強(qiáng)永軍+熊艷梅

摘 要：經(jīng)濟(jì)水平的不斷提高和城市化建設(shè)進(jìn)程的加快推動(dòng)了交通道路的快速發(fā)展，同時(shí)國民擁有的汽車數(shù)量也呈現(xiàn)逐漸增長的趨勢。但交通擁堵和高發(fā)的交通事故以及汽車污染等交通問題對(duì)社會(huì)的進(jìn)步和經(jīng)濟(jì)的可持續(xù)發(fā)展造成了嚴(yán)重的阻礙。因此，通過視頻監(jiān)控的形式對(duì)交通道路上發(fā)生異常事故和行為異常的車輛進(jìn)行有效的檢測和實(shí)時(shí)監(jiān)控顯得尤為重要。本文主要針對(duì)視頻監(jiān)控檢測手段的特點(diǎn)和存在的問題進(jìn)行分析，圍繞交通監(jiān)控視頻的發(fā)生異常行為的車輛檢測技術(shù)進(jìn)行深入性的探討，并提出解決問題的有效對(duì)策，為提高交通車輛的安全性和道路通暢性提供參考。

關(guān)鍵詞：監(jiān)控視頻；交通道路；異常行為；檢測手段

我國目前的交通環(huán)境狀況不佳，存在著事故多發(fā)和交通擁堵等需要解決的難題，使用交通視頻檢測技術(shù)是發(fā)現(xiàn)和自動(dòng)識(shí)別車輛行為異常的重要手段，已得到廣泛的普及和應(yīng)用。以互聯(lián)網(wǎng)和大數(shù)據(jù)為主要特征的時(shí)代，迅猛發(fā)展的信息技術(shù)促進(jìn)了交通道路視頻監(jiān)測系統(tǒng)的更新升級(jí)，也使得海量的視頻和交通道路數(shù)據(jù)信息得到有效的存儲(chǔ)和處理。我國相關(guān)交通管理部門也積極引進(jìn)和改進(jìn)交通視頻監(jiān)控系統(tǒng)，逐步實(shí)現(xiàn)智能化和數(shù)字化。

1基于改進(jìn)的Surendra背景差分和三幀差分相結(jié)合車輛檢測方法分析

交通視頻監(jiān)控和監(jiān)測的目的在于準(zhǔn)確地識(shí)別和跟蹤監(jiān)測各車輛，以及時(shí)發(fā)現(xiàn)運(yùn)行車輛的違法行為?；?D跟蹤模型和自適應(yīng)單類支持向量機(jī)等是交通視頻監(jiān)控車輛異常行為檢測的重要方法，但這兩種技術(shù)的缺陷在于需要更大的存儲(chǔ)空間，計(jì)算的方式比較復(fù)雜，在一定程度上加大了成本和開銷。為了進(jìn)一步精準(zhǔn)和了解車輛調(diào)頭變道運(yùn)動(dòng)的方向和違法行為情況，隨著道路監(jiān)控視頻跟蹤監(jiān)測技術(shù)的不斷深化和改進(jìn)，三幀差分和Surendra有效結(jié)合的檢測方法，以及Camshift算法和Kalman濾波器等方式的運(yùn)用大大提高了跟蹤目標(biāo)車輛和了解車輛運(yùn)動(dòng)軌跡的準(zhǔn)確性和有效性，簡化了應(yīng)用程序的操作步驟。一般情況下，基于交通監(jiān)控視頻的車輛異常行為檢測系統(tǒng)的工作基本流程依次為視頻序列、車輛目標(biāo)檢測、車輛目標(biāo)跟蹤、提取質(zhì)心合成軌跡，最后是車輛違章行為的判別。

1.1Surendra背景差分計(jì)算方法研究

改進(jìn)的Surendra是一種能夠使用閾值自主適應(yīng)并靈活調(diào)整背景和實(shí)時(shí)更新速度的運(yùn)動(dòng)目標(biāo)檢測算法。該方法具有操作簡便和時(shí)效性強(qiáng)的優(yōu)勢，能實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)車輛的完整背景構(gòu)造的獲取，實(shí)時(shí)自動(dòng)更新和改變背景。具體實(shí)施方式為：

獲得交通監(jiān)控視頻的第一幀圖像，并將圖像和初始背景分別設(shè)置為I0和B0。

計(jì)算出并使用gmax和gmin分別表示圖像灰度的最大值和最小值，并使T=gmax+gmin

以T為劃分圖像灰度數(shù)值的依據(jù)，并將灰度值大于T和小于T分成兩組，各算出兩組的平均值，分別表示為μ1和μ2。

更新得出的閾值T=（μ1+μ2）/2

把以上的（3）和（4）進(jìn)行重復(fù)計(jì)算，控制T值不變

初始化迭代次數(shù)，m表示迭代次數(shù)，當(dāng)m=1時(shí)，用M表示迭代次數(shù)的最大值，并計(jì)算當(dāng)前視頻的幀和前一幀的差值，用I1表示在t時(shí)間輸入的單幀圖像，It-1為t-1時(shí)刻的輸入單幀圖像，即Dt=0或者1 |It-It-1|>T |It-It-1|小于等于T；

