视频识别和单点自适应模糊感应控制

上海东川交通科技有限公司  胡嗣云 胡衍耸 蔡名阁 滕泳

 [摘要]本文从单点感应控制的原理入手，介绍了单点自适应控制的工作方法，并结合视频车辆模糊识别方法，讨论了模糊感应系统的构成。此外，就其在交通信号控制系统中的应用，进行了介绍。

[关键词]感应控制、交通安全、交通信号控制。

    城市交通控制系统（Urban Traffic Control System）是现代城市智能交通系统（ITS ,Inligent transport system）的重要组成之一，它主要用于城市道路交通信号的控制与管理。在*部GA47-2002《道路交通信号控制机》行业标准中，对交通信号的单点自适应感应控制，作了明确的规定。这里，就模糊感应式交通信号控制系统的功能、系统组成、以及实现方法，作一详细的阐述。

一、    系统组成

模糊感应式交通控制系统，如图一所示，通常由三部分所组成：（1）摄像机和机动车辆视频模糊识别模块、（2）智能型交通信号控制机、（3）交通信号灯。其核心部分就是机动车辆视频模糊识别和智能型交通信号控制机。在这个系统中，机动车辆视频模糊识别的作用是检测车辆是否存在，当有车辆通过测量区域时，及时发出感知信号和交通流量信息给交通信号控制机。这样一来，信号控制机就可以根据机动车辆视频模糊识别提供的信号，一方面统计路口中心区域的交通流量，另一方面，来执行感应控制程序，使得路口的红绿灯时间，能及时按照车流量的大小，进行实时自动调整。

二、    模糊感应控制的基本方案

模糊感应控制，根据道路交通流量的不同，可以采用模糊半感应和模糊全感应两种控制方案。

2．1、模糊半感应控制：

模糊半感应控制主要应用于主次分明的两相位交叉路口，其主相位的车流，是行驶于主干道的车辆行成，特点是主相位车流量比次相位的车流量多4至5倍。

在这种情况下，只要检测次相位的交通流量情况就可实现模糊半感应控制。

  控制时，主相位的绿灯时间x1与次相位的zui小绿灯时间y0zui大绿灯时间y1及延时步长△，通常可以自由设定。

情况一：在运行主相位的绿灯时间x1，当还有绿灯剩余4秒时，读次相位的机动车辆视频模糊识别状态，如果次相位上没有车辆，那么，主相位的绿灯时间就会自动再运行20秒，如此循环、直至主相位的绿灯时间累计连续运行已达到x0+80秒时，才会不管次相位有没有车辆，也要给次相位一个zui小的绿灯起步时间，即y0秒。

情况二：在运行主相位的绿灯时，1、在执行起步时间x1秒阶段，当还有绿灯剩余4秒时，读次相位的机动车辆视频模糊识别状态，如果次相位上有车辆，那么，主相位在运行完本次绿灯后，就转到次相位，给次相位一个zui小的绿灯起步时间，即y0秒。2、主相位已经执行了起步x1秒，当执行增加的20秒时，读次相位的机动车辆视频模糊识别状态，如果次相位上有车辆，那么，主相位就马上结束，转到次相位，给次相位一个zui小的绿灯起步时间，即y0秒。

在次相位的绿灯剩余时间小于4秒时，看机动车辆视频模糊识别器是否检测到还有车辆进入，如果没有，那么，在运行完剩余的绿灯时间后，就转到执行主相位的绿灯。如果还有车辆进入，那么，在此基础上，次要相位的绿灯时间再以步长△秒的时间延长，如此循环、直到次要相位的绿灯总时间达到zui大绿灯时间y1秒，这时，即使还有车辆进入，也要转到执行主相位的绿灯。如下图所示。

2．2、 模糊全感应控制：

   模糊全感应控制，主要用于交通饱和度小于80%的路口。其特点是，主次相位交叉，相差并不是很明显。这样一来，需要检测所有车道车辆通行情况。

   控制时，各相位的zui小绿灯时间有以下方式确定：先定一个起步时间X0。该X0可以通过设置来确定。在本相位运行到绿灯剩余时间小于4秒时，再看本相位所含的车道上，有没有新的车辆进入。如果没有，那么，在运行完本相位剩余的绿灯时间后，就转到执行下一个相位的绿灯。如果还有车辆进入，那么，在此基础上，本相位的绿灯时间就再以步长△秒的时间延长，如此循环、直到本相位的绿灯总时间达到zui大绿灯时间，这时，即使还有车辆进入，也要转到执行下一相位的绿灯阶段.

