浅谈图像处理的交通路口车速检测研究

童宇峰

摘要：新时期，人们生活水平提高，在日常出行大多选择汽车，在一定程度上增加了车辆道路交通事故。人们更多的关注和注重车辆超速问题，需要相关工作人员加强车辆速度的管控，在交叉路口、人行道口需要严格控制车辆速度。本文主要针对图像处理的交通路口车速检测进行分析和研究。

关键词：图像处理；交通路口；车速检测

人们日常生活出行中经常发生车辆超速引发的交通事故，为了最大程度避免车速过快产生交通事故，需要加强车速检测力度，严格控制车辆速度。人们在出行驾驶车辆的过程中经常存在违反交通规则的现象，进一步凸显出车辆速度检测的重要性。

1车速检测技术阐述

车速检测属于智能交通系统的重要组成部分。我国科学技术不断进步和发展，以往的车速检测系统存在一定的问题和缺陷，需要采用现代化先进技术进行更新和完善，获得更加良好的检测效果。相关工作人员在实际工作中不断研究和开发相应的方法有效突破传统车速检测方法存在的局限性。当前，我国常用的车速检测系统主要包含以下几种技术：①地埋式感应线圈检测技术。该种技术的检测装置主要采用电磁感应原理，在地下埋设感应线圈，单片机对其进行控制，发出一个激励脉冲，出现一个磁场，当车辆通过的过程中，采用产生的感应电量做好相应的统计工作，获得一定的道路交通信息，如车辆速度、数量等^[1]。该种技术具有较强的稳定性和测量精度，呈现出较强的适应能力，存在较高的性价比等优势。但是，该技术在现实应用的过程中存在一定的缺点，如使用寿命和安全可靠性问题。感应线圈的埋设地点和方式对感应线圈的安全可靠性、具体使用寿命存在一定的决定性作用。线圈经常容易在重型车辆碾压的过程中出现不同程度的损坏现象，同时在道路裂缝和变形等调价下对感应线圈出现损坏现象；安装维护问题，通常情况下，工作人员在路面下安装感应线圈，在每次安装和维护过程中都要中断交通，消耗大量时间和精力重新铺设路面。②雷达检测技术。该技术主要采用雷达测速器对运动车辆车速进行检测。雷达测速器能够发射出相应频率的无线电波，当碰到运动车辆的情况下降无线电波反射回来，在固定间隔发射2个脉冲，测量两个距离，采用两次距离差除以发射时间间隔获得目标车辆的速度。该种技术具有比较广泛的测速范围，精度较高，同时不会受到自然天气条件的影响，同时具有一定缺点，雷达仅仅车速单个目标，当出现多个目标的情况下，经常容易产生误检测，不能同时测量多个目标。雷达系统对安装角度具有较高要求，容易接收到周边无线电波的影响，难以保证其精准度。③超声检测技术，主要采用超声波反射特性原理。超声波反射器具有相应频率的超声波，遇到运动物体之后形成反射波，当超声波接收器接收到相应的反射信号，有效转变成电信号，记录发射和反射波的时间间隔Δt，并根据公式 R=(Δt·v)/2 计算出物体移动的距 离(v 为超声波传播速度)，再根据距离变化量与两次测量时间间隔之比计算车辆运动速度。

