高速公路交通事件自動檢測技術研究

朱鳳杰

（河北交投沿海高速公路有限公司，河北 秦皇島 066000）

1 引言

如今，交通事件檢測算法（AID）已經愈發成熟。加利福尼亞算法、標準偏差算法、基于突變理論的McMaster算法、低通濾波算法等是早期應用于交通事件檢測的技術。隨著智能交通系統的快速發展，包括基于神經網絡模型[1]、貝葉斯模型[2]和支持向量機[3]等技術應用于交通事件檢測系統使其應用效果越來越好。本文主要介紹了視頻交通事件檢測系統的構成，對視頻交通事件檢測系統性能的影響因素進行了分析，最后對京秦高速公路交通事件檢測系統現狀進行分析并提出了優化建議。

2 視頻交通事件檢測系統構成

隨著基于視頻的交通事件自動檢測算法的出現及不斷發展，基于此項技術的自動事件檢測系統也隨之產生。視頻交通事件檢測系統一般由視頻信息采集單元（即攝像機）、事件自動檢測處理報警單元（即視頻交通事件檢測器）、傳輸系統以及視頻記錄存儲單元等部分組成。其中，視頻交通事件檢測器通常又由車輛檢測模塊、車輛跟蹤模塊、交通事件檢測模塊、報警處理模塊等部分構成，如圖1所示。

3 視頻事件檢測系統性能影響因素分析

不同的事件檢測系統在相同的應用條件下性能會有所差異，同一個事件檢測系統在不同的應用條件下性能也會有所不同，究竟是哪些因素在影響視頻事件檢測系統的性能以及這些因素是如何影響的，本文采用分解法對其進行了研究。

3.1 攝像機性能對視頻事件檢測性能的影響

在視頻交通事件自動檢測技術中，攝像機的性能直接影響著視頻事件的檢測性能。綜合視頻監控技術研究中關于攝像機性能影響因素的分析和視頻AID算法研究及視頻事件檢測相應范圍的研究等相關內容，總結歸納攝像機對視頻事件檢測系統性能的影響因素主要體現在以下幾個方面。

1）攝像機密度。不同品牌的產品性能有所差異、同一品牌的不同代產品性能也有所不同，但是用于事件檢測的攝像機的布設密度必須滿足該系統的事件檢測響應范圍。

2）攝像機在大霧等惡劣環境條件下的圖像采集功能。大霧等惡劣氣象，嚴重影響大變倍鏡頭的觀察能力，采集的視頻圖像難以滿足視頻事件檢測器對視頻源的要求，從而使視頻事件檢測系統在惡劣氣象條件下失去自動事件檢測功能，在最容易發生事件、最需要其發揮作用的時候無法發揮作用，成為實際應用中的一大瓶頸。

CP粉沖突相對其他的沖突相對比較溫和，因為CP粉之間的相互攻擊往往缺少“實錘”，更多地停留在想象的層面，相比彼此攻擊的負功能沖突，CP粉更愿意通過沖突關系實現自身和群體的認同。

3）攝像機在低照度條件下的圖像采集功能。目前，攝像機在低照度條件下的監控效果普遍較差，是監控領域的瓶頸技術之一。攝像機在低照度條件下采集的視頻圖像作為視頻源輸入視頻檢測器無法進行目標提取、車輛跟蹤等圖像處理工作，從而無法實現事件自動檢測功能。

3.2 視頻事件檢測器對視頻事件檢測性能的影響

視頻事件車檢器的核心為AID算法。AID算法主要包含目標識別、車輛跟蹤和行為理解3個主要處理過程，對每個處理過程進行分析，總結影響AID算法的因素如下。

3.2.1 檢測區域背景特征及模型建立

對目標進行識別是依賴于精確的背景建模實現的。當時段、天氣、光照、車流量等場景構成要素變化時，背景模型也應該隨之變化，只有及時更新背景模型，使之與實際背景特征相吻合，才能依賴背景模型采用背景消減的方法從靜態場景中提取目標。在惡劣的環境下（如雨天、夜晚、濃霧等），建立準確的背景模型更為重要，因為在惡劣環境下交通事件更易于發生。

3.2.2 車型構成

當交通量構成中，大車比例比較高時，遮擋問題就比較嚴重，因遮擋產生的車輛陰影會使圖像中目標外形扭曲，同時可能導致相鄰物體由于陰影而相互連接，混淆目標提取系統。如果視頻檢測系統不能將目標和陰影進行有效分離，后續的交通參數提取和行為理解過程，如目標跟蹤、速度計算和事件檢測等，精度都會有所降低，甚至難以進行。