三、机动车辆视频模糊识别的原理及应用

     机动车辆视频模糊识别系统是一个集图象处理系统和信息管理系统为一体的综合系统。该系统采用高速数字信号处理器（ DSP ）做为识别算法的硬件处理平台。计算机图象处理主要是有图象输入,图象存储和刷新,图象输出和计算机接口等几大部分组成。

  3.1 系统构成

    通过摄象机将道路交通流图像捕捉下来，再将这些捕捉到的序列图像送入DSP高速数字信号处理器进行图象处理、图象分析和图象理解，从而得到交通流数据和交通状况等交通信息，这是系统的基本工作流程。

                   图1 系统构成图

    3.2 系统工作原理

    （1） 通过系统初始化，对系统中的参数进行设定，如每秒采集图象的帧数，图象二值化的门坎值（阈值）等等。由图像采集系统将摄像机摄取的路口上行驶车辆的视频图象按序列连续捕捉下来并数字化，存入帧缓存中。

    （2） 将这些采集到的序列数字图像进行预处理：滤波降噪,图象锐化,对比度增强。

    （3） 对预处理后的图像进行图象分割，并对分割后的目标图象进行特征提取和图象描述。

    （4） 用提取的特征进行分类识别。通过相应的算法进行计算，得到车辆的计数、车辆速度,并将获得的数据存入数据库。

    （5） 将图象分割和特征提取得到的特征与模型库里建立好的车辆模型进行模式匹配，识别出车辆的类型，将识别出的结果存入数据库。以区分是三轮车还是自行车和汽车等等。

    （6） 对数据库里的数据进行统计分析输出有关交通状态或图片。

    3．3 视频交通检测的实现：

    视频交通流检测及车辆识别系统是由：系统初始化模块 ；图象采集模块；图象预处理模块；图象分割模块； 特征提取模块； 流量统计模块； 类型识别模块； 数据管理模块；系统维护模块组成。下面列出主要功能模块。

    3.3.1 系统初始化模块

    为系统设定初值，包括设定图象输入参数：采集图像的分辨率，图象采集视频端口的制式、亮度、对比度，每秒采集的帧数等。检测区域的大小和个数、速度检测标线以及象素间距与实际路长的比例系数、各种车辆类型的特征量、图像二值化及检测区域内特征点的阈值等，并建立识别的匹配摸板。

    3.3.2 图象采集模块

    将摄像机传输来的视频图象按初始化设置的要求捕捉下来并将其数字化，然后存储到内存里。 采集图像的数字化是通过安装在DSP高速数字信号处理器的视频捕捉口来实现的，而图象捕捉控制是由软件来完成。捕捉软件可以按每秒1～25帧（PAL制线）或1～30帧（N制）来捕捉图像并存贮在帧缓存里以备预处理系统调用。

    3.3.3 图象预处理

    对采集到的图像进行滤波除噪，主要采用中值滤波算法降低噪声。因为中值滤波具有抑制图像噪音并保持轮廓清晰的特点。对滤波去噪后的图象进行锐化,锐化算法采用二阶差分法。再对锐化后的图象进行直方图均衡化的对比度增强。经过预处理的图象,可视化效果得到改善,利于进行图象分割。

    3.3.4 图象分割模块

    将预处理后的图象,进行目标与背景分离，也就是把车的图象与背景分离开来，以便于对车辆目标的处理,提高运算速度。分割可以有很多算法。图象二值化算法简单,速度快,符合图象处理系统实时性特点,所以采用图象二值化分割。这种方式的分割，主要问题是如何确定阈值（灰度门坎）。根据实际情况，可以采用自适应门限法来确定阈值，也可以人工现场设置。

    3.3.5 特征提取模块

对分割出来的目标特征进行描述。描述主要是对目标图象的灰度，边界，面积等属性进行测量，使目标的特征量化，从而便于图象识别。为加快交通流检测的速度，把检测目标的面积作为特征提取出来,作为判断是否有车辆通过的依据，同时通过对面积的特征匹配来确定车辆的类型。

