基于DSP图像处理的车流量统计算法研究

尹晓丁吴阳明赵喆王钰

（大连交通大学大连116028）

基于DSP图像处理的车流量统计算法研究

尹晓丁吴阳明赵喆王钰

（大连交通大学大连116028）

随着汽车产业与交通运输事业的迅猛发展，大中城市的道路交通问题日益突出。针对道路交叉口各方向通行车辆分布不均的情况，提出一种以DSP芯片为硬件平台的交通灯智能控制系统设计方案。该系统用COMS高清摄像机采集道路交通现场情况的图像，然后对获取的图像进行一系列的处理，获得道路交叉口各相位的车流量信息，然后根据各相对相位车辆多少的不同来实时地控制相应红绿灯时间的变化，以实现交通信号灯的智能控制。其中车流量统计是智能交通灯系统的关键技术。论文在深入研究前人的基础上，对车流量信息的背景提取与更新等方面进行了算法研究。

DSP；图像采集；图像处理；车流量统计

Class NumberTP391

1 引言

随着社会经济的迅猛发展，大中城市的交通问题越来越引起人们的关注和担心。DSP芯片是伴随着数字信号处理技术和计算机技术等学科的发展应运而生的，是体现多种学科综合科研成果的器件，具有跨时代的意义。本设计运用DSP图像处理技术来获得道路车流量信息［1］，设计了一种智能交通灯综合控制系统［2］。

该交通信号灯控制系统可以实现的具体功能是在路口的有无压车情况时，以时间为依据控制信号灯，使其按照正常顺序运行，而当有压车情况出现时则按照特殊规则改变信号灯的状态变换。所以智能交通灯的工作特点是以是否有压车情况而发生改变，如果道路拥挤，便会改变红绿灯的时间，以便车辆快速通过［3］。本文就基于DSP图像处理的车流量统计算法作了重点说明。

2 系统硬件概况

基于DSP图像处理［4］的智能交通灯控制系统采用以DSP芯片为主要的硬件组成，基本的设备器件有：用于采集图像的COMS高清摄像头［5］，视频解码设备，DSP芯片，交通信号灯控制部件以及存储器扩展电路。

图1 系统的工作流程

COMS高清摄像头对道路上的车辆信息进行图像采集，并且将所得图像数据传输给后面的解码设备，解码设备对前面接收到的数据进行解码操作，方便DSP设备对数据进行后续处理以实现对路面状况的判别。如果经过处理判断之后确定路面存在压车情况则交通灯会相应改变红绿灯的时间。

3 系统软件设计

3.1 工作原理

COMS摄像头进行车辆图像采集，将采集到的图像经过形式转换转变成适合在DSP中处理的信号形式，DSP对图像的处理工作作为整个系统的重要工作部分，承担着许多工作量，包含了许多的图像处理环节。这些工作环节主要包括：图像彩色的灰度转化、灰度图像的二值化转变、去噪、图像锐化操作以及图像最终的模式识别和车流量信息提取。下面将会对上述提到的这些图像处理环节依次进行介绍。

图2 图像处理流程图

3.1.1 彩色图像转化为灰度图像

彩色图像转变为灰度图像的方式有两种，一是从RGB彩色图像的图像形成的转化为灰度图像；二是彩色YUV格式图像的灰度图像转换。本文采用第一种方法。

灰度化：DSP芯片从RAM中读到彩色图像数据，并可以从图像中提取亮度信息。其中亮度信息公式为

3.1.2 去噪处理

高清摄像头采集到的原始图像通常带有多种噪声，所以为了提高画面效果，需要对原始图像进行去噪化处理。传统的中值滤波算法时间复杂度非常高，为了提高运算能力，使用快速的二维中值滤波法［6］。

3.1.3 背景提取与更新

最常用的目标检测算法主要是背景差分法，俗称背景减除法［7］。其核心思想为分离静态背景和动态前景，通过背景帧和当前帧个像素的差分来提取前景图像［8］。

本系统采用卡尔曼滤波思想建立背景模型［9～10］，提取和更新背景。卡尔曼滤波是根据过去的信号，利用统计估计理论，并使用线性最小均方误差作为最优准则，预测将来某个时刻的值。初始背景通过多帧平均求得。背景更新的迭代公式为

