高速公路監(jiān)控視頻人工智能分析研究

梁晉娜

（河北交通投資集團(tuán)張石高速公路保定段有限公司，河北保定 071000）

1 高速公路監(jiān)控視頻現(xiàn)狀

在高速公路的運(yùn)營(yíng)管理中，監(jiān)控視頻起著關(guān)鍵作用。現(xiàn)在，聯(lián)網(wǎng)監(jiān)控成為主要的管理方法，這不僅要求更多的精確監(jiān)控點(diǎn)位和更高質(zhì)量的畫面，還要求在路段分中心外，建設(shè)眾多的地區(qū)和省級(jí)監(jiān)控中心。國(guó)家路網(wǎng)中心也需要各地區(qū)上傳監(jiān)控視頻資源，確保對(duì)全國(guó)的交通狀況有更加及時(shí)、全面及直觀的認(rèn)識(shí)?，F(xiàn)階段，大部分的監(jiān)控中心都是讓監(jiān)控人員通過電視墻觀看監(jiān)控視頻信息，以掌握實(shí)時(shí)交通信息。隨著監(jiān)控視頻的大幅增加，如果依舊采取人工監(jiān)控，必定會(huì)在實(shí)際工作過程中面臨以下問題。

1.1 人工監(jiān)控的不足

雖然人工查看監(jiān)控視頻可以對(duì)各種狀況的進(jìn)行相對(duì)準(zhǔn)確的判斷，但人的主觀因素的影響無法消除。如長(zhǎng)時(shí)間地注視屏幕會(huì)引發(fā)疲勞和注意力不集中等情況，這可能導(dǎo)致錯(cuò)失發(fā)現(xiàn)問題、及時(shí)處理事件的最佳時(shí)間。工作愿望、情緒波動(dòng)、身體健康狀況等主觀因素也會(huì)影響員工認(rèn)真觀看監(jiān)控視頻。面對(duì)沒有明晰定義的現(xiàn)象，可能會(huì)產(chǎn)生判斷錯(cuò)誤。例如，對(duì)于同一畫面，部分員工可能判斷為正常情況，其余員工則可能認(rèn)為交通已經(jīng)開始擁堵，對(duì)擁堵情況的判斷在不同道路上也各不相同。

鑒于人工監(jiān)控的缺陷，當(dāng)前的高速公路監(jiān)控系統(tǒng)無法在事情發(fā)生前識(shí)別出異常的交通狀況，同時(shí)也難以立刻發(fā)現(xiàn)交通問題，并立即采取相應(yīng)的措施。在某些情況下，一個(gè)沒有得到及時(shí)發(fā)現(xiàn)和處理的小事故，甚至可能引發(fā)更多更大的二次事故。視頻監(jiān)控系統(tǒng)僅發(fā)揮出用于事后核實(shí)和調(diào)查的作用，其預(yù)警和預(yù)防功能未發(fā)揮出來，未充分發(fā)揮監(jiān)控視頻應(yīng)有的重要作用。

1.2 監(jiān)控設(shè)備數(shù)量與監(jiān)控顯示畫面之間的矛盾

不論是哪個(gè)級(jí)別的監(jiān)控中心，可用于展示視頻的電視墻和監(jiān)視器數(shù)量都是有限的，因此無法同時(shí)播放全部的監(jiān)控視頻。這樣就必須通過人工切換或者自動(dòng)切換方式來顯示各個(gè)監(jiān)控視頻，這使得不能立即發(fā)現(xiàn)異常情況。為了克服顯示能力的限制，監(jiān)控中心一般通過分屏技術(shù)在一個(gè)監(jiān)視器上同時(shí)顯示多路監(jiān)控視頻。這種方法雖然能大幅提升監(jiān)控視頻的顯示數(shù)量，但由于每個(gè)視頻的顯示畫面變小，觀看的難度增加，更容易導(dǎo)致監(jiān)控人員的視覺疲勞，對(duì)監(jiān)控效果產(chǎn)生更大的負(fù)面影響。

