计算机视觉技术在智能交通中的应用

华中科技大学图像识别与人工智能研究所教授、湖北省智能交通联盟专家委员会委员 桑农

(一)应用背景

随着中国城镇化建设和汽车普及进程的加快,各大城市的交通供需矛盾日趋严重,交通安全、交通堵塞及环境污染已成为困扰我国交通领域的三大难题。据统计显示:国内城市的机动车保有量正以15%的高速率增长,而城市道路的增长率仅为3%左右。如何缓解交通压力,并使现有资源发挥出最大作用,是我国政府急需解决的难题。而智能交通是将信息、通信、控制、计算机网络等高新技术有效地综合运用于地面交通管理体系,建立起一种大范围、全方位、实时、准确、高效的交通运输管理系统,进而成为可以有效地利用现有交通设施、减少交通负荷和环境污染、保证交通安全、提高运输效率的重要手段。

交通部科技司组织编写的《2012-2020年智能交通发展战略》中指出,将建成能够基本适应现代交通运输业发展需求的智能交通体系、关键技术体系、标准体系以及产业,实现跨区域、大规模的智能交通集成应用和协同运行,让智能交通成为提高运行效率和安全水平的主要手段。

(二)市场需求

智能交通系统建设在中国开展的时间较短,目前仍处于起步阶段。从区域发展情况来看,北京、上海、广州等东部沿海和经济发达城市的智能交通建设已经初具规模,而中西部地区的智能交通系统主要还集中在高速公路收费系统,其城市内部的智能交通系统则有待于继续建设和完善。

据中国交通技术网统计,2011年,中国城市智能交通千万级项目数量达195项,同比增长129%;千万级项目市场规模合计57.9亿元,同比增长180%。同时,随着交通部《2012-2020年智能交通发展战略》的出台,国家对交通等基础设施、智能化建设投入力度的持续加大,智能交通行业将迎来前所未有的发展机遇。

(三)计算机视觉技术在智能交通系统中的应用

智能交通是一个非常大的概念,若按照应用领域,则主要分为城市交通、轨道交通和高速公路。智能交通系统中的一些关键技术,主要包括交通信息采集技术、交通信息处理技术、通信技术、空间信息技术、城市交通管理和控制技术、车辆主动安全与智能汽车等,本文将结合我们前期所做的部分工作,对利用计算机视觉技术在智能交通系统的几个典型的应用进行介绍。

基于图像处理的计算机视觉技术是通过摄像机获取场景图像,并借助于计算机软件构建一个自动化或半自动化的图像/视频理解和分析系统,并提供及时准确的图像/视频处理结果,以模仿人的视觉功能。该技术在工业领域有着广泛的应用,并取得了较大的成功。采用人工值守的方式来处理交通问题是一种劳动力成本高昂且效率极为低下的一种工作模式,而基于高新技术的智能交通系统的提出将极大地提高工作效率并降低劳动力成本。因此,将计算机视觉技术应用于交通领域则成为了近年来的热点之一。

1.基于计算机视觉技术的车辆牌照自动识别

车辆牌照是车辆的唯一身份,对车辆牌照的有效检测与识别在车辆违章检测、停车场管理、不停车收费、被盗车辆稽查等方面有着重要的应用价值。尽管针对车牌识别技术的研究相对成熟,然而在实际的应用场景中,受到天气、光照、拍摄视角、车牌扭曲等因素的影响,车牌识别技术仍然有一定的改善空间。

车牌识别技术的三个重要组成部分是:车牌定位技术、车牌字符分割技术和车牌字符识别技术,这三部分相辅相成并对最终的识别结果产生重要的影响。

(1)车牌定位,基于国内车牌特点等先验知识,利用车牌图像垂直方向灰度跳变的性质,用垂直边缘检测和数学形态学等方法,提取车牌候选区域;

(2)字符分割,针对定位后的车牌可能包含边框等多余信息,对车牌定位结果进行精确定位,从而切除了车牌的多余边界,进而为字符分割奠定良好基础。对于有粘连的字符,则利用字符垂直投影及其包络的特点对字符粘连部分进行分割,而对于没有粘连字符,则采用了传统的垂直投影算法。

(3)字符识别,首先提取字符特征,如小波包系数特征、LBP特征等,然后采用SVM方法、人工神经网络等方法训练字符识别分类器,最后利用训练好的字符识别分类器对待识别字符进行识别。

针对车牌识别系统,经过不同时段、不同天气状况下的实地测试,我们前期工作所达到的技术指标主要体现在:

1.车牌检测率:≥95%;

2.车牌识别率:≥90%;

