丁軍軍

（江蘇省產(chǎn)業(yè)技術(shù)研究院 江蘇省南京市 210000）

1 引言

作為城市道路交通的重要組成部分，交叉路口是車輛與行人匯集、轉(zhuǎn)向和疏散的必經(jīng)之地，是交通的咽喉，也是交通事故的多發(fā)地。據(jù)統(tǒng)計(jì)，90%的重特大交通事故發(fā)生在交叉路口。據(jù)某省會(huì)城市公布的數(shù)據(jù)，2017年1-3月交通事故共造成165 人死亡、1173 人受傷，其中，某典型道口發(fā)生交通事故154 起。然而，在非一線城市交叉路口因從眾心理行人過(guò)馬路闖紅燈現(xiàn)象嚴(yán)重[1]，行人不遵守交通規(guī)則的行為更是增加了交通事故發(fā)生的風(fēng)險(xiǎn)。

研究表明，交通參與方提前1-2 秒感知或識(shí)別周圍交通環(huán)境中存在的潛在危險(xiǎn)，并采用積極應(yīng)對(duì)措施，可大幅度降低交通事故的發(fā)生概率或強(qiáng)度[2-5]。但是復(fù)雜的路口環(huán)境又會(huì)給過(guò)往行駛司機(jī)的視線帶來(lái)了阻礙，例如左轉(zhuǎn)車道有大型車輛等待通行時(shí)，中間的直行車輛司機(jī)因左轉(zhuǎn)車輛的遮擋而產(chǎn)生左側(cè)視線盲區(qū)，若此時(shí)有行人闖紅燈從左側(cè)穿出，直行車輛司機(jī)將無(wú)法及時(shí)做出反應(yīng)，最終造成嚴(yán)重交通事故。針對(duì)此類因視線受阻而突發(fā)的“鬼探頭”交通事故，本文開(kāi)發(fā)了一套針對(duì)交通事故易發(fā)路口的“城市道口防碰撞主動(dòng)警示系統(tǒng)”。旨在降低城市道口交通事故的發(fā)生概率提升駕駛員和行人的人身安全。

2 系統(tǒng)的總體設(shè)計(jì)

系統(tǒng)的總體架構(gòu)包含感知層、數(shù)據(jù)層、控制層、執(zhí)行層和交互層五個(gè)層面。其中，感知層接入紅綠燈信息檢測(cè)器和智能監(jiān)控系統(tǒng)，獲取該路口實(shí)時(shí)交通信息；數(shù)據(jù)層獲取智能攝像機(jī)信息及交通環(huán)境下的綜合態(tài)勢(shì)，進(jìn)行數(shù)據(jù)融合與分析，為控制層提供數(shù)據(jù)基礎(chǔ)；控制層接收數(shù)據(jù)層提供的信息在邊緣計(jì)算工控主機(jī)中完成改進(jìn)的YOLOv3 檢測(cè)算法，運(yùn)行于邊緣計(jì)算單元，實(shí)現(xiàn)交通大場(chǎng)景下的小目標(biāo)實(shí)時(shí)檢測(cè)，利用相關(guān)濾波跟蹤算法，對(duì)交通環(huán)境中的各方交通參與者實(shí)時(shí)精確定位，實(shí)現(xiàn)了目標(biāo)的運(yùn)動(dòng)追蹤，對(duì)交通沖突進(jìn)行精準(zhǔn)預(yù)測(cè)，為執(zhí)行層提供控制輸入；執(zhí)行層接收到控制層發(fā)出的控制指令，對(duì)網(wǎng)絡(luò)音柱、爆閃燈、發(fā)光地磚、LED 警示屏等設(shè)備的功能進(jìn)行操控；交互層包含PC 端、移動(dòng)端和可視化大屏，主要實(shí)現(xiàn)不同設(shè)備之間的交互功能。

3 系統(tǒng)的關(guān)鍵技術(shù)

3.1 目標(biāo)檢測(cè)

目標(biāo)檢測(cè)是檢測(cè)出一張圖片或者一段視頻中目標(biāo)的位置（靜態(tài)或者動(dòng)態(tài)），在交通場(chǎng)景中主要識(shí)別的目標(biāo)為機(jī)動(dòng)車、非機(jī)動(dòng)車以及行人，由于安全的要求使得在交通場(chǎng)景中目標(biāo)檢測(cè)更注重實(shí)效性，因此，系統(tǒng)選擇在精度與速度方面均有良好表現(xiàn)的YOLOv3 網(wǎng)絡(luò)模型。

