紀(jì)玉臣，何軍平，姜永櫟，虞永方

(1.寧波市杭州灣大橋發(fā)展有限公司技術(shù)養(yǎng)護(hù)部，浙江 寧波 315327;2.杭州灣跨海大橋管理局技術(shù)與養(yǎng)護(hù)管理處，浙江 寧波 315033;3.寧波海視智能系統(tǒng)有限公司研發(fā)部，浙江 寧波 315040)

杭州灣跨海大橋作為特大型橋梁，因其處于海面上的地理位置關(guān)系，使得其天氣條件變化較多，而且表現(xiàn)不規(guī)律。而在普通的視頻監(jiān)控中，使得監(jiān)控畫(huà)面受環(huán)境因素的影響嚴(yán)重，主要表現(xiàn)的惡劣天氣如下:海面大風(fēng)導(dǎo)致畫(huà)面抖動(dòng);夜晚對(duì)向車道燈光對(duì)射到攝像頭;雨水導(dǎo)致的路面積水;霧天引起的能見(jiàn)度過(guò)低。

海面大風(fēng)導(dǎo)致畫(huà)面抖動(dòng)。由于是跨海大橋，橋面海風(fēng)風(fēng)力較大，使得架設(shè)在橋面上的攝像機(jī)晃動(dòng)，從而導(dǎo)致畫(huà)面的抖動(dòng)。普通的智能監(jiān)控所涉及的畫(huà)面往往是靜止的畫(huà)面，然后檢測(cè)畫(huà)面中運(yùn)動(dòng)物體，而整個(gè)畫(huà)面的抖動(dòng)，使得檢測(cè)抖動(dòng)畫(huà)面中的運(yùn)動(dòng)物體難度增加。

夜晚對(duì)向車道燈光對(duì)射到攝像頭。在夜晚高速行駛過(guò)程中，車輛用的都是光線強(qiáng)烈的遠(yuǎn)光燈，對(duì)向車道的車輛照射出來(lái)的燈光往往使得畫(huà)面出現(xiàn)大片燈光，由于燈光也是運(yùn)動(dòng)物體，所以容易形成誤報(bào)，而且由于燈光占據(jù)了較大部分的視頻畫(huà)面，也導(dǎo)致了在燈光經(jīng)過(guò)時(shí)，會(huì)使發(fā)生的交通事件檢測(cè)不到［1－4］。

雨水導(dǎo)致路面積水。雨天對(duì)于生處海面上的杭州灣大橋，是尋常的事，由于雨水會(huì)引起橋面積水，車輛在行駛過(guò)程中影射到橋面形成倒影，給檢測(cè)帶來(lái)難度。而如果下雨發(fā)生在夜間，橋面積水不僅會(huì)有車輛行駛過(guò)程中的倒影，還由于大橋兩側(cè)的燈光照射，會(huì)使橋面上的積水形成強(qiáng)烈的反光，影響檢測(cè)效果。

霧天引起的能見(jiàn)度過(guò)低。在霧天，能見(jiàn)度較低，車輛一旦出現(xiàn)停留，容易引起交通事故，但是由于攝像頭的分辨率較低，導(dǎo)致視頻畫(huà)面圖像模糊不清，這也是智能監(jiān)控行業(yè)中難以實(shí)現(xiàn)的障礙。

1 國(guó)內(nèi)外現(xiàn)狀

智能交通事件檢測(cè)系統(tǒng)是目前世界交通運(yùn)輸領(lǐng)域的前沿研究課題，發(fā)達(dá)國(guó)家提出并執(zhí)行了一系列研究計(jì)劃，對(duì)交通事件的自動(dòng)檢測(cè)因其能夠有效地預(yù)測(cè)交通事件的發(fā)生，并對(duì)已經(jīng)發(fā)生的交通事件作出迅速的反應(yīng)，基于視頻的交通監(jiān)控技術(shù)的研究與應(yīng)用，隨著數(shù)字圖像技術(shù)、計(jì)算機(jī)技術(shù)、模式識(shí)別技術(shù)的發(fā)展越來(lái)越被重視，近年來(lái)已經(jīng)成為圖像處理、智能交通等研究領(lǐng)域的重點(diǎn)。

