（系统工程专业论文）基于视频的交通事件自动检测.pdf

西南交通大学硕士研究生学位论文第1 页 摘要 随着社会经济的快速发展，智能交通系统越来越引起人们的重视。交通 事件检测系统作为智能交通系统的重要组成部分，更起着举足轻重的作用， 它可以迅速检测和处理道路上发生的交通事件，减少由于交通事件所带来的 人员伤亡、财产损失等影响，避免二次事件的发生，节约能源，减少污染。 交通事件检测算法作为交通事件检测系统的核心内容，它的发展对人们的日 常生活，社会的进步，经济的发展起着重要的作用。 本文依托国家8 6 3 高技术研究发展计划项目基于多信源融合的城市交 叉路口交通事件自动检测技术( 2 0 0 7 a a l l z 2 2 4 ) 子课题“基于视频的交叉 路口交通事件自动检测技术研究 。抓住交通流的特征，从交通事件检测的根 本要求出发，对交通事件检测中涉及的技术和理论进行了较深入的研究，并 结合实际，对若干应用问题进行了有益的探索。 本文回顾了交通事件的分类方法，并对各种交通参数采集技术进行了比 较和讨论，综述了各种a i d 算法的研究历史与现状。针对交叉口这个特殊的 交通场景，分析其交通流特征，根据车辆所遵循的行驶规则以及发生交通事 件后的影响，提出了一种分析交叉口终端车辆停车原因的交通事件检测算法。 同时，借鉴高速公路基于视频的交通事件检测经验，设计了基于视频的交叉 口交通事件检测系统，完成了系统中的部分功能，并对其他功能模块进行了 简单的介绍。在车辆检测和车辆跟踪的基础上，找出了合适的基于视频的交 通参数提取方法，为交通事件检测算法储备足够的数据。在掌握支持向量机 的理论基础上，设计了基于s v m 的交通事件检测算法，并采用i 8 8 0 数据库 的实测数据进行了实验。实验中还分析了s v m 超参数对分类结果的影响。 结果表明，在选取适当的参数后，s v m a i d 算法对不同路段的交通事件的检 测率高，平均检测时间可以满足实用要求。 最后，论文对所做的工作进行了总结，分析了论文所取得的进展及成果， 并根据研究中发现的问题，指出下一步的研究方向与计划。 关键词：交通事件检测；视频；交叉口；支持向量机；1 - 8 8 0 数据库 西南交通大学硕士研究生学位论文 第1 i 页 一一_ _ - _ _ - l - _ _ - l - - - l _ _ a bs t r a c t a l o n g w i t ht h ef a s td e v e l o p m e n to ft h e s o c i a le c o n o m y ，i n t e l l i g e n t t r a n s p o r t a t i o ns y s t e m ( i t s ) b e c o m e sm o r ea n dm o r ei m p o r t a n t t oo u rd a i l yl i f e t h et r a f ! f i ca u t o m a t i ci n c i d e n td e t e c t i o ns y s t e m ( t a i d s ) ，w h i c h i so n eo ft h e k e yp a r t so fi t s ，i sa b l et od e t e c ta n dd e a lw i t ht h et r a f f i ci n c i d e n t so n t h er o a d s ， a n dt od e c r e s et h ed e a t hr a t ea n dw e a t hl o s s f u r t h m o r e ，t a i d sc a nh e l pt oa v o i d s u b s e q u e n ti n c i d e n t s ，s a v ee n e r g ys o u r c e s ，r e d u c ep o l l u t i o n a n ds oo n a st h e c o r eo ft a i d s ，t r a f ! f i ci n c i d e n td e t e c t i o na l g o r i t h m ( a i d ) i s ac r u c i a lp r o b l e m a n dw o r t h yo fs t u d y t h ed i s s e r t a t i o ns t e m sf r o ms u b p r o j e c t t h es t u d yo na u t o m a t i ci n c i d e n t d e t e c t i o ni ni n t e r s e c t i o n sb a s e do nv e d i o o ft h ei t e m t h es t u d yo i la u t o m a t i c i n c i d e n td e t e c t i o nt e c h n o l o g yi r lu r b a l li n t e r s e c t i o n sb a s e do nm u l t i s