交通車輛違章行為智能監(jiān)控系統(tǒng)設(shè)計分析

趙成強+王文斌+劉明哲+王宇+李嘉

摘 要：近年來，各類交通安全事故時有發(fā)生，造成了人民財產(chǎn)損失和人員傷亡，通過對事故關(guān)鍵問題進行技術(shù)分析，發(fā)現(xiàn)加強交通車輛違章行為監(jiān)控，能夠為提高駕駛?cè)藛T安全意識和法律意識提供有力幫助。因此，加強車輛違章行為智能監(jiān)控，能夠為交通違章處罰提供有力證據(jù)，輔助交通安全管理。

關(guān)鍵詞：機器視覺；車輛違章行為；智能監(jiān)控

0 前言

當(dāng)前，隨著國民生活水平的提高，交通車輛也變得越來越多，隨之而來的是交通事故也頻繁發(fā)生，加強交通安全監(jiān)控管理勢在必行。在現(xiàn)有交通車輛違章行為智能監(jiān)控中，許多監(jiān)控檢測仍釆用物理檢測技術(shù)的地下感應(yīng)線圈方法檢測，地感線圈不僅會破壞路面，而且還需高成本的長期維護。

通過對現(xiàn)有交通監(jiān)控檢測分析發(fā)現(xiàn)[1]，幾乎采用的是觸發(fā)抓拍的方式，其原理是通過相關(guān)檢測技術(shù)檢測到車輛違章再觸發(fā)進行拍照留證，其中采用的檢測有紅外線檢測、磁力計檢測、感應(yīng)線圈檢測等，而這些檢測要么得破壞公路埋線圈，要么得安裝相關(guān)發(fā)射和接收設(shè)備，同時受環(huán)境影響較大，這大大的提高了成本和影響了效果[2]。因此通過多方調(diào)研論證，優(yōu)劣特點比較析，設(shè)計基于機器視覺、計算機視覺等相關(guān)高度智能化的交通車輛違章行為監(jiān)控系統(tǒng)，也是當(dāng)前智能交通監(jiān)控發(fā)展的重要方向[3]。

1 基本思路和研究方法

根據(jù)所需監(jiān)控車輛規(guī)章行為內(nèi)容出發(fā)，所需實現(xiàn)的功能包括對違規(guī)占用非機動車道、逆向行駛、隨意變更車道、壓線、違法停車、違規(guī)使用遠(yuǎn)光燈等違章行為進行實時監(jiān)控，需應(yīng)用到機器視覺、圖像處理和智能視頻分析技術(shù)等相關(guān)技術(shù)，且在具體交通應(yīng)用場景中還需硬件設(shè)備配合才能完成，其基本研究思路和技術(shù)路線如圖1所示。

2 軟件程序?qū)崿F(xiàn)

針對所要進行的違規(guī)占用非機動車道、逆向行駛、隨意變更車道、壓線、違法停車、違規(guī)使用遠(yuǎn)光燈等違章行為進行功能實現(xiàn)時，都需通過機器視覺、圖像處理和智能視頻分析技術(shù)等相關(guān)技術(shù)進行程序編程開發(fā)實現(xiàn)，對所監(jiān)控的視頻圖像中出現(xiàn)的違章行為進行檢測分析，判斷是不是違章行為，結(jié)合相關(guān)整個硬件設(shè)備完成交通車輛違章行為的智能監(jiān)控。

3 硬件設(shè)備系統(tǒng)

硬件系統(tǒng)實現(xiàn)主要通過兩種方式，一是對現(xiàn)有交通硬件設(shè)備進行實現(xiàn)功能需示進行改造，二是針對項目功能實現(xiàn)自行研究實現(xiàn)設(shè)備儀器。于此下面介紹的是自行研究交通車輛違章行為智能監(jiān)控系統(tǒng)設(shè)備儀器介紹。

系統(tǒng)包括視頻圖像采集設(shè)備、機器視覺設(shè)備和信息存儲和傳輸設(shè)備。圖像采集設(shè)備與機器視覺設(shè)備通過數(shù)據(jù)傳輸線相連，機器視覺設(shè)備通過信號傳輸設(shè)備以有線網(wǎng)絡(luò)進與監(jiān)控中心連接。其硬件結(jié)構(gòu)圖如圖2。

4 系統(tǒng)研究重點難點分析

本文所設(shè)計思路分析，從當(dāng)前研究現(xiàn)狀優(yōu)劣分析，所實施的對象車輛日常情況下許多是運動目標(biāo)，如違規(guī)占用非機動車道、逆向行駛、隨意變更車道、壓線等都涉及到運動車輛目標(biāo)跟蹤問題，在本文所提監(jiān)控系統(tǒng)在實際應(yīng)用中由于場景中各種不確定的外界干擾因素，導(dǎo)致目標(biāo)跟蹤領(lǐng)域仍然有幾項關(guān)鍵技術(shù)有待改進和完善[4]。

（1）運動車輛目標(biāo)檢測

要想把運動目標(biāo)實時準(zhǔn)確的檢測出來，需要克服各種外界因素的干擾[5]。這些外界因素包括：目標(biāo)和背景同色干擾、光照變化的干擾、運動目標(biāo)陰影、遮擋問題以及天氣變化等。一個好的目標(biāo)檢測算法必須兼顧到這些外界因素的干擾。如目標(biāo)陰影可能會誤判為場景中的另一個目標(biāo)，這時可以采用對稱的幀間差分算法來提取目標(biāo)輪廓來濾除陰影的干擾。

