基于幀差法和背景差法融合的車流量檢測
方法
第29卷第2期計算機仿真2012年2月
文章編號:1006—9348(2012)02—0353—05
基于幀差法和背景差法融合的車流量檢測方法
許倫輝，卜萍，陳衍平，黃艷國
(1.華南理工大學，廣東廣州510640;
2.江西理工大學電氣工程與自動化學院，江西贛州341000)
摘要：研究優化車流量檢測準確度問題.針對運動目標速度和外界環境都是影響車流量檢測準確性，容易造成車流量的漏
檢和誤檢等.為了克服傳統算法所存在的缺陷，在現有算法的基礎上，提出了一種融合幀差法和背景差法的智能車流量檢
測方法.首先利用幀間差分方法為主，結合減背景方法為輔，然后通過一種迭代閾值分割法濾除噪聲并對背景進行實時更
新.完成了多車道的車流量檢測，并進行了仿真，結果得到多組數據，并提高了計算準確率.仿真結果表明，改進方法可有
效地提高了車流量檢測精度.
關鍵詞：車流量；背景差法；幀差法；目標檢測
中圖分類號:TB24文獻標識碼:B TrafficFlowDetectionMethodBadonFusion ofFramesDifferencingandBackgroundDifferencing
XULun—hui,PUWen—ping,CHENY an—ping,HUANGY an—guo,
(1.SouthChinaUniversityofTechnology,GuangzhouGuangdong510640,China;
2.Electricalengineeringandautomationinstitute,JiangxiUniversityofScienceandTechnol ogy,
GanzhouJiangxi341000,China)
ABSTRACT:Rearchtheproblemofoptimizingflowdetectionaccuracy.Themainfactors
affectingtheflowdetec- tionaremovingtargetspeedandexternalenvironment,whichislikelytocauthemissandfal detectionoftraffic
volume.Inordertoovercometheshortcomingsoftraditionalalgorithm,thepaperpropodaf usionframedifference andbackgroundsubtractionmethodforintelligenttrafficdetectiononthebasisoftheexisting algorithm.Themainly
methodisflamedifferencemethod,combinedwithmethodofreducingbackground.First,the backgroundnois werefilteredoutandthebackgroundwasupdatedinrealtimethroughaniterativethresholding method.Amulti—lanetrafficflowdetectionwascompletedtogetmultipletsofdataandcalculationaccuracy. Themethodiffective forimprovingthetrafficflowmeasurementaccuracyaccordingtothesimulationresults,andi ssimpleandfeasible.
KEYWORDS:Trafficflow;backgrounddifferencingmethod;framesdifferencingmethod 1引言
作為智能交通系統(IntelligentTransportSystem,ITS)的
一
項主要內容，車流量的檢測在交通監控和管理系統中占據
重要的地位.近年來逐漸發展了多種車流量檢測技術，主要
有環形線圈檢測，超聲波檢測，地磁檢測，視頻檢測技術等.
比起其它的檢測技術，視頻檢測技術顯得更加成熟和優越,
視頻圖像檢測不僅開發成本低，效率高，檢測精度高，可靠性
高，安裝方便，顯示直觀，而且檢測范圍廣，對路面無損壞.
收稿日期:2011—03—07修回日期:2011—05—18
目前基于視頻車輛檢測算法主要有：灰度比較法，路面
標記法，邊緣檢測法，光流法…，幀差法，背景差法等.光流
法雖然檢測精度高，但是算法復雜并且計算量大.幀差法將
前后兩幀圖像進行相減，從而判斷是否有運動車輛的出現. 文獻[2]采用改進幀差法檢測車流量，在檢測帶內由車輛信息生成數據流，根據數據流的變化進行車輛檢測.但是對于一
些運動速度比較大的目標要求選擇精確的時間間隔，時間間隔選的不當會導致圖像重疊從而不能準確檢測出運動目標.背景差法用當前圖像與背景圖像進行差分計算，從而檢測運動目標.文獻[3]研究了背景差分算法，并設計了一種
對多車道路段的車流量檢測.這種方法能夠比較準確的實.--——
<——
時更新檢測出目標.但是運動目標對光照強度，天氣等環境因素變化十分敏感.
