摘要：為了使車流在交通路口順暢通過，通常需要統(tǒng)計一個交通信號燈周期內(nèi)的車流量，以實現(xiàn)交通信號燈的自動配時。文中提出了一種交通路口的車流量檢測算法。通過在道路前方設(shè)置檢測線，進而統(tǒng)計檢測線灰度變化的情況，即可統(tǒng)計出通過的車流量。并對其進行FPGA的硬件仿真。實驗結(jié)果表明，此方法實現(xiàn)簡單，運算處理速度快，能夠得到較滿意的結(jié)果。
關(guān)鍵詞：交通；車流量；檢測線；FPGA

    隨著經(jīng)濟的發(fā)展以及城市化進程的逐步加快，我國的車輛數(shù)量正在迅速增長，這樣就給城市交通帶來的嚴(yán)峻的挑戰(zhàn)——交通擁堵。交通擁堵不但使事故發(fā)生率加大，而且也加劇了環(huán)境污染，造成了資源浪費。為了緩解交通壓力，減少車輛延誤和環(huán)境污染，實現(xiàn)智能交通信號控制是建設(shè)資源節(jié)約型社會的必然選擇。
    在我國，現(xiàn)如今交通信號控制系統(tǒng)主要采取定時控制的方式。定時控制不能根據(jù)車流量自動調(diào)節(jié)紅綠燈時間，必然會造成車輛延誤及交通擁塞等情況。因此根據(jù)具體的車流量來控制紅綠燈時間，可有效的分配交通資源，減少交通擁堵。
    傳統(tǒng)的基于視頻的車流量檢測方法包括光溜檢測法，幀差法，背景消減法，邊緣檢測法等，這些方法運算復(fù)雜，處理數(shù)據(jù)量大，且易受外部環(huán)境的影響。因此文中采取一種設(shè)置檢測線的車流量檢測的方法，通過在車輛行駛的道路前方垂直于道路的方向設(shè)置檢測線，當(dāng)車輛經(jīng)過時車身陰影會造成檢測線灰度值的劇烈變化，進而即可統(tǒng)計出車流量。該方法簡單易行，且處理的數(shù)據(jù)量小，運算速度快，可得到較好的結(jié)果。

1 算法設(shè)計
1．1 視頻預(yù)處理
    預(yù)處理是實現(xiàn)算法的重要部分，首先將視頻分成幀序列。設(shè)置于交通路口的攝像頭拍攝到的視頻一般是1秒25幀的標(biāo)準(zhǔn)視頻格式，由于車輛一般在交通路口行駛速度不快，故而不需要十分密集的幀序列，為了減少數(shù)據(jù)處理量而又不影響實驗結(jié)果，采取隔一幀取一次的方法，這樣數(shù)據(jù)量即成為原來的一半。
    將視頻分成圖像序列后，要將其轉(zhuǎn)換成灰度圖像，方可進行后續(xù)的工作，如圖1所示。通過大量實驗的驗證，轉(zhuǎn)換成灰度圖像后，使用閾值0．4，再進行二值化，可以清晰的將車身、車身前的車影與道路明顯的區(qū)分開來，如圖2所示。

    由圖2可以看出，路面上有很多不連貫的黑色區(qū)域和黑點，這些噪聲會對檢測結(jié)果產(chǎn)生不利的影響，因此，將上述二值化后的圖像序列再進行中值濾波，采用5*5的檢測窗口，可以去濾掉圖像上大部分的椒鹽噪聲，起到保護邊緣信息的作用，如圖3所示。

1．2 算法實現(xiàn)
    由圖2及圖3清晰可見，經(jīng)過二值化后的圖像，車身前方的陰影呈黑色，路面呈白色，因此能把車身前方的陰影部分和路面信息清晰的分隔開來。當(dāng)車輛行駛到某一位置時，車身前方的陰影一定會造成車輛前方的路面上的區(qū)域的灰度值發(fā)生劇烈的變化。因此，當(dāng)發(fā)生一次劇烈變化，計數(shù)器計一次數(shù)，這樣即可計算出行駛過的車輛的數(shù)量。
    在車輛行駛的道路前方，設(shè)置一虛擬檢測區(qū)域，便可以實現(xiàn)上述過程。傳統(tǒng)的虛擬檢測區(qū)域可以分為3類：基于特征點、基于檢測線、基于檢測窗口。于檢測點包含的信息量太少，且易受噪聲干擾；而檢測區(qū)域過大，當(dāng)車輛經(jīng)過時，容易造成重復(fù)計數(shù)，因此文中將采取基于檢測線的檢測方法。如圖4所示。