2图像处理的交通路口车速检测研究

2.1图像预处理

图像预处理过程中将收集的RGB图像转变成灰度图像，对灰度图像进行边缘检测，滤波处理。通常情况下，路口地面上设定路口停止线，以停止线为参考目标，检测车辆速度。边缘检测过程中采用Canny边缘检测算子，具体检测步骤为：①Canny算法只能对灰度图进行直接处理，通常在该领域的相机主要应用彩色相机，因此需要对彩图实行灰度化处理。将彩色图像进行灰度化，采用图像各个通道的采样值加权平均实现。②图像高斯滤波。图像灰度化的过程中主要存在较多相应的随机信号干扰问题，在必要的情况下清除干扰信号，需要处理之后的灰度图像实现滤波处理，科学合理的设计选择高斯滤波，采用两个一维高斯核分别实行两次加权实现。高斯核实现需要结合一维高斯函数选择相应的参数获得一维核向量值。③双阈值算法检测和连接边缘。边缘识别的过程中，图像处理中经常容易出现相似的边缘现象，区分真假边缘，应用Canny算法，经常采用引入双阀值，选择两个最佳的阀值，通过较大的一个阀值获得一个边缘图像，能够有效减少一部分假边缘，容易造成图像的部分边缘不能封闭，所以需要引入另一个阀值，在较大阀值的图像内促进边缘连接成相适应的轮廓，在接近轮廓端点的过程中，算法在端点周边的8个点中间寻找更加满足较小阀值的点。结合该点寻找相应新的边缘，进而不断循环，促进图像形成封闭的闭合圈^[2]。

④车辆停止线识别。现实生活过程中，路口车辆停止线为一条直线，需要采用霍夫变换检测停止线。霍夫变换主要将图像投放到相对应的参数区间之内，需要计算全部的边缘点，形成大量的运算量，占据较大的内存空间。但是，能减少输入图像的边缘点数量，最大程度的减少计算量，能够更加准确的找到线端点，有效检测停止线。用 HoughLinesP函数来完成霍夫变换检测直线，输入图像采用8位单通道图像；标志直线的输出向量，应用两个端点的坐标确定一条直线。霍夫变换检测直线属于实验重难点，采用 HoughLinesP函数检测直线的过程中，确定相应的参数。

2.2车速检测处理、记录车辆信息

交通路口车速检测过程中，经过计算车辆通过虚拟线圈的时间确定车速，主要结合霍夫变换的两条边缘线计算虚拟线圈时间。车辆经过标注线条时刻的视频帧数，计算通过相同一条白色带上的第二条线条帧数，两视频帧数时间差就是汽车通过白色带的时间，主要以白色带的宽度除以经过的时间差为速度计算公式。

记录经过车辆信息，主要应用图像识别技术实现车牌号码的识别，应用OpenCV自带的VideoCapture capture函数读取输入视频，将处理之后的灰度图像事项相应的形态学处理，进而有效获得更加准确的轮廓。图像前期处理中进行数字定位，数字定位在实际车速检测过程中发挥至关重要的作用，主要应用轮廓提取的方法。提取特征和识别分类的过程中，在数字识别采用的特征提取方法主要以HOG算子为主，进而有效提取行人的特征，同时能够对其他特征有效提取。另外，应用AVM分类器，SVM是主要的机器学习常见算法，在回归和分类问题中进行广泛应用，采用kernel trick有效转换数据，通过相关信息数据进行转换的过程中寻找最合适的一个边界信息，提取已经处理好的二值化图的每一帧，同时实行特征提取，加载相适应的类别样本^[3]。交通路口车速检测中采用图像处理，以SVM分类算法实行训练，将训练好的相关信息数据在相应的文件中保存，在再次识别过程中可以直接加载。

结束语：人们更多关注车辆超速问题，结合实际情况，应用图像处理技术，研究和开发相应的平台，高效研究车辆超速检测系统，充分发挥相关车速检测技术的重要优势和作用，实现自动采集视频信息，经过视频图像处理有效判断经过车辆速度，同时结合实际需求，详细准确的几率超过固定车辆速度的车辆各项信息数据，为人们提供更加优质的出行服务，创造安全可靠的交通环境，最大程度的减少车辆超速引发的一系列道路交通安全事故问题。

参考文献：

[1]赵晋, 龙浩, 张雅婷. 基于无人机航拍影像处理的车速检测研究[J]. 物联网技术, 2020, 010(001):16-18,23.

[2]孟芯宇, 魏珍琦, 杜瑞,等. 基于图像的多条件融合交通事件检测技术研究[J]. 交通世界（建养机械）, 2019, 000(008):10-11.

[3]符晓明. 基于移动机器视觉和多维图像特征的道路交通流检测方法研究[J]. 中国计量, 2019, 288(11):83-88.