基于深度學習的計算機視覺技術在交通場景中的應用

潘 超, 王雪涵, 高俊平, 王贏慶,尹棟程, 李 佳, 肖 巍*

(1.長春工業大學 計算機科學與工程學院， 吉林 長春 130102;2.長春市十一高中北湖學校， 吉林 長春 130102)

0 引 言

中國汽車工業協會公布的數據顯示，2019年國內汽車銷量2 576.9萬輛，2020年國內汽車銷量2 531.1萬輛。從數據上可以看出，每年都有眾多的汽車源源不斷地融入到交通系統，給交通系統帶來了巨大的壓力，可以說交通系統的管理能力決定了社會生活的方方面面。交通問題的解決離不開計算機技術大加持，而人工智能技術的不斷革新突破可以進一步提升交通系統的工作效率。因此對交通場景智能識別系統(Traffic Scene Intelligent Recognition System)的需求越來越高。

高效準確地完成交通場景的智能識別依賴于計算機視覺的目標檢測技術。目標檢測是區分視頻或圖像中感興趣的區域與其他區域，判斷目標存在與否，確定目標的位置并識別其種類的計算機視覺任務。近年來,隨著深度學習理論的日趨成熟以及硬件性能的飛速提升，目標檢測任務也從基于計算機視覺與手工特征提取的傳統算法轉向基于深度神經網絡的檢測方法[1]，基于深度學習的視覺處理方法以各種卷積神經網絡結構模型為代表，合并特征提取、選擇和分類過程，通過端對端訓練來自動提取特征，達到分類效果，這類方法精度較高[2]。一般常用的深度學習方法包括： R-CNN、Fast/Faster R-CNN、SSD、YOLO系列等。

計算機目標檢測算法的發展歷程見表1。

表1 計算機目標檢測算法的發展歷程

2001年，維奧拉-瓊斯通過滑動窗口的檢測方法首次實現了人臉的實時檢測，使用傳統的目標檢測算法進行檢測。2005年，N Dalal等[4]對尺度不變特征變換和性狀上下文作出改進，提出HOG。2008年，傳統目標檢測算法發展達到頂點，P Felzenszwalb等[5]提出DPM算法，經過多人改進，使用“邊界框回歸”技術提高了檢測精度。

2012年，隨著GPU技術的不斷發展，進入基于深度學習的目標檢測算法時期。Hinton教授團隊利用卷積神經網絡設計了AlexNet, 在ImageNet數據集上打敗所有傳統方法的團隊，使得CNN成為計算機視覺領域中最為重要的工具[14]。

2014-2017年間,涌現出R-CNN、SPPNet、Fast R-CNN、Faster R-CNN、YOLO、SSD、Retina-Net、Pyramid Networks等深度學習算法，可分為One-stage和Two-stage兩類。

Two-stage 識別錯誤率較低[15]。R-CNN 首次將深度學習應用到目標檢測上，SPPNet 輸入具有靈活性，能在輸入尺寸任意的情況下產生固定大小的輸出，Fast R-CNN主網絡是VGG16，比R-CNN 和SPPNet 快數倍，Faster R-CNN相較于Fast R-CNN改為多參考檢測，Pyramid Networks融入特征融合，使得基于深度學習的目標檢測算法逐漸成熟。

One-stage 檢測速度較快[16]，YOLO 將物體檢測作為回歸問題求解，檢測網絡pipeline簡單，SSD引入多分辨檢測和難分類樣本挖掘的思想，Retina-Net在分類損失上進行改動，加上權重因子，加大難分類樣本的相對權重。

不少學者將這些算法應用到交通路口智能識別產品中，而目前比較傳統的交通路口智能識別產品在固定角度、固定距離的條件下雖具有較好的識別效果，但在不同角度條件下識別效果較差。在這些算法中，YOLO V3版本算法主要在損失函數上做了改進，在開放目標檢測數據集上的檢測效果和性能都很出色。文中利用YOLO V3檢測算法適應性強的特點，從實際問題的特性出發，嘗試使用YOLO V3實現交通場景的分析。

1 關鍵技術的研究

1.1 YOLO V3檢測算法

YOLO系列算法是基于卷積神經網絡的目標檢測算法[17]，以YOLO V3算法為基礎進行車輛檢測研究。

對物體進行識別時，網絡通過特征提取的方式對目標進行識別。識別時將目標圖像分為若干個小塊，根據待識別物體的大小可以分為13×13，26×26，52×52的小格，在實際使用中,如果待識別的物體更小(如小昆蟲、小零件等),還可以將圖像分割的更小(如104×104)。當物體的中心坐標被分入某個格中，就由這個格子預測物體。物體有固定數量的外框(bounding box)，YOLO V3 使用邏輯回歸確定用來預測物體的回歸框。原理如圖1和圖2所示。

