常天興

(晉中職業(yè)技術學院 機電工程學院，山西 晉中 030600)

隨著智慧化交通視頻監(jiān)測技術的發(fā)展，需要構建優(yōu)化的智能化交通視頻目標車輛提取模型，根據對智能化交通視頻特征分布式融合和圖像處理結果，提取智能化交通視頻目標車輛，提高車輛的實時監(jiān)控和識別能力.研究智能化交通視頻目標車輛提取技術，在促進道路交通的智慧化信息管理方面具有重要意義，相關的智能化交通視頻目標車輛提取技術研究在交通信息化管理中發(fā)揮重要作用，故研究智能化交通視頻目標車輛提取技術受到人們的極大關注[1].

對智能化交通視頻目標車輛提取技術設計是建立在對智能化交通視頻目標車輛圖像的特征信息融合和模糊度識別基礎上，構建智能化交通視頻目標車輛提取的線性參數識別模型，通過模糊圖像辨識和邊緣特征檢測，進行智能化交通視頻目標車輛圖像分割，實現(xiàn)智能化交通視頻目標車輛提取[2].當前，對智能化交通視頻目標車輛提取技術主要有基于相似度特征分析的智能化交通視頻目標車輛提取方法、基于模糊特征檢測和線性分割的智能化交通視頻目標車輛提取方法、基于統(tǒng)計特征信息處理的智能化交通視頻目標車輛提取方法等，構建智能化交通視頻目標車輛提取的多維特征參數識別模型，結合聯(lián)合特征參數識別，實現(xiàn)對智能化交通視頻目標車輛提取[3-5]，但傳統(tǒng)方法進行智能化交通視頻目標車輛提取的精度不高，時間開銷較大.針對上述問題，提出基于邊緣輪廓特征檢測的智能化交通視頻目標車輛提取數學模型構建方法.首先采用多維視頻傳感器實現(xiàn)智能化交通視頻目標車輛圖像采集，對采集的智能化交通視頻目標車輛圖像進行邊緣輪廓特征檢測和信息識別，提取智能化交通視頻目標車輛圖像的模糊度特征量，然后采用線性相關特征分析和圖像視覺特征融合技術實現(xiàn)對智能化交通視頻目標車輛圖像的特征檢測和特征提取，建立智能化交通視頻目標車輛圖像的檢測識別和視覺融合模型，根據對智能化交通視頻目標車輛圖像的融合結果，采用邊緣輪廓特征檢測方法，實現(xiàn)智能化交通視頻目標車輛圖像特征提取.最后進行仿真測試分析，展示所提方法在提高智能化交通視頻目標車輛提取能力方面的優(yōu)越性能.

1 智能化交通視頻目標車輛圖像采集和特征分析

1.1 智能化交通視頻目標車輛圖像采集

為了實現(xiàn)智能化交通視頻目標車輛圖像采集，采用多維視頻傳感器拍攝智能化交通視頻目標車輛圖像，并構建智能化交通視頻目標車輛圖像像素密度函數，表示為

(1)

式(1)中，隨機樣本s的色彩深度值為p(s)，a為像素點數目，基于細節(jié)融合方法，采用模糊粗糙集理論，進行智能化交通視頻目標車輛圖像分割和樣本空間融合處理

(2)

式(2)中，A為車輛像素分辨率，K為紋理值.通過迭代與低層特征合并的方法，得到視頻目標車輛圖像層次化調度模型為

(3)

式(3)中，B為尺度因子，Ds為空間細節(jié)度，采用細化處理和模糊聚類方法[6]，得到智能化交通視頻目標車輛圖像的參量為

W=[gx1(x1,y1)+gx2(x2,y2)](x2-x2),

(4)

式(4)中，(xi,yi)為車輛圖像像素點，gx1,gx2分別為車輛圖像像素多維尺度小波分解率，設每個層級的特征圖中，D為闕值，得到級聯(lián)融合下的智能化交通視頻目標車輛的自適應加權融合估計為

(5)

式(5)中，R為目標車輛圖像的每層特征圖權重，X為每層圖像的最小化誤差，δ為車輛運行軌道參數均方差.構建智能化交通視頻目標車輛圖像的多維參數采集模型為

(6)

