摘要：目前，具有300路監(jiān)控視頻的路段已經(jīng)是一種常態(tài)，具有上千路監(jiān)控視頻的路段也不斷出現(xiàn)。本文探討了如何充分利用豐富的視頻資源，給高速公路的運(yùn)營(yíng)管理帶來(lái)便利，具體分析高速公路視頻監(jiān)控人工智能應(yīng)用有關(guān)內(nèi)容。

關(guān)鍵詞：高速公路;視頻監(jiān)控;人工智能;神經(jīng)網(wǎng)絡(luò)

1高速公路視頻監(jiān)控系統(tǒng)面臨的問(wèn)題

1.1人工監(jiān)控存在弊端

監(jiān)控中心采用人工查看視頻的方式進(jìn)行監(jiān)控，盡管可確保對(duì)事件的準(zhǔn)確判斷，但是不能避免由人的主觀因素帶來(lái)的影響：人會(huì)因?yàn)殚L(zhǎng)期觀看眾多的顯示畫(huà)面而出現(xiàn)疲倦和注意力下降等情況，可能錯(cuò)過(guò)第一時(shí)間發(fā)現(xiàn)和處置事件的機(jī)會(huì);人會(huì)受工作積極性、情緒、身體狀況等主觀因素的影響，而沒(méi)有認(rèn)真觀看監(jiān)控視頻畫(huà)面;人在面對(duì)沒(méi)有很具體地定義的現(xiàn)象時(shí)，會(huì)出現(xiàn)判斷偏差，如同一個(gè)畫(huà)面，有人可能認(rèn)為屬于正常狀態(tài)，有人卻認(rèn)為已開(kāi)始擁堵，且不同的路段對(duì)這種交通狀況的判斷也不一樣。由于這些弊端，目前高速公路監(jiān)控幾乎不能在事情發(fā)生前發(fā)現(xiàn)不正常的交通行為，也很難及時(shí)發(fā)現(xiàn)交通事件，從而第一時(shí)間采取處置措施，有時(shí)甚至因?yàn)橐粋€(gè)沒(méi)有及時(shí)發(fā)現(xiàn)和處置的小事故，導(dǎo)致了更大的二次事故。

1.2顯示設(shè)備和監(jiān)控視頻間的矛盾

用于視頻顯示的電視墻和監(jiān)視器的數(shù)量都有限，無(wú)法一次性顯示所有的監(jiān)控視頻，這就需要人工切換或自動(dòng)輪詢(xún)來(lái)查看視頻，不能及時(shí)發(fā)現(xiàn)異常情況。為了克服這個(gè)問(wèn)題，有些監(jiān)控中心采用畫(huà)面分割的方式，在一個(gè)監(jiān)視器上顯示多個(gè)視頻畫(huà)面。這種方式表面上看可幾倍地增加顯示的視頻數(shù)量，但由于顯示的畫(huà)面變小，畫(huà)面的可觀看程度下降，更容易造成監(jiān)控員的視覺(jué)疲勞，加劇人工監(jiān)控帶來(lái)的影響。

1.3視頻事件檢測(cè)不盡人意

在實(shí)際使用過(guò)程中發(fā)現(xiàn)，視頻事件檢測(cè)器在初期人工頻繁干預(yù)時(shí)還能相對(duì)正常工作，隨著時(shí)間的推移，檢測(cè)器的誤報(bào)率越來(lái)越高，完全達(dá)不到適用水平，反而對(duì)日常運(yùn)營(yíng)工作形成困擾。

1.4專(zhuān)用產(chǎn)品的局限性

近些年，卡口、車(chē)牌識(shí)別等基于視頻的專(zhuān)用產(chǎn)品應(yīng)用到高速公路上，為高速公路監(jiān)控起到了一定的作用。然而，這些產(chǎn)品不能應(yīng)用于視頻監(jiān)控，必須在視頻監(jiān)控系統(tǒng)外，另外在外場(chǎng)加裝相應(yīng)的設(shè)備，增加了不少建設(shè)成本和工作量。這些設(shè)備的功能相對(duì)單一，只能采集到有限的數(shù)據(jù)，實(shí)際上只滿足了用戶上交報(bào)表的要求，并沒(méi)有起到預(yù)期的作用。

