朱鳳杰

（河北交投沿海高速公路有限公司，河北 秦皇島 066000）

1 引言

如今，交通事件檢測(cè)算法（AID）已經(jīng)愈發(fā)成熟。加利福尼亞算法、標(biāo)準(zhǔn)偏差算法、基于突變理論的McMaster算法、低通濾波算法等是早期應(yīng)用于交通事件檢測(cè)的技術(shù)。隨著智能交通系統(tǒng)的快速發(fā)展，包括基于神經(jīng)網(wǎng)絡(luò)模型[1]、貝葉斯模型[2]和支持向量機(jī)[3]等技術(shù)應(yīng)用于交通事件檢測(cè)系統(tǒng)使其應(yīng)用效果越來(lái)越好。本文主要介紹了視頻交通事件檢測(cè)系統(tǒng)的構(gòu)成，對(duì)視頻交通事件檢測(cè)系統(tǒng)性能的影響因素進(jìn)行了分析，最后對(duì)京秦高速公路交通事件檢測(cè)系統(tǒng)現(xiàn)狀進(jìn)行分析并提出了優(yōu)化建議。

2 視頻交通事件檢測(cè)系統(tǒng)構(gòu)成

隨著基于視頻的交通事件自動(dòng)檢測(cè)算法的出現(xiàn)及不斷發(fā)展，基于此項(xiàng)技術(shù)的自動(dòng)事件檢測(cè)系統(tǒng)也隨之產(chǎn)生。視頻交通事件檢測(cè)系統(tǒng)一般由視頻信息采集單元（即攝像機(jī)）、事件自動(dòng)檢測(cè)處理報(bào)警單元（即視頻交通事件檢測(cè)器）、傳輸系統(tǒng)以及視頻記錄存儲(chǔ)單元等部分組成。其中，視頻交通事件檢測(cè)器通常又由車輛檢測(cè)模塊、車輛跟蹤模塊、交通事件檢測(cè)模塊、報(bào)警處理模塊等部分構(gòu)成，如圖1所示。

3 視頻事件檢測(cè)系統(tǒng)性能影響因素分析

不同的事件檢測(cè)系統(tǒng)在相同的應(yīng)用條件下性能會(huì)有所差異，同一個(gè)事件檢測(cè)系統(tǒng)在不同的應(yīng)用條件下性能也會(huì)有所不同，究竟是哪些因素在影響視頻事件檢測(cè)系統(tǒng)的性能以及這些因素是如何影響的，本文采用分解法對(duì)其進(jìn)行了研究。

3.1 攝像機(jī)性能對(duì)視頻事件檢測(cè)性能的影響

在視頻交通事件自動(dòng)檢測(cè)技術(shù)中，攝像機(jī)的性能直接影響著視頻事件的檢測(cè)性能。綜合視頻監(jiān)控技術(shù)研究中關(guān)于攝像機(jī)性能影響因素的分析和視頻AID算法研究及視頻事件檢測(cè)相應(yīng)范圍的研究等相關(guān)內(nèi)容，總結(jié)歸納攝像機(jī)對(duì)視頻事件檢測(cè)系統(tǒng)性能的影響因素主要體現(xiàn)在以下幾個(gè)方面。

1）攝像機(jī)密度。不同品牌的產(chǎn)品性能有所差異、同一品牌的不同代產(chǎn)品性能也有所不同，但是用于事件檢測(cè)的攝像機(jī)的布設(shè)密度必須滿足該系統(tǒng)的事件檢測(cè)響應(yīng)范圍。

2）攝像機(jī)在大霧等惡劣環(huán)境條件下的圖像采集功能。大霧等惡劣氣象，嚴(yán)重影響大變倍鏡頭的觀察能力，采集的視頻圖像難以滿足視頻事件檢測(cè)器對(duì)視頻源的要求，從而使視頻事件檢測(cè)系統(tǒng)在惡劣氣象條件下失去自動(dòng)事件檢測(cè)功能，在最容易發(fā)生事件、最需要其發(fā)揮作用的時(shí)候無(wú)法發(fā)揮作用，成為實(shí)際應(yīng)用中的一大瓶頸。

CP粉沖突相對(duì)其他的沖突相對(duì)比較溫和，因?yàn)镃P粉之間的相互攻擊往往缺少“實(shí)錘”，更多地停留在想象的層面，相比彼此攻擊的負(fù)功能沖突，CP粉更愿意通過(guò)沖突關(guān)系實(shí)現(xiàn)自身和群體的認(rèn)同。

3）攝像機(jī)在低照度條件下的圖像采集功能。目前，攝像機(jī)在低照度條件下的監(jiān)控效果普遍較差，是監(jiān)控領(lǐng)域的瓶頸技術(shù)之一。攝像機(jī)在低照度條件下采集的視頻圖像作為視頻源輸入視頻檢測(cè)器無(wú)法進(jìn)行目標(biāo)提取、車輛跟蹤等圖像處理工作，從而無(wú)法實(shí)現(xiàn)事件自動(dòng)檢測(cè)功能。