o u r c e i n t e g r a t i o n w h i c h i sf u n d e db yn a t i o n a l 8 6 3 h i g h t e c h r e s e a r c ha n d d e v e l o p m e n tp r o j e c t ( 2 0 0 7 a a l lz 2 2 4 ) a c c o r d i n gt ot h ec h a r a c t e r so ft r a f f i c n o wa n dt h ef u n d a m e n t a lr e q u i r e m e n t so f t r a f f i ci n c i d e n td e t e c t i o n ，t h e t e c h n i q u e sa n dt h e o r i e sr e l e v a n tt ot r a f f i ci n c i d e n td e t e c t i o na r cs y s t e m a t i c a l l y i n v e s t i g a t e di nt h i st h e s i s f i r s t l y , i ti sr e v i e w e dt h a tt h e c l a s s i f i c a t i o no ft r a f f i ci n c i d e n t s m o r e o v e r k i n d s o ft r a f f i c ep a r a m e t e r sa c q u i s i t i o nt e c h n o l o g i e s a r e c o m p a r e d a n d d i s c u s s e d a n dt h e na no v e r v i e wo fa i da l g o r i t h mr e s e a r c hh i s t o r ya n dc u r r e n t s i t u a t i o na r ep o i n t e do u t f o c u s i n go ni n t e r s e c t i o n ，ap a r t i c u l a rt r a f f i cs c e n c e ，a l l i n c i d e n td e t e c t i o na p p r o a c hb a s e do na n a l y s i st h es t o pr e a s o no ft h et e r m i n a lc a r i sp r e s e n t e d i na c c o r d a n c ew i t ht h et r a f f i c f l o wc h a r a c t e r i s t i c s m e a n t i m e ，t h e t r a f f i ci n c i d e n td e t e c t i o ns y s t e mi ni n t e r s e c t i o nb a s e no nv e d i oi sd e s i g n e da n d c o m p l e t e dp a r t l y o n t h eb a s i so fv e h i c l ed e t e c t i o na n dt r a c k i n g ，t r a f f i c p a r a m e t e r se x t r a c t i o nm e t h o d sa r ef o u n df o rr e s e r v i n gs u f f i c i e n td a t a t h i sp a p e r p r o p o s e da nn e w a i da l g o r i t h mc a l l e ds 订一a i da f l e r u s i n ga c t u a ld a t ai 88 0 d a t a b a s e ，t h ee x p e r i m e n tr e s e a r c h e s t h ea p p l i c a b i l i t yo ft h es u p p o r tv e c t o r m a c h i n e s ( s v m ) i na c t u a lt r a f ! f i ca i ds y s t e m sa n dh o w t h ep a r a m e t e r sw o r k e di n s v m a i d t h er e s u l t ss h o w e dt h a ts v m a i dc a np e r f o r m w e l li nd e t e c t i o nr a t e a n dm e a nt i m et od e t e c t i o nw h e nt h ep a r a m e t e r sa r ea p p r o p r i a t e 