圖1 惡劣天氣的檢測(cè)情況

20世紀(jì)80年代末期以來(lái)，隨著先進(jìn)的信息技術(shù)、電子傳感技術(shù)、數(shù)據(jù)通信傳輸技術(shù)、網(wǎng)絡(luò)技術(shù)和計(jì)算機(jī)硬件等高新技術(shù)的發(fā)展，將計(jì)算機(jī)視覺(jué)、圖像處理、模式識(shí)別、人工智能等技術(shù)應(yīng)用于交通管理的理論與方法成為研究的重點(diǎn)和熱點(diǎn)。1984年美國(guó)明尼蘇達(dá)大學(xué)的機(jī)器視覺(jué)與人工智能實(shí)驗(yàn)室首次開(kāi)展了將計(jì)算機(jī)視覺(jué)應(yīng)用于高級(jí)交通管理的研究［5］。1987年美國(guó)(Image Sensing Systems，ISS)公司研制出第一臺(tái)原型機(jī)，首次驗(yàn)證了視頻檢測(cè)技術(shù)在交通領(lǐng)域的應(yīng)用［6］。基于視頻的交通違章行為檢測(cè)技術(shù)取得了長(zhǎng)足的進(jìn)展，能夠?qū)囕v闖紅燈、逆行、超速和違章停車等違章行為進(jìn)行自動(dòng)檢測(cè)和記錄，出現(xiàn)了成型的商業(yè)化產(chǎn)品。1994年，美國(guó)休斯飛機(jī)公司評(píng)測(cè)了當(dāng)時(shí)存在的幾種檢測(cè)技術(shù)，包括視頻檢測(cè)技術(shù)，測(cè)評(píng)結(jié)果指出基于視頻圖像處理的車輛檢測(cè)系統(tǒng)已經(jīng)具備了投入實(shí)際使用的潛力。MDOT(明尼蘇達(dá)運(yùn)輸部)為FHWA(美國(guó)聯(lián)邦公路局)進(jìn)行了更詳盡嚴(yán)格的測(cè)評(píng)，結(jié)果表明視頻檢測(cè)器的檢測(cè)準(zhǔn)確性和可靠性可以達(dá)到令人滿意的程度［7－8］。同時(shí)隨著視頻車輛檢測(cè)技術(shù)的發(fā)展，人們已不滿足于僅僅檢測(cè)出車輛，F(xiàn)HWA進(jìn)一步利用此技術(shù)提取交通參數(shù)，如交通流量，十字路口的車輛轉(zhuǎn)向信息等。日本東京大學(xué)的 Shunsuke KAMIJO，Katsushi IKEUCHI，Masao SAKAUCHI等人也做了很多深入的改進(jìn)算法研究。主要的研究方向是如何根據(jù)運(yùn)動(dòng)估計(jì)、基于馬爾可夫(Markov)隨機(jī)場(chǎng)等技術(shù)進(jìn)行運(yùn)算，以解決運(yùn)動(dòng)目標(biāo)的遮擋問(wèn)題［9－12］。

在產(chǎn)品的實(shí)際應(yīng)用方面，比較著名的有法國(guó)的Citilog，美國(guó)ISS公司的Autoscope系統(tǒng)、比利時(shí)路暢公司的Traficon系統(tǒng)和美國(guó)艾特銳視(Iteris)公司的Vantage系統(tǒng)，等。Autoscope系統(tǒng)在全球各種復(fù)雜道路、交叉路口進(jìn)行控制，是交通數(shù)據(jù)采集以及事件檢測(cè)方面的佼佼者，它是現(xiàn)在交通管理系統(tǒng)最先進(jìn)的解決方案;比利時(shí)的Traficon系統(tǒng)己在法國(guó)FOIX隧道、美國(guó)華盛頓州Lynnwood、美國(guó)華盛頓州塔科馬港市、瑞士、意大利、盧森保、挪威奧斯陸、比利時(shí)、安特衛(wèi)普、北京四環(huán)路，杭州解放路隧道等地安裝使用;Vantage視頻車輛檢測(cè)器在全球已有3萬(wàn)個(gè)系統(tǒng)的應(yīng)用業(yè)績(jī)，已成為全球在用業(yè)績(jī)最多、最受用戶歡迎的車輛檢測(cè)產(chǎn)品之一［13－15］。除此之外，世界發(fā)達(dá)國(guó)家已開(kāi)發(fā)出各種性能優(yōu)越的區(qū)域交通控制管理軟件，例如:日本的Utms，英國(guó)道路和運(yùn)輸研究所的 Scoot系統(tǒng)，法國(guó)的Prudyn系統(tǒng)，意大利的Utopia系統(tǒng)等。