3.2 視頻事件檢測(cè)器對(duì)視頻事件檢測(cè)性能的影響

視頻事件車檢器的核心為AID算法。AID算法主要包含目標(biāo)識(shí)別、車輛跟蹤和行為理解3個(gè)主要處理過(guò)程，對(duì)每個(gè)處理過(guò)程進(jìn)行分析，總結(jié)影響AID算法的因素如下。

3.2.1 檢測(cè)區(qū)域背景特征及模型建立

對(duì)目標(biāo)進(jìn)行識(shí)別是依賴于精確的背景建模實(shí)現(xiàn)的。當(dāng)時(shí)段、天氣、光照、車流量等場(chǎng)景構(gòu)成要素變化時(shí)，背景模型也應(yīng)該隨之變化，只有及時(shí)更新背景模型，使之與實(shí)際背景特征相吻合，才能依賴背景模型采用背景消減的方法從靜態(tài)場(chǎng)景中提取目標(biāo)。在惡劣的環(huán)境下（如雨天、夜晚、濃霧等），建立準(zhǔn)確的背景模型更為重要，因?yàn)樵趷毫迎h(huán)境下交通事件更易于發(fā)生。

3.2.2 車型構(gòu)成

當(dāng)交通量構(gòu)成中，大車比例比較高時(shí)，遮擋問(wèn)題就比較嚴(yán)重，因遮擋產(chǎn)生的車輛陰影會(huì)使圖像中目標(biāo)外形扭曲，同時(shí)可能導(dǎo)致相鄰物體由于陰影而相互連接，混淆目標(biāo)提取系統(tǒng)。如果視頻檢測(cè)系統(tǒng)不能將目標(biāo)和陰影進(jìn)行有效分離，后續(xù)的交通參數(shù)提取和行為理解過(guò)程，如目標(biāo)跟蹤、速度計(jì)算和事件檢測(cè)等，精度都會(huì)有所降低，甚至難以進(jìn)行。

3.2.3 車輛行為特征

當(dāng)交通事件發(fā)生后，車輛在車速和行駛車道方面的行為特征會(huì)發(fā)生改變，基于車輛行為的AID和基于車流特征的AID是目前視頻處理常用的兩類AID算法行為理解。目標(biāo)提取和車輛跟蹤是行為理解的重要組成部，它們的誤差對(duì)行為理解的準(zhǔn)確性有著一定的影響，所以行為理解在復(fù)雜場(chǎng)景中的應(yīng)用是極具挑戰(zhàn)性的。

4 京秦高速公路交通事件視頻自動(dòng)檢測(cè)系統(tǒng)現(xiàn)狀分析及優(yōu)化建議

本文在分析京秦高速公路視頻事件檢測(cè)系統(tǒng)應(yīng)用現(xiàn)狀的基礎(chǔ)上，以高速公路視頻事件檢測(cè)系統(tǒng)一般技術(shù)要求為基準(zhǔn)，結(jié)合京秦高速公路的運(yùn)營(yíng)管理需求，分析現(xiàn)有京秦視頻事件檢測(cè)系統(tǒng)存在的問(wèn)題，對(duì)系統(tǒng)的進(jìn)一步完善優(yōu)化提出措施建議。

4.1 京秦高速公路視頻事件檢測(cè)系統(tǒng)現(xiàn)狀分析

為客觀反映京秦高速公路現(xiàn)有視頻事件檢測(cè)系統(tǒng)的應(yīng)用現(xiàn)狀，本文對(duì)2009年京秦高速公路視頻事件檢測(cè)系統(tǒng)的歷史數(shù)據(jù)以及京秦管理處的值班記錄數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)分析。視頻事件檢測(cè)系統(tǒng)歷史數(shù)據(jù)中檢測(cè)到的事件類型及發(fā)生次數(shù)如表1所示。

表1 2009年京秦高速公路事件檢測(cè)系統(tǒng)檢測(cè)事件類型及發(fā)生次數(shù)統(tǒng)計(jì)表

各類事件發(fā)生比例如圖2所示。

圖2 2009年京秦高速公路事件檢測(cè)系統(tǒng)檢測(cè)事件類型及發(fā)生比例

由事件檢測(cè)系統(tǒng)歷史數(shù)據(jù)統(tǒng)計(jì)得出的2009年京秦高速公路交通事件發(fā)生趨勢(shì)如圖3所示。

圖3 2009年京秦高速公路交通事件發(fā)生趨勢(shì)圖

以上數(shù)據(jù)表明，京秦事件檢測(cè)系統(tǒng)的事件檢測(cè)類型比較全面，停車事件是檢出最多的事件，占總事件類型的69.7%。對(duì)大眾出行影響比較大的交通擁堵事件檢出比例為0.3%。全年的4月中旬至5月中旬以及7～9月的兩個(gè)時(shí)間段是事件高發(fā)期，以7～9月表現(xiàn)最為突出。

