文/崔興文

1 模型分析

1.1 概念

這種模型用λ=（A，B，π）來表示，他是對記錄儀中畫面變化過程的描述，其原理是通過隱藏的馬爾科夫鏈生成觀測序列的過程，進而形成的一個計算模型。這里的A 是指物體狀態(tài)移動矩陣，B 是通過行車記錄儀觀測到這一現(xiàn)象的概率，π 表示初始概率分布。

1.2 計算問題

概率計算是這一模型中非常重要的環(huán)節(jié)，需要先計算出觀測結(jié)果，然后結(jié)合數(shù)據(jù)模型進行計算，最后得出概率。這一概率的高低，可以反應出模型和觀測結(jié)果的匹配關(guān)系，即這一概率越高，就表示模型和觀測結(jié)果匹配度高，比較吻合。

1.3 學習問題

學習問題是隱馬爾科夫模型中必不可少的環(huán)節(jié)，給初始參數(shù)進行定義，確定觀測數(shù)據(jù)，這里用O={O1,O2,…,OT}來表示，計算觀測數(shù)據(jù)由此模型生成的概率進行迭代，在結(jié)合隱馬爾科夫模型生成數(shù)據(jù)概率最大化，這就是學習過程。通常情況下，這一學習方式主要有半監(jiān)督學習和監(jiān)督學習兩種方法，當然，后者在進行運用的過程中的效率比較低，所有，一般情況下，都會采用前者來進行。

1.4 預測問題

隱馬爾科夫模型常常會在很多領(lǐng)域研究中使用，通過這一模型，來預計狀態(tài)序列的狀況，也就是隱馬爾科夫模型預測的一種應用。他的主要方式是，對行車記錄儀所捕捉的畫面通過隱馬爾科夫模型模型進行計算分析，以此來預判他產(chǎn)生流程，從而得出各狀態(tài)序列的位置。

在某些研究領(lǐng)域中，使用隱馬爾科夫模型估算狀態(tài)序列的情形也有很多。其原理是使用已知的隱馬爾科夫模型對觀測結(jié)果進行計算分析，判斷其生成的流程，得到狀態(tài)序列的具體分布。

2 模型的應用

主要是通過汽車行車記錄儀，來捕捉車輛前面的畫面，創(chuàng)建安全模型，對捕捉的畫面進行分析，根據(jù)計算結(jié)果，結(jié)合安全模型安全狀態(tài)時的數(shù)據(jù)，判斷畫面中是否存在不安全因素，若有不安全因素，則需立即給汽車發(fā)生應急指令。

2.1 訓練階段

2.1.1 視頻特征提取

在汽車安全行駛時，通過行車記錄儀，獲取畫面中的三位梯度特，并將這一特征作為樣本。這里對畫面進行縮放，選取三個不同尺寸，并把畫面均分為多塊區(qū)域，這樣，可以有效的獲取圖像中的局部信息和整體信息。與此同時，還需要將連續(xù)5 幀的部分合成同一個時空單元。

2.1.2 特征篩選

由于行車記錄儀中記錄的畫面很多，并且有很大一部分都是重復的，若是對每一個捕捉的畫面都進行分析技術(shù)，這會在一定程度影響檢測效率，增大了計算量，提高了算法難度因此，對捕捉的信息進行篩選是很有必要的。這里對數(shù)據(jù)信息進行篩選是，使用的是主成分分析法，也就是在原始信息中，選取主要的部分進行保留。

2.1.3 建立安全事件模型

建立隱馬爾科夫模型λ=(A,B,π)，這里需要對該模型的每一項參數(shù)進行迭代，迭代時要結(jié)合所有觀測的安全事件的特征，通常情況下，采用baum-welch 算法進行計算，這樣可以使這一模型生成的概率最大。這里的安全事件模型，考慮到了車輛行使的各種安全駕駛情況。

2.2 測試階段

（1）在特征提取和特征篩選方面，測試階段可以參考訓練階段，方法基本一致。

（2）安全測試。在進行安全測試時，可以結(jié)合隱馬爾科夫模型概率進行分析，獲取全部測試時的畫面與安全事件模型的概率生成。通過這一概率，則可以判斷出當前畫面中是否有不安全因素。例如，概率比較高，也就是他和安全事件模型的匹配度高，畫面中的安全性就高，反之就有不安全因素，即有危險情況，需要應急處理。

（3）制動措施。通過系統(tǒng)分析計算，發(fā)現(xiàn)有不安全因素時，立即發(fā)出應急信號，讓汽車采取有效措施進行處理。

3 實驗分析

結(jié)合上述理論，做一個檢測實驗，獲取行車記錄儀記錄的視頻數(shù)據(jù)，并對這些數(shù)據(jù)進行篩選整合，形成視頻數(shù)據(jù)庫，在此基礎(chǔ)上進行訓練和測算，以檢驗行車記錄儀在汽車輔助駕駛中的可靠性。本次實驗中，所使用的行車記錄儀像素為1080P，即普通的大眾型號。

圖1：檢測到騎車行人

圖2：檢測到前方車輛

本次實驗中，在視頻數(shù)據(jù)庫中選取了具有代表性意義的兩張圖片（見圖1和圖2），圖片數(shù)據(jù)來自同一款行車記錄儀，實驗地點為某街道。實驗過程中，汽車前方整個畫面為背景，圖1中顯示，前方車道及房屋均為安全目標，而突然出現(xiàn)的騎車行人是危險目標，圖2中前方突然出現(xiàn)的車輛為危險目標，當這些危險目標出現(xiàn)時，會通過相應的模型進行計算，立刻檢測出危險事件，并及時發(fā)出制動信號，讓車輛及時采取相應的措施，以規(guī)避風險。

4 結(jié)束語

筆者就基于行車記錄儀的汽車輔助駕駛作了研究，行車記錄儀記汽車行駛畫面，然后采用一定的技術(shù)，對該畫面進行分析處理，檢測不安全因素，進而找出一些不安全事件。在檢測過程中，需要結(jié)合行車記錄儀所記錄的畫面，創(chuàng)建一個三維安全模型，以此為基礎(chǔ)，判斷影像中有無不安全事件。通過研究發(fā)現(xiàn)，汽車在正常行駛中，若汽車前方出現(xiàn)不安全因素，這種方法能夠檢測出這一危險事件，并給汽車傳達應急指令，進而為汽車的安全行駛提供了保障。