圖1 YOLO實現原理1

圖2 YOLO實現原理2

總體上講，YOLO V3網絡結構包括輸入部分、基礎網絡部分、特征融合層。輸入部分要求輸入數據為 416×416像素，如果數據過大，需要對輸入數據進行Resize操作，使之變為合適的尺寸。雖然YOLO V3本身使用的是全卷積層，輸入數據和特征圖尺寸的修改都是通過卷積層來實現。但是輸入圖片過大仍然可能影響識別效果的完整性。

基礎網絡部分中YOLO V3采用Darknet-53網絡。該網絡綜合考慮了Darknet-19和ResNet的Residual殘差結構。既增加了網絡的深度，提升了擬合能力，又減小了訓練難度。

Darknet-53 模型結構如圖3所示。

圖3 Darknet-53 模型結構

Darknet-53由BDL組件和5個RES(殘差塊)聯合構成。由于YOLO V3是全卷積網絡，所以DBL由卷積網絡、歸一化組件BN(Batch Normalize)、激活函數(LeakyRelu)構建而成[18]。YOLO V3的總網絡一共有75個卷積層，采用深度學習中常用的LeakyReLu作為激活函數，并使用batch normalization對數據進行正則化,加速收斂速度,提高了模型的擬合能力，但是模型結構冗長也有產生梯度消失問題的風險。為解決此問題,模型引入了殘差模塊，每個殘差塊中包含若干個殘差單元，殘差塊中包含具體殘差單元的數量由殘差塊res的n值確定。由于網絡主體是由許多殘差模塊組成，這種結構減小了梯度爆炸風險，很好地加強了網絡的學習能力[19]。

算法允許在速度和準確率之間做出選擇，根據需要可以選擇側重于速度而犧牲一些準確率或側重準確率而犧牲一些算法效率。從V2版本中使用的darknet-19到V3版本中使用的darknet-53，YOLO版本表現的提升很大程度上取決于backbone網絡性能的提升。

Joseph Redmon實驗表明，在分類準確度與效率平衡上，Darknet-53模型比ResNet-101、 ResNet-152和Darknet-19表現得更好[20]。YOLO V3并沒有那么追求速度，而是在保證實時性(fps>60)的基礎上追求performance。同時,V3提供了可以替換的backbone-tiny darknet。對于注重性能的準確性場景可以使用darknet53，對于注重效率的場景可以選用tiny darknet。 YOLO V3的這種特性使其具有非常好的適應性，適合應用于實際的工程場景[21]。

1.2 物體重識別算法設計

YOLO檢測算法可以對每一幀進行分析，找到畫面中的各個目標，但在實際交通場景中，大部分監控場景都是一個復雜連續的過程。識別出每個畫面中的物體只是第一步，還要提取物體的靜態特征，對每個物體進行追蹤，以判斷是否存在違反交通規則的情況。

算法: 物體重識別算法

輸入: 每幀畫面中物體中心點坐標(xi，yi)，特定距離閾值m

輸出: 是否為同一物體

1.計算前后兩幀畫面物體中心點的歐氏距離di；

2.比較di與m，

2.1.若di≤m，則將兩個物體視作前后兩幀畫面中的同一對象。

2.2.否則，

2.2.1.若(xi-1，yi-1)不存在，而(xi，yi)存在，則對于本幀新出現的點記作新的物體；

2.2.2.若(xi-1，yi-1)存在，而(xi，yi)不存在，則對于本幀畫面未能配對的點予以注銷。

在進行物體重識別設計時，主要依據歐氏距離進行檢測，上一幀和本幀畫面中物體中心點之間的歐氏距離為

di=(xi-1-xi)2+(yi-1-yi)2，

在畫面分析結束后，獲取YOLO的分析結構，將YOLO識別出的物體中心點作為檢測依據，分別比較上一幀畫面和本幀畫面中物體中心點的變化情況：若先后兩個點之間歐氏距離小于特定值，則將兩個物體視作前后兩幀畫面中的同一對象；對于新出現的點記作新的物體；對于上一幀畫面中存在，而本幀畫面未能配對的點予以注銷，算法示意圖如圖4所示。

圖4 物體重識別算法示意圖

1.3 距離判斷

在交通管理的場景中，距離檢測運用最為廣泛，通過距離檢測判斷識別車輛與車道線的距離、車輛與行人的距離、車輛與人行道的距離。通過車輛與車道線的距離，可以判斷車輛是否紅燈越線，以及是否有闖紅燈等行為；在車輛與行人的距離判定中，可以判斷車輛的車速，以及車輛是否禮讓行人；根據車輛與人行道的距離，判斷車輛是否進入或者通過人行道，用車輛與中心線之間的距離來統計車流量。

