摘要：提出一种基于虚拟线的交通参数（车速、车辆计数等）视频检测方法。通过检测在实时图像序列中设置的虚拟线，检测车辆存在，进而计算出车速、车流量等交换信息。该方法自适应更新背景和阈值，具有较高的检测精度和良好的抗干扰性，避免了大量乘法运算，有效地提高了检测速度，具有良好的实时性。

关键词：虚拟线 背景估计 阈值更新 存在检测线 速度检测区

目前，交通问题已成为城市发展的主要制约因素之一。its（intelligent transportation system）智能交通系统，是指将先进的信息技术、数据通讯技术、自动控制技术、计算机处理技术等应用于交通运输，实现交通信息管理现代化。目前国内外对its已经有了较深入的研究和实践。近20年的研究表明：实行its，可以使道路的通行能力提高2～3倍，将产生巨大的经济效益和社会效益。

交通视频检测设备是its的重要组成部分，它实时地检测交通参数，进行数据处理并传送至交管中心。传统的检测方法是在车道下埋置磁感应线圈，当有车辆经过时，产生一个电信号，检测出这辆车正在感应线圈的位置。根据一车辆通过不同的感应线圈的时间间隔δt和两个感应线圈之间的距离l，求得车速v=l/δt。

本文提出的视频检测方法，首先在图像上设置虚拟线，虚拟线的作用与上述磁感应线圈类似。根据虚拟线上像素点的数值变化判断是否有车经过检测线。如果当前检测线上的数值大于背景估计值，则认为有车辆经过检测线，从而检测出车辆。由于背景的变化，必须实时更新背景的估计值，才能够保证检测的精度。

1 虚拟线检测算法

视频车辆检测流程如图1所示，用一个架设在车道上方的摄像头同时监视多个车道，摄像头采集的图像以25帧/秒（pal）的速度进入图像采集模块，得到数字化的图像（yuv 4：2：2），数字图像数据进入图像处理模块，这个模块是整个系统的核心，实现对实时动态图像的分析处理，检测出多项交通信息。图像处理流程如图2所示。

1．1 摄像机的安装与虚拟线的实际距离

图3中：φ为摄像机的视场（fov）角度；

φ/r为一条检测线对应的角度；

d是一条检测线对应的实际距离；

r是图像的垂直分辨率（一幅图像的行数）。

实际应用中，根据图3所示的视频角度（fov），摄像机比较理想的安装高度应该在7.5m～10m的范围内，并且保证监视的视场能够覆盖1～4条车道。

在机器视觉系统中，一行扫描线代表的实际距离与摄像机的安装密切相关，本系统中由三个参数确定，分别是摄像机的安装高度（h）、光轴与垂直方向的角度及视场（fov），各参数间的关系如图3。式（1）为每条检测线代表的实际距离：

d=htan[arctan(d/h)+φ/r]-d (1)

由图3所示几何关系，容易得到图像覆盖的实际最大距离为：

dmax=htan[arctan(dmin/h)+φ] (2)

显然摄像机能够监视的最大距离dmax用安装高度h、最小距离dmix和fov角度φ决定。

1．2 背景估计和车辆检测

一条道路通常被分为几条车道，在每条车道上分别设置如图4（图中数字1，2，3…表示像素点）所示的检测区。每个检测区由一条车辆存在检测线和紧跟其后的速度检测区构成。存在检测线长度为50pixel/line，速度检测区由30条30pixel/line检测线构成。

判断存在检测线上是否有车通过的基本原理是：如果当前帧检测上像素点的灰度值明显大于背景的估计值，认为这一时刻检测线上有车辆存在，否则认为此刻检测线上无车辆存在。

由于环境的变化，必须实时更新存在检测线的背景估计值。把一条检测线上对应五个不同时刻（相邻时刻的间隔是10帧）的像素点的灰度值存入缓冲区，用linetn(n=1,2…)表示第n时刻检测线上的数据。这样连续5个时刻的数据为一组，通过对连续两组数据的比较计算来更新背景的估计