劉 坤,孫 滿,王 樂(lè),謝 斌,黨 倩,高 嬋

（1.徐州市公路事業(yè)發(fā)展中心,江蘇 徐州 221018; 2.華設(shè)設(shè)計(jì)集團(tuán)股份有限公司,江蘇 南京 210000）

0 引言

近年來(lái)，交通運(yùn)輸部發(fā)布了一系列政策針對(duì)新技術(shù)的應(yīng)用進(jìn)行了指導(dǎo)。無(wú)人機(jī)作為一種新型設(shè)備，通過(guò)5G、物聯(lián)網(wǎng)、AI 技術(shù)等技術(shù)的融合，能夠在很多不同行業(yè)中起到良好應(yīng)用效果。目前，無(wú)人機(jī)逐步在交通行業(yè)中開(kāi)展應(yīng)用研究[1]。利用無(wú)人機(jī)應(yīng)急調(diào)度系統(tǒng)開(kāi)展公路巡查，可以第一時(shí)間到達(dá)現(xiàn)場(chǎng)了解情況，及時(shí)執(zhí)行應(yīng)急調(diào)度[2]。目前公路管理部門(mén)已經(jīng)將無(wú)人機(jī)應(yīng)用到公路行業(yè)管理方面，但是主要依賴人工操作、人眼判斷，較少運(yùn)用人工智能算法識(shí)別技術(shù)[3]。

交通標(biāo)志識(shí)別[4]指利用機(jī)器視覺(jué)技術(shù)進(jìn)行標(biāo)志識(shí)別，其應(yīng)用領(lǐng)域廣泛，如自動(dòng)駕駛輔助系統(tǒng)、自主駕駛、交通控制、公路網(wǎng)維護(hù)等[5]。交通標(biāo)志是行車過(guò)程中的重要指示標(biāo)志，是保障行車有序和道路交通安全的重要成分，因此對(duì)交通標(biāo)志的識(shí)別具備很高的研究意義和實(shí)際價(jià)值。隨著深度學(xué)習(xí)的興起，目標(biāo)檢測(cè)和識(shí)別任務(wù)[6-7]得到了極大發(fā)展，但目前尚無(wú)可用的交通標(biāo)志檢測(cè)數(shù)據(jù)庫(kù)或分析系統(tǒng)。由于交通標(biāo)志易受采集條件影響，往往目標(biāo)小且容易受到環(huán)境中天氣、光照度、障礙物遮擋等影響，不易被正確識(shí)別，因此交通標(biāo)志識(shí)別是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。

1 現(xiàn)狀分析

該文以徐州市交通標(biāo)志缺失事件為例開(kāi)展研究。目前，徐州市基本實(shí)現(xiàn)了重要國(guó)省干線外場(chǎng)視頻監(jiān)控全覆蓋（平均布設(shè)密度3～4 km/處），接入徐州公路視頻監(jiān)控平臺(tái)固定視頻553 路（睢寧縣公路網(wǎng)管理與應(yīng)急指揮中心接入視頻60 余路，徐州市三環(huán)路網(wǎng)指揮中心接入視頻74 路）。另外，徐州市現(xiàn)有移動(dòng)視頻車共計(jì)50 輛，可通過(guò)3G、4G 方式向路網(wǎng)中心實(shí)時(shí)傳輸視頻。

目前對(duì)于這種缺失事件的發(fā)現(xiàn)主要依靠對(duì)徐州公路監(jiān)控視頻進(jìn)行人工巡查，即：公路中心管理人員在公路中心對(duì)公路視頻監(jiān)控系統(tǒng)的視頻界面進(jìn)行人工輪巡，通過(guò)人眼觀察的方式發(fā)現(xiàn)視頻中發(fā)生的交通標(biāo)志缺失事件，或者派遣巡查車輛上路進(jìn)行巡查，現(xiàn)場(chǎng)檢查交通標(biāo)志牌的狀態(tài)。根據(jù)目前公路巡查現(xiàn)狀，主要存在以下不足之處：

