智能視頻分析技術助力城市交通

　　一、國內交通環境分析

　　近十年我國城鎮化發展迅速，目前國內城市人口密集區，機動車和非機動車數量訊速增長，同時相對匱乏且陳舊的道路交通設施、布局不盡合理的城市路網已經不堪重負，導致城區交通擁堵頻繁、交通秩序混亂等問題日益嚴重。特別是早晚流量高峰期間，道路人流、車流量基本處于飽和或超飽和狀態，車輛行駛緩慢，加上車輛違規行駛、商販占道擺攤設點、車輛亂停亂放、侵占道路等現象比較嚴重，使得“上馬路看車展”已越來越成為城區交通的一種常態，是城市交通管理的難點和熱點。

　　根據中國科學院《中國新型城市化報告2012》報告發布，對中國50個城市上班路上的平均時間進行了排名，北京以52分鐘居榜首，廣州、上海以48分鐘、47分鐘緊隨其后，深圳以46分鐘居第四。報告還提出，2011年的中國內地城市化率首次突破50%，達到51.3%。這意味著中國城鎮人口首次超過農村人口，中國城市化進入關鍵發展階段。

　　十年前，中國的二線城市，交通擁堵很少見，但是近5年來，交通擁堵已經成為二線甚至三線城市的常態。全國百萬人口以上城市有80%的路段和90%的路口通行能力已經接近極限。

　　交通擁堵使交通延誤、車速降低、時間損失、燃料費用上升、排污量增加，同時誘發交通事故，影響人們的工作效率和身體健康。而對于城市交通管理者來說，一方面是日漸增長的交通壓力，另一方面卻是警力人員的捉襟見肘，如何利用科技手段加強管理效率，增進交通良性循環成為很多城市交通治理和發展的重要思路之一。高清攝像機的廣泛使用和基于高清圖像的視頻分析技術的發展，有效的解決了技術手段問題，使得智能交通信息化系統在每個城鎮得以廣泛應用。

　　二、視頻分析技術的應用現狀

　　視頻分析技術就是使用計算機圖像視覺分析技術，通過將場景中背景和目標分離進而分析并追蹤在攝像機場景內目標。用戶可以根據的分析模塊，通過在不同攝像機的場景中預設不同的非法規則，一旦目標在場景中出現了違反預定義規則的行為，系統會自動發出告警信息，監控指揮平臺會自動彈出報警信息并發出警示音，并觸發聯動相關的設備，用戶可以通過點擊報警信息，實現報警的場景重組并采取相關預防措施。這種技術前幾年只是在標清攝像機中做一些簡單的應用，如越界、人員聚集等，但是標準攝像機有者自身的先天不足，取景范圍受限，圖像不清晰，尤其在快速變化的道路上很難有效的分析和取證。

　　隨著高清攝像機的大量使用，高清圖像的視頻分析技術也得以快速發展，如今已在城市智能交通系統中得到廣泛應用。其中應用最多的是電子警察系統、交通卡口系統和動態車流量監測系統。

　　1、在電子警察系統中的應用

　　圖1車輛檢測流程

　　視頻分析技術在電子警察中的應用，主要是利用視頻分析技術對行進車輛的行為進行分析，通過測流程高清攝像機抓拍的實時視頻，對每一幀圖像進行比對分析，運用智能算法計算圖片的變化分析監控區域內車輛的變化曲線，進而檢測車輛經過并判斷車輛的違章行為。其中主要的檢測方式有：

　?。?）車輛檢測原理

　　采用基于運動檢測的車輛檢測方法，其核心原理是通過學習建立道路背景模型，將當前幀圖像與背景模型進行背景差分得到運動前景像素點，然后對這些運動前景像素進行處理得到車輛信息。該方法效果的優劣依賴于背景建模算法的性能。其流程圖如圖1所示。

　　整個檢測過程分為以下幾個步驟：

　　·由高清攝像抓拍主機獲取實時的視頻流。

　　·利用背景差分算法檢測運動前景。首先通過初始多幀視頻圖像的自學習建立一個背景模型，然后對當前幀圖像與背景模型進行差分運算，消除背景的影響，從而獲取運動目標的前景區域。