由于幀差法算法和程序設計較簡單，易于實現，對環境
變化不敏感，時效性高，只需要兩幀圖像的存儲空間；但是大量的實驗發現幀差法對灰度值變化緩慢
的圖像不夠敏感會導致輸出信號較小.本文在幀差法與背景差法基礎之上，結合使用幀差法與背景差法的車輛檢測算法，以克服兩者單獨采用的不足.實驗證明本文的方法能抑制速度和環境的干擾，快速準確的檢測車輛.
2車流量檢測原理
2.1運動目標檢測原理
視頻運動目標跟蹤系統所面臨的環境總是處于比較復
雜的動態變化之中，并且不同的跟蹤系統所肩負的任務也各不相同，這樣特定的應用場合和需求就直接決定了各種系統算法的實現，但是它們的基本原理和關鍵技術及核心算法是類似的.如圖1所示，視頻跟蹤系統通常包括：圖像采集，視
頻圖像處理，數據通信，傳感器控制與伺服系統等主要部分. 圖1運動目標跟蹤原理
2.2車流量檢測算法原理
本文在現有算法的基礎上采用了幀差法和背景差法相
融合的檢測方法.幀間差分方法為主，減背景方法為輔.幀
差法對灰度值變化緩慢的圖像不夠敏感會導致輸出信號較小，當幀間差分結果小于判斷閾值時將采用背景差分法；系統將調用減背景方法來產生輸出信號，兩種方法在產生輸出信號時互相補充，使得檢測的輸出信號更加真實的反映車輛的運動信息.
幀差法差分圖像如下方法:
D=l,(m,n,k)一,(m,n,k一1)l(1)
式中:,(m,n,k),,(m,n,k一1)分別是表示第k和第k一1幀
的亮度分值,D為差分圖像.
背景差分圖像如下方法:
D(m,n)=I(m,n)一B;(m,n)l(2)
式中:Ii(m,n)代表當前幀的亮度分量;B(m,n)表示背景圖
像的亮度分量.
再對圖像進行二值化，得到差分增強圖Dl(m,n)，若大
于閾值，則將圖像置255(白)，說明有車，計數器加1；否則..——
354..——
置0(黑)，說明無車，計數器不變.該方法的關鍵在于閾值
的選取.差分圖(m,//,)如下方法:
.cm,n={2:::;cs
道路光射強度如下方法:
,(m,n):fBA+BpCOSIN(m,n),￡]直射光(4)
LBA非直射光
式中:BP為直射光的強弱;BA為陰影光的強弱,N(m,n)為
法線的方向.因此道路光射強度與直射光的強度，陰影光的強度以及光線與道路法線的余弦有關.
由算法可知，幀差法和背景差法單獨使用時都存在一定
的缺陷，因此采用兩者的融合算法可以有效的克服缺點.車輛流量統計算法流程如圖1，圖中的車流量檢測系統步驟總結如下:
1)第一部分為視頻圖像采集：由攝像機拍攝車輛視頻圖
像，并且對圖像進行模數轉換存入計算機中;
2)第二部分為背景估計并設置虛擬檢測線圈：取前150
幀圖像均值作為背景，根據攝像機的高度和拍攝的角度以及車道的寬度來準確地設置虛擬檢測線圈的長度和寬度; 3)第三部分為圖像預處理：對當前幀和上一幀圖像進行
灰度化，中值濾波，灰度均衡化等圖像預處理操作;
4)第四部分為運動車輛的檢測：首先采用幀差法對當前
幀和上一幀做差分運算，并對圖像進行二值化.當差值大于設定的閾值就進行車流量的統計；否則對背景圖像進行預處理，并采用背景差分法對當前幀和背景幀做差分運算，最后對圖像進行二值化，按照判定準則進行車流量統計;
5)第五部分為背景更新：為了在光線變化的情況下產生
不同的背景，并且使背景更新滿足實時性要求，本文采用用背景的自適應動態更新法，系統每150幀取一次背景來更新背景，與原始背景作差分，若大于某個閾值就更新背景幀，用該背景替換原有背景，否則保持不變；如此循環.
3幀差法和背景差法融合的車流量檢測
融合幀差法和背景差法進行車流量檢測主要包括背景
估計與更新，閾值的選取，虛擬線圈的設置.
3.1背景估計與更新
背景估計采用準確率較高，效率較高，不易受干擾的均
值法，即每個像素點的更新背景與序列圖像中的對應像素點的均值成正比.N值的選取是背景更新的一個重要依據,N 值越大合成背景越大；但是隨著外界環境因素的干擾，這種