3.1.1 Yolov3 檢測(cè)模型

Yolov3 基于深度學(xué)習(xí)框架darknet 開(kāi)發(fā)而來(lái)，包含53 個(gè)卷積層。采用K-means 算法對(duì)數(shù)據(jù)集中的邊界框進(jìn)行聚類，獲取9 個(gè)先驗(yàn)框；相比之前的算法，YOLOv3 采用了多尺度檢測(cè)方法，特別是針對(duì)小目標(biāo)，檢測(cè)精度有顯著提升。

3.1.2 Mobilenetv2

為了符合交通場(chǎng)景下目標(biāo)檢測(cè)實(shí)時(shí)性與準(zhǔn)確率兼顧的要求，本文將采用輕量級(jí)網(wǎng)絡(luò)結(jié)構(gòu)的MobileNetv2來(lái)替換YOLOv3主干網(wǎng)絡(luò)，并引入Bottom-up 連接獲取淺層特征信息，解決對(duì)遠(yuǎn)距離目標(biāo)實(shí)時(shí)性檢測(cè)存在的不足。

MobileNetv2 架構(gòu)是基于倒置殘差結(jié)構(gòu)，瓶頸層輸入通過(guò)1×1 的Conv+ReLU層將維度從k 維增加到tk 維，然后通過(guò)3×3conv+ReLU 可分離卷積對(duì)圖像進(jìn)行降采樣，此時(shí)特征維度已經(jīng)為tk 維度，最后通過(guò)1×1conv 進(jìn)行降維，維度從tk 降低到k 維。整個(gè)模型中除了第一個(gè)瓶頸層的t=1 之外，其他瓶頸層t=6，即第一個(gè)瓶頸層內(nèi)部并不對(duì)特征進(jìn)行升維。

3.1.3 YOLOv3-Mobilenetv2 檢測(cè)算法

將Mobilenetv2 低計(jì)算量和參數(shù)量的優(yōu)點(diǎn)與YOLOv3 中的特征金字塔結(jié)構(gòu)和多尺度特征融合策略相結(jié)合，形成輕量級(jí)的YOLOv3-Mobilenetv2 目標(biāo)檢測(cè)算法[6]。為增強(qiáng)高層特征圖位置信息，在13×13 特征圖上引入Bottom-up 連接。該算法在規(guī)模尺寸上較YOLOv3 算法縮小了14 倍。

3.2 行人跟蹤

目標(biāo)追蹤是給定視頻中第一幀目標(biāo)以及它的位置，然后跟蹤這個(gè)目標(biāo)，并預(yù)測(cè)它的軌跡，本文在目標(biāo)跟蹤中主要研究的對(duì)象為闖紅燈的行人。

相關(guān)濾波最早應(yīng)用在信號(hào)處理領(lǐng)域，用來(lái)描述兩個(gè)信號(hào)之間的相似性，其基本思想是設(shè)計(jì)一個(gè)濾波模板，利用該模板與目標(biāo)候選區(qū)域做相關(guān)運(yùn)算，最大輸出響應(yīng)的位置即為當(dāng)前幀的目標(biāo)位置。表示公式為：

g=u?ω

其中g(shù) 表示響應(yīng)輸出，u 表示輸入圖像特征，ω 表示濾波模板。利用相關(guān)定理，將相關(guān)轉(zhuǎn)換為計(jì)算量更小的點(diǎn)積。相關(guān)濾波的任務(wù)，就是尋找最優(yōu)的濾波模板ω。經(jīng)典的方法是采用脊回歸構(gòu)建模型的目標(biāo)函數(shù)：

其中，Uj為第j 個(gè)N 維訓(xùn)練樣本，ω∈RN, λ 正則化參數(shù)，訓(xùn)練過(guò)程中設(shè)濾波相應(yīng)g 為一個(gè)高斯函數(shù)：

