运动车辆探测研究的新方向与进展＊

梁艳平 索明亮

（北京交通大学城市交通复杂系统理论与技术教育部重点实验室 北京 100044）

目前动态交通流数据主要通过安装在路边及路面下的交通检测设备获取，传统的地面交通流检测设备在设备安装、采集数据精度、覆盖范围、各传感器采集数据的相互评价体系等方面存在局限性［1］，尤其是在大范围实时动态交通参数获取方面，所能提取的交通参数有限，不能进行有效的运动车辆跟踪与大范围交通监控.利用遥感数据检测交通特征来预测和分析交通状况，已成为当下研究交通流参数提取领域的热点内容.本文分析了智能交通领域运动车辆探测研究的新方向，总结出当前国际上基于遥感影像的运动车辆探测研究的发展情况.

1 运动车辆探测研究的新方向

智能交通领域对运动目标的检测主要通过安装在地面或路边的固定式检测设备进行，传统的固定式交通检测设备主要有如下局限性：（1）设备安装及维修不方便，部分情况下对路面具有破坏性，影响路面交通；（2）检测精度受环境因素的影响较大；（3）覆盖范围有限，大范围交通流参数的获取可靠性不够；（4）后处理以及评估体系尚不很完善.随着对地观测技术的发展，基于遥感的交通应用日益引起重视，运动车辆探测研究出现新的发展方向.

成立于2001年的美国国家遥感交通运输流应用协会（NCRST－F）由美国交通部和国家航天航空局支持，其研究重点是融合遥感数据和传统地面交通数据于一体进行交通流的监控与管理，用于改善运输系统的效率［2－3］.德国航空航天中心（Ger man Aer ospace Center）设计并制定了“TRA MRAD”计划，利用基于航空航天的雷达移动目标识别技术进行道路交通监控，并进行了一系列的理论与实验探索［4］.国际摄影测量与遥感杂 志 （Jour nal of Photogrammetry ＆ Remote Sensing，ISPRS）专门于2006年9月推出了“航空和航天监测地面交通（air bor ne and spacebar ne traffic monitoring）”主题专刊，讨论了包括各种遥感影像空间数据探测车辆及活动的方法和交通参数提取相关的应用问题.基于遥感影像的运动车辆探测研究已经日益受到遥感和交通运输领域学者的关注.与传统的交通流检测设备相比，基于遥感影像的运动车辆探测方法具有一次投入持久应用、不破坏路面、不影响地面交通、覆盖面积大、获取的交通信息量丰富等诸多优点，为交通管理与交通流动态监测提供了新方法与数据源，可能会带来日常交通检测和管理模式的新变革.

目前商用遥感影像的地面分辨率越来越高，已商业化并能够提供高分辨率遥感数据的遥感卫星有苏联的KFA1000，法国的SPOT5，美国的Quick Bir d，美国的IKONOS，美国的Landsat7，中国的 CBERS－1／2，加拿大的 RADARSAT，欧洲的ENVISAT等.全世界广泛使用的“谷歌地球（Google Eart h）”上的卫星影像最高分辨率可达0.61 m，近年来，美国连续发射了更高分辨率的商业卫星，如Geo Eye－1卫星能提供0.41 m全色（黑白）分辨率和1.65 m多谱段（彩色）分辨率，目标定位精度可达3 m的影像数据；2009年10月9日发射成功的 Worl dview－2卫星能够提供0.5 m分辨率的全色和1.8 m分辨率的多光谱数据，还包括4个额外谱段（海岸、黄、红边和近红外2），能进行精确变化检测，这些都为运动车辆的监测与管理进一步提供了数据支持.

2 运动车辆探测研究的新进展

2.1 基于航空视频图像序列的运动车辆监测

与地面交通视频检测器的处理技术类似，利用航空视频图像序列进行动态交通参数提取的研究广受关注.传统的测量交通密度和速度的方法依赖于感应线圈和其他固定设备的局部测量，不能提供二维交通场景的整体信息，为了获得大范围交通流的准确信息，只有航空摄像机或固定在很高位置的摄像机能够提供覆盖所有路网的实时图像.D.A.Grejner－Brzezinsk 等［5］对 机 载 图 像数据和Li DAR数据进行交通流提取技术分别进行了综述，并对二者数据融合进行提取的可能做了讨论，其中Li DAR被证明是车辆提取并粗分类的一种很好数据源，数字图像则支持精确的车速估计.

