基于道路監控系統的城市智能交通解決方案 陸熒洲朱宏源劉曉宇 （南京林業大學信息科學技術學院江蘇南京） 摘要：智能交通系統（，）是一種旨在提供更優質高效的交通管理模式的先進系統，致力于運用較為科學的算法，結合強大的庫，實現對道路通過的車流量較為準確的實時檢測，從而實時掌握城市的交通狀況，助力智慧城市的建設。 關鍵詞：車輛識別；視頻處理；智慧交通 ：T27：51447 智能視頻分析技術是解決上述交通問題的一項新興技術。它利用機器視覺，對視頻畫面監控判斷，并進行數據分析，將提煉的特征形成算法植入機器，形成“機器腦”對視頻畫面自動檢測分析，并做出相應動作，從而使攝像機不但成為人的眼睛，也使計算機成為人的大腦，在很大程度上節省了人力物力，高效地對道路信息進行有效分析及對道路環境進行管理。 相關研究 從20世紀年代開始，美國等一些發達國家就開始了對智能交通系統的探索。年，美國開發出了智能車輛公路系統（），以提高交通運輸效率，促進國家經濟。年月，美國運輸部與密歇根州運輸研究所（）合作建成防追尾車輛安全系統，功能包括前方碰撞預警（），車道偏離警告（），車道變更警示（）和曲線測速預警（）。 歐洲和日本對這一領域的研究起步也較早，政府在早期斥巨資研究和開發智能交通系統，現在技術已經比較成熟。 我國在這一領域的發展起步較晚，盡管在智能監控領域已經取得了一定的進展，但是還是過去的研究還是存在運動分割、遮擋處理、多攝像機的綜合與運用等難點問題。 架構與布局 智慧交通系統包括前段設備、傳輸部件和聯網平臺。前段設備包括攝像頭、紅外接收器、傳感器網絡等，中間部件通常為電纜等進行數據傳輸。聯網平臺通常為公安系統的監控管理系統。監控攝像頭采集到視頻后，會實時傳輸回數據中心，進行運算與分析（見圖）。通過計算機視覺和視頻分析技術，可以實時監測城市的交通狀況，及時發現并解決潛在的問題。同時這些信息可以有針對性得商業化和提供給民眾，為生活帶來便利。 通常，在一條道路上會架設兩個攝像頭，將這兩個攝像頭的數據匯總在一起，就能了解這條路上的交通狀況。將城市中所有道路的數據匯總到一起就可以反應城市實時的交通狀況（見圖）。 技術及其實現 視頻文件的提取 視頻預處理是采用等間隔的方法抓取視頻，使之成為靜態圖像，幀率為每秒鐘幀，與原視頻相同，不會造成信息缺失。 灰度化處理 彩色圖像一個像素點有多萬個（）取值，而一個灰度圖像的取值只有個。處理彩色視頻所用的時間和空間成本比灰度圖像高很多，對于車輛識別來說灰度化圖片像素已經足夠。我們將監控視頻進行灰度轉換，運用如下公式： （） （灰度值、紅色分量、綠色分量、藍色分量） 利用算法提取樣本特征 計算機可以通過學習和歸納，模擬或實現人類的行為，代替人們進行高效的勞動。通過充分訓練的機器可以識別監控視頻中的車流量。訓練過程是從特征中選取出一些，并對分類器進行訓練。 ，即特征，它是計算機視覺領域一種常用的特征算子。最早用于人臉描述，通常分為四類：線性特征、邊緣特征、點特征（即中心特征）、對角線特征（見圖）。 （）矩形特征的計算。在大小的子窗口（見圖）中，可以計算其中存在多少個矩形特征。 以像素分辨率為的檢測器為例，在的子窗口中，只要確定左上頂點（，）和右下頂點（，），這個矩形便可以確定；如果矩形的大小是的話，矩形特征的數量為： 把、稱為條件矩形（相當于縮放）。 矩形特征的通式為： （）用積分計算特征。由于計算一個的圖像就能算出遠遠大于像素數的矩形特征數，同時在計算特征值時要計算矩形內的像素和，所以計算一個矩形特征就要計算一遍像素和，會造成運算量相當大。等提出的利用積分圖求特征值的是解決這個問題的突破，這種方法簡化了特征值的計算。 圖中，坐標（，）的積分圖是其左上角的所有像素之和（圖中的陰影部分）。定義為： 式（）中，（，）表示原始圖像，（，）表示積分圖，如果是彩色圖像，得出的結果表示這個點的彩色值；如果是灰度圖像，得出的結果是其灰度值，范圍為。 圖中，點（，）的積分圖可以用（，）表示；點（，）的方向的所有原始圖像之和用（，）表示。積分圖也可以用公式（）和公式（）得出： 根據積分圖像算出特征值。 （）樣本的選取。手動截取了張正樣本汽車的圖片，還有張負樣本（即與車輛無關的物體），包括行人、騎摩托車者、騎自行車者、路燈、建筑物、樹等的圖片，然后開始訓練分類器。 分類器的構成 年，和提出了算法，是對算法的一大提升。是家族的代表算法之一，全稱為，即適應地，該方法根據弱學習的結果反饋適應地調整假設的錯誤率，所以不需要預先知道假設的錯誤率下限。也正因為如此，它不需要任何關于弱學習器性能的先驗知識，而且和算法具有同樣的效率，所以在提出之后得到了廣泛的應用。 算法如下： 訓練后得到一個弱分類器，之后是一種迭代算法，之后通過更新樣本權值來評估當前分類器的分類性能。當誤識率控制在一定范圍內后，即可得到強分類器。 監控視頻目標檢測 特征的分類器訓練完成后，可以通過加載這個文件而省去自己建立聯表的過程。有了級聯表，只需要將待檢測圖片和級聯表一同傳遞給的目標檢測算法即可得到一個車輛的集合。 實驗結果 為了驗證以上的算法及，在環境下實現了軟件的開發（見圖、圖），在導入城市道路監控攝像頭拍攝的視頻（時長：min）后，可以自動識別出機動車，以矩形框出，并自動計算出車流量，交通部門可以根據其