譚?？『魏穹濉∫ζ?/p>

摘要：隨著社會經(jīng)濟的快速發(fā)展，人們生活水平的大幅度提升，私家車的數(shù)量大幅度增加。受此影響，交通事故發(fā)生率也呈現(xiàn)出上升趨勢。在對交通事故處理時，交通車輛視頻圖像傳輸技術的應用，為交通事故的有效處理提供了參考和依據(jù)，提升了交通事故處理的效率。在對交通車輛視頻圖像進行處理時，需要對視頻圖像中的高頻分量進行清除，從而對信息進行實時獲取。在對視頻圖像處理時，傳統(tǒng)方法主要針對不同頻域進行分類處理，之后實現(xiàn)對圖像灰度值的壓縮，但是在獲取圖像時，視頻圖像的精度較低，在實際應用中受到了一定的限制。本文在對交通車輛視頻圖像傳輸問題研究過程中，對傳統(tǒng)的圖像處理方法進行優(yōu)化，實現(xiàn)圖像傳輸?shù)膶崟r優(yōu)化檢測，從而為交通行業(yè)發(fā)展提供重要幫助。

關鍵詞：交通車輛;視頻圖像;圖像傳輸;優(yōu)化仿真

Real Time Optimal Detection Simulation of Traffic Vehicle Video Image Transmission

TAN Fukui HE Houfeng YAO Ping

（School of Physics and Engineering Technology， Xingyi Normal University for Nationalities， Xingyi， Guizhou Province， 562400 China ）

Abstract： With the rapid development of social economy， people's living standards have been greatly improved， and the number of private cars has increased significantly. Affected by this， the incidence of traffic accidents also showed an upward trend. When dealing with traffic accidents， the application of traffic vehicle video image transmission technology provides reference and basis for the effective treatment of traffic accidents， and improves the efficiency of traffic accident treatment. When processing the video image of traffic vehicles， it is necessary to clear the high-frequency components in the video image， so as to obtain the information in real time. In the video image processing， the traditional methods mainly focus on the classification of different frequency domain， and then realize the compression of the image gray value. However， the accuracy of the video image is low， which is limited in practical application. In this paper， the traditional image processing methods are optimized to realize the real-time optimal detection of image transmission in the research process of traffic vehicle video image transmission， so as to provide important help for the development of the transportation industry.

Key Words： Traffic vehicle; Video image; Image transmission; Optimization simulation

0 引言

隨著交通行業(yè)的迅猛發(fā)展，在開展交通管理過程中，傳統(tǒng)的管理方法已經(jīng)不再適用。針對這一情況，加強現(xiàn)代信息技術融入交通行業(yè)管理當中，借助于信息化技術構建智能化交通管理系統(tǒng)，能夠對交通數(shù)據(jù)信息進行有效地處理，實現(xiàn)交通車輛的智能化管理目標，提升交通運輸管理的效率及質量。在構建智能化交通管理系統(tǒng)過程中，交通檢測技術是該系統(tǒng)的一個重要環(huán)節(jié)。交通檢測借助于計算機和圖像處理技術，實現(xiàn)對往來車輛的有效監(jiān)控，能夠為交通車輛管理提供重要的參考及指引。但是在視頻圖像處理過程中，需要對圖像進行壓縮轉化，之后才能夠對圖像視頻信息進行傳輸。如何對交通車輛視頻圖像進行實時傳輸，對圖像信息進行有效優(yōu)化，獲取更加真實、可靠的信息，成為交通車輛視頻圖像處理必須把握的重要內容。