1.1 人工巡檢人員不足

經(jīng)過(guò)調(diào)研發(fā)現(xiàn)，目前徐州市道路里程長(zhǎng)、覆蓋范圍廣，由于路網(wǎng)巡檢包括路基路面狀態(tài)、沿線設(shè)施狀態(tài)、綠化修剪、橋梁健康狀態(tài)等較多內(nèi)容，造成一線養(yǎng)護(hù)巡檢任務(wù)重。

1.2 人工巡檢實(shí)時(shí)性不足

目前公路中心逐步完善視頻輪巡系統(tǒng)，依靠人工值班、人工視頻輪巡進(jìn)行事件檢測(cè)，難以實(shí)現(xiàn)對(duì)交通標(biāo)志缺失的及時(shí)發(fā)現(xiàn)和快速維護(hù)。

1.3 人工巡檢成本高

目前通過(guò)人工輪巡或巡查車輛上路巡查的方式進(jìn)行交通標(biāo)志狀態(tài)檢測(cè)，會(huì)造成人工成本、車輛使用成本和燃油能源等的損耗。

1.4 智能化程度不足

目前路側(cè)攝像機(jī)仍有覆蓋不到的視頻監(jiān)控盲點(diǎn)，存在視角范圍難以覆蓋整個(gè)控制區(qū)等問(wèn)題。由于無(wú)人機(jī)具備視角靈活、遠(yuǎn)距離、高空、快速作業(yè)能力，因此亟須采用無(wú)人機(jī)進(jìn)行智能巡查工作。

采用基于無(wú)人機(jī)影像的圖像識(shí)別手段來(lái)檢測(cè)公路異常事件，是目前升級(jí)現(xiàn)有人工監(jiān)控方法廣泛接受的方案之一。隨著續(xù)航能力提升，以人工智能賦能無(wú)人機(jī)機(jī)載視頻，為大范圍路網(wǎng)運(yùn)行監(jiān)測(cè)提供智能化手段，解決傳統(tǒng)“車載人走”巡查方式的檢測(cè)視野不足、存在安全隱患、能耗較高等問(wèn)題。

2 算法流程設(shè)計(jì)

該算法主要流程包括視頻圖像采集、預(yù)處理、圖像檢測(cè)算法處理、事件結(jié)果輸出等部分，分別承擔(dān)公路監(jiān)控視頻數(shù)據(jù)的采集、視頻圖像的幀提取、事件檢測(cè)和事件判別輸出功能。算法流程設(shè)計(jì)圖如圖1 所示。

圖1 交通標(biāo)志缺失檢測(cè)方法流程圖

3 算法實(shí)現(xiàn)

3.1 交通標(biāo)志目標(biāo)檢測(cè)

交通標(biāo)志的識(shí)別是公路養(yǎng)護(hù)巡查與智能駕駛的關(guān)鍵領(lǐng)域，這與視頻及圖像中物體目標(biāo)的檢測(cè)技術(shù)是分不開(kāi)的。室外環(huán)境復(fù)雜多變，交通標(biāo)志的明亮程度、損壞形變、尺寸變化都對(duì)目標(biāo)檢測(cè)系統(tǒng)提出了很高的要求。針對(duì)這些特點(diǎn)，我們提出采用YOLO 框架進(jìn)行交通標(biāo)志的檢測(cè)，檢測(cè)速度非?？?，可以滿足移動(dòng)式視頻檢測(cè)器的要求。目標(biāo)檢測(cè)方案采用YOLO 和級(jí)聯(lián)分類器結(jié)合的方式進(jìn)行檢測(cè)，框架流程圖如圖2。

圖2 交通標(biāo)志目標(biāo)檢測(cè)流程圖

YOLO 目標(biāo)檢測(cè)方法的特點(diǎn)是實(shí)現(xiàn)快速檢測(cè)的同時(shí)還具有較高的準(zhǔn)確率。該方法將目標(biāo)檢測(cè)任務(wù)看作目標(biāo)區(qū)域預(yù)測(cè)和類別預(yù)測(cè)的回歸問(wèn)題。該方法采用單個(gè)神經(jīng)網(wǎng)絡(luò)直接預(yù)測(cè)目標(biāo)邊界和類別概率，實(shí)現(xiàn)端到端的目標(biāo)檢測(cè)。

