基于车道线的高速公路视频监控中车辆检测与跟踪的研究

基于车道线的高速公路视频监控中车辆检测与跟踪的研究

穆俊洁；韩雨轩；武兴；贾兆喆；鞠明学

北京工业大学 北京市朝阳区  100020

摘要：西部地区的地势大都高低起伏，视野纵向深远且呈直线型，从空间透视的角度，由于车辆在运动时处于空间跃动状态，此时对此的监测会受到该跃动状态产生变化，总的来说，可以将这种变化概括为“远小近大”。就整幅图像图像来看，难以保证既除去近视野中较大的噪声，又保留远视野中小的车辆目标。因此，本文基于车道线，通过改变影响因素来改善车辆目标的变化，提出了相应的车辆检测和跟踪方法。

关键词：高速公路；视频监控；车辆检测；跟踪

在这个经济飞速发展的时代，汽车已经遍及各家各户，成为出行必备。但每当节假日时，高速公路上长距离、长时间堵塞的问题给人们造成极大的困扰。并且在堵塞过程中还存在监管不规范、道路交通信息不能同步反应的问题，很容易导致交通事故，造成人、财两伤。从2020年度中国汽车工业发展报告来看，我国汽车总产销量位居世界榜首，并且我国继续深入发展，为实现高速公路智能化不断改善，注重智能的发展，更加推动了我国经济发展。随着互联网、计算机及相关产业的快速发展和监控设施价钱的下降，降低了工作人员的工作难度，更立体、便捷地通过监控了解情况。因此，通过智能提高让管理人员更快获取高速上的突发情况即将成为现实，将大大减少提出解决方案的时间，保障了人与财的安全。

1高速公路视频监控中车辆检测方法

首先本文研究的是视频监控中的车辆检测的方法，其主要是从车水马龙的视频监控中分辨出运功车辆目标。在日常生活中的监控视频图像中都会出现络绎不绝的车辆、人群、动物等多种运动对象，这就会对本研究造成干扰，而本文中进行检测的对象是道路上行驶的车辆，需要的就是摄像机固定的高速公路上的视频监控。目前要检测固定摄像机的监控视频场景主要方法有：光流法、帧差法、背景差分法等。但每种方式都各有利弊。比如常见的背景差分法，它利用插入N-bin直方图来建立模型，统计每个像素在单位时间内的总的像素值，生成相应的N-bin直方图，选定其频数最大值为背景像素。接下来，观看直方图的状态，如果直方图呈现出多峰状态，说明该车辆目标出有光、声等外界因素的变化。其他部分表示有外界干扰的情况，或者车辆驶过时的像素波动。如果车辆目标没有出现，则该模型图一直表现为单峰，正是背景状态。这种建模方法易于操作，建模便捷，时间较短，但并不适合用在车流量大的监控视频中。所以，检测要根据特定目标的特点、场景的多变性及实际情况进行一定的利弊分析，再选取最合适的检测方法。并且本研究中的西部地区高速公路地势高低起伏，当前的检测的方法并不一定适用于该地的车辆行驶检测情况，因此，更要考虑西部地区高速公路以及车辆行驶的特点和需求。为得到该类监控情景中更好、更真实的检测效果，要紧记车道线信息，引入到运动目标的检测环节。

2高速公路视频监控中车辆跟踪方式

进行完目标检测后根据检测结果确定跟踪的目标，就是对该目标的全部图像匹配搜集的信息，最终得到车辆完整的运动信息。比如所处位置、运动快慢、方向等，这是接下来进一步数据分析的基础。以建模来跟踪的方法能较全面地描述目标信息，即使情况复杂效果依然显著。但是为保证效果不可或缺的是保证建模的精确度。建模较为复杂，且计算繁琐，计算量大，不切实际，很难满足及时的需求；而基于轮廓来跟踪的方法以得到精确的目标检测为基础，提取运动车辆的主要轮廓形状，来进行跟踪。与其他方法相比，这种方法更易于计算，时间更短。但如果遮挡很大一部分，就会严重影响到跟踪的效果。并且这两种检测只有在准确时才有很好的跟踪效果；基于特征来跟踪的方法较于以上两种方法更好，只需要合适的目标特征就可完成跟踪，并且对遮挡得不到准确目标特征这一问题，当目标被短时间遮挡时，可以运用预测滤波器。根据区域跟踪的方法要确定在该本帧运动的车辆，与下一帧运动时的情况进行对比，找到它们最相似的区域，即为该车辆的跟踪情况。

3基于车道线的高速公路视频监控中车辆检测与跟踪

3.1车辆目标的检测

虽然目标检测的方法可以解决一些问题，但观察广角视野下高速公路的场景视频还是存在一些问题。比如：在滤除了近视野中的较大杂质时会漏掉检测远视野中的运动车辆，以及行驶邻近的较大型车辆会被看做同一目标。因此，本文基于车道线信息进行目标检测，先确定它的位置及车身颜色，选择背景图像中的区域进行边缘测试，然后进行Hough直线检测得到多条直线，再利用K-means聚类算法完成对多条直线斜率的聚类，最终根据得到的三条车道线数据算出外侧两条车道线交点的坐标。

3.2车辆目标的跟踪

进行完目标检测后根据检测结果确定跟踪的目标，就是对该目标的全部图像匹配搜集的信息，最终得到车辆完整的运动信息。比如所处位置、运动快慢、方向等，这是接下来进一步数据分析的基础。此次监测研究要精确目标的跟踪及实时更新算法保证跟踪准确。以特征为基准的跟踪首先要确定车辆运动的车道和方向，所以提高匹配率只需要把比对同向运动的车辆，研究其运动相似度。

总结

当今社会快速发展，为满足社会对智能交通系统的重大需求，本文立足于视频监控这一方面，对智能交通情况进行深入的剖析、研究。以实现高速公路的视频监控与当今社会智能发展的有效结合为目标，本研究高效利用智能的图像处理技术，精确地研究它如何高效地利用在高速公路视频监控中的运动车辆的监测和跟踪，以此开发出高速公路视频监控系统。

参考文献

[1] 宋焕生, 李莹, 杨瑾,等. 基于高速公路场景的车辆目标跟踪[J]. 计算机系统应用, 2019, 028(006):82-88.

[2] 刘金清, 陈存弟. 高速路的车道检测与车辆跟踪[J]. 计算机系统应用, 2020, v.29(02):191-201.

[3] 汤伟军, 刘琦, 赵卫斌,等. 高速公路特殊车辆追踪与布控技术探析[J]. 中国交通信息化, 2019(S1).

北京工业大学“国家级大学生创新创业训练计划”GJDC-2021-01-22项目资助