熊 昕 徐建閩

（1.廣州番禺職業(yè)技術(shù)學(xué)院計(jì)算機(jī)中心 廣州 511483；2.華南理工大學(xué)交通學(xué)院 廣州 510640）

0 引言

交通事件是指公路上偶發(fā)性事件，如交通事故、故障停車、貨物散落和常發(fā)性擁擠等引起的交通堵塞。對于可預(yù)測類的交通事件，駕駛員可以預(yù)先制定合理的出行計(jì)劃來降低其影響，但對于突發(fā)事件引起的延誤，駕駛員卻無法采取躲避措施。這類事件的影響不僅造成交通擁擠，還會引起二次事故。當(dāng)交通擁擠時(shí)，車輛走走停停會引發(fā)更多的小事故及汽車拋錨等事件的發(fā)生。這樣就增加了事件的數(shù)量，并延長了清除事件的時(shí)間。所以，如何采用交通事件自動檢測系統(tǒng)（automatic incident detection system，AIDS）對交通事件進(jìn)行快速準(zhǔn)確的檢測，已經(jīng)成為越來越多人關(guān)心的問題。國內(nèi)外許多專家學(xué)者提出了描述交通事件檢測的算法。Kamijo［1］等通過對序列目標(biāo)圖像的跟蹤學(xué)習(xí)獲得目標(biāo)運(yùn)動的時(shí)空區(qū)域，經(jīng)定性的推理和統(tǒng)計(jì)分析，自動構(gòu)造出定性的事件模型，實(shí)現(xiàn)事件的預(yù)測和異常事件的檢測；Jutaek Oh［2］等建立了包括交通場景中的檢測數(shù)據(jù)，例如時(shí)間序列的車輛行駛方向、位置等的3D 場景描述序列；Kumar［3］等利用運(yùn)動目標(biāo)與場景內(nèi)靜態(tài)設(shè)施及動態(tài)目標(biāo)之間的相互關(guān)系識別行為活動。以上介紹的算法中，都具有模型復(fù)雜，運(yùn)算量大，實(shí)現(xiàn)起來比較復(fù)雜等的缺點(diǎn)。趙有婷［4］提出1種背景差分法進(jìn)行車輛檢測方法，采用了簡單的背景模型，即對一定時(shí)間內(nèi)的幀數(shù)進(jìn)行中值濾波得到背景，這種方法必須對車輛進(jìn)行連續(xù)的跟蹤，才能知道每輛車的行駛軌跡等信息，作為后續(xù)事件檢測的依據(jù)。汪勤［5］等論述了運(yùn)動理解和行為識別中的HMM（隱馬爾可夫模型）方法和SOFM（自組織特征映射神經(jīng)網(wǎng)絡(luò)）方法。通過對運(yùn)動圖像分割、特征提取，提出了1種基于特征的跟蹤（featurebased tracking），基于特征的跟蹤與基于區(qū)域跟蹤算法的區(qū)別在于后者使用目標(biāo)整體作為關(guān)聯(lián)時(shí)的對象，前者使用目標(biāo)的某個(gè)或某些局部特征作為相關(guān)時(shí)的計(jì)象。此算法的優(yōu)點(diǎn)是實(shí)現(xiàn)簡單，即使目標(biāo)的某1部分被遮擋，只要其他特征可見，即可完成跟蹤，這種方法與Kahnan濾波結(jié)合使用，也具有很好的效果。本文重點(diǎn)對交通量檢測、車輛跨道處理、速度檢測、交通狀況檢測及交通事件識別和車輛行為的跟蹤與分析，并提出了基于速度分類算法的交通事件實(shí)時(shí)視頻檢測方法。

1 視頻交通事件檢測系統(tǒng)的實(shí)現(xiàn)