西南交通大学硕士研究生学位论文第l ll 页 i nc o n c l u s i o n ，t h ed i s s e r t a t i o nc o n c l u d e st h ew h o l ew o r k ，a n a l y s e st h e f i n d i n g sa n da c h i e v e m e n t s ，a n db r i n g sf o r w a r df u r t h e rr e s e a r c hd i r e c t i o n sa n d p r o j e c t s k e y w o r d s ：a u t o m a t i ci n c i d e n td e t e c t i o n ( a i d ) ；v e d i o ；i n t e r s e c t i o n s ；s u p p o r t v e c t o rm a c h i n e ( s v m ) ；i 一8 8 0d a t a b a s e 西南交通大学学位论文创新性声明 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作 所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体， 均已在文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。 本文工作的创新点是根据车辆所遵循的交通规则以及发生交通事件后对 交通流的影响，研究了一种基于视频的交叉口事件检测的算法通过检测 终端车辆的停车原因判别交通事件；提出了s v m a i d 算法，在实测数据1 - 8 8 0 数据库上进行了实验，取得了较好的效果。 学位论文作者签名： 日期：尹，6 够 西南交通大学曲南父迥大罕 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查 阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关 数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位 论文。 本学位论文属于 1 保密口，在年解密后适用本授权书； 2 不保密阢使用本授权书。 ( 请在以上方框内打“4 ) 学位论文作者签名： 炭他 日期：柳6 市 纩抡 r v 伽乒 名易签卜 燃卵 老 ： 导期静刚 西南交通大学硕士研究生学位论文第1 页 第1 章绪论 1 1 课题的研究背景及意义 智能交通系统( i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ，i t s ) 是为了提高居民 生活质量，使人类或货物更有效、更经济地流动，获得理想交通环境，而提 出的影响深远的重大举措。它利用先进的科学技术创造出高效、安全的通行 环境，目的是实现先进的交通信息交换和共享，自动收费，组成用户、道路 和车辆的高度协调结合体的全新交通系统【l ，2 j 自6 0 年代起，日本、美国和西欧等发达国家为了解决日益拥挤的城市交 通，特别是交通阻塞，减少交通事故和由此带来的经济损失，先后成立各种 组织和机构，投入了大量的资金和人力，开展了大规模、深层次交通运输智 能技术和系统的研究。例如美国早在1 9 9 0 年就成立了美国智能车辆和道路协 会，并将智能交通系统纳入为道路运输政策的中心项引3 4 】。1 9 9 3 年成立“车 辆、道路以及智能交通协会 ，现已有成熟的i t s 结构体系【5 】；意大利从2 0 0 2 年开始每年投入智能交通系统市场的资金已超过2 5 亿欧元，预计2 0 0 9 年将 达到6 亿欧元【6 】；韩国也于2 0 0 0 成立了国家智能交通系统机构，研究发展智 能交通系统多样化的技术1 7 j 。 中国于2 0 0 0 年成立了全国智能交通系统发展协调指导小组【8 j 。“十一五 国家科技支撑计划“国家综合智能交通技术集成应用示范”重大项目安排了 一系列的技术开发和应用示范：在北京将建成以奥运交通指挥中心、交通数 据中心等4 个中心为核心的北京市综合交通信息平台。2 0 0 8 年8 月，中国北 京成功举办了第2 9 届夏季奥林匹克运动会。在此期间，北京先后投入并使用 了1 0 个智能交通管理系统，分别是：现代化的交通指挥调度系统、交通事件 的自动检测报警系统、交通综合监测系统、奥运中心区综合监控系统、数字 化交通执法系统、区域交通信号系统、快速路交通控制系统、交通信号控制 系统、大型路侧可变情报信息板以及交通实时路况预测预报系统【9 】。这些系 统极大地提高了北京在科学交通管理方面的技术水平，为保障道路交通安全、 有序、畅通，实现平安奥运的目标，提供了强有力的技术支撑和保证。此外， 西南交通大学硕士研究生学位论文第2 页 上海、广州等城市将建成综合交通智能管理和服务基础平台。由此可见，中 国的智能交通系统拥有广阔的应用前景。 交通事件检测一直是交通管理的重要任务，也是智能交通系统中不可缺 少的一环。交通事件是指道路上的偶发性事件，包括交通事故、紧急刹车、 非法停车、坠落物、烟雾和交通拥堵等【1 们。