1.3 視頻事件檢測(cè)質(zhì)量欠佳

為了降低人為因素對(duì)監(jiān)控視頻的干擾，在特殊環(huán)境（如隧道內(nèi)）安裝視頻事件檢測(cè)器等設(shè)備成為常用手段的，這可以自動(dòng)捕獲交通事件，以便事故能夠得到即時(shí)應(yīng)對(duì)，確保交通的安全，提高道路的流通效率。然而，實(shí)際應(yīng)用中出現(xiàn)的問題是，視頻事件檢測(cè)器雖然在早期的人工頻繁干預(yù)下能夠正常運(yùn)行，但經(jīng)過一段時(shí)間之后，檢測(cè)器的誤報(bào)越來越多，根本無法滿足使用要求，還對(duì)日常運(yùn)營(yíng)造成了不良影響，無法繼續(xù)使用。

1.4 專用設(shè)備的不足

近年來，基于視頻的專用設(shè)備（如車牌和卡口識(shí)別設(shè)備）已在高速公路上得到廣泛使用，對(duì)于高速公路的監(jiān)控有著一定的貢獻(xiàn)。然而，這些設(shè)備不能被集成在視頻監(jiān)控系統(tǒng)中，而需另外安裝相應(yīng)的設(shè)備，增加了建設(shè)成本和工作負(fù)擔(dān)。且這些設(shè)備的功能較為單一，僅能收集到有限的數(shù)據(jù)，只能滿足用戶提交報(bào)表的需求，并未達(dá)到期望效果。鑒于專用設(shè)備價(jià)格較高，并且安裝過程復(fù)雜，甚至需要設(shè)備供應(yīng)商進(jìn)行現(xiàn)場(chǎng)安裝，使得其無法在路段上大規(guī)模應(yīng)用，也因此無法獲取到路段的全面信息。

2 高速公路監(jiān)控視頻人工智能分析的必要性

高速公路的路況監(jiān)控系統(tǒng)主要包含路況監(jiān)控、交通數(shù)據(jù)采集、交通狀態(tài)判斷及交通自動(dòng)控制4部分。和收費(fèi)監(jiān)控系統(tǒng)相比，路況監(jiān)控系統(tǒng)更為重要，智能化程度也有更高要求，主要表現(xiàn)為能夠自動(dòng)處理更復(fù)雜的狀態(tài)分析和實(shí)現(xiàn)交通自動(dòng)控制。交通狀態(tài)分析與收費(fèi)監(jiān)控系統(tǒng)中的信息處理方式大同小異，但智能化程度更高。這主要是因?yàn)槭召M(fèi)監(jiān)控系統(tǒng)主要關(guān)注收費(fèi)過程管理，因此大部分信息收集都在收費(fèi)站周邊完成，主要關(guān)注收費(fèi)的公正性。而路況監(jiān)控系統(tǒng)覆蓋整個(gè)高速公路，因此數(shù)據(jù)收集遠(yuǎn)超收費(fèi)監(jiān)控系統(tǒng)。除了完成收費(fèi)監(jiān)控的工作外，還負(fù)責(zé)監(jiān)控各路段的車流狀況、車流銜接、自然災(zāi)害、天氣變化、突發(fā)事件，以及預(yù)估車流量等，包含了高速公路上所有已發(fā)生和可能發(fā)生的事件。交通自動(dòng)控制是路況監(jiān)控系統(tǒng)的關(guān)鍵作用之一，其智能化程度決定了高速公路監(jiān)控系統(tǒng)的自動(dòng)化程度。交通自動(dòng)控制主要依賴于對(duì)高速公路相關(guān)的信息進(jìn)行及時(shí)采集及合理的數(shù)據(jù)分析，以此來實(shí)現(xiàn)對(duì)高速公路交通的自動(dòng)控制，如提供疏導(dǎo)交通的決策、實(shí)現(xiàn)車輛的分流、限制車輛的進(jìn)入、優(yōu)化行駛路線等。

