基于视频的道路识别新算法在交通监测系统中的应用

基于视频的道路识别新算法在交通

监测系统中的应用

郇洪江, 宫宁生，胡斌

（南京工业大学信息科学与工程学院,南京,210009）

摘要：针对传统的道路识别方法过程复杂，易受干扰，识别效果不够理想等缺点，根据道路上会有大量车辆通过，而车辆通过的地方也必为道路这一特点，采用逆向思维，通过识别运动物体达到识别静态物体的目的，提出一种应用累积帧差技术通过识别道路上经过的车辆来识别道路位置的新算法。实验结果表明使用新算法识别出的道路效果比较理想，可以满足实际应用的需要。

关键词：道路识别；累积帧差技术；阈值分割；图像平滑

中图分类号:TP391.4

Vision-based method for Road Recognition Algorithm used in traffic

surveillance system

HUAN Hongjiang, GONG Ningsheng , HU Bin

(Department of Information Science and Engineering, Nanjing University of technology, Nanjing,

210009, China)

Abstract:The traditional road recognition algorithm is complex, sensitive and the resule is unsatisfactory. According to the fact that there will be massive vehicles get across the road and the place where vehicles get across must be road, so a new road recognition algorithm based on accumulated frame differences used in traffic surveillance system is introduced. The experimental results show that our methods are useful and easy to apply.

Key words: Road Recognition; Accumulated frame differences; Thresholding; Image Smoothing 1引言

交通监测系统是智能交通系统的重要环节,负责采集有关道路交通流量的各种参数。[1] 近年来随着计算机技术、图像处理、人工智能、模式识别等技术的不断发展, 基于视频的计算机视觉检测技术在交通监测系统中获得越来越广泛的应用。[2]目前基于视频的交通监测系统使用的技术主要有虚拟检测线法，背景差法，帧差法等，其中由于虚拟检测线法具有简单，方便，实时，系统开销低等特点，可以有效地检测出道路上的车辆，因此被大量使用。但是

作者简介: 郇洪江(1983-),男,江苏连云港人,硕士生, 主要研究方向为神经网络, tom998877@348a24d084254b35eefd3480;

宫宁生,副教授; 胡斌(1982-),男,江苏无锡人,硕士生, 主要研究方向为神经网络;

虚拟检测线法需要事先观察用于检测的视频图像，确定视频图像中道路所在的位置，然后以人工的方式设定虚拟检测线的位置参数，使其位于图像中道路上的适当位置，这种人工设定参数的方式不够智能化，并且目前许多路口安装的视频监控探头都安装在转动云台上，可以转动，每次转动都需要重新设定检测线的位置参数，人工设定方式工作量巨大，更加显示出自动方式的必要性。如果要以自动的方式设定虚拟检测线的位置参数，则需要系统能够识别出视频图像中道路的位置，并根据道路的具体情况自动设定虚拟检测线的位置参数，使其位于图像中道路上的合适位置。目前道路识别的主要方法是使用边缘检测技术在图像中检测道路的各条标志线，但是由于各种干扰（如通过的车辆，道路两旁的建筑，树木，以及建筑，树木在光照下留于道路上的阴影等）的影响，使得检测效果不够理想。本文考虑到在一个较长的时期内，道路的每一条车道都会有足够多的车辆通过，而有车辆通过的地方也必为道路，椐此，通过识别运动物体达到识别静态物体的方法，提出一种应用累积帧差技术识别道路位置的新算法。实验结果表明新算法效果比较理想，可以满足实际应用的需要。

2 算法思想与分析

新算法的思想可分为如下几个步骤：

将输入的用于识别道路的视频序列中的每两个相邻帧图像之间采用帧差进行处理获得相邻帧差图像，对相邻帧差图像进行平滑处理和阈值分割得到相邻帧差图像的二值化图像，将所有相邻帧差图像的二值化图像累加，即获得累积帧差图像。

对获得的累积帧差图像通过阈值进行图像分割，就可以将道路与周围的背景区分开，同时可以去除掉绝大部分的干扰点。因为道路上有大量车驶过，所以图像中位于道路上的像素点会被车辆反复覆盖，输入的用于识别道路的视频序列图像越多，道路上的像素点会被车辆覆盖的次数越多，则累积帧差图像中对应像素点的灰度值越高。而大部分的干扰点只是偶然出现的，所以累积帧差图像中对应像素点的灰度值比较低，通过设定阈值进行图像分割就可以很容易的除掉这些偶然出现的干扰点。

提取道路边界线，已知道路在图像中的方向为竖直方向，所以可以通过水平方向扫描二值化后的累积帧差图像中的突变点来获得道路边界线，同时可以通过判断突变点是由白变黑或是由黑变白来确定得到的是道路左侧还是右侧边界线。由于累积帧差图像中仍然会存在干扰区域，但是干扰区域的边界线长度一般比较短，所以可以通过判断获得的边界线长度是否达到阈值来确定是否为道路边界线。

新算法具有如下特点：第一，传统算法首先需要获得整幅画面都没有车辆的图像，新

本文来源：https://www.bwwdw.com/article/zwbq.html