從中間層特征復用智能化交通視頻目標車輛圖像信息，得到灰度像素集為M×N，采用圖像語義分割方法，得到智能化交通視頻目標車輛圖像采集為

α=Rsinηcosφ0≤φ≤2π,

(7)

其中，η表示智能化交通視頻目標車輛圖像輸出粗糙集，φ表示稀疏特征分量，R表示智能化交通視頻目標車輛圖像的模板匹配系數.由此，智能化交通視頻目標車輛圖像信息采集結束，再對其進行特征分析.

1.2 智能化交通視頻目標車輛圖像特征分析

為了實現(xiàn)目標車輛圖像特征分析，對已采集的智能化交通視頻目標車輛圖像進行邊緣輪廓特征檢測和信息識別，通過聯(lián)合相似度特征分解方法[7]，提取智能化交通視頻目標車輛圖像的邊緣輪廓灰度序列，得到智能化交通視頻目標車輛的灰度序列為

(8)

式(8)中，i為車輛圖像灰度值，i′為車輛圖像亮度值，S為信息深層特征灰度集，N為信息的亮度特征集，N表示智能化交通視頻目標車輛圖像的灰度差值.智能化交通視頻目標車輛檢測的模糊度辨識參數為

(9)

其中，a為智能化交通視頻目標車輛圖像檢測的陰影闕值；b為智能化交通視頻目標車輛圖像的透射率.

使用亮度特征來對智能化交通視頻目標車輛圖像進行深度學習，得到智能化交通視頻目標車輛檢測的圖像信息分布滿足

(10)

其中，δ為智能化交通視頻目標車輛圖像的亮度區(qū)域分布概率，δ為智能化交通視頻目標車輛圖像反射率.

結合多維參數識別方法，構建智能化交通視頻目標車輛檢測模型，得到檢測識別模型為

(11)

式(11)中，j為中心環(huán)繞值.

根據上述分析，對所采集的智能化交通視頻目標車輛圖像完成了邊緣輪廓特征檢測和信息識別分析，為智能化交通視頻目標車輛圖像的模糊度特征的檢測和提取提供了基礎.

2 智能化交通視頻目標車輛提取優(yōu)化

2.1 智能化交通視頻目標特征檢測

為了實現(xiàn)智能化交通視頻目標特征檢測，根據智能化特征分布式融合方法[8]，完成了智能化交通視頻目標車輛圖像參數識別，得到級聯(lián)融合下，智能化交通視頻目標車輛圖像的模板匹配度為

(12)

式(12)中，r為車輛圖像分層濾波，N為智能化交通視頻目標車輛圖像檢測的接權值，e為車輛顏色模型的編碼權重，利用線性回歸分析方法，得到平移映射參數分布

(13)

式(13)中，k為異步辨識度，并且k≠l.

根據尺度縮放映射分布，采用統(tǒng)計分析和直方圖交集融合方法[9]，得到交通視頻目標車輛圖像解析度為

(14)

式(14)中，u為目標車輛穩(wěn)態(tài)率，F(xiàn)為目標車輛圖像彩色采樣點.

采用雙線性插值方法[10]，得到智能化交通視頻目標車輛圖像的樣本圖模型為

(15)

式(15)中，?為車輛圖像的顏色數組索引值.對式(15)進行歸一化處理，構建智能化交通視頻目標特征檢測模型，用Lx,y來表示(x,y)位置處像素點處聯(lián)合特征參數，得到智能化交通視頻目標車輛圖像的邊緣特征檢測輸出為

Vx,y=med(Lx-1,y-1,…,Lx,y,…,Lx+1,y+1).

(16)

根據上述分析，實現(xiàn)了智能化交通視頻目標特征檢測，以便對智能化交通視頻目標車輛特征進行提取優(yōu)化.

2.2 智能化交通視頻目標特征提取優(yōu)化

為了對檢測到的智能化交通視頻目標特征進行優(yōu)化提取，基于屬性參數融合和超維像素特征分析方法[11]，進行智能化交通視頻目標車輛特征提取過程中的灰度直方圖重構，得到智能化交通視頻圖像特征的線性方程描述為

Γ=Ix1(x1,x2)(x1-x1)+Ix2(x1,x2)(x2-x2).

