摘要：隨著機(jī)動(dòng)車保有量的增加，我國(guó)交通現(xiàn)象擁堵現(xiàn)愈發(fā)嚴(yán)重，路管交通部門也對(duì)此給予了更多關(guān)注。為了更好的獲取交通基本參數(shù)信息以檢測(cè)交通道路擁堵程度，本文提出了一種依靠機(jī)器視覺(jué)來(lái)評(píng)測(cè)交通擁堵程度的全新系統(tǒng)，通過(guò)在路口設(shè)立監(jiān)控設(shè)備，來(lái)對(duì)實(shí)時(shí)路況進(jìn)行監(jiān)測(cè)并將采集到的信息及時(shí)反饋進(jìn)行智能分析處理，結(jié)合路面的實(shí)際動(dòng)態(tài)，來(lái)判斷道路是否存在擁堵現(xiàn)象，以便于及時(shí)采取措施達(dá)到緩解交通壓力的目的。

關(guān)鍵詞：機(jī)器視覺(jué);輕量級(jí);監(jiān)測(cè)交通擁堵

引言

關(guān)于交通擁堵問(wèn)題的解決方案，相關(guān)部門曾采用增加路網(wǎng)建設(shè)密度、加寬城市主干道路、建立城市立交橋等方法，然而隨著經(jīng)濟(jì)水平的提高，私家車變得普及起來(lái)，這些方法越來(lái)越顯現(xiàn)出其作用的局限性，因此人們迫切需要通過(guò)科學(xué)技術(shù)手段來(lái)改善日趨嚴(yán)重的交通擁堵問(wèn)題。當(dāng)前人們獲得基本交通信息的方法主要依靠各類傳感器（如埋在地下的線圈傳感器、雷達(dá)等），如今隨著視訊手段的全面提高，依靠機(jī)器視覺(jué)系統(tǒng)，通過(guò)在道路設(shè)立監(jiān)控設(shè)備采集各種交通參數(shù)信息，針對(duì)實(shí)時(shí)交通狀態(tài)進(jìn)行評(píng)估來(lái)判斷交通擁堵?tīng)顟B(tài)成為可能[1]。

一、交通擁堵的輕量級(jí)檢測(cè)

（一）監(jiān)控區(qū)域中道路的定制

車輛是以視覺(jué)為主檢測(cè)道路交通擁堵的重要媒介，在實(shí)際展開(kāi)檢測(cè)工作過(guò)程中，需要對(duì)行駛中的車輛進(jìn)行跟蹤，以此來(lái)掌握各種交通基本參數(shù)，包括車輛密度、平均行駛速度以及車流量等，在整合各項(xiàng)參數(shù)時(shí)，可更加明確擁堵?tīng)顟B(tài)。而這一方法應(yīng)用中，計(jì)算量較大。而道路特征的實(shí)時(shí)變化可以更加清晰地反應(yīng)交通擁堵?tīng)顩r，同時(shí)以路面作為研究主體不必對(duì)過(guò)往車輛進(jìn)行全方位跟蹤即可獲得車輛行駛速度、道路擁堵密度等交通參數(shù)，減少了信息采集的工作量，避免復(fù)雜的計(jì)算過(guò)程，因此將道路作為監(jiān)控區(qū)域的來(lái)評(píng)估交通擁堵系數(shù)的研究比監(jiān)控車輛的研究更有實(shí)際意義。

在監(jiān)控設(shè)備采集到的交通場(chǎng)景圖中，可以通過(guò)機(jī)器視覺(jué)系統(tǒng)自動(dòng)從區(qū)域圖中標(biāo)記出路面，也可以通過(guò)機(jī)器輔助的方法人工操作定制監(jiān)測(cè)區(qū)域。車道是監(jiān)測(cè)交通擁堵?tīng)顟B(tài)的主體，而路邊建筑物、綠化帶及行人通道則不屬于視頻監(jiān)測(cè)的主要目標(biāo)。因此在實(shí)際交通監(jiān)控場(chǎng)景中，監(jiān)控設(shè)備一般架設(shè)于十字路口的位置，以保證其同時(shí)監(jiān)控整個(gè)路面，另外設(shè)備的設(shè)立高度和角度與也要經(jīng)過(guò)精細(xì)計(jì)算，以保證其精確分割車道區(qū)域，避免無(wú)用信息的采集，減少計(jì)算量。