越来越多的交通事件特别是交通 事故，造成了巨大的财产损失和人员伤亡，阻碍了道路交通，损害了公众利 益。近年来统计数据表明交通事件具有以下统计特征 1 l 】： 1 2 0 - 5 0 的交通事故是由于受到已发生交通事件( 称为一次事件) 的影响而造成的，这些随后发生的事故被称为二次事故。 2 5 0 以上的二次事故是在一次事件发生后1 0 分钟内发生的。很多情 况下，这些二次事故是由于小规模的一次事件造成的，如果将一次事件信息 提前提供给驶来车辆的司机，这些二次事故是能够避免的。 3 在城市道路上，交通事故和车辆抛锚导致的交通拥堵占全部拥堵 2 0 ，而且这类拥堵持续的时间更长。 上述特征表明，如果采用交通事件自动检测系统对交通事件进行快速准 确的检测，就能够及时发现事件，采取措施及时有效地处理或消除交通事件， 并将事件信息报警给后来车辆的司机，就能够减少或避免交通拥堵，预防二 次交通事故的发生。很多情况下，如果司机在发生事故的前o 5 秒被警告危 险的话，事故是可以避免的。美国加利福尼亚运输局的报告显示，如果提前 1 分钟发现并清理交通事件，至少可减少4 5 分钟的延误【1 2 】。 交叉路口的交通状况远比高速公路复杂，也更易发生各种交通事件。美 国国家高速交通安全局统计报告显示，美国1 9 9 8 年交叉口的撞车事故就有 1 7 0 万起，占据所有交通事故的近三分之一，导致6 7 0 0 人死亡【1 3 】。因此，对 交叉口事故的准确和迅速的探测对于挽救生命和财产以及减少拥塞和延误具 有巨大的意义。 1 2 国内外研究现状 交通监控系统主要是将采集到的交通流信息用于交通控制信号的配时和 交通事件的自动检测，它是把i t s 技术集成到交通监控系统中，以提高交通 管理部门检测、清理交通事故和疏导交通拥堵的能力，从而减少经济损失。 交通事件自动检测技术主要由数据采集和数据分析两个过程组成【1 4 】，下面对 西南交通大学硕士研究生学位论文第3 页 这两方面的国内外研究现状进行介绍。 1 2 1 数据采集技术 目前采集数据的典型方法是采用设于路面下的环形线圈传感器，但是此 技术存在一些固有缺点，如：检测灵敏度需要调节，数据精度低；施工麻烦， 需要开挖路面，由于环形线圈传感器寿命有限，不便于更新维修【1 5 】等等。另 一方面，随着视频识别技术的不断发展，运用视频技术来进行车辆监测，不 仅能弥补环形线圈感应器在安装和维护方面的不足，也为实现交通事件自动 检测提供了条件。基于视频的交通事件检测是把专用摄像机采集的视频图像 作为输入，对这些序列图像进行分析，提取交通场景信息，并将事件检测结 果报告给交通管理中心。视频检测系统利用数字图像处理、模式识别和计算 机视觉等技术，能够自动识别和跟踪车辆，分析车辆行为【n 】。这种方法成本 低、效率高，判定可靠、算法优化，在智能交通系统中得到广泛应用。 在早期的交通监控系统中，欧美许多国家采用环形线圈检测器作为车辆 检测装置。现在由于计算机硬件和通讯技术的发展，出现了各种各样的车辆 检测设备。有些虽然还不够成熟或者比较昂贵，但是将来的公路管理系统将 能够集成各种检测器的技术，产生更加稳健的监控和a i d 系统。以下对各种 检测器进行介绍。 1 感应式环型线圈检测器( i l d ) 感应式环型线圈检测器作为一个成熟的技术，具有低廉的价格，已经成 为交通运营和监控系统必不可少的工具。线圈检测的数据通过通讯线路传到 交通管理中心，使用配置a i d 算法的计算机进行分析。虽然线圈可以在每秒 钟读数据许多次，但是由于距离和传输的问题，只能每隔2 0 或3 0 秒传输一 次数据。线圈可以测量交通流量、占有率和车辆速度。测量的精度取决于感 应式环型线圈检测器合适地安装选位、精确地操作和维护，这在实际操作过 程中是比较难以掌握的须有经验的交通工程师来完成。 2 视频检测处理系统( v i p ) v i p 是通过闭路电视系统或数字照相机、摄像机来进行现场数据采集， 采用视频识别技术和数字化技术分析交通数据。v i p 能够采集的数据很广， 一个摄像机能够采集几个车道的数据，使得检测交通动态行为( 如振动波) 和 各种空间交通参数( 如密度、速度、排队长度) 成为可能，而这是环型线圈所 西南交通大学硕士研究生学位论文第4 页 不能轻易做到的。除此以外，视频检测能提供辅助信息，如路肩交通、停车 交通、车道变化、速度差异和其它方向的交通拥堵。因此，随着高性能计算 机和图像处理硬件价格的下降，v i p 的应用前景非常看好。 3 其他辅助检测器 磁性检测器( m a g n e tm e t e r ) ：它是一个被动检测设备，本身不产生磁场， 放在道路上截取磁性的扰动。当一辆汽车驶过时，使得地面磁场产生变化， 磁性检测器检测和捕捉异常的磁性变化，它通常用来检测车辆存在的信息。 在桥梁上面无法埋设感应式环型线圈检测器，同时钢铁对感应式环型线圈检 测器的性能产生干扰，这时可采取磁性检测器取代感应式环型线圈检测器或 者两者互相配合使用。 微波雷达车辆检测器：它以光速、带宽为2 5 到2 4 0 g h z 的频率发射电 磁能，它能够测量车辆计数、速度，在某种结构下还可以检测车辆存在，一 种试验类型可以通过测量车辆的高度进行车种分类工作。