1.1 系統(tǒng)功能及處理流程

視頻的交通事件檢測系統(tǒng)是通過對道路監(jiān)控系統(tǒng)中的視頻圖像進(jìn)行處理和綜合分析，采用基于視頻檢測［8］和目標(biāo)跟蹤［9］的技術(shù)，來實(shí)現(xiàn)對道路交通發(fā)生影響正常交通秩序的事件過程進(jìn)行實(shí)時(shí)檢測、報(bào)警、記錄、傳輸、統(tǒng)計(jì)。如果發(fā)現(xiàn)某機(jī)動車的運(yùn)行狀態(tài)出現(xiàn)異常（如撞車、突然停車、遺撒物等）立即報(bào)警并將該路視頻圖像及報(bào)警區(qū)域圖像切換到主監(jiān)控畫面。VIPS能夠采集的數(shù)據(jù)很廣，1個(gè)攝像機(jī)可以采集幾個(gè)車道的數(shù)據(jù)，使得檢測交通動態(tài)行為（如振動波）和各種空間交通參數(shù)（如密度、速度、排隊(duì)長度）成為可能［6］。除此以外，視頻檢測能提供輔助信息，如路肩交通、停車交通、車道變化、速度差異和其他方向的交通擁堵情況。其系統(tǒng)處理流程見圖1。

圖1 系統(tǒng)處理流程圖Fig.1 System processing flow chart

系統(tǒng)實(shí)現(xiàn)功能如下。

1）借助高速公路和隧道閉路電視監(jiān)控系統(tǒng)，實(shí)時(shí)傳輸各種交通數(shù)據(jù)信息。

2）實(shí)時(shí)檢測交通路況，發(fā)現(xiàn)異常立即自動報(bào)警。

3）記錄和存儲歷史數(shù)據(jù)信息，為交通規(guī)劃和組織管理提供有效的參考依據(jù)。

4）快速處理道路交通事件，及時(shí)發(fā)布交通信息，有效地解除道路隱患。

5）及時(shí)通知車輛救援單位趕赴現(xiàn)場對事故車輛進(jìn)行處理，避免造成交通擁堵。

1.2 交通量檢測

交通量檢測［6］模塊的輸入是圖像數(shù)據(jù)、用戶可設(shè)置檢測線參數(shù)，模塊的輸出是車輛駛?cè)?、存在和駛出檢測區(qū)域的判斷結(jié)果。分析處理后提取車輛目標(biāo)，辨別不同幀之間的同一車輛；自動識別跨道車輛、流量統(tǒng)計(jì)。

用累加器實(shí)現(xiàn)車輛的計(jì)數(shù)，建立2個(gè)數(shù)據(jù)庫分別記錄車輛出現(xiàn)的次數(shù)和相應(yīng)的起始時(shí)間，計(jì)算任意時(shí)間段的車輛流量數(shù)N。計(jì)算方法為：假設(shè)時(shí)間段tstart→tend，先確定tstart時(shí)刻車輛出現(xiàn)次數(shù)N1，同樣可找到tend時(shí)刻所對應(yīng)的次數(shù)N2，式（1）則為tstart→tend時(shí)間段的車輛數(shù)計(jì)算公式。

在實(shí)際交通系統(tǒng)中，常以單向和雙向車道上的車輛計(jì)數(shù)統(tǒng)計(jì)交通量，對于多車道上的車輛計(jì)數(shù)只需將幾個(gè)車道的車輛數(shù)相加即可。

1.3 跨道處理

當(dāng)臨近的2個(gè)檢測線圈同時(shí)檢測到同一車輛時(shí)，需把這種情況與兩車輛同時(shí)經(jīng)過臨近兩線圈的情況區(qū)分開來，避免交通流量統(tǒng)計(jì)錯(cuò)誤。以下是從2個(gè)線圈產(chǎn)生信號的特征著手判別2輛車同時(shí)經(jīng)過車輛跨道行駛。對于2輛車同時(shí)駛過的情況，線圈一和線圈二檢測到的車輛目標(biāo)處的位置在接近中央的地方，較均勻。對于車輛跨道行駛的情況，線圈產(chǎn)生的檢測信號是不均勻的。如圖2所示，對于線圈一來說，檢測到的車輛目標(biāo)在右側(cè)；對于線圈二來說，檢測到的車輛目標(biāo)在左側(cè)。由于車輛的寬度限制，2個(gè)線圈檢測到的目標(biāo)，必定有1個(gè)檢測到的車輛目標(biāo)只是占據(jù)了線圈的小部分。因此，當(dāng)兩檢測線圈同時(shí)檢測到有車輛駛過，且2個(gè)檢測線圈檢測到的車輛目標(biāo)都偏向臨近的線圈，且其中有1個(gè)或2個(gè)的線圈檢測到的車輛目標(biāo)只是占據(jù)了線圈的一側(cè)的小部分，就可認(rèn)為車輛是跨道行駛，把車輛規(guī)定為經(jīng)過檢測到占據(jù)較大部分的車輛目標(biāo)的線圈。