2基于人工智能的視頻分析

2.1背景差分法

背景差分法是先通過(guò)算法形成一幅背景圖像，用視頻中的當(dāng)前幀圖像與之相減，再根據(jù)給定閾值分析判斷圖像中的目標(biāo)。盡管這種方法是最常用的算法，但仍然對(duì)與背景亮度相當(dāng)?shù)哪繕?biāo)無(wú)法檢出;對(duì)因車(chē)燈或反射等光照因素造成的干擾無(wú)法抑制;相鄰目標(biāo)很容易連成一個(gè)大目標(biāo)而識(shí)別錯(cuò)誤。

2.2幀間差分法

幀間差分法就是將視頻信號(hào)中前后兩幀圖像對(duì)應(yīng)像素的亮度求差，如果超過(guò)給定閾值則表示有運(yùn)動(dòng)目標(biāo)，再根據(jù)目標(biāo)大小來(lái)區(qū)分車(chē)和人等。這種方法無(wú)法檢測(cè)靜止和慢速運(yùn)動(dòng)的目標(biāo);對(duì)于速度太快的目標(biāo)也會(huì)形成超大目標(biāo)失真，甚至變成兩個(gè)目標(biāo);還有一些目標(biāo)會(huì)出現(xiàn)空洞和截?cái)喱F(xiàn)象;由飛蟲(chóng)等產(chǎn)生的快速劃過(guò)的陰影也會(huì)產(chǎn)生假目標(biāo)。

2.3檢測(cè)線法

通過(guò)在合適的位置設(shè)置亮度與環(huán)境有很大差異的檢測(cè)線，或利用環(huán)境中已存在的類(lèi)似標(biāo)志，將檢測(cè)線所在圖像作為背景保存，再用背景差分法來(lái)發(fā)現(xiàn)是否有目標(biāo)通過(guò)檢測(cè)線。這種方法除要在檢測(cè)位置施劃?rùn)z測(cè)線外，同樣受光照的影響;對(duì)大小差異很大的目標(biāo)，或類(lèi)似拖車(chē)的目標(biāo)，很容易出現(xiàn)誤判;對(duì)攝像機(jī)的視角要求較高，否則當(dāng)目標(biāo)密度偏高時(shí)，可能無(wú)法正確進(jìn)行目標(biāo)分割。

2.4光流法

光流法是把檢測(cè)區(qū)域的圖像變?yōu)樗俣鹊氖噶繄?chǎng)，每個(gè)向量表示了景物中一個(gè)點(diǎn)在圖像中位置的瞬時(shí)變化。光流法首先需要計(jì)算景物中大量“點(diǎn)”的速度，而這在普通視頻圖像中難以實(shí)現(xiàn)，且計(jì)算復(fù)雜、抗噪性能差，一般需要專(zhuān)用硬件實(shí)現(xiàn)。

人工智能沒(méi)有統(tǒng)一的定義，可以簡(jiǎn)單地說(shuō)是人類(lèi)智能在機(jī)器上的模擬。而人工神經(jīng)網(wǎng)絡(luò)是人工智能一種廣泛采用的實(shí)現(xiàn)。一個(gè)神經(jīng)網(wǎng)絡(luò)是一個(gè)由簡(jiǎn)單處理元構(gòu)成的規(guī)模宏大的并行分布式處理器。神經(jīng)網(wǎng)絡(luò)在兩個(gè)方面與人腦相似：神經(jīng)網(wǎng)絡(luò)獲取的知識(shí)是從外界環(huán)境中學(xué)習(xí)得來(lái)的;互連神經(jīng)元的連接強(qiáng)度，即突觸權(quán)值，用于儲(chǔ)存獲取的知識(shí)。神經(jīng)網(wǎng)絡(luò)能學(xué)習(xí)和積累知識(shí)，神經(jīng)網(wǎng)絡(luò)的規(guī)模宏大。可見(jiàn)，神經(jīng)網(wǎng)絡(luò)需要具有強(qiáng)大計(jì)算能力的硬件支持，這也說(shuō)明了過(guò)去因硬件的能力限制讓神經(jīng)網(wǎng)絡(luò)的研究一度停滯的事實(shí)。近期提到的“深度學(xué)習(xí)”實(shí)際上反映在神經(jīng)網(wǎng)絡(luò)的層次規(guī)模上，層次越多，學(xué)習(xí)能力越強(qiáng)，能學(xué)習(xí)的知識(shí)也越多。然而，層次越多的人工智能模型，需要的計(jì)算資源也越龐大，通常要具有強(qiáng)大運(yùn)算能力的CPU來(lái)構(gòu)建，因此這種模型只能在后臺(tái)實(shí)施，在前端攝像機(jī)上根本無(wú)法完成。人工智能之所以不同于以往的技術(shù)，體現(xiàn)在其學(xué)習(xí)能力上。人工智能的學(xué)習(xí)，不需要人直接參與，甚至不需要人理解，只要提供足夠的學(xué)習(xí)素材，人工智能就能自動(dòng)從素材中提取相應(yīng)特征，從而對(duì)與素材同類(lèi)或類(lèi)似的目標(biāo)進(jìn)行識(shí)別。