3.2.3 車輛行為特征

當交通事件發生后，車輛在車速和行駛車道方面的行為特征會發生改變，基于車輛行為的AID和基于車流特征的AID是目前視頻處理常用的兩類AID算法行為理解。目標提取和車輛跟蹤是行為理解的重要組成部，它們的誤差對行為理解的準確性有著一定的影響，所以行為理解在復雜場景中的應用是極具挑戰性的。

4 京秦高速公路交通事件視頻自動檢測系統現狀分析及優化建議

本文在分析京秦高速公路視頻事件檢測系統應用現狀的基礎上，以高速公路視頻事件檢測系統一般技術要求為基準，結合京秦高速公路的運營管理需求，分析現有京秦視頻事件檢測系統存在的問題，對系統的進一步完善優化提出措施建議。

4.1 京秦高速公路視頻事件檢測系統現狀分析

為客觀反映京秦高速公路現有視頻事件檢測系統的應用現狀，本文對2009年京秦高速公路視頻事件檢測系統的歷史數據以及京秦管理處的值班記錄數據進行了統計分析。視頻事件檢測系統歷史數據中檢測到的事件類型及發生次數如表1所示。

表1 2009年京秦高速公路事件檢測系統檢測事件類型及發生次數統計表

各類事件發生比例如圖2所示。

圖2 2009年京秦高速公路事件檢測系統檢測事件類型及發生比例

由事件檢測系統歷史數據統計得出的2009年京秦高速公路交通事件發生趨勢如圖3所示。

圖3 2009年京秦高速公路交通事件發生趨勢圖

以上數據表明，京秦事件檢測系統的事件檢測類型比較全面，停車事件是檢出最多的事件，占總事件類型的69.7%。對大眾出行影響比較大的交通擁堵事件檢出比例為0.3%。全年的4月中旬至5月中旬以及7～9月的兩個時間段是事件高發期，以7～9月表現最為突出。

為驗證視頻事件檢測系統的性能，本文對京秦管理處2009年1月、4月、8月3個月的180份值班記錄進行了統計分析，如表2所示。

由表2中數據可粗略推算出事件檢測系統的檢測率，如表3所示。表3中數據表明，由值班記錄推算出的事件檢測率，即實際應用中的檢測率很低，遠遠達不到系統產品說明書標稱的指標值。假設這種推算誤差在30%，那么最好的檢測率也只有50%左右，仍然不能滿足實際應用要求。

表2 2009年京秦管理處4月、8月、9月值班記錄統計表

表3 由值班記錄推算出的事件檢測率

將歷史統計數據與值班記錄數據進行比對，可以粗略看出事件檢測系統的誤報率，如表4所示。表4中數據表明，檢測系統的誤報率很高。

表4 由值班記錄推算出的誤報率

通過以上對歷史數據的統計分析，可知京秦高速公路目前事件自動檢測系統在使用性能方面現狀：

1）事件檢測類型基本涵蓋日常經常出現的事件；

2）系統事件檢測率較低，交通擁堵、交通事故等事件的發現仍然主要依靠人工檢測方式；

3）系統事件檢測誤報率很高，大大增強了監控人員的工作強度。

4.2 京秦自動事件檢測系統優化措施建議

根據京秦高速公路視頻交通事件檢測系統存在的不足，結合京秦管理處的實際運行需求，對目前京秦高速公路視頻交通事件檢測系統提出以下優化措施建議。

1）根據京秦高速公路交通事件發生的頻率和事件檢測響應范圍來布設視頻交通事件檢測器。

2）目前，京秦高速的攝像機布設密度為2 km，根據京秦高速公路的交通流狀況和線形狀況來說，這顯然是過小的，應在彎道處和流量較大的路段適當增大檢測器的布設密度。

3）在視距不良地段，且車檢器布設較密的路段可增加間接事件檢測算法進行事件檢測的方式，作為視頻事件的有效補充，提高檢測精度。

4）為了實現視頻事件自動檢測系統對交通事件的全方位檢測，應從數據采集、事件類型劃分、事件報警等方面入手進行整體規劃，從而優化京秦高速公路交通事件管理效率。

5）對京秦高速公路攝像機的配置和參數進行優化，使其在光線不足及天氣惡劣的情況下也能正常使用，保證攝像機處于全天候運行的狀態。

5 結語

本文對視頻交通事件檢測系統的構成進行了敘述，并對視頻事件檢測系統性能的影響因素進行了分析，最后依據京秦高速公路交通事件視頻自動檢測系統現狀進行分析，根據視頻交通事件檢測系統現狀的不足提出了優化措施建議。