基于CNN算法的高速公路行人誤闖預(yù)警系統(tǒng)設(shè)計研究

為了及時發(fā)現(xiàn)并阻止行人非法進入高速公路，有效確保高速公路行車安全，文章提出了一種基于CNN算法的高速公路行人誤闖預(yù)警系統(tǒng)。該系統(tǒng)通過圖像識別+CNN深度學習算法，能夠準確地檢測出行人誤闖并及時發(fā)出預(yù)警信號，為高速公路行車安全提供了保障。

行人誤闖；預(yù)警系統(tǒng)；CNN算法；圖像識別；深度學習

U491.1+16A551894

作者簡介：

丘" 天（1987—），工程師，主要從事交通機電設(shè)備的研發(fā)、制造和生產(chǎn)管理工作。

0" 引言

國家明確規(guī)定行人及非機動車不能上高速公路，然而，行人或者非機動車出現(xiàn)在高速公路上的現(xiàn)象時有發(fā)生。尤其部分高速公路路段車流量大、車速快，行人的突然出現(xiàn)，可能會造成交通事故，如果處理得不及時、不恰當就會造成嚴重的堵車，甚至導致人員傷亡，造成一定的人民生命財產(chǎn)損失［1］。

由此可見，高速公路上的行人誤闖是一種非常危險的行為。隨著全國范圍內(nèi)取消省界收費站后，收費站的工作人員正在減少，并且不能24 h關(guān)注是否有行人出現(xiàn)在高速公路上；勸離非法進入高速公路的人員工作量大、任務(wù)繁重。在這種嚴峻形勢下，需要一種能夠監(jiān)視并且預(yù)警的系統(tǒng)來解決高速公路行人等非法誤入的問題。

目前部分新建收費站已安裝有行人預(yù)警系統(tǒng)，然而該系統(tǒng)在經(jīng)過一段時間的測試后，發(fā)現(xiàn)還存在一些不足之處：（1）在行人在與機動車輛并排通過時，前端檢測系統(tǒng)不能檢測出問題，導致后方報警系統(tǒng)沒有觸發(fā)警報；（2）因為前端紅外檢測裝置有距離和安裝的限制，會出現(xiàn)檢測盲區(qū)；（3）部分天氣會對檢測裝置進行影響，誤報漏報的情況時有發(fā)生；（4）提示行人和車輛的效果不是很明顯。

針對上述問題，通過引進基于CNN算法的AI人工智能來完善本系統(tǒng)。通過實時監(jiān)測和分析行人的行為，利用計算機視覺技術(shù)和深度學習算法對高速公路上的行人進行實時監(jiān)測和追蹤，并通過智能分析來判斷行人是否存在誤闖的風險，對存在誤闖風險的行人，采取相應(yīng)預(yù)警措施，以提高高速公路的安全性。

本文將從系統(tǒng)的架構(gòu)、設(shè)計方案、關(guān)鍵技術(shù)算法原理以及測試結(jié)果對系統(tǒng)準確度和穩(wěn)定性進行分析。

1" 系統(tǒng)設(shè)計方案及關(guān)鍵技術(shù)

本系統(tǒng)通過引進人工智能技術(shù)，可有效地提高準確性，既能擴大檢測的范圍，同時也能減小檢測盲區(qū)和不良天氣的影響。該系統(tǒng)基于機器視覺圖形感知技術(shù)，加入CNN算法的智能分析識別可以自動智能識別過往車輛，辨別是行人還是非機動車輛，并準確識別機動車輛。如果發(fā)現(xiàn)行人非法進入，系統(tǒng)就會通過語音播報進行勸離，并且對正在值班的工作人員進行提醒，使工作人員前去勸返。這一系列動作可以及時制止行人違法進入高速公路。同時后臺的系統(tǒng)也會及時報警，高速公路路網(wǎng)中心可以實時查看，并及時處理，消除道路安全隱患。

下面從系統(tǒng)架構(gòu)設(shè)計、硬件設(shè)計、軟件設(shè)計及關(guān)鍵技術(shù)等方面展開分析。

1.1" 系統(tǒng)架構(gòu)設(shè)計

系統(tǒng)主要是由前端設(shè)備、傳輸網(wǎng)絡(luò)和后臺指揮中心三個部分組成。系統(tǒng)整體框架包括數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊和預(yù)警控制模塊。如圖1所示。

由圖1可知，前端設(shè)備主要是數(shù)據(jù)采集模塊如CNN算法相機、毫米波雷達，以及FCW預(yù)警雷達、前端預(yù)警設(shè)備如聲光報警，智能手環(huán)震動、LED情報板、廣播語音播報等。

