及时、有效地采集道路交通信息(流量、车速、占有率、车型等)是实现智能交通系统ITS(Intelligent Transportation System)的一个关键环节。目前，用于道路交通信息采集的最常用的方式有：地埋式感应线圈、微波、超声波、全球卫星定位(GPS)、视频检测等。其中，视频检测与其他常用的检测方式相比具有以下优点[1-2]：(1)可以提供更直接的交通场景。(2)检测范围大，可提供的交通参数多。(3)安装、维护方便，对路面地基无损坏等。此外，随着计算机软硬件技术和图像处理、人工智能、模式识别等技术的不断发展，视频检测的实时性和正确率已达到了较满意的程度,正受到交通经营、管理部门和研究人员的关注，并被应用到实际的交通管理中^[3]。
　　本文基于视频检测技术设计了一种高速公路交通信息采集系统，系统能够对采集的交通现场视频信息进行实时分析处理，从而实时、有效地获取用于反映道路交通状态的基本信息(如：车流量、车型、车速)，并且还可将这些信息传输到智能交通系统的控制平台，进行信息发布、进一步的控制等处理，以实现交通信息的智能获取和控制。
1 系统框架
　　系统结构框图如图1所示。系统通过CCD摄像机采集交通道路现场的视频信息，传输给视频处理器VIP(Video Image Processor)，视频处理器对视频信息进行处理分析并检测和跟踪视频信息中的车辆信息，然后再根据实际需求对检测和跟踪的结果进行处理，得到相应的交通参数，同时将交通参数传输给数 据服务器，提供给交通控制平台使用。根据功能划分，系统可以分为视频采集与传输、视频处理和信息处理三个模块。

2 系统功能模块的设计
2．1 视频采集与传输模块
　　视频采集与传输模块是交通信息采集系统中的第一个模块，该模块通过采集设备拍摄交通现场的视频图像并传输给视频处理器。视频图像的整个流程是：CCD摄像机→光端机→光纤→光端机→图像采集卡→视频处理器。
　　在交通视频采集过程中需要注意二个方面：视频图像中所能检测的有效范围和图像的质量。如果图像中有效的检测范围太小，则获取的车辆跟踪路径较短，获取信息的可信度就会降低；如果视频中的画面模糊、对比度差、车辆遮挡严重，则会给后续的处理算法增加难度，同时也会降低采集信息的可信度。为此，在采集过程中通常要采取一些措施避免上述问题的发生。本系统是在道路上方架设龙门架(或在隔离带架设T型架)，将CCD摄像机安装在道路正上方的龙门架上，通过调整摄像机的俯角、左右偏角和镜头调节图像中的检测范围以尽量避免车辆遮挡情况；通过调节摄像机的光圈、快门等获取适当对比度和亮度的视频图像。
2.2 视频处理模块" title="处理模块">处理模块
　　视频处理模块是系统的核心模块，采集的交通信息直接或间接地来自车辆检测与跟踪的结果。因此，检测与跟踪的正确与否直接关系到采集的信息准确与否。
　　车辆检测与跟踪的方法很多，本文根据高速公路和城市快速道路的特点，设计了一种基于视频检测的高速公路车辆检测和跟踪算法^[4]，其算法流程如图2所示。首先对一些参数进行初始化，获取应用环境的一些基本信息，划定检测区(分为车辆检测区和车辆跟踪区)，在检测区按车道设置虚拟线检测线(圈)(具体设置见参考文献^[4])，然后按车道对虚拟检测线(圈)进行检测，当检测到有车辆进入时，便建立一个与之对应的对象，跟踪区则根据跟踪对象的情况进行跟踪，如果跟踪区没有跟踪对象，则不对跟踪区进行分析。通过这种模型可以减少跟踪时搜索的盲目性和计算量。

2．2．1 车辆检测
　　车辆检测实质上就是对运动物体" title="运动物体">运动物体的检测，基于视频检测的运动物体检测方法有光流法、模式匹配法、邻帧差分" title="差分">差分法、背景帧差分法等。由于光流法、模式匹配等方法的计算量太大，不利于实时检测；邻帧差分法计算简单，对运动物体检测效果好，但对于运动很快或者缓慢的车辆检测效果不佳；背景帧差分法提取目标直接，但需要一个好的背景提取和更新算法。根据以上分析，邻帧差分法和背景帧差分法各有优点和不足，因此，本系统综合这两种方法：即通过背景帧差分法检测运动物体，而通过邻帧差分法判断运动物体是否是阴影。具体步骤如下：首先通过基于像素统计的背景更新方法动态更新背景，然后以式(1)按车道对检测区设置的多条虚拟线进行实时检测。