式中：

因此：

其中C(x，y，t)为当前路面背景，C(x，y，t+1)是对下一帧路面背景的预测，I(x，y，t)是输入图像，M(x，y，t)是前景的二值化图像，TH为分割阈值。根据卡尔曼滤波理论，计算出新的背景估计。背景提取效果如图3（c）。

3.1.4 图像阈值二值化处理

人们在对图像进行分析应用的过程中，并不是图像中的所有物体以及场景都有用，对后续应用有用的往往是其中一个局部，这一局部一般被称为目标［11］。人们为了分析和识别对象，往往需要将对象从整体图像中凸显出来，以便进一步对对象进行处理与识别。图像二值阈值化处理是图像处理常用的技术之一。对图像进行二值化处理时，图像二值化阈值T是重要参数，阈值选取过大会造成边缘细节的丢失，阈值选取过小会形成虚假边缘，因此，选取适合的阈值至关重要。

图3 图像效果图

3.1.5 图像锐化

为了得到更加清晰的图像，往往通过利用各种各样的平滑算法来滤除图像中的存在的噪声。图像中的噪声往往以不同的形式出现，图像中的噪声大体上分为乘性、量化或者加性噪声。一般情况下，图像信息主要集中在低频波段，噪声主要集中在高频波段，但是图像的边缘细节主要集中在高频波段，这就使得原来的图像在经过平滑处理之后，信息中的图像边缘细节信息丢失，图像边缘和轮廓变得模糊。为了削减图像平滑造成的边界信息局部丢失的状况，对图像进行锐化处理，使图像的背景与对象之间的边界线再次变得清晰。

3.1.6 提取车流量信息

本智能交通灯控制系统需要得到的车流量信息是在红灯时每一帧图像上等待的车流量和在绿灯时每一帧图像上通过的车流量［12］。利用高斯滤波，具体操作是：用一个模板扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值，为了准确计算车辆数目，再采用纵向插值图像增强算法，处理效果如图3（d）。通过统计白色区域数目就能比较准确地计算出车辆的数目了。

4 结语

当今是数字化的时代，DSP芯片已经越来越多的作为电子产品的核心。DSP是一种结构特别的处理器，是针对数字信号处理需要而设计的，随着DSP性价比提高，芯片价格提高，使其在众多领域得到了应用，使其有更大应用潜力。车流量统计是智能交通系统的主要研究领域，也是智能监控系统的一个热点研究方向。智能交通信号灯控制系统，采用DSP图像处理技术来识别车流量信息计算各道口上的车流辆状况，实现交通信号灯的自适应控制，是一种新的交通信号灯控制模式。

［1］胡佩雯.基于视频的实时交通流检测系统的研究［D］.武汉：武汉理工大学自动化学院，2008：33-52.

HU Peiwen.Research on real-time video traffic flow detection system［D］.Wuhan：Automated Institute of Wuhan University of Technology，2008：33-52.

［2］杨营辉，许文君，达新宇.一种车流量自适应交通灯控制系统的实现［J］.仪器仪表用户，2009，16（4）：79-80.

YANG Yinghui，XV Wenjun，Da Xinyu.One kind of traffic to achieve adaptive traffic light control system［J］.Instrumentation Customer，2009，16（4）：79-80.

［3］卜英勇，陈旭，周木容，等.基于TMS320C6416的水下微地形实时探测系统设计［J］.郑州大学学报：工学版，2008，29（3）：44-46.

PIAO Yingyong，CHEN Xv，ZHOU Murong，et al.Based on TMS320C6416 underwater micro Terrain Detection System［J］.Zhengzhou University Journal：Engineering Edition，2008，29（3）：44-46.

［4］王中华.基于DSP的实时图像处理的研究［D］.武汉：武汉理工大学自动化学院，2006：33-59.