1.2" 前端硬件設(shè)計

前端硬件設(shè)備主要由安裝在各收費站的智能一體全彩攝像機、防水音箱、情報板、智能手環(huán)等組成。一體攝像機內(nèi)置有兩個攝像頭，可以輸出兩路視頻流，一路顯示全景視頻流，另一路顯示近景視頻流。前端設(shè)備支持深度學習算法，提供對人車的精準檢測、報警、聯(lián)動和跟蹤。同時，頁面支持越界檢測、入侵檢測、進入?yún)^(qū)域和離開區(qū)域等AI智能事件，聯(lián)動攝像機進行跟蹤捕捉等功能。見圖2。

由圖2可知，預(yù)警系統(tǒng)控制流程主要由行人誤闖進入高速收費站車道，在CNN相機分析判定為行人后，輸出報警信息，并將信息傳遞給現(xiàn)場工作人員、監(jiān)控指揮中心和車主，通過前后端設(shè)備協(xié)調(diào)處理，完成整個系統(tǒng)控制流程。

1.2.1" 主控MCU設(shè)計

主控MCU采用STM32F103CT6作為前端硬件設(shè)備數(shù)據(jù)采集與后端平臺服務(wù)器、存儲服務(wù)器和客戶端分析的數(shù)據(jù)處理中樞，其電路設(shè)計的原理如圖3所示。

硬件核心MCU部分主要由主控STM32、FLASH、輸出繼電器、RS485/232以及網(wǎng)口數(shù)據(jù)采集通信部分組成。一方面采集CNN人工智能攝像機和毫米波雷達數(shù)據(jù)，一方面對采集的數(shù)據(jù)進行處理后上報指揮中心，并控制現(xiàn)場聲光報警設(shè)備、智能手環(huán)、情報板等設(shè)備。

1.2.2" CNN人工智能攝像機

CNN人工智能攝像機是一種集成了人工智能（AI）算法和計算能力的攝像機，能夠通過內(nèi)置的AI處理器對圖像和視頻進行實時分析，從而實現(xiàn)智能監(jiān)控、行為分析、人臉識別、車輛識別等功能。這種攝像機通常能夠在攝像頭前端完成大部分數(shù)據(jù)處理和決策，減少對外部計算資源的依賴，實現(xiàn)更高效的監(jiān)控和安全管理［2］。AI算力攝像機廣泛應(yīng)用于安防監(jiān)控、智慧交通、智能零售等領(lǐng)域。隨著技術(shù)的不斷發(fā)展，AI算力攝像機的性能和功能也在不斷提升，為各種應(yīng)用場景提供更多可能性。

1.2.3" 毫米波雷達

毫米波雷達的基本工作原理是利用高頻電路產(chǎn)生特定調(diào)制頻率的電磁波（FMCW），并通過天線發(fā)射電磁波，接收目標反射的電磁波，從而可以同時測量多個目標。速度測量采用多普勒效應(yīng)原理，即通過計算返回到接收天線的雷達波的頻率變化，得到目標相對于雷達的運動速度和飛行時間，從而得到目標與雷達的距離［3］。方位測量（包括水平角和垂直角）通過天線陣接收到的同一目標反射的雷達波的相位差來計算目標的方位。

計算發(fā)射電磁波與接收反射電磁波之間的時間差t，并通過電磁波傳播速度c估算目標物體距離d，公式為d=t×c/2。如圖4所示為FMCW（Frequency Modulated Continuous Wave）雷達主射頻組件的工作原理。

1.3" 軟件設(shè)計及關(guān)鍵技術(shù)

軟件設(shè)計主要由兩部分組成，即收費站路段現(xiàn)場管理中心軟件和監(jiān)控指揮中心平臺軟件。

路段現(xiàn)場管理中心主要由硬件嵌入式程序、前端設(shè)備管理端軟件以及收費員手持平板客戶端軟件組成?？蛻舳耸菓?yīng)用終端，可供值班人員隨時瀏覽觀察是否有安全隱患問題。值班人員可以通過客戶端對前端設(shè)備錄制、拍攝的視頻或照片進行瀏覽、自動接收報警事件、事件回顧、事件處理和其他應(yīng)用。

監(jiān)控指揮中心主要部署平臺服務(wù)器和存儲服務(wù)器軟件。平臺服務(wù)器主要安裝便于人員管理和控制的應(yīng)用平臺軟件。存儲服務(wù)器則主要用于將前端槍球一體機拍攝錄制的視頻片段和照片進行保存。

