??? 摘?要： 介紹了一種高速公路視頻超速監(jiān)控系統(tǒng)" title="監(jiān)控系統(tǒng)">監(jiān)控系統(tǒng)的硬件構(gòu)成、軟件功能和動目標(biāo)檢測、動目標(biāo)跟蹤" title="目標(biāo)跟蹤">目標(biāo)跟蹤與速度測量、車牌自動定位以及車牌字符自動識別" title="自動識別">自動識別等關(guān)鍵技術(shù)的實現(xiàn)方法。該系統(tǒng)可廣泛應(yīng)用于高速公路管理、卡口管理、巡邏執(zhí)勤、逃逸車輛抓捕等場合，具有很好的應(yīng)用前景。
??? 關(guān)鍵詞： 視頻監(jiān)控? 圖像處理? 高速公路? 超速監(jiān)控? 動目標(biāo)檢測
?
??? 隨著國民經(jīng)濟的迅猛發(fā)展，我國的高速公路建設(shè)發(fā)生了翻天覆地的變化。公路上行駛的車輛越來越多、速度也越來越快,與車輛交通有關(guān)的案件也呈不斷上升勢頭,交通肇事逃逸等案件時有發(fā)生。如何運用科學(xué)的手段幫助公安部門有效控制高速公路上超速違章現(xiàn)象、抓捕逃逸車輛，已成為公安交通部門急待解決的問題。目前能完成超速監(jiān)控功能的成熟系統(tǒng)有：基于微波雷達和基于激光的超速監(jiān)控系統(tǒng)。它在車輛經(jīng)過時，利用反射波的頻率變化監(jiān)控在車輛信息，不能提供超速汽車類型、車牌號碼等全面的交通信息，無法及時進行違章處理及抓捕逃逸車輛。
??? 本高速公路視頻超速監(jiān)控系統(tǒng)利用視頻圖像處理技術(shù)，對高速公路車道上的汽車進行非接觸式監(jiān)控，獲得超速車輛車速、車牌號碼、違章照片等運行狀態(tài)信息，可應(yīng)用于高速公路管理、逃逸車輛抓捕等場合。
1 系統(tǒng)結(jié)構(gòu)
??? 高速公路視頻超速監(jiān)控系統(tǒng)的硬件結(jié)構(gòu)如圖1所示。它由超速監(jiān)控攝像頭和現(xiàn)場計算機等部分組成。在高速公路上安裝監(jiān)控攝像頭（一個彩色全景攝像機、n個車道級彩色攝像機）及超速監(jiān)控計算機，24小時實時監(jiān)控高速公路上所有通過車輛的車速信息。系統(tǒng)軟件包含超速車輛檢測和自動車牌識別兩部分。超速監(jiān)控計算機通過實時視頻采集卡首先采集高速公路的全景圖像，并利用全景圖像進行超速車輛檢測；如檢測到違章車輛，啟動相應(yīng)車道的攝像機工作，采集近景圖像并利用近景圖像自動車牌識別，其識別結(jié)果可分車牌號碼字符、車牌號碼照片、汽車違章照片分別保存到超速違章車輛數(shù)據(jù)庫，以供事后處理；如需要，還可通過無線、有線或光纖通信網(wǎng)自動向高速公路收費站的違章處理服務(wù)器傳送違章車輛的車牌號碼、違章照片信息，以實時進行違章處理。軟件系統(tǒng)功能框圖如圖2所示。
??
???? 
??? 
?
2 軟件功能實現(xiàn)
2.1 動目標(biāo)分割[1][2]
??? 理想情況下，從視頻圖像進行超速車輛檢測時，可以直接用幀間差的方法比較前后兩幀圖像，去除靜止的區(qū)域，保留運動區(qū)域，判定視場中是否存在著汽車，判斷汽車的運動軌跡及速度。但是在實際的成像過程中，場景中的諸多因素，包括照明情況、場景中物體的幾何形狀和物理性質(zhì)（特別是表面的反射性質(zhì)）、成像系統(tǒng)的特性以及光源、物體和成像系統(tǒng)之間的空間關(guān)系等，都被綜合為單一圖像中像素點的灰度值；由于空間的強輻射、光照的變化和傳感器本身的光學(xué)特性等原因，會在每一幀圖像中產(chǎn)生較強的干擾和噪聲。因此，在進行圖像檢測前對圖像進行基于平均法去噪的初始背景獲得和基于Kalman濾波[3]的實時背景更新等預(yù)處理；然后采用提取函數(shù)[4]分割目標(biāo)與背景。
??? 設(shè)Ck={ck(x,y)}代表當(dāng)前圖像，Rk={rk(x,y)}代表參考圖像，其中(x,y)為像素點的坐標(biāo)，ck(x,y)≥0，rk(x,y)≤255,則提取函數(shù)Ek=(ck(x,y),rk(x,y))定義如下：
??? 
