基于Vi Be的車流量統(tǒng)計(jì)算法

費(fèi)維倩　程苗

摘要：交通統(tǒng)計(jì)作為智能交通系統(tǒng)的關(guān)鍵技術(shù)之一，已逐漸成為研究的熱點(diǎn)。本課題提出了一種車流量統(tǒng)計(jì)算法來確定車輛是否進(jìn)入觀察區(qū)域，從而實(shí)現(xiàn)交通流量統(tǒng)計(jì)。該研究的結(jié)果基于視頻的快速視頻流量統(tǒng)計(jì)算法。YUV色彩空間符合人類視覺習(xí)慣，用于消除陰影對(duì)交通統(tǒng)計(jì)的干擾。以解決光照變化對(duì)系統(tǒng)的影響。在道路上打開虛擬檢測(cè)區(qū)域，并且使用Vi Be表明，上述算法可以有效地計(jì)算交通量，可以用于交通引導(dǎo)，管理提供有效分析處理數(shù)據(jù)。

關(guān)鍵詞：車流量統(tǒng)計(jì);Vi Be 算法

隨著中國(guó)社會(huì)經(jīng)濟(jì)的迅猛發(fā)展，中國(guó)城市的交通量突然增加，智能交通系統(tǒng)的重要性也日益凸顯。交通監(jiān)控包括車速監(jiān)控，交通量和路況監(jiān)控，車輛異常行駛報(bào)警，車型判斷，車牌識(shí)別等。其中，流量統(tǒng)計(jì)可以對(duì)多個(gè)車道進(jìn)行車輛計(jì)數(shù)和擁堵分析，為交通管理員提供大量有效信息。實(shí)現(xiàn)智能道路調(diào)度，減少擁堵，提高道路資源利用率。

目前用于目標(biāo)檢測(cè)的學(xué)術(shù)方法主要分為以下三類：幀間差分法，背景減法，光流法。

Vi Be（視覺背景提取器）算法，視覺背景提取算法。具有其高實(shí)時(shí)性和穩(wěn)健性，因此，本文將其引入基于車輛流量統(tǒng)計(jì)技術(shù)視頻分析的交通流量檢測(cè)和統(tǒng)計(jì)研究。

Vibe算法首先將隨機(jī)選擇機(jī)制和鄰域傳播機(jī)制應(yīng)用于背景模型的建立和更新。此樣本集由過去位置及其鄰居位置像素值組成，然后將此處的像素值與此樣本集中的像素進(jìn)行比較，從而來判斷像素是否屬于背景。背景模型隨機(jī)再次更新。

Vibe算法于2011年提出。本文選擇基于Vibe模型的目標(biāo)提取方法。Vibe 模型步驟如下：1.首先根據(jù)像素鄰域的像素值，即當(dāng)前像素，定義背景模板8 鄰域模型中，隨機(jī)抽取 1 個(gè)值作為背景模板元素，并重復(fù) N 次。在當(dāng)前像素點(diǎn)xV（V）處設(shè)置顏色空間值，像素背景模板值為： M（x）={ V}1 V V3 V4 VN1. 2.分析比較當(dāng)前像素與背景模板中每個(gè)元素之間的距離，如圖1所示。用像素點(diǎn) V（x）中心和 R作為半徑計(jì)數(shù)圓包含背景模板 M（x）的數(shù)量，當(dāng)該值小于設(shè)定閾值時(shí)，將其確定為前景，并且當(dāng)其大于閾值時(shí)，將其確定為背景。圖 1 Vibe 分類模型。3.背景模型更新。對(duì)于被分類為背景的像素 V（x），像素 V（x）以概率 P（t）隨機(jī)地替換背景模板 M（x）中的像素值，樣本更新公式如下：P（t）=1N

雖然傳統(tǒng)的Vibe算法運(yùn)行良好，但它會(huì)為圖像中快速移動(dòng)的目標(biāo)產(chǎn)生重影，這可能導(dǎo)致目標(biāo)的誤提取。本文結(jié)合幀差法改進(jìn)問題，提高檢測(cè)精度。1.首先初始化并建立背景模板以及前景維持矩陣F （x y）;2.對(duì)視頻序列進(jìn)行差分建模并進(jìn)行二值化處理;3.運(yùn)用前文方法，根據(jù)當(dāng)前像素點(diǎn) R 包含背景樣本的個(gè)數(shù)是否在閾值范圍內(nèi)，判斷該點(diǎn)屬于背景還是前景。若判斷為背景則執(zhí)行步驟5.，若判斷為前景，則根據(jù)幀差法模型進(jìn)一步判斷當(dāng)前模型是鬼影還是真實(shí)前景，跳轉(zhuǎn)到步驟4.;4.根據(jù)差分掩模圖像繼續(xù)判斷當(dāng)前點(diǎn)是重影還是前景，即將幀差法獲得的背景圖像與Vibe背景圖像進(jìn)行比較，獲取新的背景圖像。若超過則認(rèn)為是鬼影點(diǎn);5.根據(jù)傳統(tǒng) Vibe 算法的更新步驟更新背景模板。

由于在RGB空間中處理原始Vi Be算法，雖然可以生成陰影，但是陰影不能被消除，從而影響流量統(tǒng)計(jì)的準(zhǔn)確性。這里的車輛檢測(cè)算法需要檢測(cè)和抑制由YUV空間中的車輛移動(dòng)產(chǎn)生的陰影。另外，陰影區(qū)域中的像素的色度幾乎等于背景像素的色度。由于移動(dòng)物體和陰影的色度相似，但亮度值的差異較大，請(qǐng)使用此屬性來檢測(cè)和移除陰影像素。