　　由于阴影也会引起flag_t曲线的变化，因此系统还需要判断运动物体是车辆还是阴影。系统通过判断运动物体是否具有下列特征来去除阴影的影响：(1) 有运动阴影时，其相邻车道肯定有运动物体。(2) 检测区域的灰度在有阴影时比无阴影时小。(3) 在相同的光照环境下，阴影路面中的同一点灰度值不变。(4) 阴影的纹理较车辆纹理简单。
　　当检测到有运动物体时，再分析运动物体是否具有上述特征以作进一步判断。

2．2．2 车辆跟踪
　　车辆跟踪是为了获得车辆的运动轨迹，为计算交通参数提供依据。其实质就是多目标跟踪，本设计采用的图像采集卡的图像采帧率是25帧/秒，即连续采集二帧的时间间隔是0.025秒。在这么短的时间内，车辆在前后连续的两帧图像中的位置变化很小，因此，当知道当前帧中车辆的位置和速度时，就可以预测车辆在下一帧图像中的位置范围。根据这个特点，系统设计了基于预测的快速跟踪法^[4]，该方法的基本思想是：选用车头位置作为匹配特征，把预测的位置和测量到的位置的距离作为匹配相似量度，即先根据上一帧中各跟踪对象O_k的速度和位置预测出在当前帧中的位置P_k(x,y)，再根据背景帧差分法求出当前帧中存在的车辆位置(本系统以车头位置替代)M_i(x,y)。对于前一帧中的每一个跟踪对象O_k，找出符合式(2)且使d(式3)最小的车辆对象Mk作为对象O_k在当前帧中的跟踪结果，并且将O_k更新为M_k。如果没有找到，则认为上一帧的对象O_k在当前帧中消失。当O_k在连续的几帧中都消失时，则认为该对象跟踪失败；当检测到车辆的位置超过了检测区域时，则认为该对象已离开跟踪区。
　　
　　式中,Q_kx、Q_ky分别表示编号为k的上一帧跟踪对象Q_k在x、y方向上的坐标(其他类似)，threshold_θ是角度阈值，用来表示允许速度在方向上的偏差。
2．3 信息处理模块
　　通过视频处理模块可以得到车辆运动轨迹，但这些结果并不能被交通管理和统计部门直接利用，往往还需要根据具体要求对车辆检测和跟踪的结果进行分析处理来获取相应的交通信息，如：某时间段的流量、平均车速、道路占有率、道路阻塞情况等。下面对流量、车速的信息和时间占有率的提取作一介绍。
2．3．1 流量信息
　　流量信息的提取主要通过对虚拟检测线输出的flagt曲线分析的来获得。
　　flag_t曲线及其二值化结果。如图3所示，首先将flag_t曲线(曲线一)进行二值化得到曲线二，当有上升沿时，记录时刻t_n，再记录与其相邻的下降沿到来时刻t_m，T=t_m-t_n是虚拟线圈的触发时间。为了避免相机的抖动等干扰，设定了二个时间阈值α₁、α₂，如果α₁2时，则认为有一个运动物体出现，否则认为是噪声。根据车辆检测的方法进行判断，如果该运动物体是车辆，则将其编号并保存，同时记录到达时刻T_N和离开时刻T_M，以便统计某时间段内的车流量。
2．3．2 车速检测
　　平均车速主要是通过对车辆跟踪结果的分析来获取。首先根据初始化时标定的路面坐标，计算出跟踪区的实际长度S，然后根据对象在跟踪区存在的时间T计算出车辆在跟踪区的平均速度，其计算公式如下：
　　
　　式中，k为车辆出现的次序号。
2．3．3 道路占有率
　　道路占有率是用来描述交通密度的分布特征的，分为空间占有率和时间占有率。占有率越高，表示交通密度越大。这里介绍时间占有率：即在某一时段内，车辆通过某一断面的累计时间占观测时间的百分比，称作时间占有率，可用式(5)计算:
　　
　　式中，R_t为时间占有率(％)；T₀为观测时段(秒)；t_i为第i辆车通过观测面时占有的时间(秒)，可通过车辆经过跟踪区的帧数来获取； n为观测时段内通过观测断面的车辆总数(辆)。
3 系统实现与结果
　　在本系统设计中，将视频处理和客户端系统集中在一起，运行在配置为P4、2.0G，RAM为512MB的工业控制机上。采用Windows xp操作系统，利用VC＋＋6.0开发工具实现车辆检测和跟踪算法、数据的网络传输以及数据的动态显示和人机界面。检测的数据和交通视频信息在客户端动态地显示，同时传输给数据服务器备份。检测的数据保存在数据库中，以利查询、分析；交通视频信息则按时间段压缩保存，便于查找回放。图4是客户端系统实现的一个主界面，可以实现各路视频信息的显示与隐藏、各车道动态流量曲线的显示、虚拟检测线等系统参数的设置和修改等功能。