>> 您的位置:首页 > 技术与创新 > 视频监控 > 正文
智能视频分析技术在智能交通领域的应用
2014/1/7 9:43:00      来源:《中国安防》    作者:张营
    智能视频分析技术起源于计算机视觉技术,它综合应用图像增强处理等技术,在实现目标与背景分离的基础上,通过将目标特征信息与预先设置的模板或规则进行比对,自动识别感兴趣的目标、行为、事件或数据并产生报警,必要时可自动跟踪异常目标并联动其他安防设施,显着提高了安全防控整体效率和能力。
    引言
  智能视频分析技术起源于计算机视觉技术,它综合应用图像增强处理等技术,在实现目标与背景分离的基础上,通过将目标特征信息与预先设置的模板或规则进行比对,自动识别感兴趣的目标、行为、事件或数据并产生报警,必要时可自动跟踪异常目标并联动其他安防设施,显着提高了安全防控整体效率和能力。同时利用安防智能视频分析技术在海量历史视频信息中实现基于时间、地点以及语义特征描述的智能化查询搜索。
  一、智能视频分析应用系统基本架构
  智能视频分析应用系统总体架构主要有以下三种模式:
  1. 前端嵌入式部署模式
  将智能分析功能模块前置于视频采集前端设备,共享摄像机图像处理芯片或专用高性能DSP作为智能分析引擎,实现对异常目标、行为、事件的智能分析。这种架构不受图像传输环节影响,缓解了视频传输及后台存储压力,同时利用非压缩原始图像进行智能分析,实时性好,针对性强,便于大规模部署。不足之处是难以支撑复杂智能分析应用,且由于前端处理压力大,对前端设备集成散热工艺和稳定性提出较高要求,比较容易受环境因素制约。
  2. 后台服务器部署模式
  通过部署在安防监控中心的专用服务器(群)或专用客户端实现智能分析应用,这种架构有效解决了前端处理能力不足的矛盾,可以通过强大的后台处理能力实现复杂目标、行为、事件智能分析;而且方便与其他专业应用系统融合,拓展智能分析应用范围;此外,智能分析引擎后台的运行环境有保证,系统工作稳定性大大提高,且方便智能分析软件升级,有效降低系统运行维护压力。总之,这种架构比较适用阶段性固定监控场景智能分析应用(如大型活动安保),但对后台服务器性能配置要求较高,智能分析水平容易受图像传输链路带宽限制,实时性能不够理想,应对大规模智能分析应用显得力不从心。
  3. 分布式混合部署模式
  将部分相对简单的视频预处理功能前置于摄像机(或视频服务器),完成目标特征数据提取、打包、发送;后台智能分析引擎负责接收目标特征数据,完成与预设规则或模块进行分析比较并且自动产生报警。这种架构降低了前端智能分析压力,后台服务器只需要对目标数据进行分析,同时方便与其他专业应用系统融合,提高了智能分析效率和能力,比较适合大规模、高性能智能分析应用,但系统部署整体代价及运行维护压力不容低估。
  二、智能交通系统概述
   社会生产力的发展推动着交通运输现代化的进程,然而在享受着现代化交通带来的巨大便利的同时,人们也面临着道路拥挤堵塞、交通事故频发等问题导致的严重困扰。交通需求不断增长、交通系统日益复杂,单独从车辆方面或道路方面考虑,均很难有效地解决交通问题。于是,近年来把道路、车辆等凡与交通有关的所有一切都归为一体的智能交通系统(Intelligem Transportation System,ITS)的研究开发应运而生。
  ITS是一种实时、高效、全方位的综合交通运输管理系统,它是将先进的信息技术、定位导航技术、数据通信传输技术、自动控制技术、图像分析技术以及计算机网络和信息处理技术等有效地综合运用于整个交通管理体系,将人、车、路三者紧密协调、和谐统一,从而建立起大范围内、全方位发挥作用的实时、准确、高效的运输管理系统。
  智能交通系统可以为交通部门及时、准确地提供诸如车流量、道路拥塞度和事故监控等交通信息,使交通部门能有效地获取有关交通状况的信息,并进行处理,从而更好地发挥交通管理系统在交通监视、交通控制、出入控制、救援管理等方面的准确性和调控性。
  三、智能视频分析在智能交通系统中的应用解析
  1. 智能交通系统中的车辆检测技术
  近几年在智能交通市场的推动下,基于视频图像分析和模式识别技术的交通检测算法针对其特有的应用场合,逐步成为目标检测技术的一个重要分支。
  典型的车辆交通视频图像的特点主要有:
  (1)车辆作为唯一运动的物体。
  (2)车辆运动基本与车道平行,很少有并道的现象。
  (3)路面上一般都存在与道路方向平行的白色分道线,分道线间距固定。
  (4)路面的平均灰度反映了当前的光照条件。
  因此我们可以根据这些特点对视频序列中的车辆进行检测,并在车辆计数的前提下获取车流量参数。
