基于FPGA的交通路口車流量檢測(cè)方法研究

1．2 算法實(shí)現(xiàn)
由圖2及圖3清晰可見(jiàn)，經(jīng)過(guò)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(kāi)來(lái)。當(dāng)車輛行駛到某一位置時(shí)，車身前方的陰影一定會(huì)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(jì)數(shù)器計(jì)一次數(shù)，這樣即可計(jì)算出行駛過(guò)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(cè)區(qū)域，便可以實(shí)現(xiàn)上述過(guò)程。傳統(tǒng)的虛擬檢測(cè)區(qū)域可以分為3類：基于特征點(diǎn)、基于檢測(cè)線、基于檢測(cè)窗口。于檢測(cè)點(diǎn)包含的信息量太少，且易受噪聲干擾；而檢測(cè)區(qū)域過(guò)大，當(dāng)車輛經(jīng)過(guò)時(shí)，容易造成重復(fù)計(jì)數(shù)，因此文中將采取基于檢測(cè)線的檢測(cè)方法。如圖4所示。

當(dāng)車輛即將行駛到檢測(cè)線上時(shí)，車身前方的陰影會(huì)迅速覆蓋檢測(cè)線，造成檢測(cè)線上的灰度值發(fā)生劇烈的變化。通過(guò)設(shè)定閾值，若灰度變化大于閾值，可判斷為有一輛車到達(dá)，若灰度變化小于閾值，就判斷為沒(méi)有車輛通過(guò)，這樣便完成了整個(gè)檢測(cè)過(guò)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(chǔ)空間，從而使計(jì)算機(jī)的處理速度更快。在實(shí)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(cè)線位置的像素值，此處通過(guò)大量實(shí)驗(yàn)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(guò)，若小于該閾值，則沒(méi)有車輛通過(guò)。所有檢測(cè)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(jiàn)，圖像的正值尖峰，可看做一輛車的到來(lái)，通過(guò)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(guò)此方法，可得到具體通過(guò)路口的車輛的數(shù)量。
統(tǒng)計(jì)寬闊路口的車流量，可將整個(gè)路口分成幾個(gè)車道，對(duì)幾個(gè)車道分別用此方法進(jìn)行統(tǒng)計(jì)，最終求和，即可實(shí)現(xiàn)車流量的統(tǒng)計(jì)。