譚國賢

(廣東省交通集團(tuán))

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，高速公路成為了交通事業(yè)的主要運(yùn)輸線路。受到多方面因素的影響，我國的交通意外事故發(fā)生率在不斷上升，給人們的生命財(cái)產(chǎn)造成的巨大的損失。對(duì)高速公路運(yùn)營狀況實(shí)時(shí)監(jiān)測(cè)，可及時(shí)發(fā)現(xiàn)交通事故且發(fā)出報(bào)警信號(hào)，為事故處理、人員搶修工作創(chuàng)造了條件，自動(dòng)檢測(cè)技術(shù)的運(yùn)用在這方面的作用尤為顯著。

1 交通事件自動(dòng)檢測(cè)技術(shù)

交通事件自動(dòng)檢測(cè)(AID)技術(shù)是一種智能化的操控技術(shù)，對(duì)高速公路的日常運(yùn)行狀況有監(jiān)測(cè)的功能。一般交通事件自動(dòng)檢測(cè)技術(shù)包括間接檢測(cè)、直接檢測(cè)等兩種形式。

間接檢測(cè)技術(shù)是目前常用的形式，其是參照交通車輛的實(shí)際情況對(duì)檢測(cè)工作加以控制，保證了數(shù)據(jù)信號(hào)傳輸?shù)挠行蜻M(jìn)行，防止外界因素對(duì)檢測(cè)信號(hào)造成不利的影響。交通檢測(cè)器的使用滿足了諸多檢測(cè)功能的要求，其以動(dòng)態(tài)采集各路段的交通數(shù)據(jù)，再通過數(shù)據(jù)分析后判斷交通時(shí)間的發(fā)生情況。一般在安裝交通檢測(cè)器時(shí)將其布置在車道下面，但對(duì)于該裝置需要定期檢查以免出現(xiàn)受損問題。從長期使用結(jié)構(gòu)看，檢測(cè)器在判斷交通事故中發(fā)揮自動(dòng)檢測(cè)作用的同時(shí)，也具有較高的誤報(bào)率高，對(duì)于低流量交通路線不適合運(yùn)用。

直接檢測(cè)采用了圖像處理技術(shù)對(duì)車輛行駛異常進(jìn)行檢測(cè)。該技術(shù)本質(zhì)上屬于對(duì)已發(fā)生事件的經(jīng)濟(jì)處理，并沒有采取綜合性的檢測(cè)技術(shù)判斷故障發(fā)生的狀態(tài)，缺乏檢測(cè)環(huán)節(jié)增大了交通事故造成的不利影響，破壞了交通運(yùn)輸線路的穩(wěn)定進(jìn)行。另外，“間接檢測(cè)方法”僅限于判斷交通事故的發(fā)生與否，并不能進(jìn)一步分析事件發(fā)生的時(shí)間、類型、影響等，這些都需要作出進(jìn)一步的鑒別判定?！爸苯訖z測(cè)方法”的運(yùn)用不僅能判斷分析交通事故的類型，也可以根據(jù)相應(yīng)的數(shù)據(jù)信息分析處理事故的有效方法。

“直接檢測(cè)方法”最具代表的技術(shù)則是視頻車輛檢測(cè)技術(shù)，此項(xiàng)技術(shù)結(jié)合了數(shù)字化的監(jiān)控系統(tǒng)，并利用計(jì)算機(jī)建立數(shù)據(jù)處理平臺(tái)，在收集諸多數(shù)據(jù)信息之后完成了自動(dòng)化操作處理。這種狀態(tài)下，各種意外事件發(fā)生的過程均有明確的記錄，交通事故處理部門只需調(diào)用視頻則可判斷事故發(fā)生的情況，對(duì)涉及事件的人員實(shí)施處罰。

