交通信息与控制技术
的工作方式时，只要车辆进入环形线圈，检测器就产生并保持信号输出（当车辆离开环形线圈后，仍可设置信号持续一段时间）。电路中的计时器自动计测信号持续时间，这对有些交通控制参数如占有率等的检测计算很有用处。当检测器运行于“短脉冲”的输出方式时，每当车辆通过环形线圈检测器就产生一个短脉冲（100μs~150μs），这种方式在双线圈测速系统中得以应用。
2.3 线圈检测的优缺点
环形线圈检测器技术成熟，测速精度和交通量计数精度较高，工作稳定性好，不受气象和交通环境变化的影响，易于掌握，并有成本较低的优点。
这种方法也有以下缺点：
a. 线圈在安装或维护时必须直接埋入车道，这样交通会暂时受到阻碍。
b. 埋置线圈的切缝软化了路面，容易使路面受损，尤其是在有信号控制的十字路口，车辆启动或者制动时损坏可能会更加严重。
c. 感应线圈易受冰冻、路基下沉、盐碱等自然环境的影响。
d. 感应线圈由于自身的测量原理所限制，当车流拥堵，车间距小于3m的时候，其检测精度 稍有下降，有些厂商的产品甚至无法检测。
2.4 主要功能
1）交通信息采集及处理功能：
交通信息采集是检测器基本功能，检测器通过检测线圈感应量的变化判断车辆的有无，然后CPU对数据进行计算后得出车流量、平均速度、时间占有率、平均车长、平均车间距等信息。
2）数据储存功能：
检测器可储存计算后得到的数据。如果通信中断，可由通信端口上传历史数据到便携电脑和数据中心，保持数据完整。
3）故障检测功能：
检测器具备对线圈短路故障的检测。在发现故障时，检测器能上传故障信息。所存储的信息能在检测器或与检测器相连的外部设备上显示查阅。以代码或文本形式记录下故障类型和细节；故障发生的时间、故障清除的时间可以通过维护工具和中心系统查询。
6
交通信息与控制技术
第3部分 视频检测的原理
视频车辆检测器是指采用视频图像处理技术实现某项交通流参数检测或者某项交通事件检测的设备。具有多种功能以及多种功能的组合能力，最显着的是图像捕获与存储能力，应用于于感应式十字路口信号灯控制系统、电子警察抓拍系统，还能对道路交通流量等数据进行采集并上传至城市交通监控中心。
3.1 视频检测的原理
视频车辆检测器主要由外场摄像机、数据传输设备和视频处理器组成。外场摄像机将高速公路某一个方向断面的交通图像拍摄下来，然后经数据传输设备传给视频处理器。视频处理器的图像处理硬件把图像显示在计算机显示器上，然后通过互动控制软件，用鼠标在交通图像上设置虚拟线圈和粗线条，作为速度检测器和计数检测器，如图所示。
虚拟线圈和粗线条的尺寸、数量可根据交通图像的情况随时调整。当车辆通过虚拟线圈和粗线条时，就会产生检测信号,经过视频处理软件的分析和处理,即可得到车速、交通量等参数。
3.2 基于视频的车辆检测算法
基于视频的车辆检测算法可分为如下几类：光流法检测，帧差法，背景消减法，边缘检测法，运动矢量检测法。
3.2.1 光流法检测
光流的概念是Gibson于1950年提出的。所谓光流是指图像中模式运动的速度，光流场是一种二维(2D)瞬时速度场，其中二维速度向量是可见的三维速度向量在成像平面上的投影。光流法是把检测区域的图像变为速度的矢量场，每一个向量表示了景物中一个点在图像
7
交通信息与控制技术
中位置的瞬时变化。因此，光流场携带了有关物体运动和景物三维结构的丰富信息，通过对速度场(光流场)的分析可以判断在检测区域内车辆的有无。
3.2.2 帧差法
帧差法是将前后两帧图像对应像素点的灰度值相减，如果灰度差值很小，可以认为该点无车经过；反之灰度变化很大，则认为有车经过。帧差法的特点是实现简单、运算速度快，对于动态环境自适应性是很强的，对光线的变化不是十分的敏感。采用这种方法时，需要考虑如何选择合适的时间间隔进行差分，这一般依赖于所监视的车辆的运动速度。对快速运动的车辆，需要选择较小的时间差，如果时间间隔过大，最坏情况下车辆在前后两帧中没有重迭，造成被检测物体为两个分开的车辆；而对慢速运动的物体，应该选择较大的时间差，如果时间间隔过小，最坏情况下，车辆在前后两帧中几乎完全重迭，根本检测不到车辆。
3.2.3 背景消减法
背景消减法是目前基于视频检测算法中最常用的一种方法。背景消减法可以看作一种特殊的帧差法。它是一种利用当前帧图像与背景图像对应象素点的灰度差值来检测车辆的技术。如果当前图像的象素点和背景图像的象素点灰度值差别很大，就认为此象素点有车通过；相反，如果当前图像的象素点和背景图像的象素点灰度值差别较小，在一定的阈值范围内，就认为此象素点为背景象素点。背景消减法的关键是背景提取与背景更新。然而它对于动态场景的变化，例如光照的变化和阴影的干扰等特别敏感。因此，选取一个可靠的背景模型进行背景的提取与动态更新以适应环境的变化是必要的。
3.2.4 边缘检测法