（2）車輛間遮擋問題

運動車輛目標(biāo)跟蹤過程中遮擋是一個不可遇見的過程。遮擋處理的好壞直接影響跟蹤的效果，特別是車輛進行違規(guī)變道時[6]。一個魯棒性能好的跟蹤算法應(yīng)該滿足：能夠準(zhǔn)確的判斷目標(biāo)被遮擋；遮擋發(fā)生時能夠利用剩余的目標(biāo)特征信息和先驗知識識別目標(biāo)；在完全遮擋的情況下不會出現(xiàn)目標(biāo)車輛被跟丟的現(xiàn)象；遮擋結(jié)束后，能夠?qū)崟r的恢復(fù)跟蹤。

（3）交通場景的復(fù)雜性

因為大多數(shù)視頻監(jiān)控都安裝在繁忙的交通路口，這種場景中，對象眾多，除了我們要檢測的運動車輛目標(biāo)外，還有行人、小型車輛：摩托車、電動車等。而且多個對象間又會出現(xiàn)相互干擾。這時如何排除行人及小型車輛等不必要的干擾而成功的檢測出運動的機動車輛也是整個系統(tǒng)能夠?qū)崿F(xiàn)跟蹤的關(guān)鍵。比如我們可以通過目標(biāo)外界矩形的長寬比來排除行人和小型車輛。因為通常情況下，行人和小型車輛的長寬比要比一般的普通車輛要大，這時可以預(yù)先設(shè)置一個閥值，當(dāng)外接矩形的長寬比大于這個閥值時，就認(rèn)為其為行人或目標(biāo)并將其成功濾除。

5 系統(tǒng)優(yōu)勢創(chuàng)新點分析

目前，觸發(fā)抓拍式電子眼系統(tǒng)的缺點如：1.檢測機動車違章行為需安裝的相關(guān)觸發(fā)設(shè)備受環(huán)境影響較大。2.監(jiān)控范圍小效率低。3.硬件成本高。

這些缺點嚴(yán)重的影響對機動車違章行為監(jiān)控的效果。針對這些缺點，本文將機器視覺技術(shù)、圖像處理等技術(shù)與智能交通相結(jié)合，發(fā)揮了機器視覺技術(shù)實時性好、魯棒性好的特點，克服了觸發(fā)設(shè)備受環(huán)境影響較大的缺點。

通過各種調(diào)研和對現(xiàn)有交通車輛違章行為監(jiān)控的方式相比，本文所提出的交通車輛違章行為智能監(jiān)控系統(tǒng)至少可總結(jié)有以下三個創(chuàng)新點：

（1）監(jiān)控模式上創(chuàng)新，革新了傳統(tǒng)監(jiān)控模式，克服了傳統(tǒng)監(jiān)控模式中所存在的破壞公路埋線圈，抗干擾性干擾性弱等問題，是當(dāng)前城市智能交通的重要分去發(fā)展方向。

（2）監(jiān)控實現(xiàn)方式和系統(tǒng)軟件開發(fā)靈活創(chuàng)新，根據(jù)監(jiān)控目標(biāo)內(nèi)容和在不同的監(jiān)控場景下，利用不同的監(jiān)控系統(tǒng)。且具體可根據(jù)監(jiān)控目標(biāo)需要，在特殊路段只進行應(yīng)急車道等方面單一功能實現(xiàn)專項監(jiān)控，另一方面，在一些特殊交通路段，也可以實現(xiàn)多種交通違章行為同時監(jiān)控。

（3）實現(xiàn)功能路經(jīng)上創(chuàng)新，在硬件系統(tǒng)實現(xiàn)中，可根據(jù)實現(xiàn)系統(tǒng)功能不同，監(jiān)控內(nèi)容的復(fù)雜性不同，進行相應(yīng)核心設(shè)備開發(fā)。同時，也可在現(xiàn)在有監(jiān)控設(shè)備條件下進行改造，對能夠適合監(jiān)控視頻內(nèi)容采集、傳輸?shù)脑O(shè)備直接加以利用。能夠降低監(jiān)控系統(tǒng)實現(xiàn)成本。

綜上所述，這些優(yōu)勢都有效的提高監(jiān)控效率并降低了硬件設(shè)備的復(fù)雜度、監(jiān)控系統(tǒng)硬件成本，有利于推廣監(jiān)控系統(tǒng)，增強對違章行為的監(jiān)控力度。這些都為城市智能交通發(fā)展，交通車輛違章行為監(jiān)控等都有重要的應(yīng)用價值和研究意義。

基金項目：2017年國家級大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目（項目編號：201710616039）

參考文獻

[1] 陸夢進.基于機器視覺的智能交通監(jiān)控系統(tǒng)研究[J]. 軟件工程師， 2016， 19（3）：9-11.

[2] 尹航.基于DSP的嵌入式智能交通監(jiān)控系統(tǒng)前端設(shè)備設(shè)計與實現(xiàn)[D]. 哈爾濱工程大學(xué)， 2011.

[3] 白文江.基于圖像處理的智能交通監(jiān)控系統(tǒng)的研究與實現(xiàn)[D]. 東華大學(xué)， 2010.

[4] 宋耀.交通監(jiān)控視頻中的車輛異常行為檢測[D]. 南京郵電大學(xué)， 2015.

[5] 邱光能， 全惠敏. 基于對稱差分和背景減的運動目標(biāo)檢測[J]. 計算機工程與應(yīng)用， 2014， 50（13）：158-162.

[6] 鄭可飚，黃文清， 張佐理，等.運動目標(biāo)跟蹤系統(tǒng)的遮擋問題處理[J]. 計算機工程與設(shè)計， 2009， 30（11）：2816-2818.endprint