1 關于交通車輛視頻圖像信息采集的相關原理分析

在新的社會經(jīng)濟發(fā)展形勢下，交通車輛視頻圖像實時獲取及傳輸，實現(xiàn)了對路面信息的有效監(jiān)控，對于交通事故的有效處理起到了重要的促進作用。目前，學術界在對交通車輛視頻圖像信息采集處置過程中，雙閾值的車輛數(shù)據(jù)信息實時傳輸方法得到了一定的應用^[1]。該方法注重對圖像像素的最小灰度值和最大灰度值進行把握，從而實現(xiàn)對視頻圖像信息的有效傳輸。此外，小波變換方法在視頻圖像傳輸中得到了有效應用，該方法注重對不同頻域子帶的數(shù)據(jù)進行壓縮，之后實現(xiàn)對視頻圖像信息的快速傳輸。但是上述方法在應用時，可能在車輛視頻圖像信息采集過程中出現(xiàn)耗時長、過程繁瑣、信息丟失等問題。針對于這一情況，本文在對交通車輛視頻圖像信息采集過程中，結合四叉樹和偏微分方程，對車輛視頻圖像進行有效地采集獲取，從而構建良好的交通運輸環(huán)境^[2]。

在進行交通車輛視頻圖像信息采集過程中，注重把握車輛視頻圖像的最小灰度值和最大灰度值，之后對圖像幀的平均灰度值進行獲取，對圖像進行壓縮變化。關于交通車輛視頻圖像信息的采集原理，具體步驟內容如下：

1.1 對交通車輛視頻圖像灰度值進行求解

在開展交通車輛視頻圖像信息采集過程中，要注重對視頻圖像的最大灰度值和最小灰度值進行求解。這一過程中，假設| 表當前幀， 表示了背景圖像， 表示背景差圖像， 表示一幀分辨率 的頭像。關于交通車輛視頻圖像最大灰度值和最小灰度值的計算公式如下： （最小值計算公式）

（最大值計算公式）

在上述公式當中， 代表了灰度值的權重系數(shù); 和 分別表示了圖像像素和像素灰度值; 則表示了圖像各個像素點的一維熵^[3]。

1.2 對圖像幀的平均灰度值進行計算

在進行車輛視頻圖像信息采集過程中，要注重對閾值的灰度區(qū)域范圍進行把握，并對圖像幀的平均灰度值進行計算。這一過程中，假設 表示第k個可能是車輛的種子區(qū)， 表示 種子第i個閾值的灰度區(qū)域范圍。通過對 和 進行把握，結合公式 對圖像幀的灰度值平均值進行求取。

同時，假設B_BC表示更新背景，則_BC-1為上一幀的場景圖像，N表示整數(shù)， 表示更新率，在對各個圖像幀的平均灰度值求取時，可以結合公式：

在上述公式當中， 表示了常數(shù)門限值。

1.3 把握視頻圖像的灰度值

在對視頻圖像傳輸實時優(yōu)化過程中，要注重對視頻圖像的灰度值區(qū)做好把握，假?代表灰度值區(qū)，整幀圖像的相關性用 表示，圖像亮度分量的編碼規(guī)則用 表示。這樣一來，在對圖像進行壓縮變換過程中，可以結合下面公式：

在上述公式當中， 表示了失真距離閾值^[4]。

在對交通車輛視頻圖像進行傳輸過程中，需要對緩存數(shù)據(jù)量做好把握，并設定發(fā)送速率，從而對交通車輛視頻圖像信息的傳輸進行檢測。具體公式如下：

綜合上述分析，在對交通車輛視頻圖像信息進行實時傳輸過程中，要做好視頻圖像的檢測及提取，結合上述原理對視頻圖像進行實時傳輸，以滿足交通車輛信息的有效監(jiān)控目標。

2 交通車輛視頻圖像傳輸檢測分析

在對交通車輛視頻圖像傳輸檢測過程中，本文主要應用了四叉樹和偏微分方程進行圖像傳輸檢測，實現(xiàn)對圖像數(shù)據(jù)信息的針對性處理。在這一過程中，主要從以下幾個方面開展視頻圖像傳輸檢測工作：