（二）采樣點(diǎn)的設(shè)立

在監(jiān)控設(shè)備采集得到的視頻圖像中信息量極其龐大，其中不可避免的存在大量時(shí)間冗余和空間冗余，因此需要定制采樣點(diǎn)做參造物的方法來(lái)去除其中的其中冗余信息。時(shí)間冗余是指采集到的同一序列圖像中相鄰兩幀的圖像背景和移動(dòng)目標(biāo)相同，只不過(guò)其位置略有變化而產(chǎn)生的無(wú)用數(shù)據(jù);空間冗余是指數(shù)據(jù)圖像中有著相似背景同時(shí)顏色相近的大面積區(qū)域，導(dǎo)致其像素點(diǎn)數(shù)據(jù)具有相關(guān)性，這種大量重復(fù)或類似的數(shù)據(jù)即稱為空間冗余。一般來(lái)說(shuō)，車道區(qū)域和同一車輛的顏色、亮度都是一樣的，因此采集得到的圖像中往往存在大量的空間冗余[2]。

考慮到車輛的面積大小在路面移動(dòng)的過(guò)程中是不會(huì)改變的，因此可以將多個(gè)采樣點(diǎn)均勻有序的排列成一個(gè)平面，以此來(lái)代替監(jiān)測(cè)路面，通過(guò)車輛移動(dòng)時(shí)遮擋住采樣點(diǎn)使其平面形態(tài)出現(xiàn)變化，來(lái)判斷路面的實(shí)際情況。需要注意的是，在監(jiān)控設(shè)備錄制的二維平面圖像中，同一物體在現(xiàn)實(shí)空間中距離鏡頭的遠(yuǎn)近，影響了其在畫(huà)面中所呈現(xiàn)出來(lái)的圖像面積大小。因此在設(shè)立采樣點(diǎn)的過(guò)程中要保證采樣點(diǎn)的分布隨著與鏡頭之間的距離變化不斷調(diào)整，距離鏡頭越近的采樣點(diǎn)，其彼此間的間距越大。

二、采樣點(diǎn)的分類

根據(jù)監(jiān)控設(shè)備反饋回來(lái)的圖像信息，觀測(cè)采樣點(diǎn)是否存在被車輛遮擋的情況，可將采樣點(diǎn)分為存在采樣點(diǎn)和非存在采樣點(diǎn)。存在采樣點(diǎn)即為有物體存在導(dǎo)致采樣點(diǎn)被遮擋的情況，非存在采樣點(diǎn)指的是采樣點(diǎn)上沒(méi)有物體存在。同時(shí)采樣點(diǎn)又可以分為移動(dòng)存在采樣點(diǎn)和靜止存在采樣點(diǎn)。從字面理解，移動(dòng)存在采樣點(diǎn)是車輛在采樣點(diǎn)構(gòu)成的平面結(jié)構(gòu)中移動(dòng)的狀態(tài)，靜止存在采樣點(diǎn)則指在平面空間中，該采樣點(diǎn)上的車輛狀態(tài)為靜止?fàn)顟B(tài)[3]。

根據(jù)存在采樣點(diǎn)在總體采樣點(diǎn)中所占的比例大小，可以判斷道路車輛密度，同時(shí)根據(jù)移動(dòng)存在采樣點(diǎn)和靜止存在采樣點(diǎn)的比例，可以判斷當(dāng)前車輛的流通速度，以及是否存在擁堵現(xiàn)象。

