目前,，交通問題已成為城市發(fā)展的主要制約因素之一。ITS(Intelligent Transportation System)智能交通系統(tǒng)，是指將先進的信息技術(shù),、數(shù)據(jù)通訊技術(shù),、自動控制技術(shù)、計算機處理技術(shù)等應(yīng)用于交通運輸,，實現(xiàn)交通信息管理現(xiàn)代化,。目前國內(nèi)外對ITS已經(jīng)有了較深入的研究和實踐。近20年的研究表明：實行ITS,，可以使道路的通行能力提高2～3倍,，將產(chǎn)生巨大的經(jīng)濟效益和社會效益。
　　交通視頻檢測設(shè)備是ITS的重要組成部分,，它實時地檢測交通參數(shù),，進行數(shù)據(jù)處理并傳送至交管中心。傳統(tǒng)的檢測方法是在車道下埋置磁感應(yīng)線圈" title="感應(yīng)線圈">感應(yīng)線圈^[1],，當有車輛經(jīng)過時,產(chǎn)生一個電信號，檢測出這輛車正在感應(yīng)線圈的位置,。根據(jù)一輛車通過不同的感應(yīng)線圈的時間間隔△t和兩個感應(yīng)線圈之間的距離L,求得車速,。
　　本文提出的視頻檢測方法，首先在圖像上設(shè)置虛擬線,，虛擬線的作用與上述磁感應(yīng)線圈類似,。根據(jù)虛擬線上像素點的數(shù)值變化判斷是否有車經(jīng)過檢測線。如果當前檢測線上的數(shù)值大于背景估計值,，則認為有車輛經(jīng)過檢測線,，從而檢測出車輛。由于背景的變化,，必須實時更新背景的估計值,，才能夠保證檢測的精度。
1 虛擬線檢測算法
　　視頻車輛檢測" title="車輛檢測">車輛檢測流程如圖1所示,，用一個架設(shè)在車道上方的攝像頭同時監(jiān)視多個車道,，攝像頭采集的圖像以25幀/秒(PAL)的速率進入圖像采集模塊，得到數(shù)字化的圖像(YUV 4:2:2),，數(shù)字圖像數(shù)據(jù)進入圖像處理模塊,，這個模塊是整個系統(tǒng)的核心，實現(xiàn)對實時動態(tài)圖像的分析處理,，檢測出多項交通信息,。圖像處理流程如圖2所示。

1.1 攝像機的安裝與虛擬線的實際距離
　　圖3中：Φ為攝像機的視場" title="視場">視場(FOV)角度,；
　　Φ/r為一條檢測線對應(yīng)的角度,；
　　D是一條檢測線對應(yīng)的實際距離；
　　r是圖像的垂直分辨率(一幅圖像的行數(shù)),。
　　實際應(yīng)用中,，根據(jù)圖3所示的視場角度(FOV),，攝像機比較理想的安裝高度應(yīng)該在7.5m～10m的范圍內(nèi)，并且保證監(jiān)視的視場能夠覆蓋1～4條車道,。
　　在機器視覺系統(tǒng)中,，一行掃描線代表的實際距離與攝像機的安裝密切相關(guān)，本系統(tǒng)中由三個參數(shù)確定,，分別是攝像機的安裝高度(h),、光軸與垂直方向的角度及視場(FOV)，各參數(shù)間的關(guān)系如圖3,。式(1)為每條檢測線代表的實際距離^[2]:
　　D=htan[arctan(d/h)+Φ/r]-d　　　　　　　　　　　(1)
　　由圖3所示幾何關(guān)系,，容易得到圖像覆蓋的實際最大" title="最大">最大距離為：
　　d_max=htan[arctan(d_min/h)+Φ]　　　　　　　　　　(2)
　　顯然攝像機能夠監(jiān)視的最大距離d_max由安裝高度h、最小距離d_mix和FOV角度Φ決定,。
1.2 背景估計和車輛檢測
　　一條道路通常被分為幾條車道,，在每條車道上分別設(shè)置如圖4(圖中數(shù)字1,2,3...表示像素點)所示的檢測區(qū)。每個檢測區(qū)由一條車輛存在檢測線和緊跟其后的速度檢測區(qū)構(gòu)成,。存在檢測線長度為50pixel/line,，速度檢測區(qū)由30條30pixel/line檢測線構(gòu)成。

