基於視頻理解的道路交通狀態判別方法與套用

《基於視頻理解的道路交通狀態判別方法與套用》是依託中山大學，由李熙瑩擔任項目負責人的面上項目。

基本介紹

• 中文名：基於視頻理解的道路交通狀態判別方法與套用
• 項目類別：面上項目
• 項目負責人：李熙瑩
• 依託單位：中山大學

中文摘要

通過監控視頻獲取道路交通狀態方法主要依靠人工檢測。由於成像條件複雜，車輛尺寸較小，一般用於專用檢測視頻的處理技術難以套用於監控視頻。實際套用中迫切需要針對監控視頻的道路交通狀態判別方法、技術和套用系統。.項目以高速公路交通監控視頻為研究對象，通過類似人類對交通視頻的理解方式，首先採用特徵光流場技術計算交通流速度，並提取道路區域；然後對道路區域的車輛特徵密集度進行分析，得到道路占有率描述；再結合交通狀態的持續、轉移時間等參考指標，迅速判斷出當前道路交通狀態。此方法不同於以往的專用視頻檢測處理技術，無需各種精確的交通流參數，也無需嚴格的拍攝檢測條件，可以直接地、自動地、快速地得到道路交通狀態。.同時，將開發實用算法和系統，搭建實驗平台進行套用測試。期望為交通管理、動態交通信息發布提供一種新的、直觀的交通狀態判別實用技術，以降低人工勞動強度，提高監控視頻利用資源。

結題摘要

隨著社會經濟快速發展，交通擁堵日趨頻繁，交通視頻監控系統成為不可缺少的交通管理手段。目前，通過交通監控視頻來確認交通狀態、發現交通擁堵和事故的方法主要還是依靠人工查看，效率低。由於成像條件複雜、場景多變、鏡頭伸縮、圖像中車輛尺寸較小等因素，一般用於專用檢測視頻的處理技術難以套用於監控視頻。實際套用中迫切需要針對監控視頻的道路交通狀態判別方法、技術和套用系統。 項目以高速公路交通監控視頻為研究對象，採用圖像處理、視頻分析、行為分析、場景理解等一系列視頻理解的技術手段，獲取交通狀態等交通流信息。 首先，根據交通工程學中有關標準，建立了基於巨觀交通流信息的交通狀態描述模型；研究了基於場景理解的道路區域提取方法，能夠提取出有效道路區域，並對條件較好的道路能夠獲取車道級的道路結構；研究了基於圖像特徵分析的交通流密度估計方法，採用邊緣密度等圖像特徵密度表述交通流密度，估計出交通流密度；研究了基於光流場分析巨觀交通流速度估算方法，通過特徵光流場計算出交通流的圖像速度，估算交通流速度；研究了基於巨觀交通流參數的交通狀態自動判別方法，基於光流速度和特徵密度兩個參數，採用直接判別法和支持向量機方法實現三種典型交通狀態（順暢、緩慢、擁堵）的自動判別。 項目在基於巨觀交通流信息的交通狀態自動判別理論、算法研究基礎上，結合實際業務需求，開發出套用軟體系統，在實際高速公路進行了試用。測試結果表明該系統能有效地利用現有高速公路監控視頻實現交通狀態自動判別、交通擁堵檢測等功能，可以工作在輪巡模式，適用於多種監控場景，檢測時間不大於30s, 檢測正確率穩定在90%左右。 此外，也針對巨觀交通流密度等參數不夠精細的問題，採用車輛檢測和跟蹤技術獲取車輛特徵和運動參數，提出了基於車輛輪廓的車流密度檢測方法和非混合交通狀態評級方法；提出了基於運動軌跡分析的交通事件檢測方法；同時也考慮城市道路的適用性，針對交叉路口提出了背景提取、車輛檢測和排隊長度檢測等方法。 項目研究成果可以套用在現有的高速公路視頻監控系統，無須改造現有視頻設備、修改設備設定，無須改變現有監控系統工作模式。這為交通管理、動態交通信息發布提供一種新的、直觀的交通狀態判別實用技術，可以降低人工勞動強度，提高監控視頻資源利用率。