微波雷达对天气不 敏感，可以适应于白天和晚上的运行，尤其是在长距离的开放的公路上就更 能发挥它的作用。高级的微波雷达检测器组件可以测量目标之间的距离，每 个组件可以检测多个区域。 超声波检测器：它有两种类型。第一种是脉冲式多普勒超声检测器，原 理类似于多普勒雷达，区别在于它发出频率2 0 到2 0 0 k h z 超过人类听力范围 的声波。这些波是压力波，在空气中以7 4 0 m p h 的速度传播。它可以测量速 度、占有率、车辆存在和排队长度。由于超声波从移动车辆反射回来时的复 杂性，传感器的有效范围( 大约4 0 英尺) 小于微波检测器。超声波通过大气传 播，受限于周围环境的影响，如气温、空气波动和湿度等，这些因素都会影 响检测器精度。第二种是脉冲式超声波检测器，安装在路面高处如灯杆上， 可以检测通过车辆的种类。它通过测量从高杆上发射器发出的声波到达路面 后返回的时间与到达通过车辆的车项后返回的时间差来确定车辆类型。尽管。 它在区别小汽车和面包车时有困难，但是能够辨别大多数车辆种类。 被动声学检测器：它的结构成垂直排列的麦克风阵列，检测接近车辆发 出的噪声。在声音到达上端麦克风和下端麦克风之间存在一个时间延误，这 个延误随着发出声音的车辆的不断接近而变化。当车辆在远处时，发出的声 音几乎同时到达上端和下端麦克风，当车辆到达麦克风下端时，上端接收的 声音通过内部传感器送来，要有一个延迟。应用麦克风阵列之间的相关关系 可以跟踪车辆，当声音数据被过滤成5 0 到2 0 0 0 h z 带宽时，检测结果达到最 西南交通大学硕士研究生学位论文第5 页 佳。 红外线检测器：它有两种类型。第一是激光红外雷达检测器，原理和微 波雷达检测器一样，但是发射频率更高( 较短的波长) ，它可以检测车辆存在、 车速、流量、占有率和车种信息，适用于白天和黑夜情况。它易受到天气条 件的影响，发生散射。第二是被动红外检测器，它本身不发射能量，而是检 测目标发射的能量。通过检测道路和车辆发射能量之差，可以确定车辆存在。 它可以测量流量、占有率和车辆存在信息。天气对测量有负面影响。 蜂窝电话技术：一些交通部门允许驾驶员通过蜂窝电话报告交通事件。 经过评价发现这种方法比较有效，一大部分主要交通事件是通过蜂窝电话首 先发现的。在芝加哥该项研究统计中有，每年受到1 0 万个以上的这样的电话， 大约三分之二的电话是提供新情况，大约四分之一是重复信息。蜂窝电话技 术已经有意想不到的效益，如报告交通信号故障、道路碎片垃圾和其它事件 引起的交通异常。蜂窝电话技术在预测高峰时交通网络的交通事件发生最为 有效。蜂窝电话不断地普及，利用蜂窝电话技术检测交通事件将来会成为公 路监控系统的重要组成部分。表1 1 是车辆检测器性能指标比较。 表1 1 车辆检测器性能指标比较 检测器类型检测性能 车辆存在车辆计数速度估计车辆识别 磁性检测器是极好 n an a 微波雷达检测器( 多普勒)否一般极好较差 多普勒超声检测器否好一般 n a 脉冲超声检测器是很好 n a 好 被动声学检测器否较差一般好 主动红外检测器否很好较好 n a 被动红外检测器否很好较差 n f 入 从以上介绍中可以看出，目前技术水平还没有发展到具有人的智能水平， 各种检测设备有其局限性和缺点，不能替代人的作用，所以目前蜂窝电话最 能发挥人的主观能动性，成为最快捷、便利、精确的交通事件检测手段。目 前我国大城市基本上采用事故报警电话方式，如北京“1 2 2 ”事故报警台，作 为交通指挥中心的一部分，2 0 0 1 年上半年共接各类报警9 0 7 6 6 起，其中交通 事故报警7 3 0 5 3 起，占总数的8 0 4 8 ，交通堵塞报警1 0 8 4 4 起，占总数的 1 1 9 5 ，极大地提高了交通警察的快速反应能力，对及时处置事故现场、抢 西南交通大学硕士研究生学位论文第6 页 救伤者、布控查堵交通肇事逃逸犯及有效缓解交通拥堵发挥了不可缺少的重 要作用 16 1 。 1 2 2 视频检测系统 由于对高速公路、桥梁隧道的交通状况建模相对简单，其监测技术相对 简单。因为较容易建立高速公路、桥梁等交通流模型，从而获得车流密度， 平均速度，车队占有率等参数，因此基于视频的事件自动检测算法最初是针 对高速公路而开展检测的。自2 0 世纪9 0 年代中期以来，美、英、日本等国 开始研究基于图像处理的事件快速自动检测系统，模拟人工判别交通异常的 方法来实现事件的快速检测【1 6 1 8 】。提出的各种检测算法已达到检测率高，检 测时间短( 几十秒) ，能识别事件类型，并适应不同的交通流状况等各种指标。 交通事件自动检测( a u t o m a t i ci n c i d e n td e t e c t i o n ，a i d ) 技术正朝着更准确、 更迅速、更广泛的方向发展。 迄今为止，国外已成功研制出了一些视频检测系统，如美国的a u t o s c o p e 视频检测系统、v i d e o t r a k 一9 0 0 系统、比利时的v i p 系列视频检测系统等【1 训。 这些产品已经在世界上许多路段投入使用。