本課題中的流量統(tǒng)計(jì)算法中通過更新時(shí)間和虛擬檢測(cè)帶組相結(jié)合的方式。使用虛擬檢測(cè)區(qū)域的檢測(cè)方法是在每個(gè)信道上手動(dòng)設(shè)置虛擬頻帶。如果設(shè)置多個(gè)虛擬檢測(cè)波段那么就需要多個(gè)通道，因?yàn)楫?dāng)汽車通過該虛擬波段時(shí)，虛擬線路上的像素更新次數(shù)將發(fā)生明顯變化，因此流量統(tǒng)計(jì)信息基于此更改。同時(shí)，是否存在車輛訪問檢測(cè)區(qū)域是由更新次數(shù)的改變來進(jìn)行指示的。更新的數(shù)量將基本保持不變是由于在正常情況下，沒有車輛進(jìn)入。以此來作為虛擬檢測(cè)帶的補(bǔ)充。本文使用5行像素的虛擬磁帶，如表1所示，假設(shè)車輛寬度為60像素。在表中，1表示需要更新作為背景，0表示更新是前景目標(biāo)，即車輛。如果在由5行像素組成的虛擬帶中存在前景像素，不需要更新的像素和連接的像素滿足一定數(shù)量，也就是說，如果車輛進(jìn)入，則車輛統(tǒng)計(jì)數(shù)據(jù)可以增加一個(gè)。直至虛擬檢測(cè)帶上不再有 0 為止。如果虛擬波段全部為1則沒有車輛通過。實(shí)驗(yàn)結(jié)果如表2所示。

如圖1所示，速度和準(zhǔn)確度更好地結(jié)合在一起。本方法簡(jiǎn)單有效， 誤差較小。

算法整流程：1.在各個(gè)車道上設(shè)置虛擬檢測(cè)帶。2.取視頻序列的第一幀以初始化樣本模型，并取相應(yīng)位置的八個(gè)鄰域來初始化模型，取N次。3.對(duì)于新的幀圖像，將 X位置的像素與樣本模型中的對(duì)應(yīng)位置進(jìn)行比較，差值小于某個(gè)范圍 R，并且滿足 N個(gè)樣本中的 W，即，將新的 X幀視為背景并且需要更新。否則為前景。4.背景更新，包括像素和幀級(jí)更新。5.陰影去除與后處理。

現(xiàn)在常用的流量統(tǒng)計(jì)算法具有基于區(qū)域標(biāo)記和虛擬檢測(cè)線的統(tǒng)計(jì)方法。后者在道路上設(shè)置虛擬檢測(cè)線，然后確定是否存在通過檢測(cè)線的前景目標(biāo)。本文提出使用多個(gè)虛擬檢測(cè)帶和連接域來組合流量統(tǒng)計(jì)。

本課題提出了一種基于Vi Be的快速流量檢測(cè)算法。在使用 YUV空間進(jìn)行處理和消除陰影效果時(shí)，還可以消除光照變化帶來的不利影響，此外，此算法還取決于更新的數(shù)量，以及確定車輛訪問觀察窗口，并進(jìn)行實(shí)時(shí)交通流量統(tǒng)計(jì)通過更新次數(shù)和虛擬檢測(cè)區(qū)域的方法。通過實(shí)驗(yàn)結(jié)果表明此方法簡(jiǎn)單而且有效果，同時(shí)又具有實(shí)時(shí)性。因此，本文提出的Vi Be具有一定的車輛交通統(tǒng)計(jì)實(shí)用性。

參考文獻(xiàn)：

[1]李香平，楊兆選.基于虛擬線的視頻交通檢測(cè)新算法[J].電子測(cè)量與儀器學(xué)報(bào)，2005（04）.

[2]齊美彬，楊愛麗，蔣建國(guó)，等.一種基于改進(jìn)碼本的車輛檢測(cè)與跟蹤方法[J].中國(guó)圖象圖形學(xué)報(bào)，2011（03）.

[3]杜宇人，周愛軍.一種基于視頻圖像的運(yùn)動(dòng)車輛跟蹤方法[J].電子測(cè)量與儀器學(xué)報(bào)，2009（03）.

[4]檀甲甲，張建秋.實(shí)時(shí)采集道路車流量信息的視頻新方法[J].儀器儀表學(xué)報(bào)，2007（01）.

[5]唐佳林，李熙瑩，羅東華，等.一種基于幀差法的夜間車輛檢測(cè)方法[J].計(jì)算機(jī)測(cè)量與控制，2008（12）.

[6]於正強(qiáng)，潘赟，宦若虹.一種結(jié)合幀差法和混合高斯的運(yùn)動(dòng)檢測(cè)算法[J].計(jì)算機(jī)應(yīng)用與軟件，2015（04）.

[7]胡宏宇.混合交通中運(yùn)動(dòng)目標(biāo)特征表達(dá)與分類算法的研究[D].吉林大學(xué)，2007.

*基金項(xiàng)目：基于無人機(jī)vibe圖像處理車流量統(tǒng)計(jì)算法（編號(hào)，201810959038）。

（作者單位：安徽三聯(lián)學(xué)院）