圖2 車輛經(jīng)過線圈的情形Fig.2 Vehicle passes through the coi

1.4 速度檢測

車輛的速度檢測［7］有2種方法：在同一虛擬標(biāo)志線上檢測；在相鄰2 條虛擬標(biāo)志線上檢測。其檢測線的定義和功能如下。

1）檢測線是由檢測線圈的前后端組成。

2）檢測線是由存在判斷從0變成1時(shí)觸發(fā)的第1 時(shí)間T1檢測，即檢測車輛前端駛?cè)霗z測線的時(shí)間。

3）檢測線是在存在判斷從1變成0時(shí)觸發(fā)的第2 時(shí)間T2檢測，即檢測車輛尾端駛出檢測線的時(shí)間。

車輛速度檢測全過程見圖3。首先，在監(jiān)視器顯示的各車道的中心，沿車輛行駛方向平行放置若干個(gè)虛擬檢測線圈，每車道各有1個(gè)，檢測線圈盡可能地跟車道寬度相等，并將該檢測線圈上各象素點(diǎn)的實(shí)際世界坐標(biāo)信息對應(yīng)存入存儲器中。然后，通過檢測車輛的前端和尾端在視頻圖象中壓線的全過程。最后，通過求取車輛目標(biāo)的長度與經(jīng)過檢測線的時(shí)間比值，獲得實(shí)際的車速信息。

圖3 車輛速度檢測全過程Fig.3 Vehicle speed detection process

車輛整個(gè)壓線過程為：開始觸發(fā)檢測線，開始檢測T1；車輛前端入檢測線，檢測到T1；開始觸發(fā)檢測線，開始檢測T2；車輛尾端駛?cè)霗z測線，檢測到T2。

由于車輛的車頭和車尾，在這些位置還存在較強(qiáng)烈的水平邊緣紋理，這是車體和背景的分界線。因此采用跟蹤車頭和車尾在檢測線的交點(diǎn)位置，即可檢測出車輛的經(jīng)過檢測線的情況。進(jìn)而計(jì)算出車輛的行駛速度。

第1種檢測方法是將車輛長度取基于統(tǒng)計(jì)意義下的折合長度，一般取5 m，已知車長為L，車速的計(jì)算可直接在虛擬窗口上操作，對某一檢測到并通過的車輛，只要得到車輛的通過時(shí)間，便可計(jì)算車輛的速度。

式中：k為車輛出現(xiàn)的次序號。

第2種方法，利用2相鄰虛擬標(biāo)志線之間的距離L（已知），本系統(tǒng)設(shè)為10 m，只需計(jì)算車頭分別到達(dá)兩相鄰的虛擬標(biāo)志線之間的時(shí)間差便可計(jì)算出車輛的速度。算法如下。

1）車輛先經(jīng)過虛擬標(biāo)志線i時(shí)刻為T1（i）。

2）車輛后經(jīng)過的虛擬標(biāo)志線i＋1的時(shí)刻T1（i＋1），在實(shí)際運(yùn)用中T1（i）和T2（i＋1）之間要確保在虛擬標(biāo)志線i和i＋1經(jīng)過的是同一輛車。此時(shí)可得到車輛的速度計(jì)算公式為