　　·根據背景差分運算中運動目標檢測的結果，有選擇性地更新背景模型，并保存背景模型。

　　·過濾噪聲，并獲取準確的車輛位置。

　　·運用時空信息、匹配和預測等算法，對車輛進行準確的跟蹤，得到車輛對象的運動軌跡，并保存車輛對象的軌跡信息。

　　·判斷車輛是否到達觸發線位置，如果沒有到達，則進行下一幀的檢測，如果到達則發出觸發信號。車輛的抓拍觸發綜合運用了車牌檢測算法和車輛檢測算法，如圖2所示。

　　圖2車輛抓拍觸發原理示意圖

　　系統首先采用車牌檢測算法，在車輛到達觸發線的時刻，若系統檢測到圖像中存在車牌，則觸發抓拍，并進行車牌識別；對于無后車牌或后車牌遮擋的車輛，系統無法檢測到車牌，此時將啟用車輛檢測算法，若運動對象與系統內建的車輛模型相匹配，則觸發抓拍，并記錄為無牌車輛。

　　(2)視頻檢測紅綠燈信號

　　視頻分析算法對于紅綠燈的檢測綜合運用了亮度比較算法與灰度比較算法，在場景中紅綠燈所在位置劃定檢測區域，并對該區域的亮度與灰度的變化進行實時地檢測與判斷，從而獲知當前的紅綠燈狀態。

　　(3)道路交通事件視頻檢測

　　道路交通事件視頻檢測系統基于視覺的車輛檢測和跟蹤的視頻分析技術。具有圖像穩定、陰影消除、視場校對、自動補償等功能，能在不同的環境條件下正常并準確的進行視頻檢測和數據分析。系統采用“航天多目標識別與跟蹤技術”、“圖像預處理技術”以及“圖像背景提取和更新技術”，將攝像機采集的視頻信號進行處理和綜合分析，對道路上突發的交通事件（如壓線、突然停車、逆行、遺灑、行人跨越公路等）進行實時檢測、報警、記錄、傳輸、統計，并將事件視頻圖像及報警區域圖像切換到主監控畫面，提示管理人員進行應急處理。

　　2、在卡口系統中的應用

      視頻分析技術在卡口中的應用分兩部分，一部分是和電警相同的車輛檢測及行為分析，另一部分就是車牌識別，通過抓拍的圖片自動識別車輛牌照信息。車牌識別是基于圖像分割和圖像識別理論，對含有車輛號牌的圖像進行分析處理，從而確定牌照在圖像中的位置，并進一步提取和識別出文本字符。車牌識別過程包括圖像采集、預處理、車牌定位、字符分割、字符識別、結果輸出等一系列算法運算，其運行流程如圖3所示。

　　（1）圖像采集：通過高清攝像抓拍主機對卡口過車或車輛違章行為進行實時、不間斷記錄、采集。

　　（2）預處理：圖片質量是影響車輛識別率高低的關鍵因素，因此，需要對高清攝像抓拍主機采集到的原始圖像進行噪聲過濾、自動白平衡、自動曝光以及伽馬校正、邊緣增強、對比度調整等處理。

　?。?）車牌定位：車牌定位的準確與否直接決定后面的字符分割和識別效果，是影響整個車牌識別率的重要因素。其核心是紋理特征分析定位算法，在經過圖像預處理之后的灰度圖像上進行行列掃描，通過行掃描確定在列方向上含有車牌線段的候選區域，確定該區域的起始行坐標和高度，然后對該區域進行列掃描確定其列坐標和寬度，由此確定一個車牌區域。通過這樣的算法可以對圖像中的所有車牌實現定位。

　?。?）字符分割：在圖像中定位出車牌區域后，通過灰度化、灰度拉伸、二值化、邊緣化等處理，進一步精確定位字符區域，然后根據字符尺寸特征提出動態模板法進行字符分割，并將字符大小進行歸一化處理。

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。