基于圖像分析的車禍現場識別技術研究

黃玲++劉邦凡

摘 要： 由于車禍現場環境復雜，科研組織曾提出的各類車禍現場識別方法不具備較高的識別精度和較短的識別時間。為了合理管理城市交通，提出一種基于圖像分析的車禍現場識別方法。使用光敏傳感器對城市交通視頻中的車禍現場圖像進行采集，并提取出圖像的灰度閾值。圖像定位工作以車禍現場圖像的灰度閾值為輸入，對其進行分割和邊緣刪除，獲取其中重要信息的定位圖像并進行輸出。圖像識別工作以定位圖像為輸入，采用模式匹配技術識別出其中的目標車禍參數并發出警報，以實現對車禍現場圖像中目標車禍參數的精準、高效定位。實驗結果表明，所提方法具有較高的識別精度和較短的識別時間。

關鍵詞： 圖像分析； 車禍現場； 識別技術； 城市交通

中圖分類號： TN911.73?34； TP18 文獻標識碼： A 文章編號： 1004?373X（2017）12?0117?03

Abstract： The various traffic accident scene recognition methods proposed by a scientific research organization can not accurately recognize the traffic accident in complex traffic accident scene environment in short time. In order to manage the urban traffic reasonably， a traffic accident scene recognition method based on image analysis is put forward. The photosensitive sensor is used in the method to acquire the traffic accident scene image in urban traffic video， and extract the gray?level threshold of the image. The gray?level threshold of the traffic accident scene image is taken as the input of image positioning to conduct its segmentation and edge deletion， and acquire the positioning image with important information for image output. The positioning image is taken as the input of image recognition. The pattern matching technology is used to recognize the parameters of target vehicle accident and send an alarm to locate the parameters of target vehicle accident in vehicle accident scene image accurately and efficiently. The experimental results show that the proposed method has higher recognition accuracy and shorter recognition time.

Keywords： image analysis； traffic accident scene； identification technology； urban traffic

隨著國民經濟的逐年上漲，城市交通路線逐漸便捷起來，車流量也越來越大，車禍時有發生。據官方統計，我國2010—2015年度的車禍死亡人數均高于20萬，因車禍導致的城市交通癱瘓更是不計其數[1?3]。為了更加合理地對城市交通進行管理，科研組織開始進行車禍現場識別技術的研究。曾提出的各類車禍現場識別方法往往受限于車禍現場的復雜環境，故不具備較高的識別精度和較短的識別時間，無法有效優化城市交通[4?6]。為此，提出一種基于圖像分析的車禍現場識別方法。

1 基于圖像分析的車禍現場識別技術研究

圖像分析是一種將數學模型和圖像處理技術進行合理融合，實現圖像結構采集和圖像特征分析的技術，它被廣泛應用于人臉識別、圖像索引、醫學影像處理等研究中。在所提基于圖像分析的車禍現場識別方法中，圖像分析可以實現對車禍現場圖像中重點信息的精準采集，其主要分析流程有：傳感器輸入、圖像定位和圖像識別。

1.1 車禍現場圖像的傳感器輸入

所提基于圖像分析的車禍現場識別方法通過在城市交通視頻傳輸信道上安裝光敏傳感器，進行車禍現場圖像的采集工作。圖1為城市交通視頻傳輸信道上的光敏傳感器分布示意圖。

由圖1可知，光敏傳感器以菱形分布在城市交通視頻傳輸信道上，即相鄰信道上的光敏傳感器是錯分排列的，這樣可有效避免光敏傳感器之間信號的相互干擾。車禍現場圖像的采集點位于城市交通視頻傳輸信道的最頂端，所提方法將在這里安置一個控制中心，以約束光敏傳感器的采集流程和傳輸時間，并對信道上損壞的光敏傳感器進行及時維修。同時，控制中心還將對采集到的車禍現場圖像進行特征參數提取，提取出的特征參數便是圖像分析中圖像定位工作的輸入值。在圖像分析中，車禍現場圖像的灰度閾值是非常重要的特征參數。通常來講，只需提取出灰度閾值，便能準確進行車禍現場的識別工作。

設光敏傳感器采集到的車禍現場圖像面積為，圖像上所標注的車禍時間為，車禍現場環境的干擾因素有種，環境光強為。那么，車禍現場圖像的灰度集合（集合中共有個灰度值）與灰度閾值關系為：