式中，(x,y)為像素坐標(biāo)位置，(xc,yc)為目標(biāo)中心位置，g(x,y)在目標(biāo)中心位置時(shí)取最大值。

將訓(xùn)練好的濾波器應(yīng)用到第一幀圖像中，并以第一幀目標(biāo)位置為中心提取區(qū)域特征,在下一幀圖像中提取目標(biāo)區(qū)域，對(duì)濾波器先進(jìn)行傅里葉變換，卷積之后，再進(jìn)行逆向傅里葉變換找最大響應(yīng)值，這個(gè)響應(yīng)值的位置即為第二幀圖像的待追蹤目標(biāo)的中心。

3.3 行人狀態(tài)估計(jì)

行人的狀態(tài)估計(jì)是判定行人闖紅燈意圖的主要依據(jù)，本文建立基于AI 攝像機(jī)坐標(biāo)系的前方行人運(yùn)動(dòng)狀態(tài)模型，并采用Kalman 濾波對(duì)行人的運(yùn)動(dòng)狀態(tài)進(jìn)行估計(jì)。

雖然行人相對(duì)于機(jī)動(dòng)車輛的運(yùn)動(dòng)狀態(tài)具有靈活性和隨意性，但在闖紅燈這一目的性較明確的行為中，常采用加速直線運(yùn)動(dòng)。因此，本文將采用經(jīng)典的常加速模型（CA 模型）來(lái)描述行人的運(yùn)動(dòng)狀態(tài)。行人運(yùn)動(dòng)方程為：

式中，x(0)為行人初始位置，x(t)為行人的位置， 為行人初始速度， 為行人的速度， 為行人加速度。

在路口場(chǎng)景中只需關(guān)注行人的平面位置信息，因此狀態(tài)估計(jì)模型中，采用向量x= 表示運(yùn)動(dòng)狀態(tài)，其中，（x,y）表示二維平面行人的位移， 表示行人的速度， 表示行人的加速度。行人的運(yùn)動(dòng)方程為：

狀態(tài)估計(jì)模型為：

xk+1=diag[φ,φ]xk+diag[G,G]wk

觀測(cè)方程表示為：

Z(t)=Cx(t)+v(t)

式中：Λ 為目標(biāo)運(yùn)動(dòng)狀態(tài)的系統(tǒng)矩陣，B 為過(guò)程噪聲矩陣，w(t)為隨機(jī)白噪聲過(guò)程，C 為輸出狀態(tài)矩陣，v(t)為噪聲。

3.4 交通沖突預(yù)判與決策

根據(jù)設(shè)計(jì)思路，城市道口防碰撞主動(dòng)警示系統(tǒng)的交通沖突預(yù)判與決策流程如下：

步驟1：交通信號(hào)燈作為信息輸入；

步驟2：判斷該車輛通行方向是否為綠燈，如為綠燈執(zhí)行下一步，否則返回上一步；

步驟3：交通攝像機(jī)開(kāi)始工作，面向行車方向橫向斑馬線及周邊重點(diǎn)區(qū)域進(jìn)行行人檢測(cè)；

步驟4：行人檢測(cè)判別，在重點(diǎn)區(qū)域檢測(cè)到行人時(shí)執(zhí)行下一步，否則返回步驟二；

步驟5：人行道兩側(cè)過(guò)街一體燈提醒行人“請(qǐng)勿闖紅燈”；

步驟6：進(jìn)行行人意圖預(yù)測(cè)，如行人存在闖紅燈意圖執(zhí)行下一步，否則返回步驟二；

步驟7：行車道車輛檢測(cè)，如有車輛駛?cè)胧鹿拾l(fā)生潛在危險(xiǎn)區(qū)域執(zhí)行下一步，否則返回步驟二；

步驟8：行駛車輛對(duì)面信號(hào)燈橫桿LED 信息屏顯示“注意行人”字樣并點(diǎn)亮指示圖標(biāo)顯示闖燈行人方向，同時(shí)爆閃燈閃爍，過(guò)街地?zé)粲芯G色變紅，以提醒駕駛司機(jī)注意及時(shí)減速，避免事故發(fā)生。

4 測(cè)試與驗(yàn)證

為驗(yàn)證所設(shè)計(jì)系統(tǒng)方案及算法的效果，分別在實(shí)驗(yàn)室及真實(shí)路口環(huán)境下進(jìn)行實(shí)驗(yàn)測(cè)試和實(shí)地驗(yàn)證。