　　判斷存在檢測線上是否有車通過的基本原理是：如果當前幀檢測線上像素點的灰度值明顯大于背景的估計值,，認為這一時刻檢測線上有車輛存在,，否則認為此刻檢測線上無車輛存在。
　　由于環(huán)境的變化,，必須實時更新存在檢測線上的背景估計值,。把一條檢測線上對應(yīng)五個不同時刻(相鄰時刻的間隔是10幀)的像素點的灰度值存入緩沖區(qū),用lineTn(n=1,2...)表示第n時刻檢測線上的數(shù)據(jù)。這樣連續(xù)5個時刻的數(shù)據(jù)為一組,，通過對連續(xù)兩組數(shù)據(jù)的比較計算來更新背景的估計值,。例如，當前緩沖區(qū)存的是lineT1到lineT5,，那么輸入的lineT6與lineT1的間隔是50幀(2s,，PAL制)，這樣在車速大于20km/h,車長小于11m的條件下(通常情況下滿足此條件),，不可能有同一輛車既經(jīng)過lineT1又經(jīng)過lineT6,。定義一個變量如(3)式：
　　
　　式(3)中S是lineT(1＋j)的第i個像素點的灰度值，S_i是lineT(6＋j)的第i個像素點的灰度值(j＝0,1,2,3,4),。把第一組數(shù)據(jù)和第二組數(shù)據(jù)比較,，即lineT1與6，2與7,，3與8,，4與9，5與10分別逐像素點地比較，由式(3)得到5個變量,，然后lineT6～10覆蓋lineT1～5存入緩沖區(qū),，用lineT6～10和lineT11～15重復(fù)上述計算過程,。通過比較lineT1～5和lineT6～10 兩組數(shù)據(jù)得到的5個變量中,，第j個變量Vj最小,，令V_min＝V_j，與這個最小值對應(yīng)的后一組數(shù)據(jù)中的lineT(6+j)用于存在檢測線的背景估計,。檢測線的背景估計通過式(4)的經(jīng)驗公式^[4]更新：
　　
　　式(4)中R是檢測線上第i點的背景估計值,，R_i是該點上一次的估計值，Bi是后一組數(shù)據(jù)中對應(yīng)于最小變量值Vmin的檢測線上第i點的值,。w是權(quán)系數(shù),，它決定了上一次的背景估計值對當前背景估計值的影響，(1－w)決定了對應(yīng)于V_min的檢測線數(shù)據(jù)對于背景估計的影響,。如果w＝1,，當前背景估計等于上一次背景估計;如果w＝0，當前背景估計完全被對應(yīng)于V_min的檢測線數(shù)據(jù)代替,。為了達到實時更新背景的目的,，w的值應(yīng)該較小，但是為了提高抗干擾能力,，w的值應(yīng)該較大,，綜合兩方面的考慮,，實際系統(tǒng)中取固定值w＝0.8,。通過上述計算過程，檢測線上的背景估計值每隔2s更新一次,，對于緩慢變化的環(huán)境,，能夠得到實時準確的背景估計。
　　如果一條檢測線上像素點的值比與它比較的檢測線上相應(yīng)點的值高得多(或低得多),，由(3)式得到V′,，而兩條檢測線上對應(yīng)點的值基本相同時得到V′′，那么V′會明顯大于V′′,，這就是進行車輛檢測的基本依據(jù),。定義變量：

　　
　　式(5)中L_i是當前時刻檢測線上第i點的值，R是背景估計值,。
　　當V_D大于選定的閾值時,，認為檢測線上有車輛存在。式(6)是閾值表達式：
　　T=kV_min　　　　　　　　　(6)
　　式(6)中V_mim是當前最小的變量值,，對應(yīng)于B_i,，k是常數(shù)，如果
　　V_D＞T　　　　　　　　　　(7)
　　說明當前時刻檢測線上的值大于背景估計值，此時檢測出有車輛經(jīng)過存在檢測線,。
1.3 速度檢測
　　如圖4所示,，速度檢測區(qū)緊跟在存在檢測線之后，當存在檢測線檢測到有車輛經(jīng)過時,，觸發(fā)速度檢測區(qū)工作,。為了避免車高的影響，當車輛相對攝像機的監(jiān)視方向運動時,，應(yīng)該按照車頭的位置計算速度,。而當車輛運動方向與攝像機的監(jiān)視方向相同時，應(yīng)該按照車尾的位置計算速度,。

　　以前一種情況為例,，一旦檢測到車輛進入速度檢測區(qū)，速度檢測模塊依次檢測每條虛擬線(從Line0開始),，方法與存在檢測算法相同,，當檢測到連續(xù)兩條虛擬線都沒有車輛存在時停止。認為這兩條線的前一條就是車頭的位置l0,，下一幀的檢測就從這條線開始,。一幀一幀重復(fù)上述過程，直到車頭位置超出了速度檢測區(qū),，那么上一幀得到的車頭位置ln就是車頭最后的位置,。車速為：
　　
　　式(8)中：l_n為車頭最后位置，第n幀,，
　　　　　　　l₀為車頭的開始位置,，第0幀，
　　　　　　　n為車頭從l₀到l_n經(jīng)歷的幀數(shù),，
　　　　　　　25 PAL制,，25幀/秒。
　　計算ln-l0是必須的,，因為車頭的開始位置和最后位置在每次測量時并不是固定的,。適當設(shè)置30條虛擬線組成的速度檢測區(qū)，使ln-l0的最小值是20,，則由檢測線引起的最大量化誤差是1/20,。
　　由圖3所示的幾何關(guān)系，(8)式的速度值能夠轉(zhuǎn)換成m/s為單位的實際速度,，與ln-l0對應(yīng)的實際距離為：
　　
2 系統(tǒng)實現(xiàn)
　　如圖5所示,，本系統(tǒng)選用TMS320C6000系列的DSP芯片作為處理器，采用雙處理器的硬件結(jié)構(gòu),，每個視頻通道處理一路視頻輸入,，可以同時檢測兩個方向的交通信息,。本系統(tǒng)在CCS2.2環(huán)境下開發(fā)系統(tǒng)底層程序，在VC.net環(huán)境下開發(fā)系統(tǒng)上層操作程序,，系統(tǒng)運行情況良好,。

3 實驗結(jié)果
　　用10個視頻序列(每個序列3分鐘，25f/s,攝像機高h＝7.5m,，視場FOV≈40°)對該系統(tǒng)進行測試,。實驗證明在環(huán)境光線良好的條件下，車輛計數(shù)的準確率在95％以上,；在較差的光線條件下,，車輛計數(shù)的準確率在90％以上，速度參數(shù)計算誤差小于5％,。表1為對5個視頻序列進行車輛計數(shù)的實驗結(jié)果,；表2為本系統(tǒng)的測速結(jié)果與同類產(chǎn)品著名品牌Autoscope的新型號Solo NC的檢測結(jié)果的對比。