譚國賢

(廣東省交通集團(tuán))

隨著社會經(jīng)濟(jì)的發(fā)展，高速公路成為了交通事業(yè)的主要運(yùn)輸線路。受到多方面因素的影響，我國的交通意外事故發(fā)生率在不斷上升，給人們的生命財產(chǎn)造成的巨大的損失。對高速公路運(yùn)營狀況實時監(jiān)測，可及時發(fā)現(xiàn)交通事故且發(fā)出報警信號，為事故處理、人員搶修工作創(chuàng)造了條件，自動檢測技術(shù)的運(yùn)用在這方面的作用尤為顯著。

1 交通事件自動檢測技術(shù)

交通事件自動檢測(AID)技術(shù)是一種智能化的操控技術(shù)，對高速公路的日常運(yùn)行狀況有監(jiān)測的功能。一般交通事件自動檢測技術(shù)包括間接檢測、直接檢測等兩種形式。

間接檢測技術(shù)是目前常用的形式，其是參照交通車輛的實際情況對檢測工作加以控制，保證了數(shù)據(jù)信號傳輸?shù)挠行蜻M(jìn)行，防止外界因素對檢測信號造成不利的影響。交通檢測器的使用滿足了諸多檢測功能的要求，其以動態(tài)采集各路段的交通數(shù)據(jù)，再通過數(shù)據(jù)分析后判斷交通時間的發(fā)生情況。一般在安裝交通檢測器時將其布置在車道下面，但對于該裝置需要定期檢查以免出現(xiàn)受損問題。從長期使用結(jié)構(gòu)看，檢測器在判斷交通事故中發(fā)揮自動檢測作用的同時，也具有較高的誤報率高，對于低流量交通路線不適合運(yùn)用。

直接檢測采用了圖像處理技術(shù)對車輛行駛異常進(jìn)行檢測。該技術(shù)本質(zhì)上屬于對已發(fā)生事件的經(jīng)濟(jì)處理，并沒有采取綜合性的檢測技術(shù)判斷故障發(fā)生的狀態(tài)，缺乏檢測環(huán)節(jié)增大了交通事故造成的不利影響，破壞了交通運(yùn)輸線路的穩(wěn)定進(jìn)行。另外，“間接檢測方法”僅限于判斷交通事故的發(fā)生與否，并不能進(jìn)一步分析事件發(fā)生的時間、類型、影響等，這些都需要作出進(jìn)一步的鑒別判定。“直接檢測方法”的運(yùn)用不僅能判斷分析交通事故的類型，也可以根據(jù)相應(yīng)的數(shù)據(jù)信息分析處理事故的有效方法。

“直接檢測方法”最具代表的技術(shù)則是視頻車輛檢測技術(shù)，此項技術(shù)結(jié)合了數(shù)字化的監(jiān)控系統(tǒng)，并利用計算機(jī)建立數(shù)據(jù)處理平臺，在收集諸多數(shù)據(jù)信息之后完成了自動化操作處理。這種狀態(tài)下，各種意外事件發(fā)生的過程均有明確的記錄，交通事故處理部門只需調(diào)用視頻則可判斷事故發(fā)生的情況，對涉及事件的人員實施處罰。

2 視頻車輛檢測的運(yùn)行流程

科學(xué)技術(shù)發(fā)展對交通事件檢測產(chǎn)生了促進(jìn)作用，傳統(tǒng)車輛檢測模塊的功能得到了進(jìn)一步優(yōu)化。對于視頻車輛檢測工作來說，其不僅采用了先進(jìn)的數(shù)字信息技術(shù)，在視頻信息的獲取中也引入其他方式，保證了圖像處理的準(zhǔn)確度。比較常見的處理方式:濾波除噪、圖像銳化、對比度增強(qiáng)等，經(jīng)過處理后的圖像信息不會受到噪聲因素的干擾。此外，對目標(biāo)圖像的特點(diǎn)進(jìn)一步分析，從而判斷交通事故的類別、時間;結(jié)合有關(guān)的計算方式掌握事件車輛的相關(guān)信息，最終建立自動性的數(shù)字處理平臺，滿足了視頻車輛檢測的實際要求。具體流程如圖1所示。

圖1 視頻車輛檢測完整流程

3 運(yùn)動車輛具體的檢測技術(shù)

3.1 運(yùn)動目標(biāo)檢測算法

國內(nèi)現(xiàn)有的交通事故檢測系統(tǒng)的構(gòu)成較為復(fù)雜，其中最為核心的組成則是運(yùn)動車輛檢測算法，其對于整個車輛檢測功能具有良好的調(diào)控作用。從實際運(yùn)用情況來看，運(yùn)動目標(biāo)檢測的方式包括:光流法、幀間差分法、背景差分法、不變矩陣特征檢測法。結(jié)合本次研究的實際需要，此次選擇了背景差分法。

