基于智能交通系統(tǒng)下視頻監(jiān)測(cè)技術(shù)的研究分析

摘要：視頻監(jiān)測(cè)技術(shù)是建設(shè)智能交通系統(tǒng)體系中不可或缺的部分，也是現(xiàn)代安防與城市管理工作的主要實(shí)施手段，過去的視頻監(jiān)測(cè)對(duì)人力有較強(qiáng)的依賴性，尤其是一些交通情況較復(fù)雜環(huán)境下的監(jiān)測(cè)工作，但智能交通體系的全面建設(shè)可以有效監(jiān)測(cè)各種交通環(huán)境。本文主要深入研究視頻監(jiān)測(cè)中的移動(dòng)目標(biāo)識(shí)別和跟蹤監(jiān)測(cè)技術(shù)，并分析實(shí)際應(yīng)用效果，以供參考。

關(guān)鍵詞：智能交通系統(tǒng)；視頻監(jiān)測(cè)；分析

DOI：10.12433/zgkjtz.20231906

二十一世紀(jì)以來，國內(nèi)的汽車保有量得到大幅提升，給交通管理部門帶來了較大的挑戰(zhàn)，正是在這種背景下，視頻監(jiān)測(cè)作為提高管理效率的重要實(shí)施手段也被交通部門廣為使用。但以往的交通監(jiān)測(cè)技術(shù)還需要大量的人工處理數(shù)據(jù)信息，但人工處理數(shù)據(jù)難免會(huì)出現(xiàn)一些漏洞。隨著人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等信息技術(shù)的不斷成熟，給打造智能交通體系創(chuàng)造了良好的實(shí)施條件，而智能交通系統(tǒng)中的視頻監(jiān)測(cè)技術(shù)又是打造智能交通系統(tǒng)中的核心技術(shù)，要求交通部門根據(jù)當(dāng)?shù)氐膶?shí)際監(jiān)測(cè)情況選擇合適的技術(shù)，從而提高交通監(jiān)測(cè)質(zhì)量和效率。

一、視頻識(shí)別和檢測(cè)方式研究分析

在智能交通系統(tǒng)中應(yīng)用視頻監(jiān)測(cè)技術(shù)時(shí)，運(yùn)用的攝像機(jī)主要負(fù)責(zé)采集原始圖像信息，技術(shù)原理是轉(zhuǎn)化鏡頭范圍內(nèi)可識(shí)別光信號(hào)，通過電信號(hào)的方式進(jìn)行傳輸。其中，需要大量的算法轉(zhuǎn)化，可以采集各種靜態(tài)視覺信號(hào)，并將這些信號(hào)合成視頻圖像，這也是目前針對(duì)移動(dòng)目標(biāo)經(jīng)常使用的方式。

（一）背景差分方法

視頻監(jiān)測(cè)技術(shù)中的背景差分方法主要技術(shù)原理是在特定背景下，實(shí)時(shí)監(jiān)測(cè)移動(dòng)目標(biāo)，需要選取其中一幀圖像作為原始背景，再將需要監(jiān)測(cè)的圖像與選取的背景圖像通過差分方法進(jìn)行運(yùn)算，完成監(jiān)測(cè)目標(biāo)的提取工作。背景差分方法的主要運(yùn)用難點(diǎn)取決于圖像大多具有時(shí)變性的特點(diǎn)，每一幀圖像的背景都存在一定差異，而運(yùn)動(dòng)目標(biāo)監(jiān)測(cè)中的背景圖像需要重新選定，導(dǎo)致計(jì)算系統(tǒng)始終處于高速運(yùn)行的狀態(tài)，給設(shè)備的更新和維護(hù)工作帶來了極大困難。在選取背景圖像時(shí)，通常設(shè)定第一幀圖像是不固定的，而在交通監(jiān)測(cè)時(shí)，選取圖像中沒有車輛移動(dòng)的道路或景象作為背景，但考慮到交通的流量和運(yùn)行情況較復(fù)雜，給背景圖像的選定工作帶來了極大的時(shí)變性，選定單一的背景作為參照物不符合交通監(jiān)測(cè)的需求。在實(shí)際運(yùn)用中大多都是將視頻中提取精確與高效的圖像作為背景使用，并針對(duì)拍攝視頻中選取一個(gè)圖像作為背景建模。例如，均值法、中值法和單高斯分布等諸多背景建模方式，都存在一些局限，尤其是選取背景較復(fù)雜的建模方式。