  视频目标检测的基本过程是:通过视频摄像头对目标进行图像输入,将输入的目标模拟图像经过图像采集卡进行数字化转换,变换成可用计算机进行处理的数字图像。由于在进行图像采集过程中,会有一些影响图像质量的噪声信号产生,所以应用这些数字图像进行处理之前,必须进行图像滤波除噪,图像增强等图像预处理,再对预处理后的图像,进行图像分割和特征提取,最后利用提取的目标图像特征进行目标检测和目标跟踪。
  2. 智能交通系统中的车辆检测方法
  基于视频的车辆检测方法可分为如下四类:知识型、运动型、立体视觉型和像素强度型。
  (1)基于知识的方法利用车辆的形状、颜色、对称性等信息,以及道路和阴影等常识信息进行相关检测。该方法简单、直观,易于编程实现,但需要估计多个经验阈值,如车辆长宽的经验比值、车辆边缘的最小长度、车辆阴影与道路的灰度差异阈值等。经验阈值的准确与否直接关系到系统性能的好坏。
  (2)基于运动的方法主要利用序列图像之间存在的大量相关信息进行车辆的预检测,主要采用光流法。光流法能检测出独立运动的对象,不需预先知道场景的任何信息,且适用于摄像机移动情况。但缺点是耗时大,对过于复杂、过快或过慢的运动检测效果不好,不适合实时系统。
  (3)建立在视差或频差理论基础上的机器立体视觉,运用两个或多个摄像机对同一景物从不同位置成像获得立体像对,通过各种算法匹配出相应像点,从而恢复深度(距离)信息。该方法能在车速很低时直接检测其位置,但它要求正确标定摄像机,受车辆运动或天气等因素影响,这是很难做到的。在基于立体视觉的车辆检测中,常用IPM(InversePerspective Mapping)法估计图像中车辆及障碍物的位置。
  (4)基于像素强度的方法直接检测帧间变化,主要有时间差分法和背景差分法。时间差分法在一个较短的时间内检查相邻各帧之间像素强度的变化,非零像素被认为是运动对象造成的。该方法适合于动态变化的环境,但不适合摄像机运动的情况,也不能完整提取运动对象。现有的背景模型基本是建立在统计模型基础或其变种之上。该方法快捷简单,实时性较好,适合运动快且形变较大的运动目标,但不适合有全局运动的场景,如不平坦或弯路较多的道路等。
  3. 智能交通系统中的运动目标检测
  视频图像的最大的特点是:它有丰富的原始数据、相邻近帧间的强相关性以及时域上的动态时变模式等,在很大程度上使运动目标的检测、分割和识别成为可能。与静态图像相比,图像序列及视频的最大优点就在于对运动信息的捕获,因此运动目标的提取与分析理应是图像序列和视频研究的重点。
  运动目标检测是检测视频序列中是否存在相对于背景图像运动的物体。运动目标检测对于一个视频监视和处理系统来说有着至关重要的作用。它处于整个系统的最底层,是其他高级应用如目标跟踪、目标识别的基础。只有正确地检测到运动目标才能进行下面的工作,否则就会产生很大的偏差和错误以致后面的工作无法开展。运动目标检测依据前景目标所处的背景环境,可以划分为两类--静态背景下的运动目标检测和动态背景下的运动目标检测。
  运动目标检测结果的好坏直接关系到检测系统的优劣,通常一个好的运动检测算法应具有以下特点:
  (1)在各种天气条件下都可使用,无论是刮风或雨雪天气。
  (2)能适应环境光线的变化,尤其是较快的光线变化。
  (3)能处理场景中背景物体的干扰,如由于风吹动树梢造成的摇晃。
  (4)处理无序的大面积区域的各种运动。
  但是对于一个算法来说,考虑到各种实际应用环境尤其是室外的情况,要想满足上面的所有条件是很困难的,因此只能根据实际的应用,相应地调整各个要求标准,在整体中寻找均衡条件,实现检测系统的性能最优化。
  四、国内智能交通系统存在的问题
  目前国内的智能交通系统的主要应用还是集中在智能视频监控功能,但实际的监控任务仍需要较多的人工参与,在很多情况下,视频监控系统所提供的信息是没有经过任何解释的视频裸数据,这就不能充分发挥监控系统应有的实时机动的监督作用;另一方面,为了防止一些车辆和行人的违章、违法行为,对无人值守的视频监控系统的需求量日益上升,这类系统主要目标是减少对人工的依赖,自动完成对复杂环境中人和车辆进行实时观测以及对感兴趣目标的行为进行分析和描述。要完成这些任务,需要涉及到计算机视觉领域中许多核心技术,对感兴趣目标的持续跟踪是其中的核心技术之一,是基于视频场景分析、行为理解等诸多后续处理的基础。
  五、结束语
  在智能化飞速发展的21世纪,智能视频分析技术的普及有效减少了交通事故的发生,有利于资源的有效合理利用,在降低环境污染的同时也有助于最大限度地发挥交通基础设施的优势效能,提高交通运输系统的运行效率和服务水平,为公众带来出行的方便。
  随着智能视频分析技术的不断发展,智能交通必然会成为未来城市交通的主角,视频分析技术作为智能交通系统的基石,二者紧密地联系在一起,为人们的交通出行提供了很大方便,未来人们的交通出行也将逐渐走向"智能化"。
编辑:王兴钊
注:本文版权归《中国安防》杂志社和《中国安防》杂志网所有,任何媒体或个人未经书面授权严禁部分或全文转载, 违者将严厉追究法律责任。更多详情请订阅《中国安防》杂志。