隧道照明节能控制系统的车辆信息视频检测方法研究∗

王在浩，李 震，李良荣

(贵州大学大数据与信息工程学院贵州贵阳550025)

隧道照明节能控制系统的车辆信息
视频检测方法研究∗

王在浩，李 震，李良荣∗

(贵州大学大数据与信息工程学院贵州贵阳550025)

针对传统的隧道车辆检测方法存在错检、漏检的现象，提出一种高效、快速、准确的隧道内高速行驶车辆的信息检测方法。该方法的主要思想是在垂直方向和水平方向进行“地磁模拟”，结合背景差分法有效地检测出车辆信息。计算分析表明，该方法能准确、快速地检测出车辆信息，且原理简单容易实现。

隧道照明;控制系统;视频检测;车辆信息

自适应隧道照明节能控制系统要求安全、可靠，检测到隧道中通行的车辆并计数，其准确性直接决定了“车近灯亮、车过灯灭”的核心思想能否实现[1-3]。目前广泛使用的地磁检测虽然灵敏，但是无法准确检测出“骑”着分道线行驶的车辆，而且需破路安装，有施工量大、维护不便的致命弱点[4]；微波检测可以检测并行车辆，且比较准确，但是周围不能有墙壁，也就是说不能应用于隧道中，其应用环境受到限制；其它视频检测，主要用于慢速车辆检测与跟踪，对于高速公路上行驶车辆的信息检测，需配合地磁或微波传感器使用[5]。本文针对现有车辆检测方法存在的问题，研究一种基于隧道行车视频的车辆信息检测方法，在保证信息检测的可靠性、及时性基础上，减少设备安装的施工量，且具有便于维护的特点。

1 视频检测方法设计

本设计的基本思想是采用机器视觉技术，通过“地磁模拟”方法，结合背景差分法对隧道高速行车进行有效信息检测。

1.1 地磁检测模拟方法

1.1.1 地磁检测方法

地磁检测通过在地面埋设地磁传感器，当有车辆经过时会引起周围的磁力线发生弯曲，用其产生的电信号来检测车辆。该方法有着检测灵敏度高、抗干扰能力强等优点，但是其安装时需破路埋设，而且对“骑”着分道线行驶的车辆检测可能产生数据偏差(如，1辆车的检查结果是2辆车)。

1.1.2 机器视觉技术

机器视觉主要利用计算机来模拟人的视觉功能，从图像中提取出有效信息并加以利用。该技术最大的特点就是速度快、功能多、信息量丰富。

1.1.3 用机器视觉技术检测隧道高速行车信息

用机器视觉技术检测隧道路段一定范围内的车辆通行情况，由于摄像头是安装在隧道顶部、与正前方呈一定角度、固定焦距，有安装及维护方便、成本低等特点。检测算法的核心思想是利用模拟地磁法结合背景差分法[6，7]进行车辆信息检测，如图1所示，在垂直方向和水平方向上通过设置虚拟线圈来进行地磁检测模拟，具体算法如下:

图1 视频模拟地磁检测

1)垂直方向:视频信号中，行驶车辆有间距是绝对的，在虚拟线圈内，每一帧与背景的差值超过阈值就判断为有车，该帧称为有效帧；如果遇到堵车的缓行情况，车辆间距虽然很短，由于速度慢，故检测和计数仍然可以完成，但需要考虑数据冗余及存储容量问题。本文研究，着重高速行驶车辆的信息检测，而高速行车会保持一定车距，中间肯定存在没有检测到车辆的帧(称为空帧)，在“空帧”出现之前，前面的“有效帧”检测的都是同一辆车，即车辆数目为1，如图2所示。

图2 垂直方向车辆检测原理

2)水平方向:在水平方向，利用垂直方向的“空帧”判断思想，两辆并行车辆之间会保持一定空隙，以此分辨车的数量，水平方向的判断是检测并行车辆的关键。如图3所示。利用视觉感知技术算法，能有效地克服地磁检测存在的多检(或漏检)，以及施工量大、维护困难等不足，可以提高“隧道照明节能控制系统”的鲁棒性。

图3 水平方向车辆检测原理

1.2 地磁模拟检测算法

1.2.1 有效帧检测可行性分析

式中带入具体参数，即可得出有效帧数，若F大于1，说明检测到“有车”。控制变量法绘制各参数的函数图像如图4所示。由函数图像可以看出，有效帧数与检测区域长度、帧率、车长成正比，与车速、有效阈值成反比。

2)可行性验证:高速公路隧道设计，车速一般为60～90 km/h[8]，本例取90 km/h；检测区域长设置为2 m；视频帧率为25帧/s；车长取2.5 m(以较短车长为例)；阀值T设置为1 m。将这些参数带入式①算出F＝2.5，说明有车。

若有车速超，达到120 km/h，根据式①，其他参数不变，可得出有效帧数F＝1.875，F＞1，说明在行车超速情况下也可以有效地检测出车辆信息。

1.2.2 空帧检测的可行性分析

1)基本原理:与有效帧检测类似，车辆间距用DC表示，在检测区域里的空帧数用FE表示，则函数为:

1)基本原理:车速用V表示；检测区域设置长度用L表示；视频帧率用VF表示；车长用LC表示，有效阈值用T表示，在检测区域里的有效帧数用F表示，则函数为:

式中带入具体参数，可得出有效空帧数，若FE大于1，则说明检测到“空帧”。绘制函数图像参见图4，不再详述。

图4 有效帧数与相关参数的函数关系曲线

2)可行性验证:根据《中华人民共和国道路交通安全法》(以下简称《道路交通安全法》)第八十条规定:机动车在高速公路上行驶，超过100 km/h时应当与同车道前车保持100 m以上，低于100 km/h时，最小距离也不得少于50 m。本例考虑到一些特殊情况，以10 m为车距进行计算(比如，危险超车时，与前车距可能只有10米左右)；车速100 km/h；检测区域长2m；视频帧率25帧/s；阀值T为1 m。将这些参数带入式②，空帧数FE＝9，FE是大于1的，说明可以检测到空帧。

针对一些突发情况，速度达到120 km/h，而车距只有5 m(这种可能性极小)，其它参数不变，根据式②算出空帧数FE＝3.75，也能有效的检测其间隙。

2.3 结合背景差分法进行行车信息提取

背景差分法提取隧道高速行车信息的基本思想:将当前检测到的图像帧与背景图像(无车辆时检测到的“干净”图片)进行差分运算，再通过设置合适的阈值提取出运动目标。背景图片用G(x)表示；获得的实时图像帧用F(x)表示；阈值用T表示；检测结果用D(x)表示，则函数为:

从式③可以看出，背景差分法是较为成熟的技术，只需要进行简单的差分运算和阈值判断，且错误率较低。该方法有着检测速度快、准确度高、易于实现等特点，能够满足高速行驶的车辆信息检测的要求。

3 检测方法实现应解决的关键问题

3.1 背景图像问题

背景差分法算法中，影响提取信息准确性的因素就是背景图像，隧道是半封闭式环境，受外部自然光的影响很小，但由于车灯照明不同而引起的图像背景变化情况却非常复杂，因而信息提取算法的可靠性及有效性面临严峻挑战。

3.2 处理算法的效率问题

隧道照明控制系统行车信息检测点(节点)的设置，是依据隧道设计的最高时速(留有一定裕量)计算后等间距设置的，每个节点安装摄像头。本例设置节点之间的距离为100m，考虑到超速情况，车速达120 km/h，则车辆到下一个检测点只需3 s。在这3 s之内检测系统必须完成对采集的帧信息处理，得出的车辆信息发送给下一检测点，下一检测点响应并处理接收信息。虽然一些图像处理技术相当成熟，但是数据处理复杂，运算量大，再加上每秒25帧的庞大数据量和时间的限制，这对控制单元的处理速度与处理算法就提出了苛刻要求。如果处理速度与效率跟不上，则会发生漏检，会使系统进入恶性循环，从而导致整个照明控制系统功能失效，这是极度危险的情况，所以必须提高处理算法的效率。

4 解决问题的基本方法

4.1 自适应背景更新

由于实际背景是不断变化的，所以需要建立一个自适应更新的背景模型。本文选用基于时间序列的码本(CodeBook)算法来建立模型[9]，该算法的基本思想:首先为每个像素创建一个码本CB，码本里有多个码元为CE，而码元里包含了每个颜色通道的学习最大阈值、学习最小阈值、检测最大阈值、检测最小阈值以及最后一次更新的时间。码元的C语言结构体定义为:

在建模过程中，图片的像素值定义为unsigned char pix[3]，三个元素分别代表三个颜色通道值，码元的定义为:Code_Element p_CE，则将检测到的每幅图片与对应码本进行像素级的匹配，会出现下面三种匹配结果:

1)该像素在某个码元的检测阈值内(p_CE. min[i]＜p[i]＜p_CE.max[i])，则说明像素没有变化。

2)该像素在某个码元的检测阈值外(p[i]＜p _CE.min[i]或者p[i]＞p_CE.max[i])，但在学习阈值范围内(p_CE.learn_min[i]＜p[i]＜p_CE. learn_max[i])，则更新对应码元的学习阈值和检测阈值，并重置该码元的最后更新时间。

3)该像素值与码本中的每个码元都不匹配(p [i]＜p_CE.learn_min[i]或p[i]＞p_CE.learn_max [i])，则新建一个码元。

在更新背景时，通过检测每个码元的最后更新时间来删除时间间隔超出阈值的“旧”码元，这样就可以学习到复杂的动态背景；为了获得较好的前景分割效果，给检测阈值分别设置可调节的偏移量maxmod和minmod；最后将上面介绍的每个方法封装成对应的函数，分别为码本更新函数update_codebook()、“旧”码元清除函数clear()、前景分割函数back_diff()，通过调用这些函数来实现码本更新算法，编程流程图如图5所示。

图5 自适应背景流程图

4.2 虚拟线圈设置与数据处理效率分析

1)虚拟线圈设置算法:本算法通过设置虚拟线圈的方法来设定检测区域。首先以图片左上角为原点建立一个坐标系，原点向右为x轴正方向，向下为 y轴正方向，设图像帧的长为 Len，宽为Width，如图6所示。

