727基于视频的智能交通检测系统说明文档_W

1、基于视频的智能交通检测系统 1、项目背景随着交通事业的发展，交通负荷急剧增长，随之而来的问题也持续不断，如 道路拥挤严重、交通事故频发等的。为了改善时下的交通状况，尽量挖掘现有交通设施潜能，使其发挥出最大的效能，加大对智能交通系统研究和建设的力度势在必然。智能交通技术作为当今世界的前沿学科，是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统，将其应用于交通管理及控制领域，可以达到交通管理控制的高度智能化，从而为新型经济社会建设节约人力物力。 基于视频的智能

2、交通检测系统是当今智能交通领域的最前沿、最科学的研究方向，是最为先进的交通监控、管理手段，它对解决日益严重的交通拥挤、交通事故频发、运输产能低下、环境污染加重等问题起到了积极作用，是交通运输业乃至经济社会快速可持续发展的重要手段。 2、设计原则系统通过单目摄像头采集到道路视频，经过交通信息检测实时处理，得到交通信息和交通参数信息，然后将结果上传给服务器。服务器通过接收到的车辆位置，将信息进行发布，实现交通预警功能。本系统适用于高速公路直线路段， 保障复杂交通环境下道路车辆行驶安全，实现道路交通主动控制，提高路网通行能力。 系统工作原理框图如下图 1： 图 1 工作原理框图 3、系统实现3.1

3、概 述基于物联网的智能交通检测系统采用无线通信、图像识别与处理等技术，进 行车路信息获取，通过车路信息交互，实现车辆和道路之间及时的智能协同与配合，实现道路交通主动控制，提高路网通行能力，应用于道路安全可有效增强道路安全性。 该系统结合了机器视觉感知、模式识别、等技术，实现了对逆行、行人、抛落物、停车、跨道共五种的检测，同时对车流量、车速等交通参数进行统计， 并实时发送给服务器，实现时空动态交通状态信息的采集和融合及交互处理。并将最终检测结果以图文形式通过车载终端传递给驾驶者。并且采用 RFID 路侧读写器对车辆进行认证、注册，完成组网，同时完成一次DSRC 网络覆盖对车辆进行实时发布。 通状

4、况发布；通过（1）交通信息识别：能够对逆行、行人横穿、抛落物、停车、跨道共 5 种进行有效检测，在 10s 内生成检测结果，准确率均不低于 90%。在发生时，能够在 6s 内产生响应（判断出有无）。对车流量、车速、交通状况（畅通、饱和、拥堵）等交通参数进行统计，精度不低于 97%。满足室外环境全天候运行要求。 （2）车辆信息检测：能够与对互通合流、分流处和互通以东 2km 左右的直线路段的路侧通信设备相适应，满足通信需求。并且采用 RFID 路侧读写器对车辆进行认证、注册，完成组网，同时完成一次通状况发布； （）3发布系统服务器：服务器对交通信息识别模块发送来的交通信息，和车辆信息检测模块发送

5、来的车辆信息，包括车辆位置编号等，进行存储和管理， 实现有针对、有效发布。通过 DSRC 网络覆盖对车辆进行实时发布。该区域车路 通信需要满足主线 80kmph、匝道 40kmph 的车速下，完成有效传输；通信系统完成一次有效传输的总时间控制在 500ms 以下（应用层的一次完整传输）。 （4）车载终端：接收信息发布管理系统发布的交通信息和交通参数信息。使驾驶员可以实时的知道行驶前进方向上道路畅通拥堵情况，也能实时知道道路上发生的意外。 各模块独立但协同工作，主要界面如下： 图 2 基于物联网的智能交通检测系统主要内容 3.2 交通信息识别交通信息识别是整个系统的主要研究重点，以机器视觉技术为

