1、課題名稱：課題名稱：交通事件檢交通事件檢測測系統系統一、交通事件概念、研究意義一、交通事件概念、研究意義 交通事件：是指非周期性發生且使某段道路通行能力下降的事件。如交通事故、故障停車、貨物散落、道路維修、車輛逆行、車道變換、超速、慢速、停止、交通阻塞等。 我國事故發生率居全世界之首，近幾年每年公路交通死亡人數一直在十萬人左右，每年因交通事故造成的損失達數百億元。為了預防和減少交通事故，及時有效地進行事故救援和處理，有效減少由于交通事故產生交通延誤及避免二次事故的發生，就必須準確、快速地對交通異常和交通事件進行檢測。二、交通事件檢測的方法二、交通事件檢測的方法 目前國內外常用的幾種交通信息檢測

2、技術:環形線圈、微波、紅外線視頻、數字視頻、超聲波檢測等。其中基于環形線圈的檢測技術目前市場占有率較高，技術比較成熟。但根據目前的交通管理、營運部門的需求來看，對路基無破損、實施方便靈活的視頻檢測技術越來越受歡迎。 交通事件檢測分為人工檢測和自動檢測兩種，其中高速公路交通事件自動檢測是近幾年研究的主導。系統系統構架構架系統由前端部分、傳輸網絡、監控中心三部分組成，系統總體結構示意圖如下： （一）前端部分前端部分完成圖像采集和編碼工作，可以直接采用網絡攝像機方式，也可以采用模擬攝像機DVS編碼器方式。（二）傳輸網絡傳輸網絡是數據通信鏈路，可以租用運營商通信鏈路，也可以使用用戶已建的專用網絡，進行

3、數據傳輸。（三）監控中心監控中心主要包含檢測分析設備和平臺管理軟件，檢測分析設備實現交通數據和事件的檢測功能，平臺管理軟件主要實現對前端設備和檢測分析設備進行管理，接收檢測分析設備上傳的報警信息，實現實時預覽、數據查詢、交通信息統計功能。交通事件自動檢測方法：交通事件自動檢測方法： 直接檢測法：主要通過視頻和圖像處理的方法完成對目標的跟蹤、識別及交通流檢測，該方法需要比較密集地安裝攝像機，成本較高，且受氣象條件影響較大。 間接檢測法：是通過對主線上設置的檢測器采集到的交通參數進行分析來判斷是否有事件發生。主要是根據事件對交通流的影響來檢測事件的存在，成本低、簡單易操作，但是存在檢測率低，誤報率

4、高等問題。三、交通事件檢測算法三、交通事件檢測算法目前，世界上已經開發了多種交通事件自動檢測算法： 加利福尼亞算法、貝葉斯算法、時間序列算法、低通濾波算法、交通流模型算法、視頻檢測算法、人工神經網絡算法。 模式識別算法、統計預測算法、突變理論算法和神經網絡算法。思想：這些算法是根據實時采集的交通流數據信息，由算法自動判斷是否有交通事件發生，并估計事件對交通流的影響。四、間接方法四、間接方法文獻閱讀文獻閱讀（一）基于SVM的高速公路事件檢測 檢測的交通參數：交通流、車速、占有率 檢測結果：有事件、無事件（即可看作模式識別問題，可以用支持向量機對交通事件進行分類） 檢測原理：以一定的時間間隔對上下

5、游檢測站的車流量、車速和占有率數據進行采集，將數據分為訓練樣本和測試樣本，訓練樣本作為SVM的輸入對SVM進行訓練，用測試樣本對訓練好的SVM進行測試，輸出有兩類：有事件輸出1，無事件輸出-1。（五）交通事件檢測常用指標（五）交通事件檢測常用指標衡量一個交通事件檢測算法有三個指標： 檢測率(DR)、誤報警率(FAR)和平均檢測時間(MTTD)。良好的檢測算法應該是快和準的算法，也就是說評價算法性能時，檢測率越高越好，誤報率越小越好，平均測算時間越短越好。分析分析 目前由于環形線圈檢測器的普遍存在，使得間接事件檢測法一直都在自動事件檢測算法中占有主導地位。但該方法無法對車輛跟蹤、分類，安裝時需要

6、對道路進行挖掘，費用高昂，會造成交通中斷，并且檢測誤報率高、檢測時間長。 基于視頻的檢測系統除能夠獲得更多的交通流信息之外，還能識別車輛類型和車輛運行軌跡，可以監視遠距離大范圍場景，且平均檢測時間遠小于基于地感線圈的 AID 系統。五、直接方法五、直接方法 視頻圖像處理的交通事件檢測視頻圖像處理的交通事件檢測 方法：利用計算機視覺與數字圖像處理技術，對設置在公路上的攝像頭采集的視頻圖像，進行事件檢測算法智能處理，自動采集各種交通參數，檢測交通事件并及時報警。 基本工作流程：通過道路上監控攝像機將道路交通運行狀況的視頻圖像捕捉下來，再將圖像實時送入計算機進行處理和分析，得到交通狀況等信息，通過對

7、交通狀況的分析檢測出是否有交通異常事件。 包括：運動車輛的自動檢測、運動車輛的自動跟蹤、交通參數的提取、基于圖像分析的事件檢測、發生意外事件時的自動報警和相應處理等。事件檢測工作流程：事件檢測工作流程：快速有效的視頻圖像目標分割及跟蹤是解決交通參數與事件檢測問題的關鍵。 攝像機視頻采集預處理車輛檢測車輛跟蹤事件檢測預處理預處理即初始化系統的參數設置，如 路面參數：道路的通行方向和攝像機視場的監控范圍。 事件閾值參數 車道線：標識出道路車道線位置，為系統確定事故位置和變道事件等檢測提供數據。 檢測區域參數：設置系統的檢測范圍，去除不必要區域的計算。 車輛檢測流程車輛檢測流程 運動目標檢測（幀差法

8、、光流法、背景減除） 背景重建（背景提取、背景更新） 車輛目標分割（閾值分割法） 濾波和形態學處理（將車輛之外的噪聲去除，得到更為精確地車輛模型） 連通區域標識（對圖像中不同目標物體進行標識，得到外接矩形） 車輛跟蹤算法車輛跟蹤算法 基于特征的跟蹤（跟蹤目標的局部特征，而非整個車輛目標） 基于3D（模型）的跟蹤（將幾何形狀的三維模型投影成圖像，再根據圖像中的目標位置的變化來實現跟蹤） 基于動態輪廓的跟蹤（將相鄰圖像間進行輪廓匹配，跟蹤并實時修改輪廓特征） 基于區域的跟蹤（跟蹤運動目標構成的連通區域中共有特征信息） 基于基于kalman的（區域）車輛跟蹤流程的（區域）車輛跟蹤流程 目標區域特征提取:通過目標物體的外接矩形運動區域進行標定，并提取每個運動區域的中心位置和區域大小 卡爾曼預測模型:利用Kalman濾波器實現目標的運動預測，預測其在下一幀中可能出現的位置。 目標的匹配搜索:在預測的范圍內進行目標的匹配搜索。 模型更新:更新卡爾曼濾波器。 交通事件檢測：交通事件檢測： 如果高速公路上發生車輛碰撞事件，對于碰撞的兩個車輛目標必定存在一段時間，在這段時間內兩個車輛目標會相互接觸，在圖像上表現為兩個車輛目標矩形框出現重疊區域，然后利用兩個車輛目標質心的相對距離來判斷車輛的碰撞事件，若兩個車輛目標質心的距離D小于一定的閾值T