1.3.1" 計算機視覺MVCP技術(shù)

計算機視覺MVCP通常使用計算機及相關(guān)設(shè)備模擬生物視覺。其主要任務(wù)是通過對采集的圖片或視頻進行處理，獲得相應(yīng)場景的三維信息。本系統(tǒng)通過攝像頭獲取高速公路上的行人圖像，利用圖像處理技術(shù)對行人進行檢測、跟蹤和識別。主要采用了如下兩種視覺關(guān)鍵技術(shù)：

（1）目標檢測：計算機視覺中的一項重要任務(wù)，其目的是檢測圖像或視頻中的關(guān)鍵目標，并確定其位置和大小。例如，在自動駕駛中需要檢測出道路上的車輛、行人、交通標志等目標。

（2）運動跟蹤：計算機視覺中的一項重要任務(wù)。其目的是跟蹤圖像或視頻中運動的目標，并確定其位置和速度。例如，在視頻監(jiān)控中需要跟蹤運動的目標。

這些關(guān)鍵技術(shù)在計算機視覺中都有廣泛的應(yīng)用，例如汽車自動駕駛、安防監(jiān)控、醫(yī)療診斷、工業(yè)測試、智慧交通等領(lǐng)域。

1.3.2" 行人誤闖檢測CNN深度學習算法

CNN（卷積神經(jīng)網(wǎng)絡(luò)）是一種深度學習模型，主要用于處理圖像、語音、文本等數(shù)據(jù)。其原理是利用卷積運算提取數(shù)據(jù)的局部特征，并通過池化、激活、全連接等操作，實現(xiàn)數(shù)據(jù)的降維、非線性變換和分類［4］。

CNN的基本結(jié)構(gòu)由卷積層、池化層、激活層和全連接層組成。卷積層通過卷積核與輸入數(shù)據(jù)進行卷積運算，生成多重特征圖；池化層用于降低特征圖的維數(shù)，增加網(wǎng)絡(luò)的魯棒性；激活層用于引入非線性變換，增加網(wǎng)絡(luò)的表達能力；全連接層用于對要素地圖進行分類。

CNN的優(yōu)點是能夠自動學習數(shù)據(jù)的特征，減少人工干預(yù)和先驗知識的需求，提高模型的泛化能力和效率。在實際應(yīng)用中，可以根據(jù)具體需求調(diào)整CNN的結(jié)構(gòu)和參數(shù)，以獲得更好的效果。

CNN深度學習算法在行人誤闖預(yù)警系統(tǒng)中有著重要的應(yīng)用。本系統(tǒng)采用卷積神經(jīng)網(wǎng)絡(luò)（CNN）進行行人的特征提取和分類，以實現(xiàn)準確的誤闖預(yù)警。見圖5。

本系統(tǒng)利用深度學習算法對行人進行分類和預(yù)測，以判斷行人是否存在誤闖風險。同時，通過數(shù)據(jù)集的收集和模型的迭代優(yōu)化，提高算法的準確性和魯棒性。

1.3.3" FCW汽車防碰撞預(yù)警系統(tǒng)聯(lián)動

FCW汽車防碰撞預(yù)警系統(tǒng)，能通過毫米波或激光雷達來時刻監(jiān)測前方車輛，判斷本車與前車之間的距離、方位及相對速度。當存在碰撞危險時，系統(tǒng)會發(fā)出報警信號或者進行震動。對于一些安裝有FCW系統(tǒng)的車輛，可以通過在車上加裝車載OBD智能終端，當車輛檢測到前方有行人時，在距離行人安全距離以外，車載OBD智能終端即可將報警信號廣播覆蓋收費站，從而聯(lián)動收費站中安裝的智能音箱、閃光燈與手環(huán)來提醒行人注意通行安全：“即將有車駛?cè)耄埐灰缭杰嚨阑蛟谲嚨蓝毫簟保?］。

2" 系統(tǒng)應(yīng)用方法及優(yōu)勢

高速公路行人誤闖預(yù)警系統(tǒng)可以應(yīng)用于高速公路沿線的各個路段與收費站，此外也可將其推廣到服務(wù)區(qū)、隧道等場景。在應(yīng)用過程中，只需要根據(jù)實際情況合理布置毫米波雷達等傳感器、攝像頭和廣播音柱等設(shè)備，并在現(xiàn)場配電機房安裝服務(wù)器及軟件，在監(jiān)控中心安裝服務(wù)器，并對系統(tǒng)進行定期維護和保養(yǎng)，就可以確保系統(tǒng)的正常運行。