2 視頻車輛檢測(cè)的運(yùn)行流程

科學(xué)技術(shù)發(fā)展對(duì)交通事件檢測(cè)產(chǎn)生了促進(jìn)作用，傳統(tǒng)車輛檢測(cè)模塊的功能得到了進(jìn)一步優(yōu)化。對(duì)于視頻車輛檢測(cè)工作來說，其不僅采用了先進(jìn)的數(shù)字信息技術(shù)，在視頻信息的獲取中也引入其他方式，保證了圖像處理的準(zhǔn)確度。比較常見的處理方式:濾波除噪、圖像銳化、對(duì)比度增強(qiáng)等，經(jīng)過處理后的圖像信息不會(huì)受到噪聲因素的干擾。此外，對(duì)目標(biāo)圖像的特點(diǎn)進(jìn)一步分析，從而判斷交通事故的類別、時(shí)間;結(jié)合有關(guān)的計(jì)算方式掌握事件車輛的相關(guān)信息，最終建立自動(dòng)性的數(shù)字處理平臺(tái)，滿足了視頻車輛檢測(cè)的實(shí)際要求。具體流程如圖1所示。

圖1 視頻車輛檢測(cè)完整流程

3 運(yùn)動(dòng)車輛具體的檢測(cè)技術(shù)

3.1 運(yùn)動(dòng)目標(biāo)檢測(cè)算法

國內(nèi)現(xiàn)有的交通事故檢測(cè)系統(tǒng)的構(gòu)成較為復(fù)雜，其中最為核心的組成則是運(yùn)動(dòng)車輛檢測(cè)算法，其對(duì)于整個(gè)車輛檢測(cè)功能具有良好的調(diào)控作用。從實(shí)際運(yùn)用情況來看，運(yùn)動(dòng)目標(biāo)檢測(cè)的方式包括:光流法、幀間差分法、背景差分法、不變矩陣特征檢測(cè)法。結(jié)合本次研究的實(shí)際需要，此次選擇了背景差分法。

背景差分法在基于視頻檢測(cè)算法中運(yùn)用較為普遍，也是測(cè)量精度較高的一種。背景差分對(duì)車輛進(jìn)行檢測(cè)時(shí)，主要采用了當(dāng)前幀圖像、背景圖像的像素點(diǎn)灰度差值完成檢測(cè)。若圖像的像素點(diǎn)和背景圖像的像素點(diǎn)灰度值相差偏大，則判斷此像素點(diǎn)有車通過;若圖像的像素點(diǎn)和背景圖像的像素點(diǎn)灰度值相差偏小，則此像素點(diǎn)屬于背景像素點(diǎn)。背景差分法的本質(zhì)是先創(chuàng)建背景像素，再把待檢測(cè)圖像與背景圖像逐像素相減，最終實(shí)現(xiàn)相應(yīng)的操作目標(biāo)。如圖2所示。

圖2 背景差分法的原理

背景差分法在具體運(yùn)行中體現(xiàn)出來的優(yōu)點(diǎn)十分明顯，如:計(jì)算簡單、速度較快、數(shù)據(jù)精準(zhǔn)等。但該算法結(jié)果的正確與否受到背景因素的影響，而交通場(chǎng)景會(huì)隨著周圍環(huán)境的變化而變化，如:日光照射、刮風(fēng)下雨、冰霜雪凍等，這些對(duì)于檢測(cè)數(shù)據(jù)的處理均會(huì)造成不利影響，給車輛檢測(cè)造成了很大的難度?？赏ㄟ^背景模擬或多次計(jì)算的方式，提高自動(dòng)檢測(cè)數(shù)據(jù)的準(zhǔn)確性。

3.2 背景模型

創(chuàng)建背景模型可以為數(shù)據(jù)分析提供綜合性的平臺(tái)，保證了數(shù)據(jù)傳輸?shù)姆€(wěn)定性，防止各類信息在傳遞處理中的錯(cuò)誤，提高了整體系統(tǒng)的運(yùn)行效率。結(jié)合目前現(xiàn)有的技術(shù)水平歸納，常見的建模方式有:基于計(jì)算機(jī)平臺(tái)的背景處理，利用計(jì)算機(jī)及其輔助技術(shù)創(chuàng)建多元化的數(shù)據(jù)平臺(tái)，為用戶提供更多的數(shù)據(jù)處理模塊，適應(yīng)不同形式信息的操作要求。在背景模型建立過程中要注意功能操作的要求，防止其他因素對(duì)背景模型產(chǎn)生不利影響。