2.2 基于星载SAR图像的运动车辆识别与检测

雷达遥感数据有基于航空机载和星载两种，就现有文献分析来看，目前基于航空机载合成孔径雷达（synthetic apert ure radar，SAR）图像的运动车辆监测研究居多.近年来，随着商业化高分辨率雷达卫星的成功发射，基于卫星SAR数据进行运动车辆探测的研究也日益受到关注，德国在2007年6月成功发射军民两用的TerraSAR－X雷达卫星之后对此进行了系统的研究，旨在为未来大范围的道路交通监控提供可行的卫星传感器系统.S.Hinz等［6］则对星载民用SAR图像的运动车辆探测思路进行了讨论，对TerraSAR－X图像用于交通监测的参数进行了理论验证，其理论空间分辨率为1～3 m，并进行了机载SAR实时数据模拟.F.Meyer等［7－8］针对 TerraSAR－X 卫星数据用于道路交通应用，介绍了地面的硬件及软件需求，运动物体在数据中的特征以及加速度对运动探测的影响，融合各类先验知识包括道路数据库和道路车辆的雷达信号，提出了恒定误检率下的检测方法，基于相位来估计车速，并采用了精度分析理论对探测精度进行了分析，且和实际真实数据进行了比较.S.Hinz等［9］提出了一种运动车辆探测与速度的估算方法，并能同步评价SAR数据处理对运动目标的影响，最后用真实的SAR数据进行了验证.S.Suchandt等［10］基于雷达卫星TerraSAR－X数据开发了GMTI（gr ound moving tar get indication）处理系统用于交通信息的提取.

2.3 基于光学卫星影像的运动车辆探测

由于卫星视频图像获取存在技术困难，基于光学卫星影像的运动车辆探测研究的文献较少.现有的研究都属于探索性研究，多利用星载系统的全色与多光谱成像光学轴不一致，二者在成像上存在较小时间差的特点进行运动车辆识别与探测.如Quick Bird和IKONOS的全色和多光谱影像都存在较小的时间差，最近发射的更高分辨率卫星如GeoEye－1、Worldview－1、Worldview－2也都如此.卫星影像上的运动目标在其图像周围会形成彩色的模糊边缘，这一点已是共识，运动车辆可通过运动目标的彩色（红蓝）边缘加以识别，如图1所示.

图1 卫星影像上的运动车辆（带有红蓝彩色边缘）

利用这一现象与特点，M.Etaya等［11］研究了利用Quick Bir d卫星单景图像数据进行地面运动物体检测的可能与方法.Quick Bir d卫星捆绑数据产品包括全色和多光谱图像，二者由于拍摄时间存在约0.2 s的时间间隔，可看作是同一地区的连续2个分辨率不同的图像，应用这一规则可简单地采用所在地区同一尺寸和时间段下的多光谱图像和全色图像叠加来检测运动目标，如飞机，船只，车辆等.目标移动的距离和速度可以通过测量其在极短时间内的位置改变来实现.论文介绍了其他研究尚未涉及到的运动车辆及其相关参数的探测，受图像分辨率的影响可检测到图像上以11 k m／h以上速度移动的车辆目标，其中的关键在于不同分辨率的全色和多光谱图像的融合匹配，在处理的过程中需进行图像纠正.此运动目标检测方法也在Spot图像上得到成功验证，M.Etaya等［12］利用Spot图像对2004年苏门答腊北部地震中的海洋波浪运动进行了成功检测.二者都通过全色和多光谱图像上的人工运动目标选择匹配实现.

J.Leitloff等［13］则不同于前者研究中的运动目标人工选择，着重于运动车辆的自动检测，在Quick Bir d图像上利用基于梯度方向和高斯核心最小方差滤波的子像素匹配方法进行全色和多光谱图像上的运动目标自动匹配，从而实现运动车辆检测与速度估算，最后通过许多实际数据例证了匹配方法的有效和速度估算方案的可行.

3 分析结论及展望

3.1 运动车辆探测研究现状的特点

通过以上国内外文献资料的分析，可发现如下特点：（1）国际上关注较多的是基于航空机载视频图像序列的运动车辆探测及交通流参数提取研究，通过对航拍视频图像序列的处理来检测车辆，并估计车速，旅行时间，车流密度，和排队延误等；（2）基于卫星SAR数据的运动车辆监测呈现出德国一家独大的局面，德国成功发射的Terra－SAR－X雷达卫星为其研究提供了有力的数据支持，其他国家的研究人员很少涉及；（3）基于高分辨率卫星影像的交通流信息提取则更多地集中在车辆识别、车辆分类和车辆计数等静态交通流参数提取，对交通监测、交通管理、交通诱导等具有重要价值的车辆跟踪与车速估算的研究相对较少.

3.2 三种方法的优劣分析及展望

基于航空视频图像序列的运动车辆监测中，由于：（1）低空机载图像受到亮度波动、阴影、太阳角度不同、摄像机姿态以及成像方位等因素的影响，这都显著影响到自动车辆提取的性能；（2）消除这些因素的影响需要较多高精度的辅助数据，这也增加了研究的难度与不确定性；（3）低空机载图像的获取费用较高，耗时耗力，且不能进行连续不间断观测，难以用于日常的交通监测与管理.