（二）光流方法

在視頻識(shí)別技術(shù)中，光流法的技術(shù)特點(diǎn)是監(jiān)測(cè)像素點(diǎn)與目標(biāo)速度矢量，以此得出二者之間的內(nèi)在關(guān)系，并勾畫具有運(yùn)動(dòng)特點(diǎn)的圖像，圖像會(huì)隨著亮度的變化而影響識(shí)別質(zhì)量，變化可以清晰反映像素點(diǎn)中灰度在不同時(shí)間的變化情況，而目標(biāo)在整個(gè)圖像之中和所在背景變化進(jìn)行相對(duì)運(yùn)動(dòng)過程中，目標(biāo)移動(dòng)都呈現(xiàn)在像素點(diǎn)中，可以測(cè)算速度矢量變化情況，快速篩選目標(biāo)，且運(yùn)動(dòng)目標(biāo)的二維速度矢量也可以通過計(jì)算的方式轉(zhuǎn)化為三維速度矢量，再運(yùn)用成像表面的計(jì)算方式進(jìn)行投影。因此，光流方法可以實(shí)時(shí)測(cè)算運(yùn)動(dòng)目標(biāo)的各種信息，且圖像中還包括大量的周邊背景信息，而光流法監(jiān)測(cè)技術(shù)對(duì)各種場(chǎng)景切換的適應(yīng)性較好，無需深入監(jiān)測(cè)場(chǎng)景信息，可以準(zhǔn)確識(shí)別各種移動(dòng)目標(biāo)的具體位置。

但由于光流法運(yùn)用在智能交通監(jiān)測(cè)中具有明顯缺點(diǎn)，即對(duì)光線不斷變化而產(chǎn)生的敏感與依賴，而現(xiàn)實(shí)監(jiān)測(cè)中的光照強(qiáng)度是不斷變化的，一旦光照強(qiáng)度變化過大，就會(huì)增加識(shí)別誤差，降低監(jiān)測(cè)結(jié)果的精度。同時(shí)，光流法還會(huì)由于車輛行駛距離過長而出現(xiàn)監(jiān)測(cè)誤差，導(dǎo)致計(jì)算量增加，浪費(fèi)過多的時(shí)間，且以往的光流法監(jiān)測(cè)技術(shù)需要更多的計(jì)算時(shí)間，會(huì)影響技術(shù)的時(shí)效性與精確性，由于對(duì)監(jiān)測(cè)環(huán)境的要求過高，導(dǎo)致不能滿足智能交通的監(jiān)測(cè)需求。

（三）幀間差分方法

幀間差分監(jiān)測(cè)技術(shù)的主要原理是通過視頻排序的方式，全面分析諸多相鄰圖像呈現(xiàn)的灰度值，再通過計(jì)算相鄰兩張圖片呈現(xiàn)的不同灰度值進(jìn)行監(jiān)測(cè)工作，以此確保移動(dòng)目標(biāo)得到正常監(jiān)測(cè)。大多數(shù)的操作方式都是在讀取視頻中不同序列兩幀圖像進(jìn)行計(jì)算，主要的計(jì)算方式是運(yùn)用像素點(diǎn)之間的不同灰度值呈現(xiàn)的差分進(jìn)行相減計(jì)算，以此得到完整的差分圖，再次進(jìn)行二值化深度處理，還要在這些圖像中選取一個(gè)科學(xué)且合理的計(jì)算閾值，以閾值作為整個(gè)監(jiān)測(cè)中的前景點(diǎn)與背景點(diǎn)，再通過判斷計(jì)算得到正確的結(jié)果。

通過對(duì)以上三種識(shí)別方法進(jìn)行對(duì)比發(fā)現(xiàn)，幀間差分方法更適合在智能交通系統(tǒng)監(jiān)測(cè)下作為主要的視頻識(shí)別和監(jiān)測(cè)技術(shù)。但在智能交通系統(tǒng)實(shí)際運(yùn)用中，為了確保視頻識(shí)別與監(jiān)測(cè)精度得到有效提高，在通過幀間差分方法進(jìn)行視頻處理后，還要充分運(yùn)用分割技術(shù)與形態(tài)學(xué)技術(shù)再次處理，從而得出正確的監(jiān)測(cè)結(jié)果。

二、圖像分割技術(shù)與形態(tài)學(xué)處理技術(shù)研究分析

在整個(gè)智能交通體系中，圖像分割技術(shù)的主要運(yùn)用原理和作用是將攝像機(jī)拍攝的圖像進(jìn)行初步分離工作，并進(jìn)行加工和后期處理。在圖像分割技術(shù)中，可以細(xì)分為閾值分割計(jì)算方法、邊緣監(jiān)測(cè)計(jì)算方法和區(qū)域生長計(jì)算方法。

