì)象的監(jiān)測(cè)中，高斯背景模型在建立對(duì)運(yùn)動(dòng)目標(biāo)的提取有著至關(guān)重要的作用。研究發(fā)現(xiàn)，視頻圖像提取的特征值背景顏色和像素的灰度值符合高斯分布。由于像素在時(shí)間域上的分布信息符合高斯分布，利用其構(gòu)造其背景模型能解決光線突變等問(wèn)題帶來(lái)的影響，能夠適應(yīng)于戶外復(fù)雜光線的環(huán)境。此方法建模后模型的魯棒性強(qiáng)，準(zhǔn)確率高。目前，高斯背景建模在交通智能控制系統(tǒng)中發(fā)揮著越來(lái)越重要的作用。

劉亞利等人提出了基于邊緣特征的混合高斯背景建模方法。此方法加快了高斯模型的收斂速度，有較強(qiáng)的光變性。同時(shí)利用像素在時(shí)間域及空間域上的分布信信息，王永忠等人提出了一種基于自適應(yīng)混合高斯模型的時(shí)空背景建模方法。監(jiān)控系統(tǒng)采集的數(shù)庫(kù)不僅僅有時(shí)間上的信息，還有空間位移信息。王永忠提出的時(shí)空背景建模方法利用時(shí)間和空間上的像素分布信息，不僅提高了建模精度還解決了傳統(tǒng)的混合高斯背景建模方法對(duì)不平穩(wěn)場(chǎng)景建模失效的這一缺點(diǎn)。

3 結(jié)束語(yǔ)

基于立體視覺(jué)的三維建模技術(shù)研究是一個(gè)非常有意義的研究課題，在交通參數(shù)檢測(cè)技術(shù)的研究中，我們要結(jié)合相關(guān)的計(jì)算機(jī)圖像采集和處理技術(shù)，充分利用道路已有的資源，并將其采集的資源圖形化、數(shù)字化。雙目立體視覺(jué)技術(shù)對(duì)目前的單視點(diǎn)平面監(jiān)控系統(tǒng)缺點(diǎn)進(jìn)行很好的彌補(bǔ)。利用雙目立體視覺(jué)對(duì)交通對(duì)象進(jìn)行檢測(cè)和監(jiān)控，對(duì)獲得圖像數(shù)據(jù)分析，完成運(yùn)動(dòng)目標(biāo)的三維空間定位和追蹤。結(jié)合現(xiàn)有的計(jì)算機(jī)、電子信息技術(shù)，互聯(lián)網(wǎng)技術(shù)，對(duì)交通加強(qiáng)智能化建設(shè)，逐步實(shí)現(xiàn)增強(qiáng)道路交通監(jiān)控的信息化和自動(dòng)化。

參考文獻(xiàn)

[1]周冬梅，張明星，代永霞，等.基于紋理的車輛陰影消除新算法[J].自動(dòng)化與儀表，2014（1）：133-138.

[2]徐文聰，劉海.夜間環(huán)境交通數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].測(cè)控技術(shù)，2012，31（6）：60-66.

[3]張虹波.基于視頻檢測(cè)技術(shù)的交通車流量研究[D].寧夏大學(xué)，2014.

[4]孫明玉，丁瑩，李文輝，等. 一種自適應(yīng)閾值的運(yùn)動(dòng)目標(biāo)提取算法[J].計(jì)算機(jī)應(yīng)用研究，2010（6）.