基于帧差法和背景差法融合的车流量检测
方法
第29卷第2期计算机仿真2012年2月
文章编号:1006—9348(2012)02—0353—05
基于帧差法和背景差法融合的车流量检测方法
许伦辉，卜萍，陈衍平，黄艳国
(1.华南理工大学，广东广州510640;
2.江西理工大学电气工程与自动化学院，江西赣州341000)
摘要：研究优化车流量检测准确度问题.针对运动目标速度和外界环境都是影响车流量检测准确性，容易造成车流量的漏
检和误检等.为了克服传统算法所存在的缺陷，在现有算法的基础上，提出了一种融合帧差法和背景差法的智能车流量检
测方法.首先利用帧间差分方法为主，结合减背景方法为辅，然后通过一种迭代阈值分割法滤除噪声并对背景进行实时更
新.完成了多车道的车流量检测，并进行了仿真，结果得到多组数据，并提高了计算准确率.仿真结果表明，改进方法可有
效地提高了车流量检测精度.
关键词：车流量；背景差法；帧差法；目标检测
中图分类号:TB24文献标识码:B TrafficFlowDetectionMethodBadonFusion ofFramesDifferencingandBackgroundDifferencing
XULun—hui,PUWen—ping,CHENY an—ping,HUANGY an—guo,
(1.SouthChinaUniversityofTechnology,GuangzhouGuangdong510640,China;
2.Electricalengineeringandautomationinstitute,JiangxiUniversityofScienceandTechnol ogy,
GanzhouJiangxi341000,China)
ABSTRACT:Rearchtheproblemofoptimizingflowdetectionaccuracy.Themainfactors
affectingtheflowdetec- tionaremovingtargetspeedandexternalenvironment,whichislikelytocauthemissandfal detectionoftraffic
volume.Inordertoovercometheshortcomingsoftraditionalalgorithm,thepaperpropodaf usionframedifference andbackgroundsubtractionmethodforintelligenttrafficdetectiononthebasisoftheexisting algorithm.Themainly
methodisflamedifferencemethod,combinedwithmethodofreducingbackground.First,the backgroundnois werefilteredoutandthebackgroundwasupdatedinrealtimethroughaniterativethresholding method.Amulti—lanetrafficflowdetectionwascompletedtogetmultipletsofdataandcalculationaccuracy. Themethodiffective forimprovingthetrafficflowmeasurementaccuracyaccordingtothesimulationresults,andi ssimpleandfeasible.
KEYWORDS:Trafficflow;backgrounddifferencingmethod;framesdifferencingmethod 1引言
作为智能交通系统(IntelligentTransportSystem,ITS)的
一
项主要内容，车流量的检测在交通监控和管理系统中占据
重要的地位.近年来逐渐发展了多种车流量检测技术，主要
有环形线圈检测，超声波检测，地磁检测，视频检测技术等.
比起其它的检测技术，视频检测技术显得更加成熟和优越,
视频图像检测不仅开发成本低，效率高，检测精度高，可靠性
高，安装方便，显示直观，而且检测范围广，对路面无损坏.
收稿日期:2011—03—07修回日期:2011—05—18
目前基于视频车辆检测算法主要有：灰度比较法，路面
标记法，边缘检测法，光流法…，帧差法，背景差法等.光流
法虽然检测精度高，但是算法复杂并且计算量大.帧差法将
前后两帧图像进行相减，从而判断是否有运动车辆的出现. 文献[2]采用改进帧差法检测车流量，在检测带内由车辆信息生成数据流，根据数据流的变化进行车辆检测.但是对于一
些运动速度比较大的目标要求选择精确的时间间隔，时间间隔选的不当会导致图像重叠从而不能准确检测出运动目标.背景差法用当前图像与背景图像进行差分计算，从而检测运动目标.文献[3]研究了背景差分算法，并设计了一种
对多车道路段的车流量检测.这种方法能够比较准确的实.--——
<——
时更新检测出目标.但是运动目标对光照强度，天气等环境因素变化十分敏感.