在一段道路上車輛的平均速度為

1.5 隧道交通事件檢測

1.5.1 交通事件檢測方法

基于速度分類算法的交通事件實(shí)時(shí)視頻檢測方法是在車輛檢測和跟蹤的基礎(chǔ)上［7］，運(yùn)用事故檢測算法，設(shè)定閾值，可檢測到不同類型的事故，如車輛停止、車道變換、車輛排隊(duì)、交通阻塞、行車逆行等事件。基于速度分類算法的事件檢測的判定準(zhǔn)則是在系統(tǒng)中設(shè)置的連續(xù)計(jì)數(shù)時(shí)間閾值Tth，以超過此閾值判斷1個(gè)事件的發(fā)生，不同的事件中，可以設(shè)置不同的時(shí)間閾值Tth。此處，將交通視頻圖像平面分為36個(gè)子區(qū)域，為每個(gè)子區(qū)域分配1個(gè)計(jì)數(shù)器，根據(jù)不同的運(yùn)動目標(biāo)的坐標(biāo)將其分入各個(gè)子區(qū)域，并記錄這36個(gè)子區(qū)域中低速運(yùn)動目標(biāo)的個(gè)數(shù)。當(dāng)算法跟蹤1個(gè)低速目標(biāo)達(dá)到系統(tǒng)設(shè)定的時(shí)間閾值T 時(shí)，系統(tǒng)確認(rèn)這個(gè)目標(biāo)為低速目標(biāo)，根據(jù)這個(gè)低速目標(biāo)的坐標(biāo)，將這個(gè)目標(biāo)所在的子區(qū)域以及其四周子區(qū)域的低速計(jì)數(shù)器中的數(shù)字相加得到的和稱為這個(gè)低速目標(biāo)的低速指標(biāo)Id。以下是速度分類算法的交通事件實(shí)時(shí)視頻檢測的算法。

1）自由流停車?？赏ㄟ^計(jì)算同一跟蹤目標(biāo)的中心點(diǎn)位置的變化，經(jīng)過一段時(shí)間連續(xù)在1個(gè)小的速度閾值內(nèi)變化，以此確認(rèn)低速目標(biāo)的出現(xiàn)。滿足條件：

式（5）表明如果自由流停車發(fā)生時(shí)，其周圍低速目標(biāo)的數(shù)目較少，而且在過去的一段時(shí)間內(nèi)，并沒有1個(gè)高速目標(biāo)的位置能夠和這個(gè)低速目標(biāo)出現(xiàn)的位置十分接近。

2）機(jī)動車擁堵。通過計(jì)算同一跟蹤目標(biāo)的中心點(diǎn)位置的變化，經(jīng)過一段時(shí)間連續(xù)在1個(gè)小的速度閾值內(nèi)變化，可確認(rèn)為低速目標(biāo)的出現(xiàn)。滿足條件：

式（6）表明當(dāng)擁堵停車發(fā)生時(shí)，低速目標(biāo)附近區(qū)域出現(xiàn)的其他低速數(shù)量比較大，同樣也不能夠跟蹤到過去的一段時(shí)間內(nèi)，有高速目標(biāo)曾經(jīng)出現(xiàn)在低速目標(biāo)出現(xiàn)的位置附近。

3）貨物遺撒。通過計(jì)算同一跟蹤目標(biāo)的中心點(diǎn)位置的變化，經(jīng)過一段時(shí)間連續(xù)在1個(gè)小的速度閾值內(nèi)變化，以此確認(rèn)低速目標(biāo)的出現(xiàn)。

4）機(jī)動車逆行。檢測區(qū)域內(nèi)的車輛速度與其所在車道的給定正常方向相反，并持續(xù)跟蹤到這種反方向運(yùn)動達(dá)到一定的時(shí)間閾值，可以判斷逆行事件的發(fā)生。

5）排隊(duì)超限。在圖像中指定2點(diǎn)間的前景圖像中，表現(xiàn)為所有的前景目標(biāo)的速度都低于某1個(gè)閾值。在2點(diǎn)間中設(shè)置4 個(gè)采樣點(diǎn)，當(dāng)4 個(gè)采用點(diǎn)附近同時(shí)檢測到低速運(yùn)動目標(biāo)時(shí)，輸出排隊(duì)超限事件。