人工智能的優(yōu)越性是能識(shí)別目標(biāo)，具體到高速公路監(jiān)控視頻的分析上，就是能別車(chē)輛和行人，進(jìn)一步說(shuō)，能識(shí)別不同類(lèi)型的車(chē)輛。這個(gè)特征完全不同于以往的技術(shù)，它不需要關(guān)注背景，不需要目標(biāo)處于運(yùn)動(dòng)狀態(tài)，甚至不需要目標(biāo)在圖像中完全呈現(xiàn)出來(lái)?？梢?jiàn)，這種技術(shù)可以避免各種背景干擾因素的影響，可以允許目標(biāo)被部分遮擋，甚至在場(chǎng)景變化過(guò)程中仍能識(shí)別出目標(biāo)。人工智能是否跟以往的技術(shù)一樣，會(huì)出現(xiàn)識(shí)別不準(zhǔn)的問(wèn)題。就像人的學(xué)習(xí)過(guò)程一樣，知識(shí)的積累需要一個(gè)過(guò)程，既要時(shí)間上的積累，也要空間（知識(shí)面）上的積累。當(dāng)發(fā)現(xiàn)人工智能識(shí)別目標(biāo)的準(zhǔn)確率不滿意時(shí)，可根據(jù)錯(cuò)誤識(shí)別的畫(huà)面，收集足夠多的學(xué)習(xí)素材，對(duì)人工智能進(jìn)行訓(xùn)練，這樣就可大幅度提高目標(biāo)識(shí)別的準(zhǔn)確率。

3結(jié)語(yǔ)

人工智能視頻分析系統(tǒng)有兩個(gè)特性：一是系統(tǒng)部署簡(jiǎn)單，無(wú)需改造已有視頻監(jiān)控系統(tǒng)，僅在后端與視頻監(jiān)控系統(tǒng)對(duì)接，就可對(duì)所獲取的視頻信息進(jìn)行檢測(cè)分析;二是可通過(guò)現(xiàn)場(chǎng)收集學(xué)習(xí)素材，對(duì)模型分階段進(jìn)行訓(xùn)練，就可以讓檢測(cè)分析準(zhǔn)確率得到進(jìn)一步提高，甚至超過(guò)預(yù)期。

參考文獻(xiàn)：

[1]古麗米拉·買(mǎi)買(mǎi)提.淺析人工智能在視頻監(jiān)控中的應(yīng)用[J].科技風(fēng)，2019，（29）：25.

[2]邢磊.高速公路數(shù)字視頻監(jiān)控系統(tǒng)的架構(gòu)設(shè)計(jì)[J].中國(guó)科技縱橫，2017，（4）：27-28.

（作者單位：遼寧艾特斯智能交通技術(shù)有限公司）

作者簡(jiǎn)介：韓新宇（1993.12-），男，漢族，遼寧沈陽(yáng)，東北大學(xué)電力電子與電力傳動(dòng)碩士，助理工程師，研究方向：電力科學(xué)與技術(shù)。