Adaboost 是一種迭代算法，其核心思想是針對(duì)同一個(gè)訓(xùn)練集訓(xùn)練不同的分類器（弱分類器），然后把這些弱分類器集合起來(lái)，構(gòu)成一個(gè)更強(qiáng)的最終分類器（強(qiáng)分類器）。通過(guò)對(duì)圖片特征分析，采用不同特征完成分類器，可以得到二分類器，再利用篩選式將分類器級(jí)聯(lián)起來(lái)，形成級(jí)聯(lián)分類器，提高目標(biāo)檢測(cè)的準(zhǔn)確度。級(jí)聯(lián)分類器示意圖如圖3 所示。

圖3 級(jí)聯(lián)分類器示意圖

3.2 交通標(biāo)志缺失狀態(tài)檢測(cè)

我國(guó)各地的公路交通建設(shè)日趨完善，公路基礎(chǔ)設(shè)施及其附屬設(shè)施發(fā)生著日新月異的變化。交通標(biāo)志由于地物遮擋、標(biāo)志破損及標(biāo)志被盜等原因，引起了交通標(biāo)志缺失的問(wèn)題。在對(duì)交通標(biāo)志缺失狀態(tài)識(shí)別前首先需要采用交通標(biāo)志目標(biāo)檢測(cè)算法進(jìn)行交通標(biāo)志的識(shí)別。

交通標(biāo)志缺失狀態(tài)識(shí)別一般是通過(guò)人工手段進(jìn)行識(shí)別，這種手段效率低、作業(yè)量大且準(zhǔn)確度差，限制了道路交通附屬設(shè)施維護(hù)的及時(shí)性，不利于數(shù)據(jù)信息的及時(shí)更新。針對(duì)以上問(wèn)題，該項(xiàng)目提出了一種基于機(jī)器視覺(jué)的交通標(biāo)志缺失檢測(cè)方法，可對(duì)交通標(biāo)志的缺失問(wèn)題進(jìn)行自動(dòng)化檢測(cè)，有效解決了現(xiàn)有人工手段效率低、作業(yè)量大且準(zhǔn)確度差的問(wèn)題，大大提高了巡查效率和準(zhǔn)確率。

識(shí)別模塊檢測(cè)利用改進(jìn)的YOLO 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型進(jìn)行圖像特征提取，該方法結(jié)構(gòu)模型具體為：基于交通標(biāo)志尺度較小的特點(diǎn)，刪除YOLO 預(yù)測(cè)層中52*52*255的大尺度預(yù)測(cè)層，同時(shí)，對(duì)13*13*255 的小尺度預(yù)測(cè)層進(jìn)行上采樣，與26*26*255的中尺度預(yù)測(cè)層進(jìn)行累加融合，重組成新的26*26*255 的預(yù)測(cè)層，然后以13*13*255 的小尺度預(yù)測(cè)層和重組后26*26*255 的中尺度預(yù)測(cè)層分別預(yù)測(cè)不同尺度的目標(biāo)，從而完成對(duì)所有目標(biāo)的預(yù)測(cè)；其中，預(yù)測(cè)層是指原始YOLOv3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中的輸出層。改進(jìn)后的YOLO 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)示意圖如圖4 所示。

圖4 改進(jìn)的YOLO 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)示意圖

4 總結(jié)

該文設(shè)計(jì)并實(shí)現(xiàn)了一種基于無(wú)人機(jī)影像的交通標(biāo)志狀態(tài)缺失狀態(tài)監(jiān)測(cè)方法，該方法實(shí)現(xiàn)了公路交通標(biāo)志檢測(cè)的信息化、智能化，大幅降低人力成本投入、減少養(yǎng)護(hù)巡查經(jīng)濟(jì)成本。同時(shí)，提高了事件檢測(cè)實(shí)時(shí)性，節(jié)約了巡檢時(shí)間，優(yōu)化了業(yè)務(wù)流程。該算法可為交通運(yùn)輸部門(mén)公路巡查向非現(xiàn)場(chǎng)化、信息化、智能化方向發(fā)展和完善提供參考，符合探索先進(jìn)裝備在公路行業(yè)應(yīng)用的相關(guān)國(guó)家行業(yè)規(guī)劃政策要求。