2.1 離散變換處理

在對交通車輛視頻圖像進行傳輸檢測過程中，需要對獲取的視頻圖像進行離散變換，實現(xiàn)對其格式的有效處理，以確保圖像傳輸工作的有效開展。在進行離散變換時，將獲取的視頻圖像信息轉換為代表不同頻率分量的系數(shù)集，得到DCT系數(shù)相鄰塊間的差值，并將圖像四周的灰度值按照順序進行編碼處理，利用四叉樹計算獲取量化函數(shù)，獲取壓縮數(shù)據(jù)^[5]。

在離散變換處理過程中，需要對原始圖像信息塊進行轉化，形成代表不同頻率分量的系數(shù)集，關于系數(shù)集的具體內容如下：

在上述公式當中， 和 表示了圖像頻率域分解的特征函數(shù)， 和 則表示了圖像塊的映射位置。

離散變換處理過程中，還需要對原始圖像的子塊位置序列做好把握，聯(lián)系圖像塊灰度值以及圖像幀之間的關系，對量化函數(shù)進行表示，并聯(lián)系量化函數(shù)獲取車輛視頻圖像的壓縮數(shù)據(jù)。關于車輛視頻圖像信息壓縮數(shù)據(jù)，可以結合下列公式求解：

結合上述分析來看，在對交通車輛視頻圖像信息實時傳輸檢測過程中，要注重對車輛視頻圖像的信息快速進行有效處理轉化，將其變化為不同頻率分量的系數(shù)集，并對數(shù)據(jù)進行編碼，從而對視頻圖像進行進行有效地獲取和傳輸，更好地滿足現(xiàn)代化交通行業(yè)發(fā)展需要。

2.2 似然率檢測處理

在對交通車輛視頻圖像信息進行實時傳輸檢測時，通過利用似然率信息對視頻圖像進行優(yōu)化傳輸，要注重對微分方程進行有效應用，從而對視頻圖像的傳輸狀態(tài)進行把握，從而做好視頻圖像的實時優(yōu)化?；谒迫宦市畔⒌慕煌ㄜ囕v視頻圖像優(yōu)化傳輸檢測，注重對編碼率進行把握，并設置最高閾值和最低閾值，利用編碼率對車輛視頻圖像信息傳輸進行優(yōu)化^[6、7]。假設在對交通車輛視頻圖像進行傳輸過程中，聯(lián)系視頻圖像的輸入速率、緩沖占用量、輸出速率情況，對交通車輛視頻圖像緩沖變化狀態(tài)進行把握，并設置緩沖占用比、灰度值，對視頻圖像數(shù)據(jù)信息進行表示。此外，在似然率檢測過程中，需要對每幀數(shù)據(jù)的大小做好把握，并結合最高閾值和最低閾值，對數(shù)據(jù)做好編碼設置。假設在似然率檢測處理過程中，圖像幀數(shù)據(jù)的發(fā)送速率為 ，部分信道容量為 ，最大似然譯碼錯誤上限為 ，在對頻率分量及Polar碼進行極化處理時，結合下列公式：

同時，結合 信道接收速率，在對交通車輛視頻圖像信息進行優(yōu)化傳輸檢測時，可結合下列公式對長度為N的Polar碼似然率進行計算^[8]：

2.3 仿真分析

在對交通車輛視頻圖像傳輸實時優(yōu)化檢測分析過程中，本文利用四叉樹和偏微分方程對車輛視頻圖像信息進行傳輸檢測，在MATLAB環(huán)境下對車輛視頻圖像信息進行仿真分析。這一過程中，注重對比離散變換處理和似然率分析的差異，分析兩種方法的有效性問題。在對比不同方法進行交通車輛視頻圖像信息實時傳輸檢測時，對車輛視頻信息進行了獲取和傳輸，兩種方法視頻傳輸效果如圖1和圖2所示：

如圖1和圖2所示，圖1主要采用了可逆信息隱藏算法，圖2則應用了四叉樹和偏微分方程算法。對比圖1和圖2的信息來看，通過利用四叉樹和偏微分方程算法對交通車輛視頻圖像進行處理，獲取的數(shù)據(jù)信息更加精確^[9]。通過利用四叉樹和偏微分方程算法進行圖像處理時，實現(xiàn)了對車輛視頻圖像閾值的量化處理，并且對分量進行了濾除，使交通車輛視頻圖像信息的檢測更加有效，能夠對交通情況進行真實的反饋^[10]。