（一）閾值分割計(jì)算方法

閾值分割算法的主要適用場(chǎng)景是對(duì)前景與背景之間的灰度值進(jìn)行分析和處理工作，便于計(jì)算視頻監(jiān)測(cè)工作，主要應(yīng)用方向是對(duì)圖像進(jìn)行預(yù)處理，算法應(yīng)用細(xì)節(jié)是根據(jù)不同等級(jí)的灰度設(shè)定相應(yīng)閾值，再將整個(gè)圖像劃分為多個(gè)區(qū)域，確保區(qū)域內(nèi)部具有較強(qiáng)的關(guān)聯(lián)，以此區(qū)分與其他區(qū)域的內(nèi)在屬性。但這種算法還存在一定缺陷，對(duì)噪聲過于敏感，且對(duì)灰度值明顯不清晰的圖像處理效果不理想，導(dǎo)致這種算法和其他算法搭配使用。

（二）邊緣監(jiān)測(cè)計(jì)算方法

邊緣監(jiān)測(cè)算法主要是識(shí)別圖像中各項(xiàng)變化較明顯的像素點(diǎn)，再進(jìn)行有效連接，使像素形成穩(wěn)定的圖像邊緣，以此實(shí)現(xiàn)定位移動(dòng)目標(biāo)圖像邊緣的使用效果。邊緣增強(qiáng)計(jì)算方法通常都是將圖像前景與背景進(jìn)行加強(qiáng)對(duì)比，以此確定邊緣，主要的技術(shù)重點(diǎn)是突出邊緣輪廓。

（三）區(qū)域生長計(jì)算方法

區(qū)域生長算法與分裂合并算法是在交通監(jiān)測(cè)中經(jīng)常使用的算法，主要運(yùn)用串行區(qū)域技術(shù)的特點(diǎn)對(duì)圖像進(jìn)行計(jì)算工作。而區(qū)域生長算法主要是充分運(yùn)用圖像中不同像素點(diǎn)具有的灰度值和紋理特性中存在相似的屬性，以此作為種子點(diǎn)對(duì)共同屬性像素進(jìn)行處理，可以使其集合起來，并發(fā)展為獨(dú)立的區(qū)域。

（四）形態(tài)學(xué)處理技術(shù)

形態(tài)學(xué)處理方式的主要技術(shù)特點(diǎn)是運(yùn)用不同的形態(tài)結(jié)構(gòu)監(jiān)測(cè)移動(dòng)目標(biāo)的運(yùn)動(dòng)軌跡和速度形狀，全面分析監(jiān)測(cè)結(jié)果。經(jīng)常使用的計(jì)算方式是利用膨脹、形態(tài)學(xué)梯度、閉運(yùn)算、頂帽和黑帽運(yùn)算等。這種計(jì)算在比較復(fù)雜的交通背景下，大多是對(duì)移動(dòng)目標(biāo)進(jìn)行差分二值圖像處理，再利用閾值進(jìn)行分割，但在實(shí)際過程中難免會(huì)出現(xiàn)空洞或噪聲。此時(shí)，需要人工進(jìn)行二次處理，以此減少視頻中的干擾。使用形態(tài)學(xué)處理方式對(duì)閾值進(jìn)行分割處理的圖像，可以進(jìn)一步提高移動(dòng)目標(biāo)的監(jiān)測(cè)精度。

三、視頻測(cè)速和跟蹤技術(shù)研究分析

（一）交通系統(tǒng)主要運(yùn)用的測(cè)速手段

測(cè)速一直是交通系統(tǒng)中主要的監(jiān)管指標(biāo)，而經(jīng)常在交通系統(tǒng)中使用的移動(dòng)目標(biāo)測(cè)速技術(shù)通常包括感應(yīng)線圈技術(shù)測(cè)速、雷達(dá)技術(shù)測(cè)速和視頻技術(shù)測(cè)速。感應(yīng)線圈技術(shù)測(cè)速是通過在不同的測(cè)速區(qū)間找到一些適合安裝感應(yīng)線圈的位置，通過電磁感應(yīng)的技術(shù)特點(diǎn)測(cè)算移動(dòng)目標(biāo)的實(shí)時(shí)位置。但仍存在局限，主要監(jiān)測(cè)測(cè)速區(qū)間中金屬移動(dòng)的速度，但在使用過程中依然需要監(jiān)控設(shè)備，導(dǎo)致該技術(shù)不適合運(yùn)用于智能交通系統(tǒng)中。