6）行人闖入。行人檢測采用的方法和自由流停車相同，但是對不同場景下的行人面積需要1個(gè)閾值范圍的確定。

1.5.2 交通事件檢測的軟件開發(fā)

軟件流程見圖4，如果要檢測車輛的通過狀態(tài)，則需要在該車道內(nèi)設(shè)置1個(gè)實(shí)際長度為0.8～2m，實(shí)際寬度約為車道寬度的檢測線圈，對線圈判斷是否有車輛經(jīng)過，并決定是否開啟車輛的車長車寬特征提取進(jìn)程。如果車輛剛剛進(jìn)入檢測線圈，則開啟車長車寬提取進(jìn)程，并且根據(jù)線圈的前端檢測線的灰度判定車輛前端是否到達(dá)了前端檢測線；在車輛駛出檢測線圈時(shí)候，開啟檢測線圈前端檢測線的灰度檢測進(jìn)程，檢測車輛的尾端是否已經(jīng)到達(dá)前端檢測線。該輸出信號判斷車輛已經(jīng)駛過該線圈，則對該車輛的重要參數(shù)進(jìn)行傳送，由車速測量算法進(jìn)行計(jì)算。

圖4 軟件流程圖Fig.4 Software flow chart

2 系統(tǒng)的運(yùn)行與測試

2.1 系統(tǒng)的運(yùn)行

由于該系統(tǒng)軟件負(fù)責(zé)后臺運(yùn)算，因此程序一旦啟動，即可進(jìn)入運(yùn)行狀態(tài)。軟件運(yùn)行過程中，除非異常退出，或者需要重新啟動電腦，否則不能隨意關(guān)閉。系統(tǒng)主界面見圖5。

圖5 系統(tǒng)的主界面Fig.5 Main interface of the system

系統(tǒng)主界面主要分成4 部分：菜單、視頻窗口、統(tǒng)計(jì)窗口和狀態(tài)顯示窗口。

1）菜單窗口。主要有系統(tǒng)、控制和幫助3個(gè)選項(xiàng)。

2）視頻窗口。視頻窗口分別對應(yīng)溫泉隧道南行（或北行）從隧道入口到出口的3個(gè)攝像機(jī)的信號，從左到右分別為進(jìn)洞口視頻、洞中間視頻和出洞口視頻。

3）統(tǒng)計(jì)窗口。統(tǒng)計(jì)窗口包括了2個(gè)圖，左邊為畫面照度變化曲線圖，右邊為“流量統(tǒng)計(jì)柱狀圖（輛／min）。其中畫面照度變化曲線圖統(tǒng)計(jì)了最近12s內(nèi)隧道中間攝像槍的畫面平均亮度，統(tǒng)計(jì)點(diǎn)間隔為40ms；一般情況下，沒有車輛通過時(shí)亮度大于120cd／m2，否則為不正常，系統(tǒng)會自動報(bào)警，提示管理人員處理。流量統(tǒng)計(jì)柱狀圖以每分鐘為統(tǒng)計(jì)量，每分鐘更新1次，圖中顯示最近100 min的流量統(tǒng)計(jì)情況。

4）狀態(tài)顯示窗口。狀態(tài)顯示窗口由檢測信息、狀態(tài)設(shè)置和事件記錄3部分組成。

檢測信息。

（a）“流量”信息每分鐘更新1次，顯示數(shù)據(jù)是從當(dāng)天00：00時(shí)開始，到當(dāng)前前1 min的累計(jì)流量值。

（b）“均速”表示整個(gè)交通流的平均速度，顯示的數(shù)據(jù)是從當(dāng)天00：00 時(shí)開始，到當(dāng)前前1 min通過車輛的平均速度。

（c）“當(dāng)前狀態(tài)”表示視頻檢測狀態(tài)信息，共有6種檢測狀態(tài)，每種狀態(tài)的定義如下。

狀態(tài)設(shè)置。顯示以上6種檢測狀態(tài)，如需要人工設(shè)定某種狀態(tài)，可以在“當(dāng)前狀態(tài)”處選擇相應(yīng)的狀態(tài)，按下右邊的“確定”按鈕即可。