在判定車輛是否闖紅燈時，首先采用距離算法來判斷車輛具體在哪個車道上，從而得到車道導向,并通過信號燈的識別獲取對應的紅綠燈信息，判斷車輛所在導向是否為紅燈。當為紅燈時，判斷車輛所在位置是否在對面車道線和當前車道線之間，如果是，則判定該車輛闖紅燈。

算法:判定車輛是否闖紅燈

輸入:車道對應的紅綠燈信息

輸出:車輛是否闖紅燈

1.判斷車輛所在導向是否為紅燈，若為紅燈；

1.1判斷車輛所在位置是否在對面車道線和當前車道線之間，若是，輸出車輛闖紅燈；

2.否則，輸出車輛未闖紅燈。

車速計算示意圖如圖5所示。

圖5 車速計算示意圖

測量車速時，利用人行橫道作為參照物，只要利用車輛經過人行橫道的時間就可以粗略測量出車輛速度，那么關鍵就集中于如何判斷車輛經過人行橫道的時間。車輛未到達人行橫道時，車輛入點與人行橫道下沿之差為正數，在某視頻幀下，此差變為負數時，則代表車輛經過人行橫道下沿，記錄時間點；接下來就是車輛入點與人行橫道上沿進行作差，過程與人行橫道下沿相同，然后記錄時間點；前后兩個時間點作差，就可以得到車輛通過人行橫道的時間，從而可以判斷車輛是否超速。

算法：車輛超速判斷算法

輸入：人行橫道寬度s，人行橫道上沿縱坐標y上，人行橫道下沿縱坐標y下，每幀車輛入點縱坐標yi，限速v限

輸出：車輛是否超速

記錄yi-y下由正變負的時間點t1和yi-y上由負變正變化時的時間點t2；

比較vi與v限，

若vi≤v限，輸出車輛未超速

否則，輸出車輛超速

判斷禮讓行人示意圖如圖6所示。

圖6 判斷禮讓行人示意圖

車輛是否禮讓行人與距離密切相關，通過計算車輛與行人之間的距離判斷行人在人行道上，還是在人行橫道的區域內。人行道的行人無須判斷，而對于在人行橫道上的行人，如果車輛與行人的距離過近,則觸發車輛未禮讓行人的事件。

車流量計數示意圖如圖7所示。

圖7 車流量計數示意圖

車流量計數是通過判斷車輛點與中心線之間的關系實現的。車輛通過中心線則記錄，無論哪個方向駛來的車輛都會加入車流量計數的行列。算法方面則是通過判斷當前點是否比中心線縱坐標大或者小來判斷車輛是否通行。如果有小到大或者大到小的變化，則可將車輛加入計數中。

2 實驗結果

為了配合YOLO以及其他功能的實現，系統整體使用Python語言實現。前臺使用PYQT繪制界面并提供交互，使用OpenCV讀取視頻文件，VideoCapture獲取視頻幀用于分析。系統產生的信息用json格式進行存儲，便于日后的讀取和進一步分析。

系統對路口視頻進行測試的結果如圖8所示。

圖8 視頻分析結果

系統可以正確識別車輛、行人、非機動車、信號燈，模型mAP均值見表2。

表2 各模型mAP均值

繪制車道線后可以識別出車輛壓線、未禮讓行人等違反交通規則的行為，并將違反交通規則的瞬間進行取證保存以備查看。

系統將數據輸出到主面板的視頻顯示窗口，以及主面板的速度顯示窗口、車速檢測窗口、車流量統計窗口、紅綠燈顯示，違章顯示窗口顯示YOLO前端檢測的車輛、車牌、紅綠燈等信息的數據結果，為用戶提供最為直觀的數據。

3 結 語

交通場景智能識別是現代智能交通系統重要組成部分。首先對攝像機拍攝的車輛圖像或者視頻圖像進行處理分析，得到每輛車的車牌號碼，從而完成識別過程。文中實現結合基于深度學習的智能交通, 從車輛壓線檢測、距離判斷等方向進行研究, 并根據實際應用環境進行具體的分析工作, 對檢測算法與物體重識別算法進行了論述。研究成果能夠幫助管理者實時掌握交通整體運行態勢，有效地維護道路交通秩序, 特別是交通違規行為識別，對于實現智慧交通可視化管理具有較強的實用價值。將計算機視覺技術應用于實際工程場景,對于維護交通安全和城市治安，防止交通堵塞，提升道路通行效率有現實意義。