雷達(dá)測(cè)速是目前交通系統(tǒng)中經(jīng)常使用的測(cè)速手段，雷達(dá)測(cè)速具有測(cè)速精準(zhǔn)度高的優(yōu)點(diǎn)。但雷達(dá)測(cè)速也存在移動(dòng)目標(biāo)較多和環(huán)境較復(fù)雜狀況下檢測(cè)精準(zhǔn)度不高的問題，尤其是抗干擾性不夠，鋪設(shè)成本相對(duì)較高，雷達(dá)測(cè)速對(duì)于鋪設(shè)地域和周邊環(huán)境的要求也較高，通過分析實(shí)際使用效果可以發(fā)現(xiàn)，雷達(dá)測(cè)速不適合在現(xiàn)代智能交通系統(tǒng)中大規(guī)模應(yīng)用。

視頻測(cè)速技術(shù)是近年來大規(guī)模應(yīng)用的測(cè)速手段，也是在各地智能交通系統(tǒng)中經(jīng)常看到的技術(shù)，這種技術(shù)可以將以往的目標(biāo)跟蹤和測(cè)量合二為一，全面提高交通測(cè)速效果。視頻測(cè)速技術(shù)的主要原理是運(yùn)用參數(shù)實(shí)時(shí)檢測(cè)圖像中移動(dòng)目標(biāo)的二維定位，得出移動(dòng)目標(biāo)的三維位置，并推算視頻中的時(shí)間，最終得出車輛在測(cè)速區(qū)間的速度。主要的應(yīng)用優(yōu)點(diǎn)是安裝方便，抗干擾也比以往的測(cè)速技術(shù)強(qiáng)，且具有良好的實(shí)時(shí)特點(diǎn)，視頻測(cè)速技術(shù)和人工智能技術(shù)結(jié)合后，可以實(shí)現(xiàn)在較復(fù)雜交通環(huán)境下對(duì)車輛行駛速度的監(jiān)測(cè)工作。

（二）運(yùn)動(dòng)目標(biāo)定位和跟蹤監(jiān)測(cè)技術(shù)

監(jiān)測(cè)運(yùn)動(dòng)目標(biāo)中的詳細(xì)信息一直都是智能交通系統(tǒng)建設(shè)中的重點(diǎn)實(shí)現(xiàn)目標(biāo)，主要的實(shí)施方向是運(yùn)用計(jì)算機(jī)視覺和圖像處理的方式進(jìn)行綜合分析，以此對(duì)攝像頭捕捉的交通視頻進(jìn)行順序排列。而目標(biāo)跟蹤檢測(cè)技術(shù)的運(yùn)用不僅要對(duì)目標(biāo)車輛進(jìn)行測(cè)速，也是城市治安維護(hù)主要手段，尤其針對(duì)在逃犯人追捕工作等。在智能交通系統(tǒng)建設(shè)中對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤可以通過以下方面實(shí)施。

1.通過移動(dòng)目標(biāo)的主要特征進(jìn)行抓取

抓取移動(dòng)目標(biāo)的主要特點(diǎn)不需要了解移動(dòng)目標(biāo)的全貌，只需要重點(diǎn)觀察移動(dòng)目標(biāo)中的部分特征，但存在一定局限，如果沒有充分了解運(yùn)動(dòng)目標(biāo)的主要特征，會(huì)發(fā)生缺乏判斷依據(jù)的現(xiàn)象，造成判斷錯(cuò)誤導(dǎo)致跟蹤失敗，而在現(xiàn)實(shí)使用中，很多運(yùn)動(dòng)目標(biāo)都會(huì)通過遮擋的方式跟蹤逃避設(shè)備，給通過目標(biāo)特征進(jìn)行跟蹤的方式造成一定困難。正是由于此種局限，在建設(shè)智能交通系統(tǒng)過程中，通過目標(biāo)特征作為主要抓取的方式很難大規(guī)模應(yīng)用。

2.移動(dòng)目標(biāo)的建模技術(shù)

