视频分析在交通控制中的应用

2.模型的假设
（1）假设视频中每帧图像的变化主要由车辆运动引起，其它因素作用微小。 （2）当有一车辆的车身进入虚拟线圈时，按完整车算。
3.符号定义与说明
符号 Vi VPi T Erri VFi 含义 车道 i 的实际总车数，i=1,2,3,4，以下同理 车道 i 的预测总车数 观测间长 车道 i 的车数误差率 车道 i 的预测车流量 说明：车道 i 表示左起第 i 个车道
原理图 1 5.1.1 Color Space Conversion 模块 该模块的功能是将原视频图像转化为其他模式图像。 在本系统模型中我们是 利用光流场（在下模块中将作详细描述）来检测运动车辆，故而此处将图像转化 为灰度模式。 图像的灰度处理是将原图中的每一像素点的 R,G,B 值都转化为三者 和的平均值。设 x, y 是原图中的一像素点， R _ Value, G _ Value, B _ Value 分别为 其 R,G,B 值，则处理结果是：
图九（光流提取图）
图十（图九红圈处像素矩阵）
然后我们把光流场信号输入到 Region Filtering 模块中的 Submatrix 中，根据 Submatrix 的参数对视频图像进行分区域识别， 在 5.1.4 中将详细描述其实现方法。 最终在 Blob Analysis 里确定车辆的位置与数量：光流场像素的数量满足阈值要 求的区域将被认作车辆而提取出来，并计数。在这里，经过调试，我们将其阈值 设置为 200—2500 个像素， 在该像素数之间的光流场将被认定为是运动车辆所产 生。 5.1.4 Display Results 模块 该模块输出了视频图像的最终处理结果，该模块的原理图为：
实际总车数 预测总车数 误，Optical flow，虚拟线圈，车流量
1
1.问题重述
传统的视频监控由人工进行视频监测发现安全隐患或异常状态， 或者用于事 后分析，这种应用具有其固有的缺点，难以实现实时的安全监控和检测管理。视 频分析是指将先进的信息技术、数据通讯传输技术、电子控制技术、计算机处理 技术等应用于工业生产，从而提高生产效率。在交通管理中，带有智能分析功能 的监控系统可以通过区分监控对象的外形、动作等特征，做到主动收集、分析数 据，并根据预设条件执行报警、记录、分析等动作。对于视频分析而言，其关键 技术是建立合理的数学模型。利用你所学知识解决以下问题： 问题一：根据提供的视频，建立提取附录提供的视频图像的数学模型。 问题二：结合已提取的背景，建立计算车流量数学模型。
图三（光流场输出信号图）
图四（光流场信号放大 1000 倍）
我们发现图像是全暗的，说明光流场值很小。我们利用一信号放大器，将信 号放大 1000 倍，结果如图四所示。可以发现，光流信号放大后图像中有很多亮 点，其实质就是运动车辆产生的光流场。为精确信号放大倍数值，下面利用视频 图像库的其他调试工具来观测原输出的光流场值，如图五、图六所示：
图七（原视频图像）
图八（光流提取图）
对比图七、图八，可以发现运动车辆的轮廓已经几乎被提取出来。 5.1.3 Region Filtering 模块 该模块的是确定车辆的位置与数量的关键，它的内部原理图如下示：
5
原理图 2 运动车辆的光流场经过放大、比较后，我们就可得到车辆位置的像素矩阵， 如图九、图十示：
利用 Matlab 视频图像库的调试工具 MPlay 调试，比较灰度处理后的视频图 像与原图像如下示：
3
图一（原视频图像）
图二（灰度处理图）
5.1.2 Optical Flow 模块 该模块的功能是基于光流场检测运动的车辆。 光流是图像中灰度模式的运动 速度， 可以看作是一幅图像到下一幅图像对应像素点间的位移矢量。利用光流技 术，可以求出运动图像边界，将图像分成运动和静止边界。1981 年，Horn 和 Schunck 创造性地将二维速度场与灰度相联系，引入光流约束方程，得到光流的 计算方法，本模块中就是利用此法。利用 MPlay 查看光流场输出信号，如图三 示：
视频分析在交通控制中的应用
摘要
本文利用 Matlab 的 Simulink 工具箱对交通控制中的视频进行了建模分析。 首先提取出了交通检测视频中的运动车辆信息，然后据此建立模型，计算出不同 车道上的车流量。 第一问中，本文利用 Matlab 的 Simulink 工具箱建立了基于光流场的运动车 辆检测模型。 视频图像由静态背景和运动车辆组成，车辆的动作在任意相邻两帧 图像中引起了图像灰度值的变化。本文利用 Simulink 的视频图像处理库的库元 件 Optical flow 提取了这之间的差异，即光流场。然后对该小信号光流量进行放 大， 并且为避免光流场是由环境或摄像机本身扰动产生，在信号量放大之后设置 了阈值。 接着， 本文利用 Simulink 的 Region filtering 模块实现对运动车辆位置与 数量的实时确定，并在 Region filtering 模块里的 Submatrix 设置车辆检测区域。 最后在 Display results 模块里，实时显示出检测到的车辆位置与数量。为使显示 结果直观化，本文将检测区域用白线划分，检测到的车辆用绿色矩形框标识，指 定区域内的车数在图像中实时显示。 第二问中， 本文建立了基于虚拟线圈的车流量统计模型。视频图像中共有四 条车道， 本文利用 Region filtering 模块里的 Submatrix 将视频图像分成四个区域， 分别检测每一车道的车流量。 区域分法为：在车道中选择车辆观测明显地划出一 个矩形，作为车辆检测区域。当车辆经过该矩形区域时开始被检测，避免了“老 车”未出，“新车”就进的情形，再将该区域的各个时刻的车辆数加权，得出该车 道流通的总车数。最后本文进行车流误差分析，结果见下表，得出了与实际相符 的结果值，离摄像机越近的车道检测效果最好，准确率近至 96%。 车道一 68 71 4.2% 14 车道二 66 62 6.1% 12 车道三 71 63 11.3% 12 车道四 69 51 26.1% 10