??? 用提取函數(shù)對在公路上采集到的實際運動車輛的圖像做動目標(biāo)檢測，其實驗結(jié)果如圖3所示。
?
2.2 動目標(biāo)跟蹤及速度測量[5]
?? ?在目標(biāo)跟蹤的同時，需要判斷計算目標(biāo)的運動速度，所以采用特征點" title="特征點">特征點匹配的方法進行動目標(biāo)跟蹤，以便利用特征點的視差計算車速。其要點是：在一幀圖像的活動目標(biāo)窗口中選擇一組具有不變性質(zhì)的特征點，與下一幀圖像中的同類特征點作匹配，從而求得視差。這就是特征點匹配的方法。
??? 采用Moravac[6]算子作為點特征提取算子。它基于一個理想的特征點，在其四周所有方向上灰度具有很大的方差。
??? 特征點提取的步驟為：首先，在5×5的窗口計算
????
??? 式中， i=n-2,…，n+2;j=m-2,…，m+2;m,n為窗口中心像元的行、列序列，gi,j為（i,j）處圖像的灰度值。
??? 然后，確定備選特征點，若像元的有利值M大于經(jīng)驗閾值，則該像元為備選特征點；否則，該像元不是特征點。
??? 最后，用抑制局部非最大M值的方法，確定特征點。檢驗每個備選特征點的M值是否為一定大小（5×5，7×7，9×9）窗口內(nèi)的最大值，如果在窗口內(nèi)有幾個備選特征點，則取M值最大的像元作為特征點，其余均去掉。
??? 為保證匹配的正確率，采用協(xié)方差最大與差的絕對值之和最小作為雙重判據(jù)，決定匹配點的取舍，以增強匹配結(jié)果的可靠性。
?? ?找到匹配點后，利用兩者視差和事前標(biāo)定過的視場內(nèi)圖像最小分辨率所代表的最小距離以及圖像采集的間隔時間，就可計算出目標(biāo)速度,根據(jù)此值預(yù)測目標(biāo)新位置并判斷是否超速。
2.3 車牌自動定位
??? 車牌自動定位是車牌照自動識別的第一步，正確而又可靠地檢測出車牌區(qū)域是保證車牌識別率的關(guān)鍵。目前存在許多車牌自動定位算法，如Hough變換以檢測直線來提取車牌邊界區(qū)域、使用灰度分割及區(qū)域生長進行區(qū)域分割、使用紋理特征分析技術(shù)等。但實際使用時，單用一種方法難以達到實用要求。本文采用的方法是：首先用Prewitt算子提取車輛的二值邊緣圖像，然后用數(shù)學(xué)形態(tài)學(xué)、顏色搜索相結(jié)合的方法，進行汽車牌照定位。圖4為汽車牌照定位實驗結(jié)果示意圖。
?
??? Prewitt算子定義如圖5所示。由于汽車圖像具有特殊的橫向紋理特性，而牌照字符具有縱向紋理特性，因此利用Prewitt邊緣檢測算子[7]的方向性，通過增強圖像的縱向邊緣可將牌照圖像與汽車和背景圖像分離。
??? 對Prewitt算子檢測獲得的二值邊緣圖像進一步采用數(shù)學(xué)形態(tài)學(xué)方法中的膨脹技術(shù)生成連通區(qū)域圖像。其中結(jié)構(gòu)元素S的選擇，對于候選牌照區(qū)域的形成與牌照區(qū)域提取至關(guān)重要，因膨脹后得到的牌照區(qū)域極易出現(xiàn)與其他紋理粘連的現(xiàn)象，從而給進一步牌照區(qū)域提取帶來困難，因此采用的結(jié)構(gòu)元素S為具有水平方向膨脹能力的水平線段，膨脹后能得到多個候選牌照區(qū)域，如圖4（c）所示。
??? 針對上述方法得到的可能為車牌的區(qū)域，通過大小、長寬比例、候選車牌字符邊緣密度等幾何特征分析候選牌照區(qū)，再充分利用車牌號碼區(qū)的顏色特征，通過搜索號碼區(qū)底板顏色塊和號碼顏色的方法，進一步從圖像中刪除虛假牌照區(qū)，得到可能為車牌的區(qū)域。
2.4 字符自動識別[8]
??? 針對分割完成后的牌照圖像進行字符自動識別，需首先對車牌圖像二值化" title="二值化">二值化、字符切分和規(guī)范化、字符特征提取，然后根據(jù)字符特征庫，完成車牌字符自動識別。圖6為字符自動識別的效果示意圖。
?
