基于視頻的公路交通事件檢測(cè)算法研究

摘? 要：本文針對(duì)當(dāng)前公路交通事件檢測(cè)算法，在識(shí)別交通事故時(shí)，對(duì)移動(dòng)車輛圖像紋理特征提取的穩(wěn)定性較低的問題，設(shè)計(jì)了一種新的基于視頻的公路交通事件智能圖像檢測(cè)算法，首先對(duì)公路攝像頭采集的動(dòng)態(tài)車輛視頻圖像進(jìn)行預(yù)處理，利用環(huán)形線圈傳感器與視頻識(shí)別系統(tǒng)進(jìn)行車輛圖像數(shù)據(jù)采集，對(duì)數(shù)據(jù)視頻圖像進(jìn)行數(shù)據(jù)處理以及灰度幅值特征、直方圖統(tǒng)計(jì)特征的提取，通過穩(wěn)態(tài)基本特征差異大小的判斷，實(shí)現(xiàn)基于視頻的公路交通事件檢測(cè)算法，并通過實(shí)驗(yàn)驗(yàn)證了該算法的有效性。

關(guān)鍵詞：智能圖像;公路交通事件;檢測(cè)算法;人工智能

中圖分類號(hào)：TP391.41;TP272? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2019）07-0061-03

Abstract：Regarding the problem that the current highway traffic incident detection algorithm shows a low stability when extracting image texture features of a moving vehicle for identifying a traffic incident，a new video-based intelligent image detection algorithm for highway traffic incidents is designed. According to the detection algorithm，the dynamic vehicle video image collected by highway cameras is preprocessed at first. The image data of the vehicle is captured by the loop coil sensor and the video recognition system. The data processing is performed on the data video image，and the gray amplitude feature and the histogram statistical feature are extracted. The video-based highway traffic incident detection algorithm is realized by the judgment on the difference of basic features of steady state. The effectiveness of the algorithm is verified by experiments.

Keywords：intelligent image;traffic incident;detection algorithm;artificial intelligence

0? 引? 言

道路交通事件，包括車輛拋錨、貨物散落，以及交通事故等，是公路發(fā)生偶發(fā)性交通擁擠的重要成因[1]。交通事件的發(fā)生會(huì)導(dǎo)致出現(xiàn)大規(guī)模的交通延誤現(xiàn)象，還會(huì)造成公路安全性下降、環(huán)境污染等問題。為了降低交通事件對(duì)公路造成的負(fù)面影響，很多發(fā)達(dá)國家都已經(jīng)建立了現(xiàn)代化的公路智能視覺監(jiān)控系統(tǒng)，并且提出了一些公路交通事件檢測(cè)算法，達(dá)到了對(duì)異常交通狀態(tài)及時(shí)進(jìn)行應(yīng)急處理的目的。然而我國由于公路上布設(shè)的交通檢測(cè)器數(shù)量較少，與發(fā)達(dá)國家布設(shè)交通檢測(cè)器的平均間距相比有較大差距，因此一直難以形成高效的公路交通信息采集系統(tǒng)，無法對(duì)公路的運(yùn)行狀態(tài)進(jìn)行可靠、高效的監(jiān)控。并且由于缺乏動(dòng)態(tài)、實(shí)時(shí)的交通信息處理技術(shù)以及交通動(dòng)態(tài)信息獲取的不足，我國現(xiàn)有的公路交通監(jiān)控系統(tǒng)仍然以人工觀看視頻的形式運(yùn)行著，這種運(yùn)行形式工作效率較低并且勞動(dòng)強(qiáng)度較大，很難完全發(fā)揮實(shí)時(shí)監(jiān)控功能，對(duì)我國公路路況的監(jiān)控效果產(chǎn)生了很大影響。文獻(xiàn)[1]中提出的交通事件自動(dòng)判別算法與文獻(xiàn)[2]中提出的基于信息熵的城市實(shí)時(shí)交通事件檢測(cè)聚類算法均存在圖像紋理均衡性較低的問題。因此，本文針對(duì)這一問題提出了基于視頻的公路交通事件檢測(cè)算法。

1? 公路交通事件檢測(cè)算法設(shè)計(jì)

1.1? 動(dòng)態(tài)車輛圖像灰度特征的采集

公路攝像頭采集與監(jiān)測(cè)的信號(hào)都是以視頻圖像的形式表現(xiàn)出來的，而數(shù)字信號(hào)通常是通過對(duì)模擬信號(hào)進(jìn)行編碼以及量化而產(chǎn)生的。在公路交通事件檢測(cè)算法中，由于在模擬信號(hào)向數(shù)字信號(hào)轉(zhuǎn)換的過程中會(huì)產(chǎn)生一定的失真而對(duì)運(yùn)算結(jié)果產(chǎn)生一定的影響，因此在對(duì)視頻圖像進(jìn)行算法處理之前首先要對(duì)視頻圖像進(jìn)行一定的預(yù)處理，即改善圖像的質(zhì)量，從而實(shí)現(xiàn)算法精確度的提升[2]?，F(xiàn)代公路攝像頭所采集到的車輛視頻圖像多為彩色圖像，而灰度圖像能夠提升公路交通事件檢測(cè)算法的處理速度，因此需要對(duì)攝像頭采集到的彩色圖像進(jìn)行灰度處理[3]。