移動(dòng)目標(biāo)建模技術(shù)主要是針對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行3D、2D和線圖模型方面的建模工作，也可以運(yùn)用高層次移動(dòng)目標(biāo)模型空間的構(gòu)建，例如，三維或二維空間的方式。通過對(duì)移動(dòng)目標(biāo)跟蹤和建模，可以實(shí)時(shí)跟蹤移動(dòng)目標(biāo)，且技術(shù)的可靠性較強(qiáng)，但主要缺點(diǎn)是計(jì)算量和工作量偏大，只能針對(duì)重點(diǎn)目標(biāo)實(shí)行建模工作，會(huì)導(dǎo)致適用范圍較小，不具備大規(guī)模應(yīng)用的特點(diǎn)。

3.區(qū)域跟蹤方法

區(qū)域跟蹤方法主要對(duì)目標(biāo)區(qū)域的背景進(jìn)行排序工作，對(duì)比每幀圖像中的紋理、梯度和色彩等主要特征，篩選其中需要監(jiān)測(cè)的移動(dòng)目標(biāo)運(yùn)動(dòng)軌跡，選擇有針對(duì)性的識(shí)別與跟蹤方式，以此勾畫這一移動(dòng)目標(biāo)在整個(gè)監(jiān)測(cè)區(qū)域的活動(dòng)軌跡，適合目前正在構(gòu)建的智能交通系統(tǒng)。

而區(qū)域跟蹤法主要分為兩種方式：第一，灰度重心定位法主要分析移動(dòng)目標(biāo)檢測(cè)區(qū)域內(nèi)任何相鄰的兩幀圖像，確保移動(dòng)目標(biāo)始終在圖像中顯示灰度重心，使得到的數(shù)據(jù)不會(huì)發(fā)生較大變化，同時(shí)將灰度重心作為基礎(chǔ)的定位點(diǎn)，讓每個(gè)圖像中的灰度重心點(diǎn)能拼合完整的運(yùn)動(dòng)軌跡。第二，亞像素定位方法主要依靠圖像特征來進(jìn)行篩選的技術(shù)，對(duì)特征的移動(dòng)目標(biāo)具有較高的定位準(zhǔn)確度，也是領(lǐng)域內(nèi)較受歡迎的跟蹤方法，對(duì)目標(biāo)選取呈現(xiàn)出一定形狀的分布，但檢測(cè)范圍和圖像變化程度也具有一定要求，尤其是通過灰度重心法描繪像素特征，也是人工智能應(yīng)用到智能交通系統(tǒng)的主要表現(xiàn)。

四、結(jié)語

綜上所述，視頻監(jiān)測(cè)技術(shù)在構(gòu)建智能交通系統(tǒng)中可以發(fā)揮較大的作用，應(yīng)用空間與發(fā)展?jié)摿^大，尤其是在互聯(lián)網(wǎng)、人工智能和大數(shù)據(jù)技術(shù)的廣泛應(yīng)用背景下，智能交通體系視頻監(jiān)測(cè)技術(shù)的應(yīng)用范圍還應(yīng)當(dāng)進(jìn)一步擴(kuò)大，從而提高交通管理效率和質(zhì)量。

參考文獻(xiàn)：

[1]李宇杰，裴中陽，李強(qiáng)，等.智能視頻分析技術(shù)在地鐵站客流監(jiān)測(cè)中的應(yīng)用研究[J].現(xiàn)代城市軌道交通，2022（03）：86-92.

[2]陳嘉寧，車?yán)?，廖嘉?基于視頻分析的疲勞駕駛監(jiān)測(cè)技術(shù)研究[J].電腦知識(shí)與技術(shù)，2022，18（08）：9-11.

[3]于春和，杜夢(mèng)麒.基于智能交通系統(tǒng)下視頻監(jiān)測(cè)技術(shù)的研究[J].通信電源技術(shù)，2020，37（09）：42-44.

[4]劉培泉.基于視頻圖像再融合技術(shù)和災(zāi)害性氣候監(jiān)測(cè)的高速公路交通安全監(jiān)測(cè)及預(yù)警分析[J].中國交通信息化，2019（07）：114-116.

[5]鮑金玉.基于視頻分析的車輛智能監(jiān)測(cè)技術(shù)研究[D].北京：北方工業(yè)大學(xué)，2019.

[6]徐成偉，張德強(qiáng)，張昊，等.基于雷達(dá)與視頻分析技術(shù)的鐵路崩塌落石自動(dòng)監(jiān)測(cè)報(bào)警系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].鐵路計(jì)算機(jī)應(yīng)用，2017，26（11）：22-27.

作者簡(jiǎn)介：張豪（1983），男，安徽省樅陽縣人，本科學(xué)歷，畢業(yè)于西北農(nóng)林科技大學(xué)；主要研究方向?yàn)闄C(jī)電工程。