城市道口防碰撞主動(dòng)警示系統(tǒng)主要的硬件配置包括：交通攝像機(jī)、紅綠燈信號(hào)檢測(cè)器、邊緣計(jì)算工控機(jī)、數(shù)據(jù)交換機(jī)、智慧爆閃燈電子引導(dǎo)屏、機(jī)動(dòng)車道停止線發(fā)光磚等，其中，交通攝像機(jī)選用?？敌吞?hào)DS-2CD7AFD，內(nèi)置高效白光陣列燈，具備200 萬(wàn)星光級(jí)1/1.8”智能補(bǔ)光，水平視場(chǎng)角99.5°-38.6°；采用紅綠燈信號(hào)檢測(cè)器LPJT-XHD-5-S，可對(duì)5 路紅綠燈信號(hào)檢測(cè)，應(yīng)用于電子警察系統(tǒng)紅燈信號(hào)檢測(cè)；邊緣計(jì)算工控主機(jī)采用i5 雙核處理器，4G 內(nèi)存，包含邊緣計(jì)算協(xié)同控制單元，完成多傳感器感知數(shù)據(jù)融合，實(shí)現(xiàn)交通目標(biāo)運(yùn)動(dòng)跟蹤和軌跡預(yù)測(cè)，實(shí)現(xiàn)各類交通事件的檢測(cè)及協(xié)同控制；智慧爆閃燈電子引導(dǎo)屏選用顯示尺寸為960mm*320mm 的戶外P10全彩顯示屏，含高清紅藍(lán)爆閃燈，并支持遠(yuǎn)程控制。

在實(shí)驗(yàn)室內(nèi)搭建的模擬場(chǎng)景與測(cè)試效果如圖6所示，交通攝像機(jī)安放在離地面高度2.6 米處，對(duì)面規(guī)劃三條行車道，在左轉(zhuǎn)車道上采用人體模擬行駛車輛。圖1所模擬的場(chǎng)景為：當(dāng)交通信號(hào)燈為綠燈時(shí)，有行人闖紅燈，此時(shí)檢測(cè)到行駛車道預(yù)警范圍內(nèi)有行駛車輛，模擬LED 顯示屏點(diǎn)亮顯示“注意行人減速避讓”字樣，提醒行駛車輛注意。

圖1：實(shí)驗(yàn)室測(cè)試環(huán)境

在室外場(chǎng)景選在蘇州市虎丘區(qū)濱河路與橫山路的交叉口，檢測(cè)效果如圖2所示。經(jīng)過(guò)系統(tǒng)設(shè)備多次的實(shí)地檢驗(yàn)，驗(yàn)證了城市道口防碰撞主動(dòng)警示系統(tǒng)的準(zhǔn)確與可行性，可有效預(yù)防交通事故的發(fā)生，測(cè)試效果統(tǒng)計(jì)如表1所示。

表1：測(cè)試效果統(tǒng)計(jì)

圖2：室外交通路口實(shí)地驗(yàn)證場(chǎng)景

5 結(jié)論

本研究針對(duì)城市交通路口因駕駛員視線受阻行人不遵守交通規(guī)則而造成的“鬼探頭”交通事故，設(shè)計(jì)了城市道口防碰撞主動(dòng)警示系統(tǒng)，基于改進(jìn)的YOLOv3 算法實(shí)現(xiàn)了大交通場(chǎng)景下小目標(biāo)的實(shí)時(shí)檢測(cè)，利用相關(guān)濾波跟蹤算法，實(shí)時(shí)準(zhǔn)確定位交通環(huán)境中各類交通參與者，跟蹤目標(biāo)運(yùn)動(dòng)狀態(tài)，并結(jié)合Kalman 濾波對(duì)行人闖紅燈的意圖進(jìn)行預(yù)測(cè)，在實(shí)現(xiàn)對(duì)交通參與者行為沖突的準(zhǔn)確預(yù)警的同時(shí)，有效減少誤報(bào)。通過(guò)實(shí)驗(yàn)場(chǎng)地測(cè)試和實(shí)際交叉路口試驗(yàn)表明，該方案能大大降低交通事故發(fā)生的概率和強(qiáng)度。