智能技術“牽引”智能交通建設破解交通困局

        我們生活的城市，交通擁擠和交通事故是全球城市道路所面臨的共同問題。我國智能交通已有十多年的歷史，但擁堵和事故現象依然嚴重，甚至愈演愈烈，究竟是何原因?政府每年在交通領域的投入逐年增多，卻使城市慘不忍“堵”，人們開始暢想四通八達的交通方式。于是，將目光投向智能技術的發展。可以說，未來我國智能交通建設，智能技術將牽“引著”其發展，是城市交通建設中最為核心的技術突破點。

　　智能交通中智能技術作用

　　如前表述，智能交通首要解決智能化。通過智能視頻分析技術，可以從視頻中分理出一些值得關注的關鍵信息，并通過實時分析加工，獲取交通狀況信息，同時對實施現場路況作出即時反應。智能視頻分析技術源自計算機視覺(CV，ComputerVision)技術。計算機視覺技術是人工智能(AI，ArtificialIntelligent)研究的分支之一，它能夠在圖像及圖像描述之間建立映射關系，從而使計算能夠通過數字圖像處理和分析來理解視頻畫面中的內容。而視頻監控中所提到的智能視頻技術主要指的是：“自動的分析和抽取視頻源中的關鍵信息。”如果把攝像機看作人的眼睛，而智能視頻系統或設備則可以看作人的大腦。智能視頻技術借助計算機強大的數據處理功能，對視頻畫面中的數據進行高速分析，過濾掉用戶不關心的信息，為用戶提供對監控和預警有用的關鍵信息。

　　目前市場上的智能視頻分析技術通常都具有以下功能：圖像采集：一般圖像信號通常是以壓縮圖像流的形式存在，將圖像流解壓還原成原始圖像格式后再進行分析;運動物體檢測，發現圖像中運動的物體。當然去除了由相機自身引入的變化，外界環境引入的變化，如抖動和風;多物體跟蹤：在復雜環境下，如多個運動物體，多個攝像機，運動物體之間互相遮擋，消失及重現等情況下進行有效跟蹤;行為特征分析：行為特征分析是從圖像中尋找滿足預先設定的行為特征的事件。如車輛的停止或者突然加速，當聚集人員過多時報警，人員倒地，或者其它異常情況。

　　而輝銳天眼的智能視頻分析技術在這些智能化功能方面有所創新，如，動態背景建模技術：利用自適應高斯背景模型，能夠從復雜背景中檢測出運動目標。利用擴展的EM算法,為每個像素建立多個混合高斯分類模型，該模型可以自動更新，并能自適應地將每個像素分類為背景、影子或者運動前景，在復雜背景的情況下也能較好地完成運動區域的分割，能夠有效克服背景圖像的動態變化，如天氣、光照、影子及混亂干擾等的影響;形狀信息和運動特性的融合：將運動目標的形狀信息和運動特性相結合，利用分散度和面積信息，區分人、車及混亂擾動。非剛性物體(人)的運動相比于剛性物體(車輛)運動而言具有較高的平均殘余光流，同時它也呈現了周期性的運動特征，據此可以將人與車區分開來，利用時間一致性約束使得分類更加準確;利用光流場分析和動態輪廓技術，結合水平集理論進行目標跟蹤和軌跡描繪該系統利用活動輪廓的方法，利用封閉的曲線輪廓來表達運動目標，利用該運動目標的輪廓，確定每個物體的質心，結合LK光流法跟蹤質心，結合LevelSet理論在圖像序列中檢測和跟蹤多個運動目標;利用隱馬爾可夫模型匹配時變數據，對目標行為進行特征分析：利用隱馬爾可夫模型HMMs(HiddenMarkovModels)：HMMs對時變數據進行特征匹配。HMMs的使用涉及到訓練和分類兩個階段，訓練階段包括指定一個隱馬爾可夫模型的隱藏狀態數，并且優化相應的狀態轉換和輸出概率，以便于產生的輸出符號與在特定的運動類別之內所觀察到的圖像特征相匹配。對于每一個運動類別，建立一個HMM。匹配階段涉及到一個特定的HMM可能產生相應于所觀察圖像特征的測試符號序列的概率。

聲明:

凡文章來源標明“中國智能交通網”的文章版權均為本站所有，請不要一聲不吭地來拿走，轉載請注明出處，違者本網保留追究相關法律責任的權利；所有未標明來源為“中國智能交通網”的轉載文章均不代表本網立場及觀點，“中國智能交通網”不對這些第三方內容或鏈接做出任何保證或承擔任何責任。