當(dāng)背景模型運(yùn)用于高速公路監(jiān)控時(shí)，則需要把圖像信息設(shè)置在規(guī)定的區(qū)域，以滿足不同用戶的具體操作要求，可以很清楚地反映出圖像需要表達(dá)的內(nèi)容。此外，這種背景的每個(gè)背景點(diǎn)上的顏色分部相對(duì)集中，在分析時(shí)可利用先進(jìn)的統(tǒng)計(jì)學(xué)背景模型進(jìn)行處理，即“序列均值法”。

本文采用如下公式進(jìn)行背景建模

其中c=R，G，B。雖然路面上有車輛通過，但是只要統(tǒng)計(jì)的時(shí)間足夠長總能得到比較好的背景模型。一般來說，背景圖像提取過程中，訓(xùn)練幀數(shù)需適中，一般200～300幀即可。

3.3 背景及目標(biāo)的改善

背景在背景差分方法中是參考幀，背景的狀態(tài)對(duì)檢測(cè)結(jié)果有決定性作用，影響了檢測(cè)數(shù)據(jù)的準(zhǔn)確性。對(duì)于普通的背景差分方法而言，其背景基本上保持不變。而對(duì)于實(shí)際運(yùn)行狀態(tài)下，背景則會(huì)隨著時(shí)間、環(huán)境的變化而出現(xiàn)變動(dòng)，如:光照引起的變化、背景物體移入移出等。若在環(huán)境變動(dòng)的情況下依舊維持背景模型不變，則會(huì)導(dǎo)致算法中產(chǎn)生很大的誤差，容易把背景點(diǎn)誤檢為前景點(diǎn)?？紤]到維持?jǐn)?shù)據(jù)結(jié)果的準(zhǔn)確性，則需要對(duì)背景模型定期更新調(diào)整。Pfinder系統(tǒng)在背景調(diào)整時(shí)用到的公式

公式中α為更新速率，從此公式的運(yùn)算情況看，其最大的特點(diǎn)在于:無論是背景的信息或者前景的信息，均用在了更新背景模型上。這是由于前景區(qū)域并非背景的構(gòu)成，若強(qiáng)行將其用在更新背景模型中會(huì)造成一系列的錯(cuò)誤，這就要求使用更科學(xué)的背景模型進(jìn)行更新處理。完成背景的創(chuàng)建之后，需選擇當(dāng)前幀圖像與前一背景圖像直接差分后二值化，最終可得到差分后的運(yùn)動(dòng)目標(biāo)圖像。

4 結(jié)語

總之，高速公路交通事件嚴(yán)重威脅了車輛行駛的安全性，通過自動(dòng)化檢測(cè)技術(shù)能對(duì)公路行駛狀況實(shí)時(shí)監(jiān)控，以及時(shí)通知人員趕往現(xiàn)場(chǎng)處理。從未來道路交通的發(fā)展趨勢(shì)考慮，高速公路交通事件視頻車輛的檢測(cè)技術(shù)具有多方面的使用價(jià)值，充分保證了其他數(shù)據(jù)信息的有效處理。

［1]謝戰(zhàn)旗.高速公路視頻監(jiān)控系統(tǒng)研究與設(shè)計(jì)［D］.西安:長安大學(xué)，2005.

［2]趙素鋒.高速公路應(yīng)急決策技術(shù)［J］.公路交通科技(應(yīng)用技術(shù)版)，2010，(8).

［3]張萌萌，賈磊，鄒難.基于粗模糊神經(jīng)網(wǎng)絡(luò)的高速公路路段交通事件識(shí)別［J］.公路，2010，(12).