夜间交通监控中的反光干扰消除和车辆检测方法研究

在交通监控场景中，基于前车灯特征的车辆检测是夜间道路交通监控中的车辆智能检测方法。然而，前车灯在路面形成的反射光会对基于车灯的夜间车辆检测算法造成很大干扰。本文提出了消除路面反射光干扰的夜间车辆检测方法，利用反射光与车灯在视频图像中的亮度方差特征差异，构造基于决策树的反射光和车灯的分类算法，识别视频图像中的车灯和反射光，效消除图像中的反射光，然后提取候选车灯ROI；最后通过对车灯的几何约束匹配实现夜间车辆检测；该方法有效提高了夜间交通车辆检测的性能，检测性能优于现有算法。

在交通视频监控系统中，通过智能分析检测视频图像中车辆信息实现交通车流分析、车辆追踪、实时车流控制等智能交通监测功能[1]。在白天的交通监控场景中，主要是通过车辆的颜色、形状、阴影以及运动信息实现车辆目标检测[2] [3] [4]。然而，在夜间交通监控场景下，白天车辆检测所使用的车辆特征不再适用，车辆的前车灯和尾灯成为了夜间车辆检测的主要目标特征[5] [6]。

对于夜间道路监控的车辆检测问题，基于前车灯特征的车辆检测是一种主要方法。R. Cucchiara [5]提出了一种基于形态学的方法，利用形状、面积、对称性等车灯特有的形态特征为判断条件，筛选出真正的车灯并完成车灯的匹配；Bahlmann [6]提出了一种基于模板的方法， 以一些车灯常有的形状作为模板， 通过对光亮区域进行模板匹配实现车辆检测；Chen [7]在R. Cucchiara 的基础上，增加车道线宽度作为判断条件，实现对车灯进行检测和匹配。

但是，车灯照射到路面形成的反射光对基于前车灯的夜间车辆检测方法造成强干扰，在雨天道路的反射光干扰尤为明显， 严重影响车辆检测准确率。

Wei Zhang [8]提出了一种解决道路反射光干扰的方法， 通过大气散射和拉普拉斯高斯滤波(LOG)， 提取出可区分车灯和反射光的特征， 再以马尔科夫随机场(MRF)方法将反射光剔除。本文在上述工作基础上，提出了利用反射光与车灯在视频图像中的亮度方差特征差异，构造基于决策树的反射光和车灯的分类算法，实现反射光消除和夜间车辆检测，其检测准确率和时间性能均优于上述方法。

本文方法的具体算法思想：首先，根据图像中车灯区域与反射光区域之间的方差梯度变化，Bouguer反射光衰减模型和高斯滤波等，构建和提前具有车灯和反射光显著区分度的统计特征；然后，构建基于决策树的车灯和反射光的分类算法，实现道路图像的车灯和反射光分类，并剔除反射光的干扰；最后， 利用车灯的几何约束和车辆形态特征对车灯对进行匹配，实现夜间车辆检测。该方法在检测效果以及时间性能上均较优于已有的方法。