3.车牌识别时间:在CPU2.1GHZ,内存1G的PC硬件平台上,处理200万像素图像≤300ms。

从输入待处理的图像来看,由于目前智能交通中的卡口抓拍、超速抓拍、电子警察等绝大部分还是标清产品,而标清图像其清晰度明显不足,从而对车牌识别系统的整体性能产生影响;然而随着各地逐步用高清产品替代标清产品,车牌识别系统的整体性能将得到进一步的提高。此外,目前车牌识别系统主要针对单张图像进行处理,而视频图像中的前后帧时序信息往往可以为最终的识别结果提供有益的帮助,因此有效的利用前、后帧图像信息,并对相应帧的识别结果加以融合,将有利于车牌识别系统性能的进一步提高。

2.基于计算机视觉技术的车辆检测与流量统计

目前城市交通路口的红路灯间隔时间是固定的,而不同路段、不同时间段交通流量是随机变化的。此外,对于一定范围的交通区域而言,交通警察等公共资源的配备也是有限的。若能根据各个交通路口的交通状况辅以计算机进行自动分析,并判断与预测交通流量,无疑为交通警察出警,红绿灯时间间隔的动态设置等提供技术支持。

而对各个路口监控视频中的车辆进行有效地检测是进行车流量分析与预测的前提;结合计算机视觉技术对输入视频中的各帧图像,采用背景相减法对车辆进行提取得到完整的车辆外形轮廓。同时利用多帧平均法生成实时背景,结合帧间差法对背景的更新速率进行调整。此外,采用基于虚拟检测线的车辆计数方法,在视频中某处位置设置一条虚拟的线,每一帧都从左至右扫描这条线,若发现线上有车通过,则计数加1。拥堵等级划定等级,根据一段时间的车流量信息,将道路拥堵等级划分为畅通、缓行和拥堵3个等级。

针对车辆检测系统,经过不同时段、不同天气状况下的实地测试,我们前期工作所达到的技术指标主要体现在:

1.车辆检测率:≥90%;

2.误报率:≤1%;

3.检测时间:在CPU2.1GHZ,内存1G的PC硬件平台上,处理200万像素视频每帧≤67ms。

3.基于计算机视觉技术的公交车辆乘客人数统计

随着城市居民出行量不断增加,交通问题日益突出。城市公交调度问题是城市公共交通的核心内容,合理的公交调度,可以有效地缓解运力和运量的矛盾,最大限度地平衡乘客和公交公司的利益,提高公交公司的经济效益和社会效益。由于公交客流在地域、时间上存在着不均衡性,会经常出现高峰时段乘客过分拥挤、平峰时段车辆满载率不高的现象,造成了有限资源的大量浪费。

自动乘客计数技术是智能公交系统中的关键技术,是自动收集乘客上下车时间和地点的最有效方法之一,并能以此分析客流在时间和空间上分布特征,从而为公交车辆组合调度形式的合理选择提供了依据。

针对乘客上下车图像序列的特点,基于车载摄像头,采用了适用于上下车乘客检测与跟踪计数的算法。在运动目标检测方面,采用了针对人头的块平均灰度差值的自适应运动目标存在检测算法,进行了运动目标存在性检测;同时在运动目标跟踪方面,利用了目标的运动特性,预测目标的运动位置,以缩小目标搜索匹配的范围;建立每个被跟踪目标的“目标链”,进而建立目标的关联关系,保证了跟踪的稳定性和准确性。

针对公交车辆人数统计系统,在光线稳定、摄像头安装位置合适,上下车客流秩序良好,车内拥挤程度较轻的测试条件下,我们前期工作所达到的技术指标主要体现在:

1.上下车人数统计正确率:≥85%;

2.检测时间:基于海思3516芯片,处理CIF视频每帧≤67ms。

4.基于计算机视觉技术的公交专用道非法占道抓拍

由于城市公共交通具有运量大、相对投资少、人均占有道路少等优点,目前各地政府及交通管理部门逐渐认识到,解决城市交通问题必须优先发展城市公共交通。然而目前拥挤、缓慢的公交出行方式已成诟病,因此发展“快速公交”将是未来公交的一种运行模式。道路畅通则是发展“快速公交”的前提,相应地,公交专用车道的设定必不可少。为防止其他社会车辆的驶入,并对违规驶入的其他社会违规车辆进行抓拍与惩罚是保证公交车道公交车专驶的一种重要手段。由于摄像头的拍摄视野有限,在漫长的公交线路采用定点检测的方式,往往导致庞大的成本支出。然而,事实上对于一个城市而言,公交车辆的数量是非常可观的,因此在公交车前部装置摄像头并辅以其他处理设备,从而可以使得每一辆公交车成为了一个流动的监控设备。

对于摄像头所拍摄到的图像,我们可以采用计算机视觉技术首先对公交车道进行提取,并以此划定检测区域,同时根据对驶入检测区域车辆的外观轮廓进行判断,并以此划分公交车与非公交车,对于非公交车辆,我们将对其车牌进行检测,为后续的车牌识别及记录违规车辆信息提供依据。

针对公交专用道非法占道抓拍,在光照良好、车道颜色清晰可辨的情况下,我们前期工作所达到的技术指标主要体现在:

1.公交车道内车辆检测率:白天≥95%,晚上≥80%;

2.公交车道内车辆类型判断准确率:白天≥90%,晚上≥75%;

3.处理时间:基于海思3516芯片,处理D1视频每帧≤3s.