     3.3.6 流量检测模块：

  根据图象分割和提取的车辆特征进行车辆数目统计和车辆速度计算。

   3.3.6.1、计数算法：其基本原理是，将检测区里经过灰度变换的图像在图象空间域上与背景图像进行差分。当没有车辆进入检测区域时，检测区域的图象接近于背景图象，差分值小于设定的门限；当有车辆进入检测区域时，检测区域的图象就会发生变化，与背景的差分结果将大于设定的门限。因此，通过处理车辆差分图象并对特征点个数进行计数和判断，就可以检测出车辆的存在。设图像序列为f（x、y、t），背景图象为f0（x、y、t），可由无车辆通过检测区时的纯路面图象获得。差分图像可以表示为d（x、y）=|f（x、y、t）-f0（x、y 、t）|。将d（x、y）二值化，于是产生一幅二值化图象d（x、y）。

    灰度门限的选择是根据图象的灰度变换来计算的。设检测区域内的目标特征的面积d’（x、y）=255）为K，我们则可以判断：如果K≥N，则认为有车通过；如果KくN则认为没有车通过。N为阈值，它是一个测量统计值，其大小因噪声情况做测试和调整，依此为根据可以对车辆进行计数。

3.3.6.2、测量车速度算法：

    采用特征点匹配的方法。首先在一帧图象中选择一组在运动中形状不变的特征点，然后与下一帧中的同类特征点作匹配，从而求得车辆运动距离。再根据两幅图象之间的时间间隔，即车辆运动的时间，zui后求出车速。具体算法是对分割出的有一定时间间隔的目标图象求出各自目标的区域重心坐标（x1,y1）,（x2,y2）,这两个点求差，得出两幅图象的目标重心移动的象素点距离，再乘以系统初始化时设定的象素长度与实际路长的比例系数，从而得到实际路长，再用两幅图象之间的时间间隔去除实际路长就得到了速度。在本系统中，速度的计算，主要用于区分机动车辆和非机动车辆或行人。

    3.3.7 类型识别模块

用于识别车的类型。具体算法是：首先从图象分割后的目标图象中选择目标特征向量，再使用判别函数，进行判别分类，从而得到分类结果。 在模糊感应控制系统中，类型识别的目的，主要在于区分机动车辆和非机动车辆。

四、控制软件包的设置

通过RS422与模糊感应控制设备连接，上位机使用控制软件包UTC200，可以根据路口环境优化配置感应参数。
4．1．打开串口

接线完成后，首先打开与计算机相连的感应控制器设备串口，在接线距离较短的情况下，请在＂串口配置＂中设置波特率38400，其他参数不改变．

4．2．采集原始图像

命令菜单中，选择＂采集图像＂可以用于采集路口实际图像环境，在采集过程中，需要等待３０秒左右．

＂汇报信息＂项点击后，将在右侧显示出预制的模糊感应控制参数，便于系统管理员作为根据路口实际情况进行修改设置的参考．

 4．3．预置参数的调整

通过＂设置参数＂菜单中的＂图像设置＂菜单项可以对路口感应控制参数进行修改，修改后，即可通过＂汇报信息＂进行相应浏览．

点击该项后，将出现弹出对话框，进行原始YUV图像采集的文件选择操作。进行该操作后，将打开网格状的图像窗口，通过鼠标拖放操作，完成对检测区域的设置。完成对选择区设定后，可以确定４个判断点，这４个判断点，主要用于识别自然环境的光照亮度，不一定要在检测范围内，只需要在图像上，点鼠标左键，即可设定一个判断点，４个判断点要求设置在周围建筑物对自然光线环境影响较小的地方，尽量保证４个点处于环境状态影响较小的白色区域．

   设置好判断点后，再确定白天与黑夜的坎值，白天的坎值确定白天时的检测方案（需调整滑动条到白天时的正常状态），黄昏的坎值确定黄昏时的检测方案（需调整滑动条到该路口黄昏时的正常状态），夜晚的坎值确定夜晚时的检测方案（需调整滑动条到该路口夜晚时的正常状态）．以便系统适应各时段的环境照度。

五、结束语

视频识别的模糊感应办法，它与环行线圈的感应方式相比，其路口施工量较小，不受路面的影响，而且设置灵活，不破坏路面，可以移动安装。交通信号单点模糊感应控制，可以根据路口车流量的大小，及时有效地调整绿灯时间，能很好地解决路口空放问题。这样一来，一方面减少了机动车辆的路口通过时间，另一方面，也节约了机动车辆的能源消耗，具有实际的社会经济意义。