基于道路監(jiān)控系統(tǒng)的城市智能交通解決方案.doc

基于道路監(jiān)控系統(tǒng)的城市智能交通解決方案 陸熒洲朱宏源劉曉宇 （南京林業(yè)大學(xué)信息科學(xué)技術(shù)學(xué)院江蘇南京） 摘要：智能交通系統(tǒng)（，）是一種旨在提供更優(yōu)質(zhì)高效的交通管理模式的先進(jìn)系統(tǒng)，致力于運(yùn)用較為科學(xué)的算法，結(jié)合強(qiáng)大的庫，實(shí)現(xiàn)對道路通過的車流量較為準(zhǔn)確的實(shí)時(shí)檢測，從而實(shí)時(shí)掌握城市的交通狀況，助力智慧城市的建設(shè)。 關(guān)鍵詞：車輛識別；視頻處理；智慧交通 ：T27：51447 智能視頻分析技術(shù)是解決上述交通問題的一項(xiàng)新興技術(shù)。它利用機(jī)器視覺，對視頻畫面監(jiān)控判斷，并進(jìn)行數(shù)據(jù)分析，將提煉的特征形成算法植入機(jī)器，形成“機(jī)器腦”對視頻畫面自動檢測分析，并做出相應(yīng)動作，從而使攝像機(jī)不但成為人的眼睛，也使計(jì)算機(jī)成為人的大腦，在很大程度上節(jié)省了人力物力，高效地對道路信息進(jìn)行有效分析及對道路環(huán)境進(jìn)行管理。 相關(guān)研究 從20世紀(jì)年代開始，美國等一些發(fā)達(dá)國家就開始了對智能交通系統(tǒng)的探索。年，美國開發(fā)出了智能車輛公路系統(tǒng)（），以提高交通運(yùn)輸效率，促進(jìn)國家經(jīng)濟(jì)。年月，美國運(yùn)輸部與密歇根州運(yùn)輸研究所（）合作建成防追尾車輛安全系統(tǒng)，功能包括前方碰撞預(yù)警（），車道偏離警告（），車道變更警示（）和曲線測速預(yù)警（）。 歐洲和日本對這一領(lǐng)域的研究起步也較早，政府在早期斥巨資研究和開發(fā)智能交通系統(tǒng)，現(xiàn)在技術(shù)已經(jīng)比較成熟。 我國在這一領(lǐng)域的發(fā)展起步較晚，盡管在智能監(jiān)控領(lǐng)域已經(jīng)取得了一定的進(jìn)展，但是還是過去的研究還是存在運(yùn)動分割、遮擋處理、多攝像機(jī)的綜合與運(yùn)用等難點(diǎn)問題。 架構(gòu)與布局 智慧交通系統(tǒng)包括前段設(shè)備、傳輸部件和聯(lián)網(wǎng)平臺。前段設(shè)備包括攝像頭、紅外接收器、傳感器網(wǎng)絡(luò)等，中間部件通常為電纜等進(jìn)行數(shù)據(jù)傳輸。聯(lián)網(wǎng)平臺通常為公安系統(tǒng)的監(jiān)控管理系統(tǒng)。監(jiān)控?cái)z像頭采集到視頻后，會實(shí)時(shí)傳輸回?cái)?shù)據(jù)中心，進(jìn)行運(yùn)算與分析（見圖）。通過計(jì)算機(jī)視覺和視頻分析技術(shù)，可以實(shí)時(shí)監(jiān)測城市的交通狀況，及時(shí)發(fā)現(xiàn)并解決潛在的問題。同時(shí)這些信息可以有針對性得商業(yè)化和提供給民眾，為生活帶來便利。 通常，在一條道路上會架設(shè)兩個(gè)攝像頭，將這兩個(gè)攝像頭的數(shù)據(jù)匯總在一起，就能了解這條路上的交通狀況。將城市中所有道路的數(shù)據(jù)匯總到一起就可以反應(yīng)城市實(shí)時(shí)的交通狀況（見圖）。 技術(shù)及其實(shí)現(xiàn) 視頻文件的提取 視頻預(yù)處理是采用等間隔的方法抓取視頻，使之成為靜態(tài)圖像，幀率為每秒鐘幀，與原視頻相同，不會造成信息缺失。 灰度化處理 彩色圖像一個(gè)像素點(diǎn)有多萬個(gè)（）取值，而一個(gè)灰度圖像的取值只有個(gè)。處理彩色視頻所用的時(shí)間和空間成本比灰度圖像高很多，對于車輛識別來說灰度化圖片像素已經(jīng)足夠。