3 常用視頻檢測(cè)分析技術(shù)

實(shí)施高速公路的視頻監(jiān)控，至關(guān)重要的一點(diǎn)是能從視頻影像中識(shí)別出車輛、行人等對(duì)象，并結(jié)合影像里對(duì)應(yīng)的空間特征及不同時(shí)段視頻影像中對(duì)象位置的變動(dòng)，來解析交通行為，從而評(píng)估交通狀態(tài)或識(shí)別交通事件等。利用機(jī)器進(jìn)行視頻識(shí)別在高速公路中已應(yīng)用很長(zhǎng)時(shí)間，如視頻事件檢測(cè)器的使用，但未有效解決問題，這與其所選用的技術(shù)方法密切相關(guān)。常用的視頻檢測(cè)分析技術(shù)主要有以下幾種。

3.1 幀間差分技術(shù)

幀間差分技術(shù)的基本原理是通過計(jì)算視頻信號(hào)中連續(xù)兩幅圖像對(duì)應(yīng)像素的亮度變化，如果差異超過設(shè)定的閾值，就判斷為有目標(biāo)在運(yùn)動(dòng)，并依據(jù)目標(biāo)的形狀和尺寸來鑒別是車輛還是人等。不過，這項(xiàng)技術(shù)無法識(shí)別靜止或緩慢移動(dòng)的物體，針對(duì)速度過快的物體也可能導(dǎo)致目標(biāo)過大而失真，甚至將其拆分為兩個(gè)目標(biāo)。此外，部分目標(biāo)可能會(huì)出現(xiàn)鏤空或被截?cái)嗟默F(xiàn)象，由飛蟲等引起的快速飛過的陰影也可能引發(fā)誤判。

3.2 背景差分技術(shù)

背景差分技術(shù)通過某種算法創(chuàng)建一張背景的圖片，然后利用視頻當(dāng)前畫面進(jìn)行相減，再根據(jù)設(shè)定的閾值分析圖像中的目標(biāo)是否存在。雖然這種技術(shù)是常用的處理方式，但其無法檢測(cè)出與背景亮度相匹配的目標(biāo)，不能減少來自車輛燈光或反射等照明因素的干擾，相近的目標(biāo)可能會(huì)被錯(cuò)誤地識(shí)別為一個(gè)大的目標(biāo)，天氣等環(huán)境因素也會(huì)產(chǎn)生不良影響。

3.3 檢測(cè)線技術(shù)

通過在特定的地點(diǎn)創(chuàng)建與環(huán)境明顯不同的檢測(cè)線，或使用已有的相似標(biāo)記，將檢測(cè)線的圖像記為背景，然后通過背景比對(duì)的方法來檢測(cè)是否有目標(biāo)穿過檢測(cè)線。這種技術(shù)需要在預(yù)定的地點(diǎn)畫出檢測(cè)線，也會(huì)受到光線的影響。對(duì)于體積大或者類似拖車的目標(biāo)，很可能會(huì)造成誤判。同時(shí)，攝像頭的視角也有一定要求，否則在目標(biāo)密度過大的情況下，可能無法準(zhǔn)確地進(jìn)行目標(biāo)分割。

3.4 光流技術(shù)

光流技術(shù)的主要功能是將檢測(cè)區(qū)域的影像轉(zhuǎn)化為速度矢量場(chǎng)，這其中的每個(gè)矢量都代表了圖像中某個(gè)特定點(diǎn)位置的即時(shí)變動(dòng)。光流技術(shù)是計(jì)算出場(chǎng)景中大量點(diǎn)的運(yùn)動(dòng)速度，這在普通的視頻影像中很難做到，同時(shí)這種計(jì)算方式也相對(duì)復(fù)雜，抗干擾能力較弱，通常需要配備特定的硬件才能實(shí)現(xiàn)。