R _ Value G _ Value B _ Value 3 R _ Value G _ Value B _ Value G '_ Value 3 R _ Value G _ Value B _ Value B '_ Value 3 R '_ Value
R '_ Value, G '_ Value, B '_ Value 分别为该像素点经灰度处理后的 R,G,B 值。
4.问题分析
4.1 问题一的分析 问题一，是要求建立提取附录提供的视频的数学模型，我们可利用 Matlab 的 Simulink 工具箱建立基于光流场的车辆运动检测模型。 。分析知，该附录视频 图像要由两部分组成， 运动的车辆与静止的背景图。由于车辆在静态的背景中运 动，所以会引起视频中每相邻两帧灰度图像之间像素点的变化，生成光流场。得 到了流动车辆的光流场后，再利用 Simulink 工具箱的 Region Filtering 模块检测 出其指定区域的车辆位置与数量。最后再调用 Simulink 工具箱的车辆检测显示 模块，把提取到的信息直观地展示出来，从而将问题解决。 4.2 问题二的分析 我们可利用问题一的处理结果来建立问题二的模型。 在视频图像中共有四条 公路， 我们可利用 Region Filtering 模块将视频图像分成四个区域， 然后一一确定 出每条公路上的总车数，从而得出车流量。为准确测出每条公路的车流量，我们 可建立基于虚拟线圈的车流量检测模型。即在车道上划一小矩形区域，车辆只有
4
图五（光流信号平均值变化图）
图六（光流信号中值变化图）
在光流信号的平均值变化图中，有很多的信号量突变值，这是车辆出现的信 息特征。但其值很小，在 104 左右，所以我们选择将信号放大 10000 倍。在视频 拍摄中， 其他环境因素及摄像机本身的扰动亦会产生背景图的光流场（图中约为 0 的光流） ，因此在信号放大后，我们添加一阈值模块，当大于该值时，即确定 为运动车辆的光流。经过反复调试，最终我们得出信号量应放大 10000 倍，阈值 应设为 0.15 较为合适。其结果如图七、图八示：
2
在该区域时才会被检测，可以大大避免“老车”未出，“新车”就进的情形，从而在 该区域的各个时刻的车辆数加权就为在该车道流通的总车数。
5.模型的建立与求解
5.1 问题一得模型 利用 Matlab 的 Simulink 工具箱建立的视频信息提取系统模型，如下图示。 从左往右，各个模块的功能依次是：选择视频导入，视频图像的灰度处理，检测 运动车辆，阈值比较，确定车辆位置与数目的关键工作，最终输出处理结果。下 面将选取几个关键模块做详细描述。
目录
摘要 -----------------------------------------------------------------------------------------------1.问题重述 --------------------------------------------------------------------------------------2.模型的假设 -----------------------------------------------------------------------------------3.符号定义与说明 -----------------------------------------------------------------------------4.问题分析 --------------------------------------------------------------------------------------4.1 问题一的分析 ------------------------------------------------------------------------4.2 问题二的分析 ------------------------------------------------------------------------5.模型的建立与求解 --------------------------------------------------------------------------5.1 问题一得模型 ------------------------------------------------------------------------5.1.1 Color Space Conversion 模块 ---------------------------------------------5.1.2 Optical Flow 模块 ----------------------------------------------------------5.1.3 Region Filtering 模块 ------------------------------------------------------5.2 问题二得模型 ------------------------------------------------------------------------6.模型的评价 -----------------------------------------------------------------------------------7.参考文献 --------------------------------------------------------------------------------------8.附录 --------------------------------------------------------------------------------------------1 2 2 2 2 2 2 3 3 3 4 5 7 8 9 9