背景差分法在基于視頻檢測算法中運(yùn)用較為普遍，也是測量精度較高的一種。背景差分對車輛進(jìn)行檢測時，主要采用了當(dāng)前幀圖像、背景圖像的像素點(diǎn)灰度差值完成檢測。若圖像的像素點(diǎn)和背景圖像的像素點(diǎn)灰度值相差偏大，則判斷此像素點(diǎn)有車通過;若圖像的像素點(diǎn)和背景圖像的像素點(diǎn)灰度值相差偏小，則此像素點(diǎn)屬于背景像素點(diǎn)。背景差分法的本質(zhì)是先創(chuàng)建背景像素，再把待檢測圖像與背景圖像逐像素相減，最終實現(xiàn)相應(yīng)的操作目標(biāo)。如圖2所示。

圖2 背景差分法的原理

背景差分法在具體運(yùn)行中體現(xiàn)出來的優(yōu)點(diǎn)十分明顯，如:計算簡單、速度較快、數(shù)據(jù)精準(zhǔn)等。但該算法結(jié)果的正確與否受到背景因素的影響，而交通場景會隨著周圍環(huán)境的變化而變化，如:日光照射、刮風(fēng)下雨、冰霜雪凍等，這些對于檢測數(shù)據(jù)的處理均會造成不利影響，給車輛檢測造成了很大的難度?？赏ㄟ^背景模擬或多次計算的方式，提高自動檢測數(shù)據(jù)的準(zhǔn)確性。

3.2 背景模型

創(chuàng)建背景模型可以為數(shù)據(jù)分析提供綜合性的平臺，保證了數(shù)據(jù)傳輸?shù)姆€(wěn)定性，防止各類信息在傳遞處理中的錯誤，提高了整體系統(tǒng)的運(yùn)行效率。結(jié)合目前現(xiàn)有的技術(shù)水平歸納，常見的建模方式有:基于計算機(jī)平臺的背景處理，利用計算機(jī)及其輔助技術(shù)創(chuàng)建多元化的數(shù)據(jù)平臺，為用戶提供更多的數(shù)據(jù)處理模塊，適應(yīng)不同形式信息的操作要求。在背景模型建立過程中要注意功能操作的要求，防止其他因素對背景模型產(chǎn)生不利影響。

當(dāng)背景模型運(yùn)用于高速公路監(jiān)控時，則需要把圖像信息設(shè)置在規(guī)定的區(qū)域，以滿足不同用戶的具體操作要求，可以很清楚地反映出圖像需要表達(dá)的內(nèi)容。此外，這種背景的每個背景點(diǎn)上的顏色分部相對集中，在分析時可利用先進(jìn)的統(tǒng)計學(xué)背景模型進(jìn)行處理，即“序列均值法”。

本文采用如下公式進(jìn)行背景建模

其中c=R，G，B。雖然路面上有車輛通過，但是只要統(tǒng)計的時間足夠長總能得到比較好的背景模型。一般來說，背景圖像提取過程中，訓(xùn)練幀數(shù)需適中，一般200～300幀即可。

3.3 背景及目標(biāo)的改善

背景在背景差分方法中是參考幀，背景的狀態(tài)對檢測結(jié)果有決定性作用，影響了檢測數(shù)據(jù)的準(zhǔn)確性。對于普通的背景差分方法而言，其背景基本上保持不變。而對于實際運(yùn)行狀態(tài)下，背景則會隨著時間、環(huán)境的變化而出現(xiàn)變動，如:光照引起的變化、背景物體移入移出等。若在環(huán)境變動的情況下依舊維持背景模型不變，則會導(dǎo)致算法中產(chǎn)生很大的誤差，容易把背景點(diǎn)誤檢為前景點(diǎn)?？紤]到維持?jǐn)?shù)據(jù)結(jié)果的準(zhǔn)確性，則需要對背景模型定期更新調(diào)整。Pfinder系統(tǒng)在背景調(diào)整時用到的公式

公式中α為更新速率，從此公式的運(yùn)算情況看，其最大的特點(diǎn)在于:無論是背景的信息或者前景的信息，均用在了更新背景模型上。這是由于前景區(qū)域并非背景的構(gòu)成，若強(qiáng)行將其用在更新背景模型中會造成一系列的錯誤，這就要求使用更科學(xué)的背景模型進(jìn)行更新處理。完成背景的創(chuàng)建之后，需選擇當(dāng)前幀圖像與前一背景圖像直接差分后二值化，最終可得到差分后的運(yùn)動目標(biāo)圖像。

4 結(jié)語

總之，高速公路交通事件嚴(yán)重威脅了車輛行駛的安全性，通過自動化檢測技術(shù)能對公路行駛狀況實時監(jiān)控，以及時通知人員趕往現(xiàn)場處理。從未來道路交通的發(fā)展趨勢考慮，高速公路交通事件視頻車輛的檢測技術(shù)具有多方面的使用價值，充分保證了其他數(shù)據(jù)信息的有效處理。

［1]謝戰(zhàn)旗.高速公路視頻監(jiān)控系統(tǒng)研究與設(shè)計［D］.西安:長安大學(xué)，2005.

［2]趙素鋒.高速公路應(yīng)急決策技術(shù)［J］.公路交通科技(應(yīng)用技術(shù)版)，2010，(8).

［3]張萌萌，賈磊，鄒難.基于粗模糊神經(jīng)網(wǎng)絡(luò)的高速公路路段交通事件識別［J］.公路，2010，(12).