摘要：针对基于视觉的交通监视系统中路况图像背景去除存在的种种问题,提出了一种基于边缘的背景去除算法。该算法简单且容易理解。实践证明,用该算法能够有效地除背景信息。

    关键词：交通监视 背景去除 边缘提取

智能交通监视系统是智能交通系统（ITS）的重要组成部分,该系统通过传感器实时估计交通参量。一种方法是使用磁环路检测器来计算汽车流量,此法自身的缺隐是很明显的。

（1） 能够监测的交通参量有限,仅限于汽车流量及速度的监测;

（2） 监视范围较窄,只能监视一个车道情况;

（3） 不便于安装,一般需对路面挖掘以埋入检测器。

另一种方法是通过处理采集到的交通路况图像序列,实现车辆目标的的检测、识别及跟踪,实时提供交通流量、速度及密度等信息。其于视觉的此种方法无上述的限制。用一个安装在路杆或桥头摄像头限参数进行估计,因此有着无可比拟的优势。

一个典型的基于视觉的监视系统流程图如图1所示。

基于视觉的实用的交通监视系统应满足如下要求：

（1） 安装和校准容易。

（2） 境适应能力强。系统能在各种光照条件下工作,如强烈日光下存在较重的阴影、 夜晚低亮度的照明以及夜晚汽车前灯的强光。

（3） 能准确地估计车辆速度及尺寸。

（4） 能够实时地进行处理,并且整个系统有低廉的成本。

1 背景去除算法分析

背景的去除在整个处理中占用很重要的地址,它直接关系到后续工作的难易程度。由于背景图像是静止的,用实时路况图像与背景图像相减即可滤掉背景而只保留车辆及其阴影信息。但仍存在以下问题：

    （1）由于路面光照情况时刻在变动,背景图像也在跟着变化,因此作差所用的背景图像也必须实时进行更新。

（2）摄像头安装在路杆上,当路上有汽车开过时会产生轻微抖动,得到的实时路况图像也不可避免存在“抖动”,其与背景图像的差值并不能完全滤掉背景信息,如图2所示。

为了较全面地解决这些问题[1],将实际情况分成以下三类分别处理：

（1） 背景缓慢变化。

（2） 背景剧烈变化。如：晚上路灯打开时。

（3） 背景经常性变化。如：当重型汽车经过时使背景图像随着摄像头抖动而抖动。

仔细分析背景更新算法[1],发现存在如下几个问题：

（1） 景更新时采用某一时段多帧图像加权和,其主要目的是减少噪声的影响,但如此得到背景与实时背景有一定并异,因此滤除不停。

    （2） 路况图像剧列变化时,为了确定形成原因是由背景剧列变化引起的还是由车辆经过引起的,作为如下假设：如果是由背景剧烈变化引起的,则图像变化前后满足线性关系：bnew(x)=αbold（x）+β并由此作为判据来进行背景更新。事实上,由于路面各部分光学性质的差异,上式并不十分严格,在路面较复杂（路面上有较多线条）的情况下易发生误判。

（3） 该算法按实际情况分成三类分别处理,需要对三种情况作出判别,整个算法相当复杂,给实时处理带来了困难。

2 基于边缘的背景去除算法

针对上述问题,本文提出了一种简单而高效的基于边缘的背景去除算法。该算法基于这样一个事实：在光照变化的情况下虽然背景图像会发策变化,但背景的边比缘信息（即所述的集团）总是不变的（无论背景缓慢变化还是剧烈变化）。若用背景边缘来标识背景信息,则可不受光照条件的影响而使处理简单。因此,可将实时路况图像的边缘取提前,再将得到的缘图像与基背景边缘图像相减即可除掉背景。

基背景边缘图像的更新可通过多帧路况边缘图像的迭回来实现：

bo(x,y)=∑gi(x,y) (1)

式中,gi(x,y)为第i帧路况边缘图像。

按此式得到的迭加图像不但将背景边缘迭加,也将车辆边缘迭加,为形成基背景边缘图像,必须将车辆边缘去掉。对背景边缘及车辆边缘的分析可见,背景边缘位置在各帧路况边缘图像中大致相同,迭加后得到增强。由于摄像头可能存在抖动而使各帧中背景边缘位置也加宽的现象,如图3所示。因为抖动是周期性且小幅度的,最终结果是加宽边缘的增强;而车辆边缘位置在各帧路况边缘图像中却是随机而零散的,迭加后虽然在某些重叠点上有所增强,但增强的效果远不如背景边缘,帧数越多越明显。为此,简单的阀值判断即可除去迭加路况边缘图像中的车辆边缘,由此而得基背景边缘图像：

    阈值bth由所取的帧数及摄像头抖动幅度决定（抖动幅度越大,加密越严重,单象素迭加量越少）。

由此得到的加宽背景边缘与实时路况边缘图像中的背景边缘存在差异,若直接将实时路况边缘图像与其相减,必定会留有残余背景。但注意到后者是前者的一部分,所以改用包容性检测来去除背景边缘：

    其效果是：如果实时路况边缘图像中某点在基背景边缘图像对应点对边缘点（即b(x,y)=1）,则认该点为背景边缘而除掉。当然,由于车辆边缘与背景边缘可能存在一定交迭,上述结果会去掉一部分车辆边缘信息,但车辆的框架仍保留,并不妨碍其提取。实际背景去除效果如图4所示。

由此可见,用此算法来去除路况图像中的背景是简单而高效的,非常适用于实时处理。