交通事件檢測系統(tǒng)ppt

1、課題名稱：課題名稱：交通事件檢交通事件檢測測系統(tǒng)系統(tǒng)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(fā)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(fā)生率居全世界之首，近幾年每年公路交通死亡人數(shù)一直在十萬人左右，每年因交通事故造成的損失達數(shù)百億元。為了預(yù)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(chǎn)生交通延誤及避免二次事故的發(fā)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(nèi)外常用的幾種交通信息檢測

2、技術(shù):環(huán)形線圈、微波、紅外線視頻、數(shù)字視頻、超聲波檢測等。其中基于環(huán)形線圈的檢測技術(shù)目前市場占有率較高，技術(shù)比較成熟。但根據(jù)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(shù)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(tǒng)系統(tǒng)構(gòu)架構(gòu)架系統(tǒng)由前端部分、傳輸網(wǎng)絡(luò)、監(jiān)控中心三部分組成，系統(tǒng)總體結(jié)構(gòu)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(wǎng)絡(luò)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(wǎng)絡(luò)傳輸網(wǎng)絡(luò)是數(shù)據(jù)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(wǎng)絡(luò)，進行

3、數(shù)據(jù)傳輸。（三）監(jiān)控中心監(jiān)控中心主要包含檢測分析設(shè)備和平臺管理軟件，檢測分析設(shè)備實現(xiàn)交通數(shù)據(jù)和事件的檢測功能，平臺管理軟件主要實現(xiàn)對前端設(shè)備和檢測分析設(shè)備進行管理，接收檢測分析設(shè)備上傳的報警信息，實現(xiàn)實時預(yù)覽、數(shù)據(jù)查詢、交通信息統(tǒng)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(shè)置的檢測器采集到的交通參數(shù)進行分析來判斷是否有事件發(fā)生。主要是根據(jù)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(jīng)開發(fā)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(jīng)網(wǎng)絡(luò)算法。 模式識別算法、統(tǒng)計預(yù)測算法、突變理論算法和神經(jīng)網(wǎng)絡(luò)算法。思想：這些算法是根據(jù)實時采集的交通流數(shù)據(jù)信息，由算法自動判斷是否有交通事件發(fā)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(shù)：交通流、車速、占有率 檢測結(jié)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(shù)據(jù)進行采集，將數(shù)據(jù)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(yīng)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(huán)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(tǒng)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(jiān)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(tǒng)。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(shù)字圖像處理技術(shù)，對設(shè)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(shù)，檢測交通事件并及時報警。 基本工作流程：通過道路上監(jiān)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(shù)的提取、基于圖像分析的事件檢測、發(fā)生意外事件時的自動報警和相應(yīng)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(shù)與事件檢測問題的關(guān)鍵。 攝像機視頻采集預(yù)處理車輛檢測車輛跟蹤事件檢測預(yù)處理預(yù)處理即初始化系統(tǒng)的參數(shù)設(shè)置，如 路面參數(shù)：道路的通行方向和攝像機視場的監(jiān)控范圍。 事件閾值參數(shù) 車道線：標識出道路車道線位置，為系統(tǒng)確定事故位置和變道事件等檢測提供數(shù)據(jù)。 檢測區(qū)域參數(shù)：設(shè)置系統(tǒng)的檢測范圍，去除不必要區(qū)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(tài)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(qū)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(jù)圖像中的目標位置的變化來實現(xiàn)跟蹤） 基于動態(tài)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(qū)域的跟蹤（跟蹤運動目標構(gòu)成的連通區(qū)域中共有特征信息） 基于基于kalman的（區(qū)域）車輛跟蹤流程的（區(qū)域）車輛跟蹤流程 目標區(qū)域特征提取:通過目標物體的外接矩形運動區(qū)域進行標定，并提取每個運動區(qū)域的中心位置和區(qū)域大小 卡爾曼預(yù)測模型:利用Kalman濾波器實現(xiàn)目標的運動預(yù)測，預(yù)測其在下一幀中可能出現(xiàn)的位置。 目標的匹配搜索:在預(yù)測的范圍內(nèi)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(fā)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(nèi)兩個車輛目標會相互接觸，在圖像上表現(xiàn)為兩個車輛目標矩形框出現(xiàn)重疊區(qū)域，然后利用兩個車輛目標質(zhì)心的相對距離來判斷車輛的碰撞事件，若兩個車輛目標質(zhì)心的距離D小于一定的閾值T