此外，在利用四叉樹和偏微分方程開展交通車輛視頻圖像傳輸優(yōu)化過程中，視頻圖像的傳輸效率得到了大幅度的提升，這主要得益于視頻圖像信息傳輸過程中，對頻率分量及Polar碼進行了有效獲取，提升了信道的可靠性，并且結合信道接收信息對其似然率進行計算，實現(xiàn)對車輛視頻信息實時傳輸檢測，使獲取的車輛視頻圖像信息效果更佳，能夠為交通管理提供強有力的數(shù)據(jù)支持^[11、12]。

3 結論

通過對交通車輛視頻圖像傳輸進行實時優(yōu)化檢測，注重對獲取的圖像信息進行有效的處理，使圖像信息得到壓縮處理，在一定程度上保障了圖像灰度質量，提升了圖像傳輸精度。在對交通車輛視頻圖像信息處理過程中，利用四叉樹和偏微分方程進行數(shù)據(jù)處理，能夠實現(xiàn)對視頻圖像信息的實時傳輸，并且在圖像質量上，相對于傳統(tǒng)的視頻圖像傳輸而言，具有更高的質量。通過加強該技術手段的有效應用，能夠為良好的交通環(huán)境創(chuàng)設提供有力的依據(jù)，使交通管理的效果及質量得到有效地提升。

總之，在新的社會經(jīng)濟發(fā)展形勢下，私家車數(shù)量的大幅度增加，在很大程度上加劇了交通擁擠問題。為了更好地滿足交通車輛監(jiān)控需要，通過做好交通車輛視頻圖像的實時采集及傳輸，能夠做好交通運輸車輛的管理工作，滿足交通行業(yè)發(fā)展現(xiàn)實需要。

參考文獻：

[1]陳志杰，湯錦輝，王沖，程季锃，曹珊，邵欣.人工智能賦能國家空域系統(tǒng)，提升空域分層治理能力[J/OL].航空學報：1-9.

[2]王寧.軌道交通綜合監(jiān)控系統(tǒng)智能化研究[J].微型電腦應用，2020，36（12）：130-133.

[3]陳震，李平.一種智能交通燈控制系統(tǒng)[J].科學技術創(chuàng)新，2020（36）：113-114.

[4]譚惠，全小林.基于視頻圖像的車輛行駛速度及交通信號燈狀態(tài)鑒定1例[J].中國司法鑒定，2018（05）：106-110.

[5]紀偉，程剛.基于視頻圖像方法推斷鑒定交通事故中車輛是否有闖紅燈行為[J].法制與社會，2018（20）：53-54.

[6]劉亮，蔡婷，桂曉菁.智能交通中的視頻圖像處理技術分析[J].電子制作，2018（10）：8-9.

[7]王瑞麗.基于神經(jīng)網(wǎng)絡的計算機視覺探討[J]，科技資訊，2018（11）：17-24.

[8]王劍峰，張永梅，薛龍飛.基于視頻圖像的城市道路交通態(tài)勢研判方法研究[J].科技創(chuàng)新導報，2017，14（36）：147-149+151.

[9]楊珍.交通車輛視頻圖像傳輸實時優(yōu)化檢測仿真[J].計算機仿真，2017，34（05）：440-443.

[10]張喆，代雪晶.視頻圖像在實際交通肇事案件領域中的應用[J].遼寧省交通高等?？茖W校學報，2016，18（04）：21-22.

[11]王圣男，郁梅，蔣剛毅.智能交通系統(tǒng)中基于視頻圖像處理的車輛檢測與跟蹤方法綜述[J].計算機應用研究，2005（09）：9-14.

[12]肖文娜. 夜間城市交通監(jiān)控中各類車輛軌跡的完整提取[D]. 天津工業(yè)大學， 2017.