摘要：論述了視頻檢測在智能交通領域的應用，分析了目前交通信號機系統存在的不足。提出了以TMS320F2812為核心的視頻圖像運動目標檢測方案，并進行了方案的同步信號分離電路、系統總體結構設計，以及信號采樣和數據處理的軟件設計。實驗表明該解決方案設計達到了預期目標，具有較高的準確性。
關鍵詞：交通控制；視頻檢測；運動目標檢測；DSP；TMS320F2812

     視頻圖像檢測與處理技術在智能交通(ITS)領域中的應用研究已引起了國內外學者廣泛關注，已形成許多研究熱點。目前交通領域視頻檢測技術主要用于車速、車型、車流量檢測，車牌檢測，智能泊車系統、安全監控等方面，有成熟的視頻檢測產品。但在路口交通方案解決、提高路口交通效率方面應用較少。
    目前城市交通路口應用較多的是感應線圈檢測方式，但其安裝、維修不便，對道路有破壞，成本高昂。其他可應用的檢測方式，諸如超聲波檢測準確性不高，易受干擾；微波檢測產品的成本較高。
    本文設計了基于TMS320F2812的路口車輛狀態視頻檢測系統，實時檢測路口車輛狀態，并將結果反饋回路口信號控制機，便于信號機優化路口信號燈的運行方案。

1 基于視頻檢測的解決方案
1．1 方案的提出
    目前大多數城市所使用的交通控制機系統，路口的紅綠燈運行方案基本是固定的。這樣就會出現一種情況，即在某時刻某方向無車，該方向依然是綠燈。若無車的情況可以及時檢測并反饋到控制機，則可以提高交通效率，對此提出了基于TMS320F2812的交通路口車輛狀態視頻檢測系統。
1．2 系統工作原理
    系統工作原理圖如圖1所示，圖中監控攝像機安裝于路口斑馬線之前約70 m處(視路口車流量而定，繁忙路口則遠；反之則近)，視頻信號由DSP本身自帶的A／D模塊進行采樣和處理，依據處理結果輸出一個高低電平信號，此信號由路口的控制機在對應路口通行方向為綠燈時進行查詢并記錄。記錄一段時間(數周或數月)之后，便可以依據記錄結果統計優化信號燈運行方案。由于圖像檢測的數據處理量較大，實時性要求高，因此系統設計的處理核心采用TMS320F2812DSP數字信號處理器。

2 系統硬件設計
2．1 復合視頻信號
    CCD攝像機輸出完整的視頻信號是1 Vp-p的復合模擬信號，包括圖像信號、同步信號、消隱信號、槽脈沖和均衡脈沖信號。一場圖像時間為20 ms，其中各脈沖寬度如下：行同步4．7 μs；場同步160μs；均衡脈沖2．35μs．槽脈沖4．7 μs；場消隱脈沖1 612μs；行消隱12μs。因此，需要將場消隱信號分離出來作為每一場圖像采集的觸發信號。
2．2 場同步信號分離電路
    LM1881N是一款視頻同步信號分離芯片，主要用于NTSC，PAL，SECAM制式，幅度為0．5～2 Vp-p之間的視頻同步信號分離。LM1881N應用電路圖如圖2所示。

    用示波器觀察信號Vout的波形圖，如圖3所示。

2．3 圖像處理系統
    系統設計圖像處理核心為TMS320F2812DSP處理器。實驗中將奇偶場同步信號Vout(圖3中的方波信號)接入TMS320F2812的I／O口，使用查詢中斷的方式觸發A／D采樣。連接原理圖如圖4所示。

    如圖3和圖4所示，TMS320F2812在程序初始化后即查詢I／O口引腳信號，在同步信號的上升沿A／D模塊開始采樣CCD攝像機接入的圖像信號。對應每場圖像采樣時間不超過18．4 ms。

3 系統軟件設計
3．1 信號采集方案特點
    根據系統的目的要求，系統只需實時檢測路面是否有車輛經過即可，而無需檢測車速、加速度、車流量等。即不需要采集全副圖像數據進行處理，只需采集足夠多的像素點進行處理就可以判斷是否有運動目標的存在。這樣就可以大大降低數據處理量和節約時間，提高系統檢測速度。
3．2 運動目標檢測算法
    基于視頻圖像的運動目標檢測方法有多種分類，目前常用的主要有幀差法、背景減法和基于光流的方法。本文采用背景減法和幀差法相結合的處理方法。
    檢測方法的步驟：

    式中：M×N表示采集圖像大小，數值表示檢測區像素數；k表示的是連續采集的圖像場數，為得到較好的背景圖像閾值，k值需足夠大；如果M，N，k值足夠大，即M×N×k的值夠大，則求得的統計閾值Th越合適。
    (6)對S1(x，y)，S2(x，y)進行統計和比較，求差值，若差值超過一定值，則表示有運動目標存在；反之，無運動目標。數據采集和處理流程如圖5所示。

4 實驗和分析
    在實驗室條件下進行實驗，參數k取200，M×N取570采樣值，即M×N×k值取為114 000；每個Th更新周期N取300；背景為固定背景，運動目標為行人，光線充足且無直射和閃爍。實驗結果記錄如表1所示，S1，S2分別表示S1(x，y)，S2(x，y)。

    表1進行多次實驗，統計實驗結果表明，在無運動目標狀態下，S1(x，y)，S2(x，y)值最大不超過100，且有95．3％分布在90以內；在有運動目標狀態下，S1(x，y)，S2(x，y)值一般超過120，且有96．6％超過110。因此，可以將100和110作為判斷是否存在運動目標的門檻值。
    同時，實驗運動目標的大小、速度，M×N取值大小都會影響檢測結果。運動目標越大，M×N取值越大則檢測結果越好，但是數據處理量增加會使單次檢測時間增加。

5 結語
    本解決方案達到了預期目標，實現了對交通路口車輛狀態的判斷功能，運用于交通控制機可以有效地提高路口通行效率。方案在應用中對現有道路無破壞性，安裝方便，成本較低。此外，提高系統的數據處理能力和可靠性，使用更好的圖像處理方法來提高檢測的準確性和靈敏度也是研究的重點之一。