道路与交通
NO.012021
160
车时代
ccenterAUTO TIME
盖一铎
（河北陆航检测认证有限公司，河北石家庄050061）
钢套箱摘
要：本文综述了基于视频分析的高速公路事件检测系统的发展历程、传统技术方法存在的问题后，分析了人工
智能领域深度学习等新算法与技术在此领域的应用情况，并对未来发展趋势做出展望。 关键词：高速公路；视频事件检测；人工智能；深度学习
视频监控系统是高速公路机电工程的一个重要组成部分，在我国的高速公路建设中已经成为普及的标准配置，从地理位置上可划分为收费站监控系统、路段监控系统、隧道和大型桥梁监控系统。1
系统功能
环境风洞
基于视频分析的高速公路智能事件检测系统，是指利用摄像机采集的图像信号对交通情况进行实时监控，通过一定视频检测算法及时发现并报告特定的交通事件，帮助管理人员快速发现道路异常情况，实现各类交通异常事件如车辆停驶、行人穿越、抛洒物、烟雾、火灾、拥堵等以及时处理，可以在一定程度上预防交通事故的发生。 借助这套系统，管理人员无须时刻盯着监控屏幕，只需在收到自动报警时进行人工干预。这样只需少量人员便可以同时负责很多路监控视频的管理工作，并且监控视频不一定需要在显示屏上进行实时播放，在发现可疑行为时再临时切换到屏幕上即可，从根本上解决了海量监控视频源和有限监控能力之间的矛盾[1]。2
早期技术与存在问题
早期产品一般也同时具备交通参数采集功能，以替代传统的基于磁感应、雷达技术的车流量、车速等
检测设备。共同特点是交通参数采集功能稳定，准确率高，但事件检测功能实现不理想，难以达到实际应用的要求。原因是这些产品采用传统的计算机图像模式识别技术，如灰度比较法、背景差分法、帧差法、边缘检测法等算法，在应用到更为复杂的事件检测任务时暴露出识别范围小，识别效率低，识别精度差的缺陷。3
人工智能与深度学习
回转式空气预热器近年来，随着计算机视觉、人工智能（AI ）技术的迅猛发展，新的技术手段不断涌现并应用到这一领域，在识别准确率、识别效率与识别性能实现了比较大的突破。
人工神经网络（ANN ）是以数学模型对人脑组织结构和运行机制进行抽象、简化和模拟而建立的一种具有自学习、自组织、自适应能力的超大规模非线性连续时间信息处理系统，基本方法是将每帧图像分割成若干小块，预处理后投影到一个线性滤波器函数得到不同的图像模式，将结果根据预先计算得到的聚类模型进行分类，然后通过“训练”得到的神经网络分类器来判断图像模式是否包含目标。
cng撬装加气站人工神经网络的神经元模型基本上包括多个输入，这些输入根据信号的强度分别被不同的权值相乘，滤波器函数用来计算决定是否激发神经元。神经网络分类器函数用来计算人工神经元的输出（有时依赖于某个门限）。通过调整权值可以得到固定输入下需要的输出值，神经元融合在一起用于处理信息。
当ANN是由成百上千的神经元组成时，手工计算这些权值会变得异常复杂，这时就需要一些算法技巧。调整权值的过程称为“训练”或者“机器学习”。
“深度学习”是一个近年来兴起的复杂的机器学习算法，通过学习样本数据的内在规律和表示层次，获取信息达到对诸如文字、图像、声音等数据作出准确解释，并且实现随着数据规模的增加系统性能也不断增长。它的最终目标是让机器能够像人一样具有分析学习能力。目前在图像识别方面取得的效果，远远超过先前相关技术。传统机器学习的准确度主要取决于特征抽取器和分类器，通过应用深度学习算法，能够有效地自动提取特征，精确度可达到90%~99%以上。4
基于AI 新技术的交通视频事件检测
在深度学习神经网络应用到高速公路视频事件检测方面，第一步首先对需求进行调研，将调研数据进行归纳汇总，区别不同类型的事件；其次，采集多种路况下的事件视频，包括隧道、匝道、单向、双向、雨天、晴天、傍晚、雪天等多种路况，然后进行人工标记，利用深度学习进行训练，得出最优的算法模型和训练模型；下一步，直接可以通过训练得出的事件进行上报，通过联动报警等机制，对事件进行处理。而需要进一步逻辑判断分析的事件类型进行分析后再将处理结果进行上报，并联动报警；最后，将漏报、误报等视频数据进行回归分析，出漏报、误报的原因，进行调参设置，重新训练，将训练模型调至最优，避免类似情况再次发生。通过大量的训练，使得系统能够掌握车辆停驶、行人、异物、火灾、烟雾、车流量、路况、逆行、非法慢行等异常事件，进行实时报警。
采用深度学习算法的事件检测系统由于能够从观测数据中学习，出自己解决问题的办法，而无须告知计算机如何解决问题，所以具有自主学习的优越性，并且可以快速拓展检测事件种类。同时AI技术能够准确识别画面中车辆、行人等目标，从而做到与画面背景无关，不再受摄像机抖动、光影变化、异物掠过等干扰，从根本上解决误报问题，准确率真正达到可用水平。5
结语
荧光球
基于视频分析的交通监测、事件检测技术迅速成熟，正在高速公路及市内交通领域广泛应用并普及，将大大提升交通管理的智能化水平、安全水平和效率。
参考文献
［1］张星刚.高速公路视频事件检测技术应用研究［J ］.中国交通信
息化，2015（4）.
作者简介：盖一铎，工程师，研究方向为电子、机电工程。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议