法国f o i x 隧道配备的视频检测 系统，能够自动检测停驶车辆、慢行车辆道路拥堵、逆向行驶、烟雾等交通 事件；美国华盛顿州l y n n w o o d 配备的视频监控系统，可以实时检测当前 交通流状况、车流量、车队长度等交通信息；意大利b r e s c i a 和v e r o n a 之间 的高速公路上配备的交通监控系统，能够检测慢行车辆、道路拥堵、逆向行 驶等交通事件；卢森堡的公路上的视频监控系统能够提供车速、路面占有率、 车辆分类、车辆尺寸、逆向行驶等信息；我国的北京、广州等城市也配备了 多视频监控系统，能够自动收费，使城市交通管理更加智能化j 。 目前，国内尚未有高速公路上基于视频的交通事件自动检测的相关成品 推出，技术水平仍处于研究试验阶段。最新的一些研究成果有：浙江大学提 出一种基于a r t 2 神经网络的高速公路交通事件自动检测算法【2 2 】；吉林大学 提出基于f i s h e r 判别的城市快速路自动事件检测算法研究【2 3 1 ；东南大学提出 一种基于模糊模式识别的高速公路交通事件的自动检测【2 4 】等等。 由于视频检测技术具有大区域、大信息量、多功能的特点，它正成为交 通动态信息采集技术主流。同时，视频检测器便于安装，维护方便，费用低， 能够全天候检测。随着相关技术的发展和日趋成熟，性能的不断提高，功能 西南交通大学硕士研究生学位论文第7 页 的不断完善，视频检测技术在交通监控领域的推广具有广阔的前景。 基于视频的a i d 是把专用摄像机采集的视频图像作为输入，对这些序列 图像进行分析，提取交通场景信息，获取所需交通统计量，并将事件检测结 果报告给交通管理中心；然后利用数字图像处理、模式识别和计算机视觉技 术，视频检测系统能够自动识别和跟踪车辆，分析车辆行为。基于视频的交 通事件检测方法有两个非常重要的环节，即目标提取和目标跟踪。 1 2 2 1 目标提取 到目前为止，已有许多经典的目标提取算法，如帧间比较法、背景消减 法、光流方法、边缘检测、特征匹配方法等等。 1 帧间比较法 在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分，并 且通过阈值化来提取出图像中的运动区域。时间差分运动检测方法对于动态 环境具有较强的自适应性，但一般不能完全提取出所有相关的特征像素点， 在运动实体内部容易产生空洞现象。 2 背景减除方法 背景减除方法是目前运动分割中最常用的一种方法，它是利用当前图像 与背景图像的差分来检测出运动区域的一种技术。其优点是位置精确、速度 快，因为它只需获取当前的一幅图像。不足之处是受环境光线变化的影响， 在非受控环境下需要加入背景图像更新机制，它一般能够提供最完全的特征 数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。 3 光流法 光流( o p t i c a lf l o w ) 是指图像中灰度模式运动的速度，光流是景物中可见 点的三维速度矢量在成像平面上的投影，它表示了景物表面点在图像中位置 的瞬时变化；同时光流场携带了有关运动和结构的丰富信息。基于光流场的 方法的运动目标检测采用了运动目标随时间变化的光流特性，如通过计算位 移向量光流场来初始化基于轮廓的跟踪算法，从而有效地提取和跟踪运动目 标。光流场是分析图像序列中运动目标的重要方法，特别是当运动物体重叠 时，利用其光流场的分布，可以进行检测。然而，大多数的光流计算方法相 当复杂，而且抗噪性能差，如果没有特别的硬件装置则不能被应用于全帧视 频流的实时处理。 西南交通大学硕士研究生学位论文第8 页 1 2 2 2目标跟踪 目标跟踪是对检测到的前景目标进行实时跟踪直至其在图像序列中消 失，从而描述目标的运动轨迹，提取其动态特征( 如位置、速度等) 。跟踪等 价于在序列图像间基于位置、形状、颜色、尺寸等参数进行的目标匹配。根 据匹配所依据属性的不同，可以将目标跟踪算法分为4 类：基于三维模型的 跟踪；基于区域的跟踪；基于动态轮廓的跟踪；以及基于特征的跟踪( 也可 以将这几类方法相互结合用于目标跟踪) 。 1 基于三维模型的跟踪 这种方法将车辆原型的三维模型与图像中分割出的目标进行匹配，可以 得到模型车辆的极精确的运行轨道。但此方法的严重缺陷是跟踪必须依赖于 详细的物体几何模型，而得到所有车辆的精确模型是难以实现的，而且会占 用大量的计算资源。随着计算机数据处理能力的进一步增强，这种方法将表 现出更优的性能。 2 基于区域的跟踪 这种方法首先识别出图像中与每个车辆相关的连通区域，记录每个连通 区域的长、宽、面积、颜色、位置等特征，然后进行相邻图像的区域匹配。 通过背景消减获取前景物体( 车辆) ，在差值图像中寻找灰度差值大于阀值的 像素，然后找到对应的车辆。但是，当出现交通拥堵或车辆遮挡时，多个目 标车辆在图像中的区域相互连接，分割出单个车辆极为困难，这种方法不再 适用。 3 基于动态轮廓的跟踪 这种方法对目标边界轮廓的特征( 轮廓面积、长、宽等) 进行记录，在 相邻图像间进行轮廓匹配，跟踪轮廓，并实时修改轮廓特征。由于它只是跟 踪目标区域的轮廓，而轮廓是连通区域的外围部分，所以比基于区域的跟踪 方法的计算量小。但是，由于只标记和跟踪轮廓，这种方法不能得到目标的 精确描述，跟踪精度也比不上基于区域的跟踪方法，而且同样不适用于交通 拥堵和车辆遮挡情况下的车辆跟踪。 4 基于特征的跟踪 这种方法放弃了把目标作为一个整体进行跟踪的思想，只跟踪目标的局 部特征，如标记目标特征的点、线、形状、子区域等。