摘 要： 針對智能交通系統提出的夜間車流檢測問題，提出了一種基于視頻虛擬線圈的檢測方法。該方法主要包括車燈配對和車輛檢測兩個部分。車燈配對是根據同一車輛的兩個車燈大小和相對位置等特性對車燈進行配對；車輛檢測是根據車燈配對情況輸出車流量。結果表明，該算法取得了良好的檢測效果，具備較好的魯棒性，并且能滿足實時性的要求。
關鍵詞： 智能交通；虛擬線圈；車輛檢測；車燈匹配
車流檢測是智能交通系統的重要組成部分。車流檢測環境包括白天和夜晚兩大部分，在對白天車流的檢測工作上，國內外已經做了大量研究；針對夜晚光照強度低、路面反光等復雜的車輛通行環境，目前還沒有完善的車流檢測研究成果。由于夜間車輛是開燈行駛，容易識別車輛的元素只有車燈，因此夜間車流檢測目前一般使用車燈信息對車輛進行識別。本文主要研究基于虛擬線圈的夜晚車流檢測技術[1]。
1 夜晚車流檢測原理
夜晚，車燈是車輛被識別的最顯著元素，本文以車燈為特征對車流進行統計[2]。在車燈被識別之前，需要在視屏中設置一個虛擬檢測線圈作為感興趣區域（ROI）[3]。以車燈作為研究對象，一輛車被識別有4個階段，如圖1所示。
（1）如圖1（a）所示，車輛車燈第一次進入矩形框區域，由于是部分而非完全進入，因此沒有被識別為車燈元素，故將其刪除。
（2）如圖1（b）所示，當車燈完全進入矩形框區域后，其被識別為車燈元素，當與其他車燈匹配成功，則對車燈對進行計數，車輛數加1，并對此對車燈進行跟蹤，以避免在其他幀中重復對此車進行計數。
（3）如圖1（c）所示，這對車燈元素仍然會出現在其他幀中，但是因為已經對其進行了跟蹤，不作為新的車輛進行計數。
（4）如圖1（d）所示，車燈離開矩形框區域，結束對這對車燈對的跟蹤。
特別說明，當車燈對第一次匹配成功時便進行計數，是為了避免車輛突然轉彎而在計數上有所減少。車輛的突然轉彎和設置虛擬線圈的一些情況如圖2所示。其中，圖2（a）所示為汽車車燈完全進入了虛擬線圈，但是沒有經過線圈的最下方（即圖1（d）所示的情形），因此仍進行計數。
車流統計的完整流程圖如圖3所示。
2 夜晚車流檢測的設計實現
在夜間車流量圖像中，亮度最高的區域是車燈區域，其次是車燈在路面形成的反光區域。一般情況下，每輛車對應一對車燈，如果能夠正確地進行車燈檢測，就能夠正確地檢測到車輛數量。正常情況下，車燈區域亮度明顯高于其他區域，夜間車流圖像在使用了合理的閾值進行二值化后，得到的是車燈的連通域[4]。為了簡化車燈提取過程，本文設置了一個虛擬線圈來減少噪聲的影響。提取車燈后，進行車燈配對及車輛計數等后續過程，來完成車流量檢測的整個過程。
2.2 虛擬線圈設置及更新
由圖4可知，經過二值化和預處理以后，仍然有一些很難處理的噪聲，如路燈以及路面反光所形成的連通區域，這些噪聲給識別帶來了麻煩。為簡化過程，本文設置一個檢測窗口，檢測窗口只檢測窗口內的車燈優化過程。由于檢測窗口的選取對最后的結果有很大的影響，因此檢測窗口中不能出現路燈的干擾[4]。
設置虛擬線圈要注意如下兩個因素[6-7]。
（1）虛擬線圈的尺寸
寬度上，計數檢測線應該包含整個車道；高度上，則應大于一個車燈直徑，但并非越大越好，最優取值為兩個車燈直徑。檢測線過寬會增加處理時間，過窄會漏檢，影響實驗數據正確性。檢測線圈過寬、過窄和合適的情況分別如圖2（b）、圖2（c）和圖2（d）所示。
（2）計數檢測線的位置
計數檢測線距離攝像機越近，圖像所描述的細節越清晰。
檢測完一幀圖像后，將當前圖像更新到下一幀繼續檢測，以得到整段視頻的車流量。
2.3 車燈匹配及車輛計數等后續處理
檢測窗口區域不僅有車燈連通域，有時也會出現噪聲連通域。由經驗可知，同一輛車的兩個車燈滿足以下3個基本條件[4，8]。
從表1可以看出，檢測誤差主要來自于漏檢，沒有發生誤檢。漏檢的原因在于，有些車輛不開燈或者只開一只車燈。此例中漏檢的13輛車中，有10輛沒有開車燈，另外3輛只開了1個車燈。
根據上述實驗數據對比分析可以看出，系統在各種情況下的檢測精度都取得了較好的效果。除了算法本身對檢測精度的決定性影響外，還有兩個因素對系統精度有著重要影響，一是檢測帶位置和尺寸的設置，二是合理的檢測線設置。
本文提出了一種基于虛擬線圈的夜間車流檢測方法。首先設置一個虛擬線圈來標出感興趣區域，降低車牌識別的復雜程度；然后在感興趣區域內通過車燈識別和車燈匹配來統計車輛數量。此種算法在實際測試中取得了較好的效果，識別率超過95%。
參考文獻
[1] KAMINSKI L， ALLEN J， MASAKI I， et al. A sub-pixel stereo vision system for cost-effective intelligent vehicle applications[C]. Proceedings of IEEE Intelligent Vehicle Symposium， 1995：7-12.
[2] 魏武，張起森，王明俊，等.計算機視覺和圖像處理的交通參數檢測[J].信息與控制，2001，3（30）：257-261.
[3] 郭怡文，袁飛虎.基于背景差分的多車道車流量檢測系統[J].電光與控制，2010，17（9）：90-93.
[4] 沈清波.基于線圈的交通參數檢測[D].成都：四川大學，2010.
[5] SAHOO P K， OLTANI S， WONG A K C， et al. A survey of thresholding technique[J]. Computer Vision， Graphics and Image Processing，1988（41）：233-260.
[6] 劉莉，潘曉露，李一民.基于視頻的夜間車流量統計[J].微處理機，2012，33（1）：67-70.
[7] 張帥，崔本亮，黃學達.視頻檢測技術在公路車流量檢測系統中的應用[J].實驗室研究與探索，2012，31（10）：６４-６６.
[8] 陳琳.智能交通中視頻車輛檢測技術研究[D].武漢：華中科技大學，2012.
[9] 劉漢艷.基于視頻的車輛檢測與跟蹤算法的研究與實現[D].南京：南京郵電大學，2012.