与低空机载影像相比，卫星遥感：（1）具有视点高、视域广、数据采集快和可重复、连续观察的特点，而且长期来看数据成本低，更适合常规化的日常交通监测与管理应用；（2）利用光学卫星影像进行运动车辆的探索性研究数据门槛较低，而且有传统地面视频交通信息采集技术的相关研究成果作为参考，能够让更多的交通运输领域学者参与到此项研究中来，改变目前大多数研究者不具有交通专业背景的现状；（3）也有研究表明，光学影像更适合进行速度估算研究；（4）星载光学卫星的空间和时间分辨率在逐渐提高，尤其近一两年可供选择利用的0.5 m左右的商业卫星数据更多，如Geo Eye和Wor d View等.因此从长远来看，星载光学影像的交通参数提取应用将是一个重要的研究课题.

与光学遥感卫星相比，合成孔径雷达（SAR）卫星可显著提高对地观测的分辨率和对恶劣气候的适应力以及能穿透一些地物成像，因此是运动车辆跟踪与探测研究的极具潜力的发展方向.早期受限于星载SAR数据的获取限制，相关的研究成果较少.可喜的是美国政府已经放松了对商业雷达卫星的许可证限制，自2009年10月21日开始允许商业销售分辨率为1 m的雷达图像，我国在09年也相继发射了多颗雷达遥感卫星，并有多家代理机构开始销售国外卫星SAR数据，这必将带动运动车辆探测研究的新热潮.

因此可以说基于光学卫星影像和基于卫星SAR数据的运动车辆探测研究在不远的将来必将引起国际上更多学者的关注与研究兴趣，也期望本文能引起国内同行的关注，带动我国在本领域研究的发展.

［1］孙 琪.基于高分辨率卫星影像的交通流参数提取研究［D］.北京：北京交通大学交通运输学院，2009.

［2］Mirchandani P，Hick man M，Angel A.Application of aerial video for traffic flow monitoring and management［C］／／Pecora 15／Land Satellite Infor mation IV／ISPRS Co mmission I／ FIEO 2002 Conference Proceedings.

［3］Totha C K，Grejner－Brzezinska D.Traffic flow estimation fro m air bor ne i maging sensors：a perfor mance analysis［EB／OL］.http：／／www.isprs.org／publications／related／hannover05／paper／141－toth.pdf

［4］Bet hke E K，Bau mgartner S，Gabele M.Air and spacebor ne monitoring of road traffic using SAR moving target indication－Pr oject TRA MRAD［J］.ISPRS Journal of Photogrammetry ＆ Remote Sensing，2006，61：243－259.

［5］Grejner－Brzezinska D A，Toth C K.Vehicle classification and traffic flo w estimation fro m air bor ne Li－DAR／CCD Data［J］.International Association of Geodesy Sy mposia，2007，130（7）：799－808.

［6］Hinz S，Meyer F，Eineder M.Traffic monitoring with spaceborne SAR－theory，simulations，and experi ments［J］.Computer Vision and Image Understanding，2007，106：231－244.

［7］Meyer F，Hinz S，Laika A.Perfor mance analysis of the terra SAR－X traffic monitoring concept［J］.ISPRS Jour nal of Photogrammetr y ＆ Remote Sensing，2006，61：225－242.

［8］Meyer F，Hinz S，Müller R.Towards traffic moni－toring with terra SAR－X［EB／OL］.http：／／www.ipk.bv.tu m.de／pub／2006／meyer＿CanadianJour nal O－f RemoteSensing.pdf.

［9］Hinz S，Weihing D，Suchandt S.Detection and velocity estimation of moving vehicles in high－resolution spaceborne synthetic aperture radar data［C］／／IEEE Co mputer Vision and Patter n Recognition Conference，Workshop on Object Tracking and Classification Beyond the Visible Spectr u m 2008，Anchorage，USA.

［10］Suchandt S，Eineder M，Müller R.Develop ment of a GMTI pr ocessing system for the extraction of traffic infor mation from terra SAR－X data［EB／OL］.http：／／www.ipk.bv.t u m.de／pub／2006／hinz＿eusar06.pdf.

［11］Etaya M，Sakata T，Shi moda H，et al.An experiment on detecting moving objects using a single scene of quick bird data［J］.Jour nal of The Remote Sensing of Japan，2004，24（4）：357－366.

［12］Etaya M，Nakano R，Shi moda H，et al.Detection of ocean wave movements after the norther n su matra earthquake using SPOT images［J］.Proceedings of IGARSS，2005：1420－1423.

［13］Leitloff J，Hinz S，Stilla U.Inferring traffic activity fro m optical satellite i mages［J］.Inter national Archives of Photogrammetry，Remote Sensing and Spatial Infor mation Sciences，2007（36）：89－93.