[發明專利]一種智能交通視頻分析方法

無效

• 申請號: 201410202408.7
• 申請日: 2014-05-14
• 公開（公告）號: CN103985257A
• 公開（公告）日: 2014-08-13
• 發明（設計）人: 徐海黎;王恒;朱龍彪;黃希;朱志松;沈標;郭鵬飛
• 申請（專利權）人: 南通大學
• 主分類號: G08G1/017
• 分類號: G08G1/017;G06K9/46;G06K9/62
• 代理公司: 北京一格知識產權代理事務所(普通合伙) 11316
• 代理人: 滑春生

技術領域

本發明涉及視頻識別領域，具體涉及一種智能交通視頻分析方法。

背景技術

隨著我國經濟建設的發展，城市的人口和機動車的保有量也在急劇增長，交通流量日益加大，交通擁擠堵塞現象日益嚴重，交通事故時有發生。交通問題已成為城市管理工作中的重大社會問題，阻礙和制約著城市經濟建設發展。深入研究解決城市交通問題有著極為重要的現實意義。要解決城市交通問題，就必須準確掌握交通信息。目前國內常見的交通流檢測方法有人工監測、地埋感應線圈、超聲波探測器、視頻監測4類。其中，視頻監測方法比其他方法更具優越性。

通過對道路交通狀況信息與交通目標的各種行為（如違章超速，停車，超車等等）的實時檢測，實現自動統計交通路段上行駛的機動車的數量、計算行駛車輛的速度以及識別劃分行駛車輛的類別等各種有關交通參數，達到監測道路交通狀況信息的作用。同時，將檢測和識別到的交通信息存儲起來，為分析和交通管理提供依據，因此它也是一個交通信息的管理系統。

視頻交通流量檢測及車輛識別系統是一個集圖象處理系統和信息管理系統為一體的綜合系統。計算機圖象處理主要由圖象輸入，圖象存儲和刷新顯示，圖象輸出和計算機接口等幾大部分組成，而在交通視頻分析中卻多為人工處理和理解圖象,因此實時性、靈活性、精確性相對較低，遠不能滿足當今日益加快的城市生活節奏。

再后來，出現了智能交通視頻分析系統可依據功能需求，根據各路口的監控視頻對目標進行自動、準確地檢索和跟蹤，從海量的監控視頻數據中提取、過濾和濃縮重要信息，從而對異常行為進行檢測、預警和排查，大大節省辦案人員查閱海量視頻、挖掘線索的時間和人力。

系統中所涉及到的分析方法主要包括視覺跟蹤技術、動態圖像分割技術和圖像檢索技術。視覺跟蹤技術作為對搜索范圍的精確篩選，在整個技術中顯得尤為重要。

目前現有的視覺跟蹤技術為兩種：

一、Mean?Shift算法

Mean?Shift算法是一種基于核密度估計的無參快速模式匹配算法，它用密度梯度爬升來找到概率分布的峰值。算法通過人機交互的方式對被跟蹤目標進行初始化。在起始幀，通過鼠標確定一個包含所有目標特征的矩形或者橢圓，稱為被跟蹤目標的目標區域，這個目標區域也是核函數作用的區域，區域的大小等于核函數的帶寬。在初始幀圖像中目標區域內所有的像素點，計算特征空間中每個特征值的概率，我們稱為目標模型的描述。一般核函數選擇Epanechnikov?函數。利用相似性函數度量初始幀目標模型和當前幀候選模型的相似性，通過求相似性函數最大得到關于目標的Mean?Shift?矢量，這個矢量即是目標從初始位置向正確位置轉移的矢量，由于Mean?Shift算法的收斂性，不斷迭代計算Mean?Shift?向量，在當前幀中，最終目標會收斂到目標的真實位置，從而達到跟蹤的目的。

二、粒子濾波算法

粒子濾波算法在視覺跟蹤中能夠廣泛應用，主要是因為該算法能夠有效的表達跟蹤的不確定性。粒子濾波算法最終求出的是一種后驗概率的表示形式，由若干粒子的加權來估計目標的狀態，每個粒子表示目標狀態空間中的一種可能狀態，假設所要求解的目標狀態包括水平和垂直方向的位移、水平和垂直方向的變化尺度四個參數。同時假設每個參數最多均有?20?個解，那么每個粒子就是這個204?次狀態空間中的一個解，且每個粒子均具有上述四個參數，目標的實際運動情況也是這個狀態空間中的一個解。粒子的權值用其與目標模板的匹配程度表示，匹配程度越好，權值就越大，粒子就越接近真實的目標狀態，相反，權值較小的粒子就離真實的目標狀態比較遠，可能會被剔除。通過對所有粒子的加權即可獲得目標運動狀態的估計值。

Mean?Shift?算法和粒子濾波算法都有各自的優缺點。

Mean?Shift算法缺乏必要的模型更新方法，整個Mean?Shift?算法是個黑盒子，輸入是一幀圖像和上一幀目標的位置，輸出是本幀目標的位置，其他信息都被割斷。一旦遇到大面積遮擋，算法收斂到局部區域中最大值，但這點并不是目標，這個錯誤的位置信息被傳遞給下一幀，以后的迭代從這個錯誤位置開始，如果目標被大范圍遮擋較長時間，目標位置的誤差會被積累起來，以至于算法再也無法找到目標。而粒子濾波算法由于采用很多具有一定權值的粒子進行預測，即使目標丟失，只要有一個粒子在目標附近，仍然能夠通過迭代，使該粒子的權值不斷增加，從而重新找到目標。

Mean?Shift?算法具有很好的實時性，而粒子濾波的實時性則相對差一點，這主要因為粒子濾波算法需要對大量的粒子進行計算。