我們將監(jiān)控視頻進(jìn)行灰度轉(zhuǎn)換，運(yùn)用如下公式： （） （灰度值、紅色分量、綠色分量、藍(lán)色分量） 利用算法提取樣本特征 計(jì)算機(jī)可以通過學(xué)習(xí)和歸納，模擬或?qū)崿F(xiàn)人類的行為，代替人們進(jìn)行高效的勞動。通過充分訓(xùn)練的機(jī)器可以識別監(jiān)控視頻中的車流量。訓(xùn)練過程是從特征中選取出一些，并對分類器進(jìn)行訓(xùn)練。 ，即特征，它是計(jì)算機(jī)視覺領(lǐng)域一種常用的特征算子。最早用于人臉描述，通常分為四類：線性特征、邊緣特征、點(diǎn)特征（即中心特征）、對角線特征（見圖）。 （）矩形特征的計(jì)算。在大小的子窗口（見圖）中，可以計(jì)算其中存在多少個(gè)矩形特征。 以像素分辨率為的檢測器為例，在的子窗口中，只要確定左上頂點(diǎn)（，）和右下頂點(diǎn)（，），這個(gè)矩形便可以確定；如果矩形的大小是的話，矩形特征的數(shù)量為： 把、稱為條件矩形（相當(dāng)于縮放）。 矩形特征的通式為： （）用積分計(jì)算特征。由于計(jì)算一個(gè)的圖像就能算出遠(yuǎn)遠(yuǎn)大于像素?cái)?shù)的矩形特征數(shù)，同時(shí)在計(jì)算特征值時(shí)要計(jì)算矩形內(nèi)的像素和，所以計(jì)算一個(gè)矩形特征就要計(jì)算一遍像素和，會造成運(yùn)算量相當(dāng)大。等提出的利用積分圖求特征值的是解決這個(gè)問題的突破，這種方法簡化了特征值的計(jì)算。 圖中，坐標(biāo)（，）的積分圖是其左上角的所有像素之和（圖中的陰影部分）。定義為： 式（）中，（，）表示原始圖像，（，）表示積分圖，如果是彩色圖像，得出的結(jié)果表示這個(gè)點(diǎn)的彩色值；如果是灰度圖像，得出的結(jié)果是其灰度值，范圍為。 圖中，點(diǎn)（，）的積分圖可以用（，）表示；點(diǎn)（，）的方向的所有原始圖像之和用（，）表示。積分圖也可以用公式（）和公式（）得出： 根據(jù)積分圖像算出特征值。 （）樣本的選取。手動截取了張正樣本汽車的圖片，還有張負(fù)樣本（即與車輛無關(guān)的物體），包括行人、騎摩托車者、騎自行車者、路燈、建筑物、樹等的圖片，然后開始訓(xùn)練分類器。 分類器的構(gòu)成 年，和提出了算法，是對算法的一大提升。是家族的代表算法之一，全稱為，即適應(yīng)地，該方法根據(jù)弱學(xué)習(xí)的結(jié)果反饋適應(yīng)地調(diào)整假設(shè)的錯(cuò)誤率，所以不需要預(yù)先知道假設(shè)的錯(cuò)誤率下限。也正因?yàn)槿绱?，它不需要任何關(guān)于弱學(xué)習(xí)器性能的先驗(yàn)知識，而且和算法具有同樣的效率，所以在提出之后得到了廣泛的應(yīng)用。 算法如下： 訓(xùn)練后得到一個(gè)弱分類器，之后是一種迭代算法，之后通過更新樣本權(quán)值來評估當(dāng)前分類器的分類性能。當(dāng)誤識率控制在一定范圍內(nèi)后，即可得到強(qiáng)分類器。 監(jiān)控視頻目標(biāo)檢測 特征的分類器訓(xùn)練完成后，可以通過加載這個(gè)文件而省去自己建立聯(lián)表的過程。有了級聯(lián)表，只需要將待檢測圖片和級聯(lián)表一同傳遞給的目標(biāo)檢測算法即可得到一個(gè)車輛的集合。 實(shí)驗(yàn)結(jié)果 為了驗(yàn)證以上的算法及，在環(huán)境下實(shí)現(xiàn)了軟件的開發(fā)（見圖、圖），在導(dǎo)入城市道路監(jiān)控?cái)z像頭拍攝的視頻（時(shí)長：min）后，可以自動識別出機(jī)動車，以矩形框出，并自動計(jì)算出車流量，交通部門可以根據(jù)其