(17)

若交通視頻目標車輛圖像的統(tǒng)計特征量滿足C(x)=0，則

Q=2π[Γ·ln(x2-x1)]·U,

(18)

其中，U為車輛圖像像素特征融合度，采用特征復用的方式[12]，建立智能化交通視頻目標車輛圖像的超分辨率重建模型，超分辨重組結果

(19)

其中μ為智能化交通視頻目標車輛圖像的超分辨率，η為智能化交通視頻目標車輛圖像小波軟閾值，智能化交通視頻目標車輛圖像采集時間間隔為n.對智能化交通視頻目標車輛圖像的信息融合和濾波降噪[13]，得到智能化交通視頻目標車輛圖像特征提取的輸出參數為

ψ=(c1-a)(δ·pl-2J-δ+c2+c1).

(20)

綜上分析，完成了智能化交通視頻目標車輛圖像提取模型優(yōu)化.實現(xiàn)了智能化交通視頻目標車輛檢測的數學模型優(yōu)化設計.

3 仿真測試與結果分析

為了驗證所提方法在實現(xiàn)智能化交通視頻目標車輛檢測和特征提取中的應用性能，采用Matlab進行仿真測試分析，構建智能化交通視頻目標車輛圖像檢測模型，檢測的傳感器節(jié)點為200，圖像信息采集的Sink節(jié)點為12，交通視頻跟蹤識別的采樣頻率為24 KHz，圖像的模板匹配系數為0.25，根據上述參數設定，得到智能化交通視頻目標車輛圖像采集結果如圖1所示.

圖1 智能化交通視頻目標車輛圖像采集結果圖2 智能化交通視頻目標車輛圖像標定

以圖1采集的智能化交通視頻目標車輛圖像為測試對象，進行智能化交通視頻目標車輛圖像標定，如圖2所示.

分析圖2得知，所提方法能有效實現(xiàn)對智能化交通視頻目標車輛圖像標定，在此基礎上，實現(xiàn)對智能化交通視頻目標車輛提取.

3.1 智能化交通視頻目標車輛圖像的辨識度測試

智能化交通視頻目標車輛特征提取如圖3所示.

圖3 文獻[3]方法車輛特征提取結果圖4 文獻[5]方法車輛特征提取結果

圖5 所提方法車輛特征提取結果

分析圖3-圖5得知，所提方法在提取智能化交通視頻目標車輛特征時，對車輛圖像的辨識度更高.

3.2 智能化交通視頻目標車輛圖像的精度測試

針對不同方法進行智能化交通視頻目標車輛檢測定位的精度測試，結果見圖6.

分析圖6可知，所提方法所檢測的車輛定位誤差率維持在10%以下，與文獻[3]、文獻[4]方法相比，誤差較低，由此可知所提方法精度較高.

3.3 智能化交通視頻目標車輛圖像的效率測試

針對不同方法進行智能化交通視頻目標車輛檢測定位的效率測試，結果見圖7.

分析圖7可知，所提方法在固定時間段內檢測數量可達到200個.在任意時間節(jié)點上，所提方法與文獻[3]以及文獻[5]相比，車輛檢測的數量更多.由此可知所提方法進行車輛檢測時效率更高.

4 結語

構建智能化交通視頻目標車輛提取的線性參數識別模型，所提出的基于邊緣輪廓特征檢測的智能化交通視頻目標車輛提取數學模型構建方法.采用模糊粗糙集理論，進行智能化交通視頻目標車輛圖像分割和樣本空間融合處理，提取智能化交通視頻目標車輛圖像的模糊度特征量，根據智能化特征分布式融合方法，構建智能化交通視頻目標車輛圖像參數識別模型，實現(xiàn)智能化交通視頻目標車輛檢測的數學模型優(yōu)化設計.研究得知，所提方法進行智能化交通視頻目標車輛提取的辨識性能較好，檢測精度和效率較高.