為驗(yàn)證視頻事件檢測(cè)系統(tǒng)的性能，本文對(duì)京秦管理處2009年1月、4月、8月3個(gè)月的180份值班記錄進(jìn)行了統(tǒng)計(jì)分析，如表2所示。

由表2中數(shù)據(jù)可粗略推算出事件檢測(cè)系統(tǒng)的檢測(cè)率，如表3所示。表3中數(shù)據(jù)表明，由值班記錄推算出的事件檢測(cè)率，即實(shí)際應(yīng)用中的檢測(cè)率很低，遠(yuǎn)遠(yuǎn)達(dá)不到系統(tǒng)產(chǎn)品說(shuō)明書標(biāo)稱的指標(biāo)值。假設(shè)這種推算誤差在30%，那么最好的檢測(cè)率也只有50%左右，仍然不能滿足實(shí)際應(yīng)用要求。

表2 2009年京秦管理處4月、8月、9月值班記錄統(tǒng)計(jì)表

表3 由值班記錄推算出的事件檢測(cè)率

將歷史統(tǒng)計(jì)數(shù)據(jù)與值班記錄數(shù)據(jù)進(jìn)行比對(duì)，可以粗略看出事件檢測(cè)系統(tǒng)的誤報(bào)率，如表4所示。表4中數(shù)據(jù)表明，檢測(cè)系統(tǒng)的誤報(bào)率很高。

表4 由值班記錄推算出的誤報(bào)率

通過(guò)以上對(duì)歷史數(shù)據(jù)的統(tǒng)計(jì)分析，可知京秦高速公路目前事件自動(dòng)檢測(cè)系統(tǒng)在使用性能方面現(xiàn)狀：

1）事件檢測(cè)類型基本涵蓋日常經(jīng)常出現(xiàn)的事件；

2）系統(tǒng)事件檢測(cè)率較低，交通擁堵、交通事故等事件的發(fā)現(xiàn)仍然主要依靠人工檢測(cè)方式；

3）系統(tǒng)事件檢測(cè)誤報(bào)率很高，大大增強(qiáng)了監(jiān)控人員的工作強(qiáng)度。

4.2 京秦自動(dòng)事件檢測(cè)系統(tǒng)優(yōu)化措施建議

根據(jù)京秦高速公路視頻交通事件檢測(cè)系統(tǒng)存在的不足，結(jié)合京秦管理處的實(shí)際運(yùn)行需求，對(duì)目前京秦高速公路視頻交通事件檢測(cè)系統(tǒng)提出以下優(yōu)化措施建議。

1）根據(jù)京秦高速公路交通事件發(fā)生的頻率和事件檢測(cè)響應(yīng)范圍來(lái)布設(shè)視頻交通事件檢測(cè)器。

2）目前，京秦高速的攝像機(jī)布設(shè)密度為2 km，根據(jù)京秦高速公路的交通流狀況和線形狀況來(lái)說(shuō)，這顯然是過(guò)小的，應(yīng)在彎道處和流量較大的路段適當(dāng)增大檢測(cè)器的布設(shè)密度。

3）在視距不良地段，且車檢器布設(shè)較密的路段可增加間接事件檢測(cè)算法進(jìn)行事件檢測(cè)的方式，作為視頻事件的有效補(bǔ)充，提高檢測(cè)精度。

4）為了實(shí)現(xiàn)視頻事件自動(dòng)檢測(cè)系統(tǒng)對(duì)交通事件的全方位檢測(cè)，應(yīng)從數(shù)據(jù)采集、事件類型劃分、事件報(bào)警等方面入手進(jìn)行整體規(guī)劃，從而優(yōu)化京秦高速公路交通事件管理效率。

5）對(duì)京秦高速公路攝像機(jī)的配置和參數(shù)進(jìn)行優(yōu)化，使其在光線不足及天氣惡劣的情況下也能正常使用，保證攝像機(jī)處于全天候運(yùn)行的狀態(tài)。

5 結(jié)語(yǔ)

本文對(duì)視頻交通事件檢測(cè)系統(tǒng)的構(gòu)成進(jìn)行了敘述，并對(duì)視頻事件檢測(cè)系統(tǒng)性能的影響因素進(jìn)行了分析，最后依據(jù)京秦高速公路交通事件視頻自動(dòng)檢測(cè)系統(tǒng)現(xiàn)狀進(jìn)行分析，根據(jù)視頻交通事件檢測(cè)系統(tǒng)現(xiàn)狀的不足提出了優(yōu)化措施建議。