式中：表示圖像失真率，用戶可根據實際需求自行設定圖像失真率；是灰度集合中的最小值。

經由式（2）約束后的車禍現場圖像灰度閾值，才能夠作為圖像定位工作的輸入值進行輸出。

1.2 車禍現場圖像定位

圖像分析中的圖像定位工作是對圖像灰度閾值進行調整和修正的過程。在所提基于圖像分析的車禍現場識別方法中，圖像定位工作可對車禍現場圖像中的重要信息進行定位，進而避免車禍現場的復雜環境對該方法的識別精度和識別時間造成影響。圖2為車禍現場圖像定位流程圖。

由圖2可知，車禍現場圖像定位工作的具體流程為：所提方法先將車禍現場圖像灰度閾值分割成，兩部分，并令和的方差和達到最大值，其表達式為：

式中：和分別表示和的平均灰度閾值；是整個車禍現場圖像的平均灰度閾值。

隨后，將對式（3）獲取到圖像閾值分割結果進行邊緣提取，將無效的邊緣刪除。

1.3 車禍現場圖像識別

在圖像分析中，模式匹配技術是實現圖像識別的一種重要方法，其原理如圖3所示。

由圖3可知，模式匹配技術將車禍現場圖像識別工作的目標車禍參數，作為模板寫入所提基于圖像分析的車禍現場識別方法中。在具體應用中，模式匹配技術將在車禍現場定位圖像中識別出與模板相匹配的目標車禍參數，并發出警報。為此，本文給出如圖4所示的車禍現場定位圖像識別流程。由圖4可知，車禍現場定位圖像識別工作的具體流程為，先將車禍現場定位圖像讀取出來，并確認所需目標車禍參數與模式匹配技術模板是否一致。隨后，對模板和車禍現場定位圖像進行特征提取，對比二者的特征參數，并將車禍現場定位圖像中與模板特征參數重疊的區域設為目標車禍參數。

2 實驗結果分析

2.1 方法識別精度驗證

三種方法識別出的車禍現場圖像如圖5所示，其中，圖5（a）～圖5（c）分別為本文方法、基于向量機的車禍現場識別方法和基于Web技術的車禍現場識別方法識別出的車禍現場圖像。

通過對比圖5中的三幅車禍現場圖像可知，本文方法識別出的車禍現場圖像的清晰度要遠高于其他兩種方法，而且本文方法對目標車禍物體進行了重點細化顯示，對于人群、樹木等環境干擾信息也能夠進行正常顯示。通過肉眼觀察來看，本文方法具有較高的識別精度，現將圖5中三幅車禍現場圖像的各項目標車禍參數提取出來，并與Matlab Mac軟件給出的標準目標車禍參數進行對比，獲取到三種方法的識別精度，如表1所示。

由表1可知，基于向量機的車禍現場識別方法和基于Web技術的車禍現場識別方法的識別精度很少有高于0.90的情況出現，而本文方法的識別精度均維持在0.90以上，平均識別精度為0.94。上述結果能夠驗證，本文方法具有較高的識別精度。

2.2 方法識別時間驗證

利用Matlab Mac軟件在城市交通視頻中插入300個車禍現場，車禍現場的環境復雜程度分為三個等級，每個等級的車禍現場均有100個。使用三種方法對這些車禍現場進行識別，記錄下三種方法的識別時間，并計算平均值，如表2所示。

由表2可知，本文方法在三種方法中的識別用時最短，驗證了本文方法具有較短的識別時間。

3 結 論

本文提出基于圖像分析的車禍現場識別方法。圖像分析是一種利用數學模型和圖像處理技術進行圖像結構采集和圖像特征分析的技術，其主要工作流程有傳感器輸入、圖像定位和圖像識別。通過實驗對本文方法進行對比驗證，實驗結果表明，所提方法具有較高的識別精度和較短的識別時間，能夠為城市交通管理工作提供較大的幫助。

參考文獻

[1] 程光偉，劉東明.FPGA圖像處理在水果品級篩選技術中的應用[J].現代電子技術，2016，39（2）：89?91.

[2] 張利峰.重大外來與新發水生動物疫病識別與監測技術研究及示范[J].中國科技成果，2016，17（3）：21.

[3] 卓建森.基于現場可編程邏輯門陣列的車牌識別系統設計[J].人類工效學，2016，22（1）：57?62.

[4] 張爾卿，傅攀，吳希曦，等.基于聲發射主軸機械密封端面開啟狀態識別技術[J].潤滑與密封，2014，39（4）：67?73.

[5] 郭曉麗，程遠.說話人識別技術及其在工廠自動控制系統中的應用[J].企業技術開發月刊，2015，18（3）：50?51.

[6] 龐東曉，潘登，賀秋云.井下無線微小信號識別技術研究[J].石油機械，2016，44（3）：44?47.