图6 图片坐标系

图像帧使用二维数组p[y][x]表示，每个元素的下标x、y分别表示像素点在图像中的坐标位置。则在图像中设置虚拟矩形线圈的4个顶点分别为:p[y1][x1]、p[y1][x2]、p[y2][x1]、p [y2][x2]，如图7所示。

对于虚拟线圈的位置，理论上只要设置在摄像头拍摄到的画面之内的任意位置都可以，但是为了获取最好的视角，最好靠近中间位置，将摄像头聚焦(固定焦距)到该位置即可，则设置虚拟线圈后，一张图片的数据量与原图片的关系函数为:

图7 虚拟线圈坐标

虚拟线圈的大小对检测方法的性能有着直接的影响。虚拟线圈即为检测区域，则检测区域的长度(L)等于虚拟线圈的宽度(y2-y1)。由公式①和公式④可知，虚拟线圈的宽度越大，越容易检测到车辆，但同时增加了数据量，所以虚拟线圈宽度需要根据处理器的性能进行选取。因为该检测方法最重要的指标之一就是不能漏检，所以虚拟线圈的长度(x2-x1)取该摄像头有效检测范围的路面宽度。

2)数据处理效率分析:如果使用1080P的高清摄像头，则图像分辨率为1920×1080 pixels，即Len为1920，Width为1080。检测区域的坐标值x1为300，x2为1600，y1为400，y2为700。则根据式④得出一张图片的数据量约为原来的1/5。如果按照25帧/s的数据量，每天通过设置虚拟线圈所减少的数据量是很庞大的。所以，该方法不仅大大降低了数据量，还减少了噪声(隧道墙壁、路面异物等)影响，另外，采用的背景差分法具有运算速度快、检测准确等优点，使得检测运动目标的算法得到简化，易于实现，明显提高了处理的速度，从而提高信息处理的效率。

5 结 语

本文研究高速公路隧道照明节能控制系统的行车信息检测问题，控制系统利用检测到本节点“有车通过”信息来开启照明并计数，下一节点用来车的“计数”信息来判断车队是否过完(控制灭灯)。通过现有隧道车辆检测技术的局限性分析，提出一种基于地磁模拟结合背景差分算法的自适应车辆信息视频检测方法，对检测系统设计进行了分析，通过算法的可行性验证，说明该方法可以准确的检测出通过隧道节点的车辆，并阐述其具有检测准确、速度快、易于实现等特点，可以提高隧道照明节能控制系统的鲁棒性。

[1]丁磊，李震，田海东等.“低碳经济”下高速公路隧道照明控制系统研究[J].照明工程学报，2013，24(4):123-127.

[2]李良荣，王在浩，李震等.自适应隧道节能照明控制系统设计方案[J].贵州大学学报(自然科学版)，2014，31(5):48-52.

[3] 李良荣，潘鸣.公路隧道的智能照明装置，专利号: ZL2011200120594.[P].2011，中华人民共和国知识产权局.

[4]杨志恺.基于地磁技术的车辆检测传感器研究[D].杭州:杭州电子科技大学，2013:6-12.

[5]邓晨.微波视频融合车辆检测与分类技术研究[D].武汉:武汉理工大学，2010:9-24.

[6]Jon Arrospide，Luis Salgado.A Study of Feature Combination for Vehicle Detection Based on Image Processing[J].The Scientific World Journal，2014(2014):1-13.

[7]Shen Hao，Li Shuxiao，Zhu Chengfei.et al.Moving object detection in aerial video based on spatiotemporal saliency[J].Chinese Journal of Aeronautics，2013，26(05):1211-1217.

[8]谢华为.高速公路车速控制分析[J].交通科技与经济，2014 (01):20-22.

[9]熊 亮，刘伟铭.基于背景CodeBook模型的前景检测算法[J] .科学技术与工程，2010，10(09):2118-2121.

(责任编辑:王先桃)

Vehicle Information Video Detection of Tunnel Lighting Energy-saving Control System

WANG Zaihao，LIZhen，LILiangrong∗

(College of Big Data and Information Engineering，Guizhou University，Guiyang 550025，China)

Due to the error and missed detection of the conventional tunnel vehicle detection methods，an efficient，fast and accuratemethod of detecting the high-speed vehicle in the tunnelwas proposed.Themain idea is a"magnetic simulation"in the vertical and horizontal directions，and detecting vehicle information effectively combined with background subtraction.Calculation shows that it detected the vehicle information accurately and quickly，besides，the principle is simple and easy to achieve.

tunnel lighting；control system；video detection；vehicle information

TP 274.2

A

1000-5269(2016)04-0085-05

10.15958/j.cnki.gdxbzrb.2016.04.17

2016-06-12

国家自然科学基金(61361012)

王在浩(1991-)，男，在读硕士，研究方向:电路系统软硬件结合.Email:wzh16622＠163.com.

∗通讯作者:李良荣.Email:lrli＠gzu.edu.cn.