高速公路交通事件自动检测技术研究.docx

? ? 高速公路交通事件自动检测技术研究 ? ? 朱凤杰 （河北交投沿海高速公路有限公司，河北 秦皇岛 066000） 1 引言 如今，交通事件检测算法（AID）已经愈发成熟。加利福尼亚算法、标准偏差算法、基于突变理论的McMaster算法、低通滤波算法等是早期应用于交通事件检测的技术。随着智能交通系统的快速发展，包括基于神经网络模型[1]、贝叶斯模型[2]和支持向量机[3]等技术应用于交通事件检测系统使其应用效果越来越好。本文主要介绍了视频交通事件检测系统的构成，对视频交通事件检测系统性能的影响因素进行了分析，最后对京秦高速公路交通事件检测系统现状进行分析并提出了优化建议。 2 视频交通事件检测系统构成 随着基于视频的交通事件自动检测算法的出现及不断发展，基于此项技术的自动事件检测系统也随之产生。视频交通事件检测系统一般由视频信息采集单元（即摄像机）、事件自动检测处理报警单元（即视频交通事件检测器）、传输系统以及视频记录存储单元等部分组成。其中，视频交通事件检测器通常又由车辆检测模块、车辆跟踪模块、交通事件检测模块、报警处理模块等部分构成，如图1所示。 3 视频事件检测系统性能影响因素分析 不同的事件检测系统在相同的应用条件下性能会有所差异，同一个事件检测系统在不同的应用条件下性能也会有所不同，究竟是哪些因素在影响视频事件检测系统的性能以及这些因素是如何影响的，本文采用分解法对其进行了研究。 3.1 摄像机性能对视频事件检测性能的影响 在视频交通事件自动检测技术中，摄像机的性能直接影响着视频事件的检测性能。综合视频监控技术研究中关于摄像机性能影响因素的分析和视频AID算法研究及视频事件检测相应范围的研究等相关内容，总结归纳摄像机对视频事件检测系统性能的影响因素主要体现在以下几个方面。 1）摄像机密度。不同品牌的产品性能有所差异、同一品牌的不同代产品性能也有所不同，但是用于事件检测的摄像机的布设密度必须满足该系统的事件检测响应范围。 2）摄像机在大雾等恶劣环境条件下的图像采集功能。大雾等恶劣气象，严重影响大变倍镜头的观察能力，采集的视频图像难以满足视频事件检测器对视频源的要求，从而使视频事件检测系统在恶劣气象条件下失去自动事件检测功能，在最容易发生事件、最需要其发挥作用的时候无法发挥作用，成为实际应用中的一大瓶颈。 CP粉冲突相对其他的冲突相对比较温和，因为CP粉之间的相互攻击往往缺少“实锤”，更多地停留在想象的层面，相比彼此攻击的负功能冲突，CP粉更愿意通过冲突关系实现自身和群体的认同。 3）摄像机在低照度条件下的图像采集功能。目前，摄像机在低照度条件下的监控效果普遍较差，是监控领域的瓶颈技术之一。摄像机在低照度条件下采集的视频图像作为视频源输入视频检测器无法进行目标提取、车辆跟踪等图像处理工作，从而无法实现事件自动检测功能。 3.2 视频事件检测器对视频事件检测性能的影响 视频事件车检器的核心为AID算法。AID算法主要包含目标识别、车辆跟踪和行为理解3个主要处理过程，对每个处理过程进行分析，总结影响AID算法的因素如下。 3.2.1 检测区域背景特征及模型建立 对目标进行识别是依赖于精确的背景建模实现的。当时段、天气、光照、车流量等场景构成要素变化时，背景模型也应该随之变化，只有及时更新背景模型，使之与实际背景特征相吻合，才能依赖背景模型采用背景消减的方法从静态场景中提取目标。在恶劣的环境下（如雨天、夜晚、浓雾等），建立准确的背景模型更为重要，因为在恶劣环境下交通事件更易于发生。 3.2.2 车型构成 当交通量构成中，大车比例比较高时，遮挡问题就比较严重，因遮挡产生的车辆阴影会使图像中目标外形扭曲，同时可能导致相邻物体由于阴影而相互连接，混淆目标提取系统。如果视频检测系统不能将目标和阴影进行有效分离，后续的交通参数提取和行为理解过程，如目标跟踪、速度计算和事件检测等，精度都会有所降低，甚至难以进行。 3.2.3 车辆行为特征 当交通事件发生后，车辆在车速和行驶车道方面的行为特征会发生改变，基于车辆行为的AID和基于车流特征的AID是目前视频处理常用的两类AID算法行为理解。目标提取和车辆跟踪是行为理解的重要组成部，它们的误差对行为理解的准确性有着一定的影响，所以行为理解在复杂场景中的应用是极具挑战性的。 4 京秦高速公路交通事件视频自动检测系统现状分析及优化建议 本文在分析京秦高速公路视频事件检测系统应用现状的基础上，以高速公路视频事件检测系统一般技术要求为基准，结合京秦高速公路的运营管理需求，分析现有京秦视频事件检测系统存在的问题，对系统的进一步完善优化提出措施建议。 4.1 京秦高速公路视频事件检测系统现状分析 为客观反映京秦高速公路现有视频事件检测系统的应用现状，本文对2009年京秦高速公路视频事件检测系统