一个车辆可能有多个 特征，要根据实际情况为这些特征确定优先级和权重。运动目标的特征区域 西南交通大学硕士研究生学位论文第9 页 只占整体区域的一部分，因此这种方法在某种程度上能够适用于交通拥堵和 目标遮挡情况下的车辆跟踪。如果车辆的特征集合选择得比较恰当，这种方 法能获得良好的跟踪精度，计算量也不大。但是由于运动目标的多样性，往 往难以确定最佳的特征集合，这种方法有待于进一步改进和完善。 1 2 3 交通事件检测算法 据不完全统计，4 0 多年来，大约有4 0 多个研究机构在研究和改进a i d 技术方面作了大量工作。目前，交通事件自动检测算法主要包括模式识别方 法和统计预测方法。在模式识别方法中又以加利福尼亚算法系列和麦克马斯 特算法应用最广【2 2 1 。统计预测方法中主要有指数平滑法、标准正态分布法、 贝叶斯算法和自回归移动平均方法。 近年以人工神经网络为手段的检测方法也很多见，比较成功的算法有基 于概率的神经网络【2 ，结合模糊理论的神经网络【2 6 等。随着模式识别技术 的发展，事件自动检测开始研究采用粒子群算法【2 7 】、基于学习的算法【2 8 】和支 持向量机等分类预测算法。为了能够更准确、更快速地检测交通事件，部分 学者结合其他相关领域的先进技术如数据挖掘【2 9 1 、g p s 定位1 3 0 j 等。下面着重 对研究的热门算法进行详细综述。 1 2 3 1基于神经网络的a i d 算法( n e u r a ln e t w o r kb a s e d a i d ) 1 9 9 3 年，r i t c h i e 和r u e y 率先提出使用人工神经网络来改善交通事件自 动检测效果【3 。r i t c h i e 等采用大量的仿真数据对三层前馈结构( m u l t i l a y e r f e e d f o r w a r d ，m l f ) 神经网络进行训练。m l f 的输入为上下游车辆速度、交 通流量和占有率三个交通参量。r i t c h i e 等利用训练好的网络对简单的单车道 高速公路路段进行测试，并与加州算法和m c m a s t e r 算法的测量结果进行比 较。结果表明基于神经网络的a i d 算法能提高交通事件检测效率。1 9 9 5 年， r u e y 测试了基于m l f 、s o f m ( s e l f - o r g a n i z i n g f e a t u r em a p ) 和a r t 2 ( a d a p t i v e r e s o n a n c et h e o r y2 ) - - - 种神经网络的a i d 算法用于检测交通事件的能力。实 验采用上下游占有率和交通流量作为输入，输出将交通状态分类成事件和非 事件两类。神经网络经过仿真数据训练后，测试了仿真数据和加州高速公路 上的交通数据。结果表明，基于m l f 的a i d 检测率最高 32 1 。1 9 9 9 年，a b d u l h a i 西南交通大学硕士研究生学位论文第10 页 提出了四层结构( 输入层、模式层、加法层和输出层) 的概率神经网络 ( p r o b a b i l i s t i cn e u r a ln e t w o r k ，p n n ) 的a i d 算法，研究人员采用了仿真数据 和高速公路实集采数据对其检测性能进行测试，结果表明基于p n n 的a i d 算法具有更高的检测率，但是误报率也较高【33 1 。原理分析表明，基于p n n 的a i d 算法引入了交通事件发生的先验概率、道路条件和误判损失( 如错误 划分严重事故的损失) 等信息，因而获得比基于m l f 的a i d 算法更强的分析 能力。此外，基于p n n 的a i d 算法在新的检测点不需要重新采用离线数据 进行训练，适应性更强。然而，基于p n n 的a i d 算法不足之处在于神经网 络结构过大，需要很大的存储空间和很长的计算时间p 0 1 。 此后，国内外对于神经网络在a i d 中的应用研究不曾间断，研究成果也 层出不穷。 2 0 01 年，j i n 等研究了基于c p n n ( c o n s t r u c t i v ep r o b a b i l i s t i cn e u r a l n e t w o r k ) 的a i d 算法，采用在新加坡a y e ( a y e rr a j a he x p r e s s w a y ) 高速公路 上采集的交通数据进行测试。测试结果获得9 2 0 0 的事件检测率和0 8 1 的 事件误报率。研究者采用1 - 8 8 0 数据库进行性能测试，获得到9 1 3 0 的事件 检测率和o 2 7 的事件误报率。2 0 0 4 年，d s r i n i v a s a n 和j i n 2 5 j 详细介绍了基 于m l f 、p n n 和c p n n 三种神经网络的a i d 算法及其在1 - 8 8 0 数据库上进 行测试的结果。测试结果表明，同一检测点上的事件检测，基于m l f 的a i d 算法获得最好的检测结果。基于c p n n 的a i d 算法具有最好的新检测点的检 测能力。