三、擁堵?tīng)顟B(tài)判定

在視覺(jué)系統(tǒng)的判定中，道路擁堵?tīng)顟B(tài)是根據(jù)靜止存在采樣點(diǎn)判斷出來(lái)的。然而靜止存在采樣點(diǎn)是無(wú)法直接體現(xiàn)在圖像信息當(dāng)中的。需要從總體存在采樣點(diǎn)中分離移動(dòng)采樣點(diǎn)的數(shù)量，兩者之差才是靜止采樣點(diǎn)的最終數(shù)據(jù)。因此首先需要準(zhǔn)確獲得存在采樣點(diǎn)和移動(dòng)采樣點(diǎn)的數(shù)據(jù)信息。

（一）存在采樣點(diǎn)的檢測(cè)

首先設(shè)立二值化閾值TH1和作為參考背景的采樣點(diǎn)圖像B0;其次選取t時(shí)刻的采樣點(diǎn)圖像Xt，根據(jù)公式

Dt=Xt-B0

可得出t時(shí)刻的差分圖像為Dt。利用閾值TH1對(duì)差分圖像Dt進(jìn)行二值化處理，即可得到當(dāng)前時(shí)刻的存在采樣點(diǎn)圖像Et。此刻圖像內(nèi)的采樣點(diǎn)可分為1和0兩種狀態(tài)，0表示該采樣點(diǎn)上沒(méi)有物體存在;1表示該采樣點(diǎn)上被物體遮擋，即為存在采樣點(diǎn)。

（二）移動(dòng)存在采樣點(diǎn)的檢測(cè)

分別讀取t、t-1、t+1時(shí)刻的采樣點(diǎn)圖像，然后根據(jù)公式

D1t=Xt—Xt-1

D2t=Xt-Xt+1

得到第一差分圖像D1t和第二差分圖像 D2t;然后分別使用閾值TH1和TH2對(duì)D1t、D2t進(jìn)行二值化處理，可得到當(dāng)前時(shí)刻移動(dòng)存在采樣點(diǎn)圖像Yt。

最后根據(jù)存在采樣點(diǎn)和移動(dòng)存在采樣點(diǎn)的數(shù)據(jù)做求差計(jì)算，可以得到靜止存在采樣點(diǎn)的具體數(shù)據(jù)，從而可判斷當(dāng)前交通擁堵?tīng)顟B(tài)[4]。

結(jié)語(yǔ)

本文所提到的關(guān)于機(jī)器視覺(jué)的輕量級(jí)交通擁堵檢測(cè)技術(shù)，其操作方便，數(shù)據(jù)采集準(zhǔn)確且方便，并且算法簡(jiǎn)單，同時(shí)這種視覺(jué)檢測(cè)系統(tǒng)能通過(guò)網(wǎng)絡(luò)與交通信號(hào)燈等智能模塊進(jìn)行銜接，從而達(dá)到隨時(shí)調(diào)整通行信號(hào)，應(yīng)對(duì)擁堵?tīng)顟B(tài)及時(shí)采取措施的功能。

參考文獻(xiàn)：

[1]葉鋒，廖茜，林蕭， 等.基于機(jī)器視覺(jué)的交通擁堵評(píng)估系統(tǒng)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2017，26（7）：78-83.

[2]湯一平，黃磊磊，嚴(yán)杭晨， 等.輕量級(jí)的全息道路交通狀態(tài)視覺(jué)檢測(cè)的研究[J].計(jì)算機(jī)科學(xué)，2014，41（5）：308-314.

[3]郭海濤.基于圖像識(shí)別技術(shù)的區(qū)域交通擁堵?tīng)顟B(tài)判別研究[J].信息記錄材料，2019，20（1）：74-76.

[4]汪青，梅瑞麟，周岳斌.基于機(jī)器視覺(jué)的車流監(jiān)測(cè)和交通燈智能控制[J].機(jī)械管理開(kāi)發(fā)，2019，34（2）：199-201.

作者簡(jiǎn)介：

雷華陽(yáng)（1982.12—），女，漢族，云南昭通，大學(xué)本科，主要從事交通管理視頻調(diào)度工作。