    當(dāng)車輛即將行駛到檢測線上時，車身前方的陰影會迅速覆蓋檢測線，造成檢測線上的灰度值發(fā)生劇烈的變化。通過設(shè)定閾值，若灰度變化大于閾值，可判斷為有一輛車到達，若灰度變化小于閾值，就判斷為沒有車輛通過，這樣便完成了整個檢測過程。
    由上可知，我們只需處理每一幀圖像的一行像素值，因此大大減少了數(shù)據(jù)的存儲空間，從而使計算機的處理速度更快。在實際處理中，用前一幀圖像減去后一幀圖像，比較差值圖像檢測線位置的像素值，此處通過大量實驗數(shù)據(jù)，設(shè)定閾值為15，若其值大于該閾值，則可判斷有車輛通過，若小于該閾值，則沒有車輛通過。所有檢測線位置像素值做差后，可得到如圖5所示的數(shù)據(jù)曲線。

    由圖5可見，圖像的正值尖峰，可看做一輛車的到來，通過設(shè)定閾值，可將小的尖峰部分濾掉，小的尖峰部分是車身及車窗造成的干擾，故通過此方法，可得到具體通過路口的車輛的數(shù)量。
    統(tǒng)計寬闊路口的車流量，可將整個路口分成幾個車道，對幾個車道分別用此方法進行統(tǒng)計，最終求和，即可實現(xiàn)車流量的統(tǒng)計。

2 基于FPGA的硬件仿真
    FPGA即現(xiàn)場可編程門陣列，它是在PAL、GAL、EPLD等可編程器件的基礎(chǔ)上進一步發(fā)展的產(chǎn)物。它是作為專用集成電路領(lǐng)域中的一種半定制電路而出現(xiàn)的，既解決了定制電路的不足，又克服了原有可編程器件門電路數(shù)有限的缺點。FPGA的使用非常靈活，同一片F(xiàn)PGA通過不同的編程數(shù)據(jù)可以產(chǎn)生不同的電路功能。FPGA在通信、數(shù)據(jù)處理、網(wǎng)絡(luò)、儀器、工業(yè)控制、軍事和航空航天等眾多領(lǐng)域得到了廣泛的應(yīng)用。
    文中通過使用matlab對上述算法進行仿真，我們可以得到視頻圖像每一幀的像素信息，并將該信息作為一個數(shù)據(jù)矩陣儲存到后綴名為dat的二進制數(shù)據(jù)文件中，作為FPGA硬件仿真的輸入激勵，即像素點檢測的輸入部分。
    基于FPGA平臺來完成實時算法的硬件實現(xiàn)，文中根據(jù)算法復(fù)雜度及資源使用情況，選取Xilinx公司的SpartanIIIXC3S50芯片完成實現(xiàn)。
XC3S50是Xilinx公司推出的SpartanIII系列中資源可用量較少的一款芯片，它包含768個slices、4塊18x18乘法器、4塊獨立RAM(每塊RAM容量為18K)。經(jīng)過綜合計算以及篩選，在節(jié)約成本的基礎(chǔ)上，確定XC3S50為交通信號燈路口的車流量檢測算法的硬件實現(xiàn)平臺。
    電路設(shè)計的開發(fā)環(huán)境采用ise12．4，并使用modelsim6．5se進行硬件電路仿真。

    如圖6所示，視頻幀切換脈沖到來時啟動計數(shù)器進行時序控制計數(shù)，計數(shù)到37后保持，等待下一個脈沖的啟動，在計數(shù)過程中將數(shù)值輸出至其他電路。累加器接收到計數(shù)后，對每一幀更新的并行灰度信號進行逐位累加處理，當(dāng)37位累加完畢，輸出累加結(jié)果至減法器。減法器在時序計數(shù)控制下將當(dāng)前幀的累加值與寄存器存放的上一幀灰度累加值做差，將結(jié)果輸出至比較器。比較器將差值與門限值進行比較，如果超過門限，則輸出一個高脈沖，作為有車經(jīng)過的標(biāo)志。

    仿真采用的系統(tǒng)時鐘為65．536 MHz，對應(yīng)時鐘周期約為15．2 ns，如圖7所示，每一幀的處理時間僅需38*15．2 ns≈577 ns，可以滿足快速處理的需要。圖中output_signal為比較器輸出的結(jié)果，即為監(jiān)測是否有車輛通過的標(biāo)志，該結(jié)果與matlab算法仿真結(jié)果完全一致。該算法實現(xiàn)簡單，有很高的實時性和可操作性。

3 結(jié)束語
    文中的算法是利用Matlab編程實現(xiàn)的，而硬件實現(xiàn)是在isel2．4+modelsim6．5se的環(huán)境下編譯完成的。通過對一段3分48秒的交通路口視頻進行驗證，準(zhǔn)確率在97％以上。文中與其他實現(xiàn)車流量統(tǒng)計的算法相比較，優(yōu)點在于完成該算法的硬件實現(xiàn)，且就算法本身而言，實現(xiàn)簡單，數(shù)據(jù)處理量小，處理速度快。但該算法自適應(yīng)性較弱，容易受到外界干擾影響，需要進一步加強對檢測算法的優(yōu)化和改進研究，以提高檢測算法的準(zhǔn)確度和自適應(yīng)性。