3.5 深度學(xué)習(xí)技術(shù)

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究的新領(lǐng)域，重在建立和仿真人腦解析和學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)。需要向系統(tǒng)輸入大量的數(shù)據(jù)以訓(xùn)練神經(jīng)網(wǎng)絡(luò)。其最突出的特征是強(qiáng)大的計(jì)算能力和自我學(xué)習(xí)能力。通過模擬人腦的工作機(jī)制來解讀數(shù)據(jù)，例如圖片、音頻及文字等。

利用深度學(xué)習(xí)技術(shù)，能夠識(shí)別出視頻截屏中的車輛、車型、自行車騎行者及過馬路的行人。其具體操作方式是按照預(yù)設(shè)的對(duì)象特征（含車輛、行人、拋棄物等），通過高效的計(jì)算匹配其特性，同時(shí)，此過程也會(huì)反向影響原始算法，實(shí)現(xiàn)該算法的持續(xù)更新與優(yōu)化，從而不斷增強(qiáng)引擎性能，使得辨識(shí)精準(zhǔn)度持續(xù)提升。

這種算法的運(yùn)作與影像各畫面之間的差距對(duì)比無關(guān)，其直接從影像中抽取物品的特性，所以對(duì)背景的一致性沒有需求，即使因?yàn)轭嶔な沟脭z像機(jī)畫面產(chǎn)生位移，也不會(huì)對(duì)此產(chǎn)生任何影響。同時(shí)，無論物品是運(yùn)動(dòng)或是靜止，都能精準(zhǔn)辨認(rèn)出畫面中的物品。

該算法不僅可識(shí)別物品，還可處理文本，如常見的車牌識(shí)別。與專用的車牌識(shí)別攝像機(jī)相比，此種方法對(duì)攝像的角度、光線、分辨率的需求更低，能通過高效計(jì)算獲取更準(zhǔn)確的車牌識(shí)別結(jié)果。

4 高速公路監(jiān)控視頻人工智能分析的應(yīng)用

高速公路監(jiān)控系統(tǒng)的主要功能是對(duì)車輛運(yùn)行情況和收費(fèi)情況進(jìn)行整體監(jiān)控，保證交通流暢，實(shí)現(xiàn)車輛的實(shí)時(shí)跟蹤，提升道路通行能力，確保交通安全和強(qiáng)化對(duì)收費(fèi)的監(jiān)督。人工智能技術(shù)在高速公路監(jiān)控視頻分析中有廣泛的應(yīng)用，具體表現(xiàn)在以下幾個(gè)方面。

4.1 車輛識(shí)別

如今高速公路車輛識(shí)別技術(shù)已相當(dāng)成熟，并得到普遍應(yīng)用。其主要方式是通過收集高速公路出入口、各個(gè)路段的攝像設(shè)備及收費(fèi)站的相關(guān)數(shù)據(jù)，對(duì)車輛進(jìn)行追蹤、識(shí)別或者報(bào)警。車輛識(shí)別不僅可以分析某個(gè)時(shí)間段、某個(gè)路段的車輛類別和路徑，也可以對(duì)高速公路上的非法車輛和人員進(jìn)行全面監(jiān)控，尤其是當(dāng)犯罪分子利用高速公路作為逃跑路徑時(shí)，車輛識(shí)別技術(shù)可以作為相關(guān)的證據(jù)資料，甚至可以聯(lián)合交通管制技術(shù)，直接抓捕犯罪嫌疑人[3]。

