探究交通監控視頻中車輛重識別技術與實現

雷文學 肖家魁

摘 要 近年來，道路交通中通行車輛迅猛增長，重大交通事故在相關部門的聯合管控、現代化監控指揮、誘導體系和人們交通意識的不斷提高下有所下降，但交通違法導致的輕微交通事故不斷增多。在交通違法行為出現后，如何在最短時間內自動定位和識別車輛其難度較大。而車輛識別技術，作為構建智能交通的重要部分，應得到充分重視、不斷優化，以此強化車輛快速檢索能力與效率，在最短時間內做好車輛定位與跟蹤工作，并在交通監控系統中，做好車輛重識別工作，以此為基礎，做好車輛區分工作，解決交通事故快處快賠、交通事故肇事逃逸，甄別借助車輛進行的違法犯罪活動，維護交通安全，維護城市安全。

關鍵詞 交通監控;監控視頻;車輛重識別;技術與實現

為解決交通事故、多種違法范圍活動，做好交通疏導工作，在當前智能化交通體系構建工作中，應做好車輛重識別工作。要想在交通監控視頻中，做好車輛重識別工作，應引入先進技術，借助全新識別技術，以此為基礎，在計算機技術幫助下，更好地實現車輛重識別設計等相關工作，最終維護現代交通體系安全性。

1車輛重識別研究遇到的問題

在車輛重識別工作中，受到諸多因素影響，極易導致車輛重識別工作受到較大影響。因此，在本文研究中，對可能遇到的問題進行分析，其一，未公開數據數量受限，難以統計諸多車輛信息與類型，更難以在系統中，輸入百萬輛數據，導致識別工作難度增大。其二，為同款類型車輛極多，此類存在問題，不僅會增大車輛識別難度，更難以區別兩輛極為相近的車型[1]。其三，為視覺差異，由于交通監控，所處位置不同，或是攝像頭高度與角度不同，都會導致車輛畫面角度不同，同一樣的車，在不同攝像角度中，存在明顯差異，這些因素，都會增加識別難度。

2車輛重識別相關技術與特征識別方式

2.1 車輛重識別的相關技術

在交通監控視頻中，要想做好車輛重識別工作，應深入學習相關技術，主動學習車輛重識別人工網絡，并結合車輛重識別數據，做好表征學習與計算方式，進而在這一過程中做好大規模數據標記工作，引入海量節點或是神經網絡，對各類數據進行分析與計算。與此同時，可以借助人工智能方式，構建車輛重識別框架，并借助計算機技術，構建車輛重識別模型。其中，應引入深度學習與開發框架，其中，以Caffe [2]學習框架為基礎，此類框架，不僅程序極為穩定，其代碼質量較高，在諸多環境中，都具有極強穩定性與可移植性，以此為基礎，構建模塊化組件，將其應用于交通視頻監控工作中，不僅能進行訓練，更能以此為基礎，構建可深度學習框架，進而做好圖片、位置、目標追蹤等識別工作，將其合理應用于車輛重識別工作中，能夠取得良好成果。最后，在進一步優化工作中，還應聯合Tensor Flow計算庫，將其安裝于電腦構架中，不僅能拓展其應用范圍，更能提升檢索速度，有利于提升識別精準度與效率。

2.2 車輛重特征識別方式

在車輛重識別工作中，應結合車輛特征，做好諸多工作。其一，以手工識別方式為主，此種識別方式，主要為人工方式，對數據進行提煉與清晰，但是，此種數據提煉方式，其速度相對較慢，且極易受到不同因素影響。其二，為局部特征識別方式，在此項識別工作中，需要借助二值模型，以紋理運算方式為主，在數據分析與計算工作中，對不同車輛像素進行對比，并在二進制輔助下，做好數據保存與計算工作，以此滿足車輛重識別要求。此類識別方式，能夠應用于諸多車輛重識別場景中，并得到關鍵信息，不受嘈雜環境影響。但是，在車輛重識別工作中，由于計算量較大，或是識別實時性較差等因素影響，車輛重識別精準度會受到一定影響。需要結合車輛重識別具體環境，選擇科學識別方式。其三，為表征識別方式，在此種識別方式中，對于攝像頭變化，或是關鍵區域不同問題，能夠進行識別。此類識別方式，能夠優化以往局部識別存在的問題。隨著CNN進步，表征識別方式迅速發展，并在短時間內，提取到有效識別信息，有利于降低識別誤差，解決識別存在的問題。要想斷完善上述識別方式，優化識別技術，使車輛重識別技術更好地實現，應探尋更多計算方式，做好設計與實現工作，最終提升交通監控檢索車輛重識別有效性。

3交通監控中車輛重識別算法設計與實現策略

3.1 結合識別算法收集數據

在車輛重識別工作中，應重點關注以下兩點問題。其一，為分類模型，此種識別方式，需要收集大量數據，并對數據進行分析，以此為車輛重識別數據識別先決條件，進而在大量數據輔助下，做好模型構建工作。但是，在此項工作中，如存在準確率受到影響或是泛化等問題，應結合車輛重識別方式，收集更多數據，進而做好車輛識別與檢索工作，在最短時間內，借助數據分析與計算方式，提升車輛識別精準度，突破以往車輛重識別存在的問題。

3.2 多任務車輛重識別框架設計

要想強化車輛重識別有效率，在實際工作中，應以一臺車輛為分類任務，將車輛部件進行共享，進而構建多任務模型，在多任務模型中，做好各類數據處理工作，進而分辨出同類車型類似部件。例如，部分車輛，其制造商、車輛型號、年份與類型，結合這些數據，構建多任務模型，在模型構建完成后，連接不同神經網絡[3]，做好模型訓練工作。并在這一過程中，做好車輛檢索工作。

4結束語

在本文研究中，結合相關技術，構建相應識別模型，以此為基礎，優化車輛重識別技術，取得最佳識別方式。進一步獲取更多車輛模型特征，進而以此為核心部分，做好數據收集工作，更好地實現車輛重識別有效率，解決車輛重識別存在的問題。

參考文獻

[1] 王艷芬，朱緒冉，云霄，等.面向公共安全監控的多攝像機車輛重識別[J].西安電子科技大學學報，2019，46（4）：190-196.

[2] 朱憲飛.交通系統監控環境下車輛異常行為識別算法研究[D].濟南：山東大學，2018.

[3] 劉洋.交通視頻監控中車輛識別與粘連車輛分割方法的研究[D].廣州：華南理工大學，2012.

作者簡介

雷文學（1981-），男，貴州安順人;學歷：本科，職稱：中級職稱，現就職單位：貴州省安順市公安交通管理局，研究方向：交通監控與指揮。