系統(tǒng)相比傳統(tǒng)預(yù)警系統(tǒng)主要存在如下優(yōu)勢

（1）提高交通安全水平：系統(tǒng)可以及時發(fā)現(xiàn)行人誤闖高速公路的情況，并向過往車輛發(fā)出預(yù)警信號，提醒司機注意行人安全，從而減少交通事故的發(fā)生。

（2）提高交通效率：系統(tǒng)可以實時監(jiān)測高速公路上的行人活動，及時發(fā)出預(yù)警信號，避免車輛因避讓行人而減速或停車，從而提高交通效率。

（3）降低管理成本：系統(tǒng)可以實現(xiàn)自動化監(jiān)測和預(yù)警，不需要人工干預(yù)，從而降低了管理成本。

（4）提高服務(wù)質(zhì)量：系統(tǒng)可以為過往車輛提供實時的行人安全信息，提高了服務(wù)質(zhì)量，增強了用戶體驗。

總之，高速公路行人誤闖預(yù)警系統(tǒng)是一種非常有價值的智能交通安全系統(tǒng)，可以提高交通安全水平、交通效率、降低管理成本、提高服務(wù)質(zhì)量，具有廣闊的應(yīng)用前景和推廣價值。

3" 系統(tǒng)性能驗證測試

預(yù)警系統(tǒng)研發(fā)設(shè)計完成后，在測試環(huán)境下完成了對比測試，并于2023年3～4月在南寧收費站進行了試運行。為驗證系統(tǒng)的準確度和可靠性，在城市道路封閉路段搭建實驗環(huán)境，對系統(tǒng)進行了測試和驗證。測試結(jié)果如表1所示。

由表1可知，普通的前端紅外檢測裝置算法的測試準確度只有85.71%，而基于CNN算法檢測并輔助雷達監(jiān)控功能的檢測準確度達到了96.43%，表明本系統(tǒng)在行人誤闖預(yù)警方面具有較高的準確性。

為了驗證系統(tǒng)在不同環(huán)境下檢測技術(shù)的可靠性，針對大雨、晴天強光和夜間低照度環(huán)境下進行了觀察測試。測試結(jié)果見表2。

表2試驗結(jié)果表明，本系統(tǒng)在行人誤闖預(yù)警方面可靠性優(yōu)于前端紅外檢測方案。

綜上，本系統(tǒng)在行人誤闖預(yù)警方面具有較好的效果。系統(tǒng)設(shè)計完成后，在行人及非機動車輛上高速公路現(xiàn)象頻發(fā)的南寧收費站進行測試。經(jīng)過幾個月的試運行，對多次行人非法闖入高速的情況，系統(tǒng)基本上無漏報，針對出入口行人誤闖高速公路的非法行為實現(xiàn)了較好的預(yù)警效果。

4" 結(jié)語

本系統(tǒng)針對高速收費站行人誤闖這一實際問題，提出了一種基于CNN算法的高速公路行人防撞誤闖預(yù)警系統(tǒng)。本系統(tǒng)在測試環(huán)境以及收費站上進行了驗證，結(jié)果表明，該方法準確率高，滿足實時檢測要求，具有良好的準確度和穩(wěn)定性。能夠準確地檢測出行人誤闖并及時發(fā)出預(yù)警信號，有效地彌補了高速公路路段行人闖入的狀況，有效地保障了人民的生命財產(chǎn)安全。

［1］鐘學才.基于AI技術(shù)的高速公路行人誤闖預(yù)警系統(tǒng)［J］.中國交通信息化，2022（7）：119-122.

［2］徐" 慧，季建波，藍" 巍，等.非機動車及行人誤闖高速公路報警系統(tǒng)在收費站的應(yīng)用［J］.交通世界（運輸車輛），2014（1）：154-155.

［3］劉子昱，畢海玥，賀旭天.基于智能交通避免行人誤闖紅燈提示裝置［J］.科技創(chuàng)新導報，2021，18（19）：35-37.

［4］張" 偉，張" 瀟，馮" 磊，等.采用值守作業(yè)機器人進行短期電力負荷預(yù)測方法與應(yīng)用［J］.機械設(shè)計與研究，2022，38（6）：29-33.

［5］劉勝利.淺談汽車駕駛員自適應(yīng)防碰撞預(yù)警系統(tǒng)設(shè)計［J］.大眾車，2019，25（2）：64-66.

20240312