4.2 人臉識(shí)別

對(duì)于輸入的圖片或視頻的分析，人臉識(shí)別的主要任務(wù)是確保人臉的存在。如果人臉存在，則精確計(jì)算人臉的位置、大小及面部結(jié)構(gòu)的具體位置。然后以上信息經(jīng)過進(jìn)一步細(xì)化，提煉出人臉的身份特征。最后，比較這些特征信息與現(xiàn)有的數(shù)據(jù)，確認(rèn)被識(shí)別者的具體身份。人臉識(shí)別具有強(qiáng)大的潛力，可在高速公路場(chǎng)景遏制偷逃費(fèi)行為、預(yù)防違法行為、系統(tǒng)間協(xié)同等多個(gè)方面發(fā)揮其價(jià)值。

4.3 事件檢測(cè)分析

車輛大量快速通行和收費(fèi)站的設(shè)立等因素，導(dǎo)致高速公路經(jīng)常發(fā)生突然事件，而持續(xù)不斷地監(jiān)控屏幕無法實(shí)現(xiàn)，且視頻回放會(huì)影響處理速度。因此，對(duì)于高速公路的交通狀況實(shí)時(shí)預(yù)警和自動(dòng)處理的重要手段就是事件監(jiān)測(cè)分析。系統(tǒng)會(huì)在車輛逆行、停留，或車流超過負(fù)荷，出現(xiàn)行人和各種交通事故發(fā)生時(shí)，自動(dòng)上傳相關(guān)信息并觸發(fā)警報(bào)。這種技術(shù)為高速公路的安全運(yùn)行提供了關(guān)鍵保障。

4.4 自然災(zāi)害預(yù)警

由于高速公路的固有封閉特性等因素，在遭遇自然災(zāi)害時(shí)，車輛常難以脫困。例如道路被泥石流堵塞，或者由于霧霾天氣導(dǎo)致某些路段暫時(shí)關(guān)閉，都對(duì)車輛的通行造成了很大的影響。因此，進(jìn)行自然災(zāi)害的預(yù)警尤為重要。通常，高速公路監(jiān)控系統(tǒng)會(huì)與氣象部門聯(lián)合，對(duì)可能出現(xiàn)的不利氣象狀況進(jìn)行預(yù)報(bào)，并及時(shí)向可能遭遇自然災(zāi)害的路段播報(bào)信息，同時(shí)也會(huì)對(duì)相關(guān)路段的車輛提出疏導(dǎo)建議，以防車主的行程延誤或者出現(xiàn)事故情況[4]。

4.5 交通救助

在高速公路上，經(jīng)常會(huì)遇到各種緊急情況，包括車輛突然發(fā)生故障、人員緊急病癥、事故導(dǎo)致人員受傷等。通常情況下，遭遇突發(fā)情況的車輛會(huì)馬上報(bào)警，與此同時(shí)，通過異常監(jiān)控視頻分析檢測(cè)，監(jiān)控系統(tǒng)能立即獲取相關(guān)信息并通知給道路管理工作人員，或?qū)?bào)警信息進(jìn)行核驗(yàn)，以便及時(shí)做出救援響應(yīng)[5]。通過分析整個(gè)高速公路的情報(bào)，能確定最適合的救援路徑，同時(shí)根據(jù)事故的嚴(yán)重性，可以通過監(jiān)控系統(tǒng)指示相關(guān)道路上行駛的車輛進(jìn)行必要的避讓，從而縮短救援時(shí)間，盡快清理路上的障礙或進(jìn)行人員救助。

5 結(jié)束語

隨著高速公路監(jiān)控視頻人工智能分析技術(shù)的不斷成熟和完善，現(xiàn)在已經(jīng)有能力對(duì)車輛和道路進(jìn)行管控，對(duì)事故進(jìn)行預(yù)警。未來的發(fā)展重心是主要提高人工智能分析技術(shù)在高速公路監(jiān)控系統(tǒng)的技術(shù)水平和應(yīng)用程度，努力提升高速公路的管理水平。監(jiān)控視頻人工智能分析技術(shù)提高了高速公路監(jiān)控系統(tǒng)的智能化水平、道路管理效率及道路交通安全。