??? 圖像二值化的方法很多，針對車牌圖像，二值化的基本要求是使二值化后的圖形能忠實地再現(xiàn)原文字。具體為：筆劃中不出現(xiàn)空白以及二值化后的筆劃基本保持原來字符的特征。二值化的關(guān)鍵在于閾值T的選擇，采用判斷分析二值化法。從圖像灰度值的直方圖中把灰度值的集合用閾值分為兩類，然后根據(jù)兩個類的類間方差和類內(nèi)方差的最大來確定分割閾值。車牌圖像二值化后，根據(jù)牌照中字符所占像素比例要小于背景所占像素比例，將車牌圖像統(tǒng)一變?yōu)榘椎缀谧帧?BR>?? ?為把字符分為單個字符，以送入識別系統(tǒng)識別，在字符圖像二值化后，進行字符切分。利用車牌字符固定的高寬比和間距作出先驗知識，在分割前先估算出字符寬度、間距，并從圖像數(shù)值方向的投影直方圖定出字符的開始位置，切分全部字符；然后將文字外接邊框按比例線性放大或縮小為規(guī)定的32×64大小。
?? ?車牌字符識別系統(tǒng)的關(guān)鍵在于字符特征的提取，也就是如何選取既容易提取又能為識別系統(tǒng)提供盡可能高的模式鑒別能力、同時還要盡量少的特征維數(shù)的特征向量，它應(yīng)該是最佳的樣本特征屬性的度量。由于車牌字符共有七個字符：第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡稱；第二位為大寫的英文字符，一個圓點間隔后的第三個字符是英文字母或是數(shù)字，其余的四位為數(shù)字。車牌字符識別與一般文字識別在于它的字符數(shù)有限，漢字共約50多個，大寫英文字母26個，數(shù)字10個。為實時識別考慮，特征向量的維數(shù)可適當(dāng)選擇較低的維數(shù)。
?? ?系統(tǒng)采用投影－Fourier變換特征、網(wǎng)格特征和輪廓特征組成字符特征向量[9]，與模板中的向量進行特征匹配。特征匹配選用最小距離匹配法。經(jīng)大量圖像實驗，有較高的識別率。
3 系統(tǒng)特點
????高速公路視頻超速監(jiān)控系統(tǒng)利用視頻圖像處理技術(shù)，可對高速公路車道上的汽車進行非接觸式監(jiān)控，獲得車速、車牌號碼、違章照片等運行狀態(tài)信息，自動車牌識別速度快、準(zhǔn)確率高，為實時違章處理提供了可能。該系統(tǒng)通用性強、開放性強、擴展性強，可應(yīng)用于高速公路管理、卡口管理、巡邏執(zhí)勤、逃逸車輛抓捕等場合。
參考文獻
1 王春波.計算機視覺技術(shù)在智能交通系統(tǒng)中的應(yīng)用.測控技術(shù)，2000;19(5):22～24
2 張志勇.視頻智能交通系統(tǒng).計算機工程與應(yīng)用.2001;6:113～116
3 Young Sung Soh. Design of real time vehicle identification?system,1994 IEEE International Conference on SMC,3:2147～2152
4 翟潤平.視頻監(jiān)控技術(shù)檢測交通流參數(shù)的原理與方法.中國人民公安大學(xué)學(xué)報，1998；1(9):24～27
5 P.C.Michalopoulos. Vehicle Detection Through Video Image?Processing: The Autoscope System. IEEE Transaction on Vehicular Technology，1991;40(1):21～29?
6 王大平.數(shù)字?jǐn)z影測量學(xué).北京:解放軍出版社，1991
7 王潤生. 圖像理解. 長沙：國防大學(xué)出版社，1995
8 吳佑壽,丁曉青.漢字識別原理方法與實現(xiàn). 北京:高等教育出版社，1992
9 王 年.人工神經(jīng)網(wǎng)絡(luò)在公路車輛管理中的應(yīng)用.電子技術(shù)應(yīng)用;1998;24（9）