2 0 0 5 年，沈晓犁列j 等研究了基于改进b p ( b a e kp r o p a g a t i o n ) 神经网 络的a i d 算法，并在1 - 8 8 0 数据库进行测试。测试结果表明，该算法在进行 足够样本训练后能获得很高的事件检测率( 9 8 3 ) 和较低的事件误报率 ( 8 3 ) 。该算法的主要缺点是可移植性很差，对不同路段进行测试只能获得 6 8 4 的事件检测率和2 4 6 的事件误报率，检测性能明显下降【3 引。 由于神经网络的一些固有缺陷，基于神经网络的a i d 算法同样也存在一 些不可克服的缺陷：如算法移植性差、易陷入局部最优解等。到目前为止， 许多研究者在积极研究结合神经网络和其他方法来提高a i d 算法的事件检 测能力。例如，朱杰等【3 9 】提出利用小波分析和神经网络进行交通事件的检测 的方法。研究人员将上下游的占有率的差值作为输入参数，经过小波变化后 求解奇异点，再采用这些奇异点样本作为神经网络的输入数据，对神经网络 进行训练和测试。与传统a i d 算法( 加州算法、m c m a s t e r 算法等) 相比较， 小波分析和神经网络结合用于交通事件检测的算法具有很大优势，其事件检 西南交通大学硕士研究生学位论文第1 1 页 测率可达到9 1 、事件误报率为5 4 1 、检测时间为0 8 4 分钟。d s r i n i v a s a n f 4 j 】采用粒子群优化( p a r t i c l es w a r mo p t i m i z a t i o n ) 代替b p 算法练神经网络来 加快收敛，改善其容易陷入局部最优的缺陷。此外，针对神经网络算法移植 性差的问题，s h u m i n gt a n g 等【4 2 j 提出一种非参数回归的k 邻近聚类算法改 善了神经网络的移植性。d s r i n i v a s a n ”1 提出了一种基于降元多项式模型 f r e d u c e dm u l t i v a r i a t ep o l y n o m i a lm o d e l ) 的神经网络以缩短神经网络的训练 时间。 1 2 3 2 基于模糊神经网络的a i d 算法( f u z z yn e u r a ln e t w o r kb a s e d a i d ) 模糊神经网络是一种新型的神经网络，它是在网络中引入模糊算法或模 糊权系数的神经网络。模糊神经网络的特点在于把模糊逻辑方法和神经网络 方法以不同形式结合在一起。目前，模糊神经网络有逻辑模糊神经网络、算 术模糊神经网络和混合模糊神经网络三种形式。逻辑模糊神经网络是由逻辑 模糊神经元组成的。逻辑模糊神经元是具有模糊权系数，并且可对输入的模 糊信号执行逻辑操作的神经元。1 9 9 4 年，h s i o 采用不确定的值代替传统算法 中固定的门限值，设计了基于模糊逻辑理论的模糊逻辑事件巡视系统( f u z z y l o g i ci n c i d e n tp a t r o ls y s t e m ，f l i p s ) 3 6 】。f l i p s 系统中基于逻辑模糊神经网 络的a i d 算法的基本思想是：采用由模糊逻辑神经元组成的五层网络结构模 糊逻辑神经网络，通过模糊神经元根据模糊逻辑判定交通事件，从而使f l i p s 系统结合了模糊逻辑的分类原则和神经网络的学习能力。f l i p s 测试了从多 伦多高速公路上采集的真实交通数据，其性能达到8 9 9 3 的检测率和7 8 8 的误报率，其平均检测时间缩短到4 8 秒左右。 由于采用模糊理论可以很好地解决a i d 算法中阈值的确定问题，具有很 强的实用性，引起了研究人员的重视。1 9 9 8 年，i s h a k 和a 1 d e e k 3 7 针对高 速公路上的交通事件检测问题，采用占有率和车速两个交通参数作为输入来 训练模糊a r t ( a d a p t i v er e s o n a n c et h e o r y ) s 申经网络。模糊a r t 神经网络的 特点是在传统的a r t 神经网络结构中加入了一层含有模糊权系数的模糊分 类层，能对输入的模糊数据执行模糊算术运算。因此，模糊a r t 神经网络能 够比传统b p 神经网络具有更强的学习能力。此外，实验结果表明，与加州 ! i 7 和样8 算法相比，基于模糊a r t 网络的a i d 具有更好的检测效果。2 0 0 6 年，s r i n i v a s a n 【3 7 j 提出了种能自动提取交通状态的新型混合模糊神经网络。 西南交通大学硕士研究生学位论文第12 页 s r i n i v a s a n 针对混合模糊神经网络的训练算法提出改进，其算法的基本思想 是：构造输入矩阵和目标的最小二乘估计误差最小的目标函数，采用修正奇 异值分解法( s i n g u l a rv a l u ed e c o m p o s i t i o n ) 和剃度下降法( g r a d i e n td e s c e n t ) 来训练神经网络，从而使混合模糊神经网络更快速地稳定、更准确地决策。 研究人员采用1 - 8 8 0 数据库的交通数据进行性能测试。实验结果表明，算法 能够达到1 0 0 的事件检测率和o 0 8