边缘检测方法是在不同的光线条件下利用车体的不同部件、颜色等提供的边缘信息有效的提取车辆的边缘，从而进行静止和运动车辆的检测。相对于背景消减法，由于车辆的表面、形状及颜色不同，边缘检测法所能提供的信息相当显著。即便车辆与路面的颜色相同，因为车辆要比地面反射更多的光线所以车辆仍能被检测出来。
边缘检测法对环境光线变化的鲁棒性高于背景消减法。但是对于车辆边缘不明显和道路边缘明显的情况，一般的边缘检测法可能造成漏检、误检。针对道路背景的影响，有人提出了分别提取背景边缘图像和当前帧边缘图像，然后用包容性检测来去除背景边缘，得到对应的车辆边缘信息。该方法先对路况边缘图像进行削顶处理，使得路况边缘图像中的车辆边缘和背景边缘有同样的峰值，然后选用连续的n幅图像进行叠加，最后进行简单的阈值判断就可以去除路况边缘图像中的车辆信息，从而得到加宽的背景边缘图像。又由于实时路况边缘图像中的背景边缘是得到的背景边缘图像的一部分，所以采用包容性检测来去除背景边缘。
8
交通信息与控制技术
如果实时路况边缘图像中某点在背景边缘图像中对应点为边缘点，则认为该点是背景边缘而去除。这样，结果图像只会保留车辆的框架，提高了车辆检测的正确性。
常用的三种视频检测算法有着它们各自的优缺点：
（1）背景差分法：摄像机固定，算法简单易于实现，在背景已知的情况下，能够提供最完全的特征数据，并能完整地检测出运动目标。由于背景建模对光照、天气变化以及突发事件等外部动态场景变化极其敏感，所以当背景更新不能很好的适应变化场景时，无疑将影响到目标的检测。
（2）相邻帧差分法：采用固定摄像机，对动态变化环境中的运动目标检测有较强的自适应性。在实时性方面显示出优越性，由于连续两帧时间间隔短，受光线变化、摄像头抖动的影响很小。但总体来说该方法不能完全提取所有相关的特征像素点，得到的背景并不是纯背景图像，故检测结果不十分精确，在运动实体内部易产生空洞现象，不利于进一步的目标分析与识别。
（3）光流场法：该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标。然而，大多数的光流计算方法相当复杂，运算量很大，且抗噪性能差，除非有特殊的硬件支持，否则很难实现动目标的实时检测。
3.3 车辆跟踪
对检测出来的运动车辆进行跟踪，是得到车速、车流量等的基础，它是智能交通系统研究的焦点之一。大多数车辆跟踪算法都遵循一个基本原则，即用空间距离判断两相邻帧中的车辆是否为同一辆车，进而完成时域上车辆的跟踪。空间距离可以是最简单的欧几里德距离，也可以是其他距离标准如Hausdorff距离。系统要求实现对运动车辆的快速有效跟踪，并且能处理跟踪车辆之间的重叠以及车辆的暂时消失等情况。
车辆跟踪一般可根据对运动车辆的不同表达方式进行分类，车辆跟踪的基本类型主要有基于车辆模型、车辆区域、车辆轮廓和车辆特征的跟踪。车辆跟踪等价于在连续的视频流中对车辆的模型、区域、轮廓和特征进行对应匹配，近年来用于车辆跟踪的主要数学工具有：模板匹配、卡尔曼滤波和粒子滤波等，这些方法目前已成为该领域的研究热点。
3.3.1 基于车辆模型的跟踪
这种跟踪算法为模型法检测车辆的后续操作。这种算法的核心是建立的精细提取已知车辆的3-D模型与待检测图像之间的匹配操作。这类算法的优点之一是在确定车辆类型和几何模型细节时准确度高。而缺点是对车辆模型的过分依赖，而很明显的是不可能为公路上行
9
交通信息与控制技术
驶的每种车辆都建立精细的模型。而实际中，基于模型的跟踪算法由于计算量大，不利于实时处理，只能应用在车辆较少的情况下。
3.3.2 基于车辆区域的跟踪
该算法中车辆被表示成斑点，或像素连通块，或块区域，连接区域被提取并根据情况被合并或分割。这种算法在车辆稀少时效果很好，且块区域可以提供丰富的信息如大小、形状和密度等。但其最严重的缺点是区域的合并和分割，存在着不准确性。
3.3.3 基于车辆轮廓的跟踪
车辆轮廓模型跟踪算法的主要思想是先初始勾勒出车辆的轮廓，并且不断地在后续帧更新轮廓进而达到跟踪的目的。这种算法其实是基于区域算法的一个变形。而基于区域的算法在阴影和道路拥挤的情况下其效果会变得很差，因为阴影和车辆之间的遮挡都会将本来相邻的多个连通块变为一个，造成漏检和误检。虽然轮廓可以通过简单的边缘检测的算法得到，但这些简单的算法往往同时检测出背景中的一些干扰边缘。与区域算法相比优点在于计算量低，而缺点是存在初始化困难的问题。它存在和区域法一样的问题，即在阴影和拥塞情况下效果欠佳。
3.3.4 基于车辆特征的跟踪
这类算法对每辆车提取一些特征，如可曲线，这些点、线条可能代表了车辆的保险杆、车窗、车顶棚等，或将这些特征组合来表示一个车辆。这类算法的突出优点是即使存在部分遮挡，一些特征仍是可见的，可以为跟踪过程提供依据。但在检测每个车辆的特征时也同样存在车辆彼此太接近，无法正确提取的问题。它需要进行特征聚类，即在众多的特征中分析哪些是属于同一辆车的。
10