隨著交通運(yùn)輸業(yè)的快速發(fā)展，汽車數(shù)量的急劇增加，各種車輛違章行為層出不窮，車輛壓黃線屬于一種嚴(yán)重的交通違章行為，用視頻的方法檢測(cè)車輛壓黃線具有一定的實(shí)用價(jià)值。文中針對(duì)這個(gè)問(wèn)題，提出了一種基于計(jì)算機(jī)視覺(jué)的車輛壓線檢測(cè)方法。
1 車輛壓黃線檢測(cè)算法
1.1 圖像預(yù)處理
圖像預(yù)處理是視頻圖像處理的第一步，它是將輸入的圖像進(jìn)行濾波去除噪聲，增強(qiáng)圖像的過(guò)程。經(jīng)過(guò)圖像的灰度化、二值化、中值濾波后可以使得感興趣的區(qū)域可視化效果得到改善，有利于對(duì)圖像的進(jìn)一步處理。
1.2 邊緣檢測(cè)
邊緣檢測(cè)的基本思想首先是利用邊緣增強(qiáng)算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強(qiáng)度”，通過(guò)設(shè)置閾值的方法提取邊緣點(diǎn)集。常用的檢測(cè)算子有Roberts算子、Sobel算子、Canny算子、拉普拉斯算子。經(jīng)實(shí)驗(yàn)對(duì)比后發(fā)現(xiàn)使用Canny算子的邊緣提取效果優(yōu)于其他算子，因此文中在黃線提取中使用了Canny算子。
1.3 直線提取
判斷車輛是否壓線，要預(yù)先確定黃線的位置。文中采用Hough變換進(jìn)行直線提取，即通過(guò)圖像信息來(lái)自動(dòng)獲取直線位置。
Hough變換是利用圖像的全局特性而直接檢測(cè)目標(biāo)輪廓，將圖像的邊緣像素連接起來(lái)的常用方法。在預(yù)先知道區(qū)域形狀的條件下，利用Hough變換可以方便地得到邊界曲線而將不連續(xù)的邊緣像素點(diǎn)連接起來(lái)。Hough變換的基本思想是利用點(diǎn)、線的對(duì)偶性。圖像變換前在圖像空間，變換后在參數(shù)空間。在圖像空間XY中，所有通過(guò)點(diǎn)(x，y)的直線一定滿足方程
y=px+q (1)
式中，p為斜率;q為截距。如果將x，y看成參數(shù)，它又代表參數(shù)空間PQ中通過(guò)點(diǎn)(p，q)的一條直線。圖像XY中通過(guò)點(diǎn)(xi，yi)和(xj，yj)的直線上的每一點(diǎn)都對(duì)應(yīng)參數(shù)空間中的每一條直線，而這些直線相交于(P’，q’)，(p’，q’)恰好就是圖像XY中過(guò)點(diǎn)(xi，yi)和(xj，yj)的直線的參數(shù)。由此可知，在圖像空間中同一條直線上的點(diǎn)對(duì)應(yīng)在參數(shù)空間里是相交的直線，當(dāng)給定圖像空間中一些邊緣點(diǎn)時(shí)，就可通過(guò)Hough變換確定連接這些點(diǎn)的直線方程。
1.4 車輛提取
常用的運(yùn)動(dòng)目標(biāo)提取算法有幀間差法、背景差分法、背景模型法以及在這些基本算法基礎(chǔ)上提出的很多改進(jìn)算法。其中，背景差分法主要應(yīng)用于攝像機(jī)固定，背景圖像相對(duì)靜止的條件下，選取一幀圖像作為背景圖像，計(jì)算當(dāng)前圖像與背景圖像的差來(lái)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)
R(i，j)=|F(i，j)-G(i，j)| (2)
其中，R(i，j)為待測(cè)的運(yùn)動(dòng)目標(biāo);F(i，j)為視頻序列圖像;G(i，j)為背景圖像。
文中以固定道路交通視頻為基礎(chǔ)進(jìn)行研究，滿足使用背景差分法的條件，因此選用背景差分法來(lái)提取目標(biāo)車輛。背景差分法的優(yōu)點(diǎn)是位置精確、運(yùn)算速度快，不足之處是對(duì)環(huán)境光線的變化比較敏感，在非受控環(huán)境下需要加入背景圖像進(jìn)行更新。目前主要的背景更新算法有圖像序列平均法、IIR濾波器法等。
1.5 車輛標(biāo)記
為更明顯地表示車輛的位置，文中采用矩形框?qū)囕v區(qū)域進(jìn)行標(biāo)記。首先采用圖像分割技術(shù)將車輛從圖像中分割出來(lái)。圖像分割的定義為：令集合R代表整個(gè)圖像區(qū)域，對(duì)R的分割可看作將R分為N個(gè)滿足以下條件的非空子集R1，R2，…，RN。
其中，P為對(duì)所有集合Ri中元素的邏輯謂詞，Ф則代表空集。文中使用大津法作為閾值分割法。大津法(Ostu)是大津于1979年提出，對(duì)圖像I，記T為前景與背景的分割閾值，前景點(diǎn)數(shù)占圖像比例為w0，平均灰度為u0;背景點(diǎn)數(shù)占圖像比例為w1，平均灰度為u1。圖像的總平均灰度為uT=w0×u0+w1×u1。從最小灰度值到最大灰度值遍歷T，當(dāng)T使方差值σ2=w0×(u0-uT)2+w1×(u1-uT)2最大時(shí)，T即為分割的最佳閾值。方差是灰度分布均勻性的一種度量，方差值越大，說(shuō)明構(gòu)成圖像的兩部分差別越大，當(dāng)部分前景錯(cuò)分為背景或部分背景錯(cuò)分為前景都會(huì)導(dǎo)致兩部分差別變小，因此使方差最大的分割意味著錯(cuò)分概率最小。直接用大津法計(jì)算量較大，因此在實(shí)現(xiàn)時(shí)采用等價(jià)公式σ2=w0×w1×(u0-u1)2。完成車輛分割后，再進(jìn)行圖像形態(tài)學(xué)處理，進(jìn)而完成矩形框標(biāo)記。