事件記錄。事件記錄處顯示以往事件信息，例如上圖中記錄了最后1路視頻無信號輸入的情況。信息顯示字符小于300個(gè)，超過的將寫入日志文件中。

3 系統(tǒng)的測試

視頻交通事件檢測系統(tǒng)經(jīng)溫泉隧道南行和或北行道的實(shí)際運(yùn)行，效果良好。圖5所示的系統(tǒng)的主界面圖中的隧道是溫泉隧道南行和北行在2007年9月16日18：00時(shí)開始到9月16日23：00時(shí)時(shí)段視頻。表1所列的是溫泉隧道2008年5月17日03：05時(shí)開始到5月17日13：05時(shí)交通事件統(tǒng)計(jì)的數(shù)據(jù)，表中準(zhǔn)確次數(shù)為已檢測到交通事件的總和，誤報(bào)次數(shù)為錯(cuò)誤數(shù)據(jù)，并未進(jìn)行歸類。

表1 基于視頻交通事件檢測系統(tǒng)檢測結(jié)果統(tǒng)計(jì)Tab.1 Based on the testing results of video traffic incident detection system statistics

4 結(jié)束語

視頻交通事件檢測為異常和突發(fā)事件的快速反應(yīng)提供先進(jìn)手段，并能有效克服傳統(tǒng)事件檢測系統(tǒng)用交通量、速度、占有率變化來檢測事件發(fā)生方法的種種弊病，實(shí)現(xiàn)高效、準(zhǔn)確、快速的事件檢測，為事件快速處理、大大減少交通延誤及二次事故發(fā)生提供條件。以視頻交通事件檢測器為前端機(jī)組成基于視頻圖像的交通事件檢測系統(tǒng)可直接利用高速公路各重點(diǎn)路段現(xiàn)有的電視監(jiān)控系統(tǒng)，方便實(shí)現(xiàn)交通突發(fā)事件的自動檢測，因而能適應(yīng)我國高速公路交通發(fā)展的實(shí)際需要，具有良好的市場需求和社會經(jīng)濟(jì)效益。

［1］Kamijo S，Matsushita Y，Ikeuchi K，M，et al.Traffic monitoring and accident detection at intersections［J］.IEEE Transactions on Intelligent Transportation Systems，2000（2）：108－118.

［2］Oh Jutaek，Min Joonyoung，Kim Myungseob，et a1.Development of an automatic traffic conflict detection system based on image tracking technology［J］.Transportation Research Record，2009（2129）：45－54.

［3］Kumar P，Ranganath S，Huang Weimin，et al.Framework for real－time behavior interpretation from traffic video［J］.IEEE Transactions on Intelligent Transportation Systems，2005，6（1）：43－53.

［4］趙有婷，李熙瑩，羅東華.基于視頻車輛軌跡模型的交通事件自動檢測方法研究［J］.中山大學(xué)學(xué)報(bào)，2011，50（4）：56－60.

［5］汪 勤，黃 山，張洪斌，等.基于視頻圖像處理的交通事件檢測系統(tǒng)［J］.計(jì)算機(jī)應(yīng)用，2008，28（7）：1187－1198.

［6］徐 楊，吳成東，陳東岳.基于視頻圖像的交通事件自動檢測算法綜述［J］.計(jì)算機(jī)應(yīng)用研究，2011，28（4）：101－103.

［7］張盈盈，張 路，蔡 豫，等.基于速度分類算法的交通事件實(shí)時(shí)視頻檢測［J］.交通信息與安全，2009，27（2）：107－110.

［8］趙建東，張 昊，王自上，等.交通事件視頻圖像自動識別系統(tǒng)的研究［J］.北京交通大學(xué)學(xué)報(bào)，2011，35（4）：138－141.

［9］徐建閩，楊傳崗，林培群.視頻交通場景的背景生成方法［J］.公路交通科技，2009，26（8）：120－124.