由于帧差法算法和程序设计较简单，易于实现，对环境
变化不敏感，时效性高，只需要两帧图像的存储空间；但是大量的实验发现帧差法对灰度值变化缓慢
的图像不够敏感会导致输出信号较小.本文在帧差法与背景差法基础之上，结合使用帧差法与背景差法的车辆检测算法，以克服两者单独采用的不足.实验证明本文的方法能抑制速度和环境的干扰，快速准确的检测车辆.
2车流量检测原理
2.1运动目标检测原理
视频运动目标跟踪系统所面临的环境总是处于比较复
杂的动态变化之中，并且不同的跟踪系统所肩负的任务也各不相同，这样特定的应用场合和需求就直接决定了各种系统算法的实现，但是它们的基本原理和关键技术及核心算法是类似的.如图1所示，视频跟踪系统通常包括：图像采集，视
频图像处理，数据通信，传感器控制与伺服系统等主要部分. 图1运动目标跟踪原理
2.2车流量检测算法原理
本文在现有算法的基础上采用了帧差法和背景差法相
融合的检测方法.帧间差分方法为主，减背景方法为辅.帧
差法对灰度值变化缓慢的图像不够敏感会导致输出信号较小，当帧间差分结果小于判断阈值时将采用背景差分法；系统将调用减背景方法来产生输出信号，两种方法在产生输出信号时互相补充，使得检测的输出信号更加真实的反映车辆的运动信息.
帧差法差分图像如下方法:
D=l,(m,n,k)一,(m,n,k一1)l(1)
式中:,(m,n,k),,(m,n,k一1)分别是表示第k和第k一1帧
的亮度分值,D为差分图像.
背景差分图像如下方法:
D(m,n)=I(m,n)一B;(m,n)l(2)
式中:Ii(m,n)代表当前帧的亮度分量;B(m,n)表示背景图
像的亮度分量.
再对图像进行二值化，得到差分增强图Dl(m,n)，若大
于阈值，则将图像置255(白)，说明有车，计数器加1；否则..——
354..——
置0(黑)，说明无车，计数器不变.该方法的关键在于阈值
的选取.差分图(m,//,)如下方法:
.cm,n={2:::;cs
道路光射强度如下方法:
,(m,n):fBA+BpCOSIN(m,n),￡]直射光(4)
LBA非直射光
式中:BP为直射光的强弱;BA为阴影光的强弱,N(m,n)为
法线的方向.因此道路光射强度与直射光的强度，阴影光的强度以及光线与道路法线的余弦有关.
由算法可知，帧差法和背景差法单独使用时都存在一定
的缺陷，因此采用两者的融合算法可以有效的克服缺点.车辆流量统计算法流程如图1，图中的车流量检测系统步骤总结如下:
1)第一部分为视频图像采集：由摄像机拍摄车辆视频图
像，并且对图像进行模数转换存入计算机中;
2)第二部分为背景估计并设置虚拟检测线圈：取前150
帧图像均值作为背景，根据摄像机的高度和拍摄的角度以及车道的宽度来准确地设置虚拟检测线圈的长度和宽度; 3)第三部分为图像预处理：对当前帧和上一帧图像进行
灰度化，中值滤波，灰度均衡化等图像预处理操作;
4)第四部分为运动车辆的检测：首先采用帧差法对当前
帧和上一帧做差分运算，并对图像进行二值化.当差值大于设定的阈值就进行车流量的统计；否则对背景图像进行预处理，并采用背景差分法对当前帧和背景帧做差分运算，最后对图像进行二值化，按照判定准则进行车流量统计;
5)第五部分为背景更新：为了在光线变化的情况下产生
不同的背景，并且使背景更新满足实时性要求，本文采用用背景的自适应动态更新法，系统每150帧取一次背景来更新背景，与原始背景作差分，若大于某个阈值就更新背景帧，用该背景替换原有背景，否则保持不变；如此循环.
3帧差法和背景差法融合的车流量检测
融合帧差法和背景差法进行车流量检测主要包括背景
估计与更新，阈值的选取，虚拟线圈的设置.
3.1背景估计与更新
背景估计采用准确率较高，效率较高，不易受干扰的均
值法，即每个像素点的更新背景与序列图像中的对应像素点的均值成正比.N值的选取是背景更新的一个重要依据,N 值越大合成背景越大；但是随着外界环境因素的干扰，这种