隨著視頻識(shí)別技術(shù)的不斷發(fā)展，在動(dòng)態(tài)圖像數(shù)據(jù)采集的過程中，可以利用視頻識(shí)別系統(tǒng)來彌補(bǔ)環(huán)形線圈傳感器的不足之處，為公路交通事件檢測(cè)的達(dá)成提供了便利條件。視頻識(shí)別系統(tǒng)主要利用計(jì)算機(jī)視覺技術(shù)、模式識(shí)別技術(shù)以及數(shù)字圖像處理技術(shù)等，可以實(shí)現(xiàn)車輛的跟蹤與自動(dòng)識(shí)別，并能夠?qū)囕v行為進(jìn)行分析，其優(yōu)點(diǎn)包括判定可靠、算法優(yōu)化可靠、效率較高、成本低廉等，當(dāng)前在智能交通系統(tǒng)中的應(yīng)用已經(jīng)較為普遍。

在數(shù)據(jù)采集完成后，需要對(duì)數(shù)據(jù)視頻圖像進(jìn)行處理，提取相關(guān)可識(shí)別的特征，包括灰度轉(zhuǎn)換與灰度圖像的二值化[4]?；叶绒D(zhuǎn)換就是把視頻圖像的藍(lán)、綠、紅這三個(gè)分量進(jìn)行等值處理的過程，將視頻圖像進(jìn)行灰度轉(zhuǎn)換后，圖像會(huì)被灰度化，由之前的三維表現(xiàn)特征變?yōu)橐痪S表現(xiàn)特征，并且還會(huì)失去部分圖像信息。當(dāng)前較為常用的圖像灰度轉(zhuǎn)換方法包括加權(quán)平均值法、平均值法以及最大值法。將這三種算法整合為均值加權(quán)處理算法對(duì)視頻圖像進(jìn)行灰度轉(zhuǎn)換往往會(huì)產(chǎn)生不同的結(jié)果。利用以下公式對(duì)視頻圖像進(jìn)行灰度特征轉(zhuǎn)換處理可以大大提升圖像的合理性：

其中，Gray指的是視頻圖像的像素灰度值，而三個(gè)系數(shù)則是經(jīng)過大量的理論推導(dǎo)以及實(shí)驗(yàn)之后得出的最佳灰度圖像的權(quán)值。

1.2? 車輛灰度特征的二值化分割

灰度動(dòng)態(tài)車輛圖像的特征二值化指的是，在車輛視頻圖像數(shù)據(jù)處理過程中，為了減少算法的計(jì)算量，通常會(huì)將灰度圖像轉(zhuǎn)化為二值圖像，即只包含白與黑這兩個(gè)灰度級(jí)的圖像。二值圖像像素的灰度級(jí)不是0就是1。將視頻圖像的灰度圖像轉(zhuǎn)化為二值圖像主要是將灰度圖像分成目標(biāo)物體以及背景，比較常見的二值圖像轉(zhuǎn)化方法是利用閾值的選取將灰度圖像分成兩個(gè)部分，小于該閾值的區(qū)域是背景部分，大于該閾值的區(qū)域是目標(biāo)物體部分，如果用f（x，y）來表示輸入的灰度圖像，那么就可以用g（x，y）表示輸出的二值圖像，即：

而當(dāng)視頻圖像的灰度分布于不相鄰的幾個(gè)區(qū)間內(nèi)時(shí)，視頻圖像的二值化則可以用式（4）來表示：

在式（3）（4）中，A是一個(gè)包括各種視頻圖像組成物體的灰度值的集合。利用閾值運(yùn)算能否對(duì)圖像進(jìn)行高效的分割就取決于背景與物體的對(duì)比度，也就是必須確定視頻圖像的灰度分布[5]。

1.4? 基于闕值的交通事件圖像識(shí)別

通常我們通過車輛圖像分割出的特征，再結(jié)合基本屬性來區(qū)分視頻圖像中發(fā)生的交通事件。車輛圖像特征為對(duì)其進(jìn)行事件定義的重要數(shù)據(jù)，也是對(duì)不同交通事件進(jìn)行分辨的依據(jù)。作為對(duì)車輛視頻圖像發(fā)生的時(shí)間進(jìn)行進(jìn)一步辨識(shí)的基礎(chǔ)，較為常用的目標(biāo)識(shí)別特征包括灰度幅值變化特征、直方圖統(tǒng)計(jì)變化特征等[6]。其中灰度幅值特征是視頻圖像最基本的特征，對(duì)灰度幅值相關(guān)參數(shù)的闕值特征，是測(cè)定可以在視頻圖像特殊部分的鄰域內(nèi)，或在其像素點(diǎn)中發(fā)生事件的依據(jù)，或直接在相關(guān)區(qū)域內(nèi)進(jìn)行。以坐標(biāo)（a，b）為中心，則（2n+1）×（2m+1）鄰域內(nèi)視頻圖像發(fā)生事件的闕值為：