6、核心，研究基于机器视觉的路面交通信息参数自动检测与交通突发自动识别等技术。通过开发复杂交通场景下的交通视频检测与交通状况智能识别系统，解决复杂环境下交通信息参数和交通突发的快速、准确检测问题，建立集交通信息感知与辅助控制于一体的智能交通信息视觉感知系统，实现无人干预条件下智能系统对整个交通状况的分析与理解。工作原理如下： 图 3 交通信息识别系统3.2.1 行人检测行人检测采用的算法主要分为目标分割、目标形态分析、基于角点的跟踪及轨迹拟合分析，包括背景提取、目标识别、特征提取等图像处理方法和最小二乘法等数学拟合法。依据的原理是根据行人的几何形态特征和动态轨迹特征分析而从其它前景目标中分离出来。

7、其基本流程图如图 4 所示： 结束开始图 4 行人检测算法基本流程图 3.2.2 逆行检测逆行检测采用的算法主要分为目标分割、基于特征的目标跟踪、目标角点匹配及轨迹分析，包括帧间差分法、角点提取和筛选、基于块匹配的全搜索方法等。这里采用基于特征的跟踪算法，使用帧间差分法进行运动目标分割，采取了改进的 Moravec 算法来提取角点，并用基于块匹配的全搜索方法进行目标角点匹配， 进而实现车辆跟踪，获得目标运动轨迹后对其进行逆行异常行为的分析。如图 5 所示： 目标跟踪及轨迹分析 目标形态分析 目标预处理 背景建模及目标分割 逆行异常行为检测Y结束开始 图 5 方案实现流程图3.2.3 停车检测停

8、车检测采用的算法主要分为图像状态分析、状态差异分析、基于特征的目标跟踪及轨迹分析，包括稳定状态检测、异常区域检测、特征点提取、基于块匹配的全搜索跟踪方法等。 停车检测主要采用状态演变的方法，首先检测出状态稳定的块，然后利用停车状态和道路状态之间的不同检测异常区域，再辅以运动目标的轨迹线分析来提高停车检测的准确性。算法的主要流程图如图 6 所示： 结束开始 图 6 停车检测算法基本流程图 3.2.4 抛落物检测 抛落物检测采用的算法主要分为目标状态分析、目标行为分析、基于特征角点的跟踪分析，包括稳定状态检测、异常区域检测、角点提取、基于块匹配的跟踪方法等。 抛落物检测首先要分析各个图像块的运动状

9、态，检测出状态稳定的块，然后利用相邻稳定状态的不同检测可疑抛落物区域，最后通过分析可疑抛落物区域内目标的历史轨迹线进一步确定抛落物示： 的发生。算法的主要流程图如图 7 所结束开始 图 7 抛落物检测算法基本流程图 3.2.5 交通状况检测交通状况检测算法是依赖目标运动轨迹进行的速度统计直方图分析，通过对轨迹速度的求取，计算统计直方图的能量中值作为平均速度来完成交通状况分级。在交通状况的检测中，同时实现了车速的检测和车辆计数的实现，它们共同作为 交通参数的组成部分。 目标运动轨迹作为运动目标微观运动行为在时间域及空间域最直观的表现 抛落物检测 轨迹线分析 可疑抛落物区域检测 图像预处理 停车检

10、测 轨迹线分析 可疑停车区域检测 图像预处理 N匹配跟踪 角点提取 运动检测 形式，能够较好的反映出目标的运动状态。交通状况检测算法就是在获得运动目标动态轨迹的基础上，对轨迹进行分析完成交通状况的分级，其实现流程如图 8 所示： 图 8 交通状况检测流程4.应用前景自 2008 年 IBM 提出“智慧地球”概念到 2011 年物联网在全球的普及，智能交通系统在物联网背景下，新概念层出不穷，车联网是目前吵得最火热的名词。随着时代的发展，智能技术的日益精进，人们越来越多的用智能，用计算机去改变人们的生活方式。而对于智能交通也是如此，人们通过智能为出行提供方便，而出行是人们生活的一重大组成部分。 在 2013 中国智能交通与大数据技术峰会上，来自中国智能交通协会、奇虎360、中国移动研究院、IBM、上海市城乡建设和交通发展院、北京市交通运行监测调度中心、深圳市综合交通运行指挥中心的专家们一致认为：智能交通已经迎来大数据时代。 这意味着智能交通这一领域受到越来越