WANG Zhonghua.Research on DSP-based real-time image processing［D］.Wuhan：Automated Institute of Wuhan University of Technology，2006：33-59.

［5］雷霏霖，梁志毅.基于CMOS传感器OV7620采集系统设计［J］.电子测量技术，2008，31（12）：110-112.

LEI Feilin，LIANG Zhiyi.OV7620 acquisition system based on CMOS sensor［J］.Electronic Measurement Technology，2008，31（12）：110-112.

［6］张军，韦志辉.分数阶图像去噪变分模型及投影算法［J］.计算机工程与应用，2009，45（5）：1-6.

ZHANG Jun，WEI Zhihui.Fractional image denoising model variants and sub-projection algorithm［J］.Computer Engineering and Applications，2009，45（5）：1-6.

［7］孙吉华.背景减除法的算法研究［D］.长沙：国防科学技术大学机电工程与自动化学院，2006：12-27.

SUN Jihua.Algorithm for background subtraction method［D］.Changsha：Mechatronics and Automation，NationalUniversity of Defense Technology，2006：12-27.

［8］张毅刚，曹阳，项学智.静态背景差分运动目标检测研究［J］.电子测量与仪器学报，2010，24（5）：494-498.

ZHANG Yigang，CAO Yang，XIANG Xuezhi.Static background subtraction Moving Target Detection［J］.Electronic Measurement and Instrument，2010，24（5）：494-498.

［9］孙章国，钱峰.一种基于指数渐消因子的自适应卡尔曼滤波算法［J］.电子测量技术，2010，33（1）：40-42.

SUN Zhangguo，QIAN Feng.Based on a fading factor Adaptive Kalman filter algorithm based on a fading factor［J］. Electronic Measurement Technology，2010，33（1）：40-42.

［10］刘国海，李沁雪，施维，等.动态卡尔曼滤波在导航试验状态估计中的应用［J］.国外电子测量技术，2009，28（2）：396-400.

LIU Guohai，LI Qinxue，SHI Wei，et al.Dynamic Kalman filtering in state estimation of navigation test［J］.Foreign Electronic Measurement Technology，2009，28（2）：396-400.

［11］刘涛.遮挡情况下目标跟踪算法的研究［D］.兰州：兰州理工大学硕士学位论文，2009：9-12.

LIU Tao.Research occlusion target tracking algorithm［D］.Lanzhou：Lanzhou University of Technology master' s degree thesis，2009：5-12.

［12］李宇成，阴亮，王目树，等.基于图像的运动车辆速度测量［J］.北方工业大学学报，2008，20（1）：32-36.

LI Yucheng，YIN Liang，WANG Mushu，etc.Measuring vehicle speed image-based motion［J］.North China University of Technology，2008，20（1）：32-36.

Traffic Statistical Algorithms for Image Processing Research Based on DSP

YIN XiaodingWU YangmingZHAO ZheWANG Yu
（Dalian Jiaotong University，Dalian116028）

With the rapid development of automobile industry and transportation business，road traffic problems have become increasingly prominent in cities.Uneven each traffic direction road intersections，it is proposed for the traffic light to the DSP chip intelligent control system design hardware platform.The system collects road traffic scene image by COMS high-definition camcorder，and then a series of image acquisition processing，access road intersections vehicle information for each phase，and then to control the traffic lights accordingly in real time depending on the number of vehicles of each vehicle's relative phase changes over time in order to achieve intelligent control traffic lights.Traffic flow information are the key technology of intelligent traffic light system. On the basis of in-depth study of predecessors，the article researches traffic statistics background extraction and update other aspects of the algorithm.

DSP，image acquisition，image processing，traffic flow information

TP391

10.3969/j.issn.1672-9722.2017.06.039

2016年12月5日，

2017年1月27日

尹晓丁，男，硕士，研究方向：智能交通控制与安全技术。吴阳明，男，硕士，研究方向：嵌入式技术、移动通信技术。赵喆，男，硕士，研究方向：智能交通控制与安全技术。王钰，男，硕士，研究方向：嵌入式技术、移动通信技术。