而直方圖統(tǒng)計(jì)特征包括熵、能量、方差以及均值。

面對(duì)公路中噪聲較大、復(fù)雜多變等特征，通過利用在視頻圖像中提取的直方圖統(tǒng)計(jì)特征與灰度幅值特征并利用區(qū)域劃分方法實(shí)現(xiàn)了公路交通事件檢測(cè)算法。也就是通過對(duì)整幅圖像進(jìn)行區(qū)域劃分，并將劃分出來的各個(gè)區(qū)域作為公路交通事件檢測(cè)算法的研究區(qū)域，在公路交通事件檢測(cè)的過程中需要對(duì)各個(gè)區(qū)域進(jìn)行處理，以達(dá)到有效判斷檢測(cè)車輛是否經(jīng)過的目的。

2? 實(shí)驗(yàn)結(jié)果與分析

為保證基于視頻的公路交通事件檢測(cè)方法的有效性，設(shè)計(jì)以下實(shí)驗(yàn)。在實(shí)驗(yàn)的過程中，以某公路為實(shí)驗(yàn)對(duì)象，選取了一段在上班時(shí)間拍攝的公路交通視頻，對(duì)該公路的交通事件進(jìn)行檢測(cè)。結(jié)果表明運(yùn)動(dòng)目標(biāo)檢測(cè)準(zhǔn)確，在內(nèi)分辨率低、光照較復(fù)雜的情況下，可以準(zhǔn)確檢測(cè)出運(yùn)動(dòng)車輛，而且可以達(dá)到實(shí)時(shí)性的要求。使用本文監(jiān)控方法所得到的圖像分割結(jié)果如圖1所示。

為了保證實(shí)驗(yàn)的有效性，使用傳統(tǒng)公路交通事件檢測(cè)算法（基于基礎(chǔ)BP神經(jīng)網(wǎng)絡(luò)的方法）與基于視頻的公路交通事件檢測(cè)算法進(jìn)行比較，觀察實(shí)驗(yàn)結(jié)果。利用這兩種算法對(duì)公路交通事件進(jìn)行檢測(cè)，其圖像的紋理均衡性對(duì)比如圖3所示。

通過圖3可知，利用數(shù)字視頻和圖像處理技術(shù)對(duì)灰度視頻序列進(jìn)行分析和計(jì)算，得到視頻圖像的灰度值、紋理值、方差值等基本特征，從這些數(shù)字特征中提取出相應(yīng)的穩(wěn)態(tài)特征，通過對(duì)穩(wěn)態(tài)特征進(jìn)行分析判斷來檢測(cè)交通事件。因此，基于視頻的公路交通事件檢測(cè)算法相比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)檢測(cè)算法的紋理均衡性更高，即檢測(cè)結(jié)果更加準(zhǔn)確。

3? 結(jié)? 論

基于本文的研究與分析可知，基于視頻的公路交通事件檢測(cè)算法能夠提升視頻圖像的紋理均衡性，獲得更加準(zhǔn)確的交通事件檢測(cè)結(jié)果，并且計(jì)算步驟較少，具備一定的實(shí)用性。

參考文獻(xiàn)：

[1] 金忠富，劉亞玲，謝洪波，等.基于RFID的交通異常事件自動(dòng)判別方法 [J].公路與汽運(yùn)，2012，22（25）：168-170.

[2] 李曉峰，楊春山，丁樹春.基于信息熵的城市隧道實(shí)時(shí)交通事件檢測(cè)聚類 [J].計(jì)算機(jī)技術(shù)與發(fā)展，2013，23（10）：212-215.

[3] 王國偉，杜榮華，胡樂秋，等.基于RFID通行卡的隧道交通事件檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) [J].交通信息與安全，2011，29（5）：112-115.

[4] 嚴(yán)兆斌，方敏.基于序列模式挖掘的公路隧道交通事件檢測(cè) [J].計(jì)算機(jī)應(yīng)用與軟件，2010，27（21）：204-206+249.

[5] 李首才.視頻監(jiān)控、交通事件檢測(cè)、火災(zāi)報(bào)警三合一系統(tǒng)概述 [J].科技創(chuàng)業(yè)月刊，2016，29（33）：108-110.

[6] 楊平，厲小潤.基于視頻檢測(cè)技術(shù)的智能隧道交通安全監(jiān)控系統(tǒng)設(shè)計(jì) [J].計(jì)算機(jī)應(yīng)用與軟件，2012，29（36）：128-130+171.

作者簡介：胡永（1980-），男，漢族，甘肅隴南人，副教授，研究方向：計(jì)算機(jī)科學(xué)與技術(shù)教學(xué)、圖形圖像算法。