5.基于计算机视觉技术的驾驶员工作状态判断

随着车辆拥有量的增加,交通事故的发生率也随之增加。而驾驶员的疲劳驾驶是引发交通事故的一个重要因素,若在交通事故发生前对驾驶员疲劳状态进行检测并予以警报,则对于降低交通事故的发生率,减少人员伤亡及财产损失具有重要的社会意义和经济意义。

目前,基于计算机视觉技术的驾驶员疲劳状态检测主要有两种方法。一种是针对驾驶员面部进行图像处理与分析,利用人眨眼的频率与疲劳/驾驶专注度的关系,来判断其工作状态。另外一种则利用道路识别来检测车辆行驶状态,进而判断司机是否处于异常驾驶状态。

(1)通过对驾驶员视频图像分析,采用帧间差分法,肤色检测法,级联Adaboost联

合定位驾驶员面部区域。同时对面部图像进行二值化处理,以缩小眼睛的检测范围。为了能更加有效、快速地进行眼睛定位,可采用一种基于块的眼睛定位算法,首先将图像二值化并划分为块,然后利用两只眼睛的相似性和眼睛对的唯一性将一系列的图像块进行匹配,并以此确定一对眼睛的位置,进而实现驾驶员眼睛的定位。

(2)根据车辆行驶的道路特点,可采用了差分算子来提取道路图像边缘,利用每个像

素的八个相邻点,用不同的权值进行求和运算。同时,采用区域生长法进行区域分割,实现区域特征提取。接着由于区域特征和边缘特征具有互补特性,将两者特征进行融合,实现道路图像精确分割,并经Hough变换提取直线信息。最后,利用左右车道线的斜率以及夹角关系来实现车道线识别。

针对驾驶员状态判断系统,我们前期所做工作主要采用了Matlab、C/C++软件设计语言进行了算法论证。

6.基于计算机视觉技术的行人检测

在现实生活中,因横穿机动车道所导致的交通事故时有发生。机动车辆在行驶的过程中如何有效地避规行人,已成为了车辆辅助驾驶系统中的重要应用方向。

针对前方行人检测,可以利用安装在运动车辆上的摄像头获取待处理图像/视频,对待处理的图像/视频划定检测区域。在对行人进行检测的过程中,若输入待处理对象为图像,则以全图多尺度遍历的方式,分别提取每一个检测窗HOG特征,并采用训练好的级联Adaboost分类器进行检测。若输入待处理对象为视频,则对于每一帧图像利用训练好的级联Adaboost分类器及并结合HOG特征子,采用多尺度遍历搜索的方式对行人进行检测;结合多帧时序信息,辅以跟踪算法、通过分析行人的运动信息来进行综合判决,最后根据判决结果进行预警。

针对行人检测系统,我们前期所做工作主要采用了Matlab、C/C++语言进行了算法论证。

(四)结 语

智能交通系统是在较完善的交通基础设施之上,通过运用信息、通信、计算机、自动控制和系统集成等技术,加强运载工具、载体和用户之间的联系,提高交通系统运行的有序性和可控性,从而建立一个高效、便捷、安全、环保和舒适的综合交通运输体系。

由于城市智能交通体系将涉及相关的市民、公安交通管理、交通部门车辆管理、城市建设、通信等相关部门工作,因而未来城市智能交通的发展过程必然是一个涉及以交通与公安为主的多部门驱动的发展过程。此外,智能交通系统同时也是高新技术应用的集合体,在智能交通系统中一些关键技术,如:交通信息采集技术、交通信息处理技术、通信技术、空间信息技术、城市交通管理和控制技术、车辆主动安全与智能汽车等,各领域高新技术的发展与应用也将极大促进交通系统的智能化水平。

本文从计算机视觉技术角度出发,介绍了该技术在智能交通系统中的几个典型应用。随着图像处理、模式识别与人工智能技术的发展,更多的基于计算机视觉新技术将在智能交通系统中涌现,并以此进一步便利人们的出行方式与交通职能部门管理水平与工作效率。

你可能感兴趣的:(计算机视觉技术在智能交通中的应用)