以二值化后的Dt為背景更新的依據(jù)，即Bt（x，y）=Bt-1（x，y）或者等于αIt+（1-α）Bt-1（x，y） Dt=1或者0。其中B1（x1，y）表示在t時(shí)刻的背景圖像，α表示更新速率的系數(shù)，取值0.005。

迭代次數(shù)每次都自動(dòng)增加1，直到m=M的時(shí)候表示結(jié)束，更新的圖像為B1（x1，y）。

1.2結(jié)合基于改進(jìn)Surendra背景差分和三幀差分的交通檢測技術(shù)

基于幀間差分法進(jìn)行升級(jí)的三幀差分法，使用不同的測試監(jiān)控視頻根據(jù)二值化閾值的不同來進(jìn)行設(shè)置以便達(dá)到增強(qiáng)效果的目的，并把兩個(gè)相鄰差值所得對(duì)應(yīng)圖像的像素進(jìn)行操作，是采用連續(xù)獲得三幀圖像并計(jì)算相鄰之間兩幀圖像的灰度差值來區(qū)分圖像的方式，其最大的優(yōu)勢在于能按照車輛運(yùn)動(dòng)的實(shí)際情況進(jìn)行形態(tài)學(xué)的處理，避免了目標(biāo)待檢測區(qū)域空洞現(xiàn)象的產(chǎn)生。兩者的結(jié)合奠定了圖像和視頻處理技術(shù)進(jìn)一步發(fā)展的基礎(chǔ)，更好地滿足交通視頻監(jiān)測系統(tǒng)的要求，具有很大的實(shí)踐價(jià)值和社會(huì)意義。三幀差分法具體實(shí)踐為：

首先采用Suredra背景差分的方法重新構(gòu)建獲得的交通視頻監(jiān)控幀圖像，計(jì)算并確認(rèn)背景差分檢測的區(qū)域。

之后采用三幀差分法計(jì)算出連續(xù)兩個(gè)相鄰的幀圖像差值，得出檢測區(qū)域。

計(jì)算和處理以上步驟的結(jié)果并得出車輛檢測區(qū)域，這時(shí)為了減少和避免目標(biāo)車輛噪音造成的干擾，采用形態(tài)學(xué)濾波和連通域進(jìn)行數(shù)據(jù)分析。

最后按照以上的計(jì)算結(jié)果來確定移動(dòng)車輛的運(yùn)動(dòng)軌跡。

2基于Kalman濾波預(yù)測的Camshift跟蹤方法分析

Camshift算法主要以整幀圖像作為默認(rèn)的搜索區(qū)域，并以此檢測出車輛質(zhì)心，隨后采用Kalman輸入相應(yīng)的變量，新一輪搜索方位就是Camshift濾波得出的預(yù)測值，Kalman隨之獲得最新搜索到的目標(biāo)位置的反饋。在實(shí)踐過程中Camshift跟蹤手段會(huì)由于目標(biāo)車輛有意的遮擋而造成跟蹤失效的現(xiàn)象，引入Kalman濾波器彌補(bǔ)了這一缺陷，根據(jù)計(jì)算出的預(yù)測值可以精準(zhǔn)目標(biāo)車輛的位置。具體的操作步驟為：

采用改進(jìn)的Surendra背景差分和三幀差分相結(jié)合的方法對(duì)輸入視頻幀進(jìn)行處理并得出車輛運(yùn)動(dòng)的區(qū)域。

使用連通域分析和形態(tài)學(xué)方式除去車輛噪音，并初始化搜索窗口。

結(jié)合Kalman濾波器和Camshift跟蹤手段預(yù)測目標(biāo)車輛位置并進(jìn)行跟蹤，及時(shí)更新和反饋Kalman濾波器。

輸出車輛外接矩形框質(zhì)心，確定車輛的運(yùn)動(dòng)軌跡。

3結(jié)語

基于改進(jìn)的Surendra背景差分和三幀差分相結(jié)合車輛檢測方法和基于Kalman濾波預(yù)測的Camshift跟蹤方法是實(shí)現(xiàn)交通視頻智能監(jiān)測車輛異常行為的重要系統(tǒng)，實(shí)踐表明該系統(tǒng)不僅能計(jì)算和檢測出車輛質(zhì)心，還能擬合車輛的運(yùn)行軌跡，提高了發(fā)生異常行為的車輛檢測的準(zhǔn)確度，值得廣泛應(yīng)用和進(jìn)一步推廣。

參考文獻(xiàn)：

[1]陳志祥.基于視頻監(jiān)控的車輛違章行為檢測方法研究[D].重慶大學(xué)，2015，11（31）：991-995.

[2]宋耀.交通監(jiān)控視頻中的車輛異常行為檢測[D].南京郵電大學(xué)，2015，12（07）：528-536.