與此同時(shí)國(guó)內(nèi)研究機(jī)構(gòu)也涉足此領(lǐng)域的研究，哈爾濱工業(yè)大學(xué)的張澤旭、李金宗、李寧寧等做過(guò)基于光流矢量和Canny邊緣檢測(cè)算子來(lái)進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)和分割算法理論研究［16－17］。電子科技大學(xué)的魏波做過(guò)基于統(tǒng)計(jì)模式方法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，首先利用較簡(jiǎn)單的算法對(duì)運(yùn)動(dòng)場(chǎng)進(jìn)行了粗略的估計(jì)，然后根據(jù)馬爾可夫(Markov)隨機(jī)場(chǎng)理論構(gòu)造出運(yùn)動(dòng)場(chǎng)的間斷點(diǎn)分布模型，利用此模型來(lái)檢測(cè)運(yùn)動(dòng)場(chǎng)間的斷點(diǎn)，以此來(lái)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)，但未能實(shí)現(xiàn)跟蹤，也有單位對(duì)幀差算法進(jìn)行了優(yōu)化和改進(jìn)，如模糊聚類算法、遺傳算法聚類等，但都只停留在理論算法的研究基礎(chǔ)上［18］。國(guó)內(nèi)企業(yè)對(duì)基于視頻的高速交通事件檢測(cè)技術(shù)的應(yīng)用大多處于研發(fā)和生產(chǎn)的初級(jí)階段，多數(shù)為“魚(yú)龍混雜”，沒(méi)有較成熟商用的系統(tǒng)?，F(xiàn)國(guó)家對(duì)道路安全要求越來(lái)越高，單純的依靠人工監(jiān)控方式已不能滿足現(xiàn)實(shí)的需求，有效的智能事件檢測(cè)系統(tǒng)成為道路監(jiān)控的必然發(fā)展趨勢(shì)［19－20］。

2 項(xiàng)目研究組成部分

對(duì)于目前大橋存在的安全問(wèn)題，以及目前已具備的攝像頭資源，提出了整體解決方案，主要由4部分組成，前端數(shù)據(jù)采集、數(shù)據(jù)編碼傳輸、數(shù)據(jù)智能分析、自動(dòng)報(bào)警處理。具體組成如圖2所示。

圖2 項(xiàng)目研究組成

前端數(shù)據(jù)采集:目前杭州灣大橋上的所有攝像頭，都能夠通過(guò)視頻信號(hào)直接傳輸?shù)奖O(jiān)控中心。為能夠在第一時(shí)間檢測(cè)到安全事件的發(fā)生，同時(shí)又不影響DVR的正常工作。在采集過(guò)程中采用通過(guò)視頻分配器將視頻信號(hào)分為兩路，一路分配到智能檢測(cè)設(shè)備上，一路分配到原有的DVR中保存視頻。

智能數(shù)據(jù)分析:獲取到杭州灣大橋上的視頻以后，需要對(duì)視頻進(jìn)行處理，在處理過(guò)程中分為兩個(gè)部分。首先是對(duì)天氣條件的一個(gè)算法預(yù)處理，主要體現(xiàn)在對(duì)海風(fēng)、下雨、夜晚燈光、霧等引起的客觀條件進(jìn)行處理，得到一個(gè)穩(wěn)定干凈的預(yù)處理圖像，從而能有效地進(jìn)行后續(xù)的判斷和識(shí)別。得到預(yù)處理圖像以后，智能設(shè)備需要對(duì)視頻中是否存在需要檢測(cè)的安全事件進(jìn)行判斷，從而得到安全事件的結(jié)果輸出。對(duì)于輸出的結(jié)果通過(guò)網(wǎng)絡(luò)發(fā)送到自動(dòng)報(bào)警處理的客戶端。

數(shù)據(jù)編碼傳輸:智能數(shù)據(jù)分析處理完視頻后需要通過(guò)網(wǎng)絡(luò)傳輸?shù)娇蛻舳耍捎谥苯訉⒃家曨l信號(hào)傳輸存在著數(shù)據(jù)量過(guò)大的問(wèn)題，需要對(duì)獲取到的視頻進(jìn)行圖像編碼操作，以減少數(shù)據(jù)在傳輸過(guò)程中所占用的網(wǎng)絡(luò)資源。

自動(dòng)報(bào)警處理:對(duì)于前面兩個(gè)過(guò)程，智能數(shù)據(jù)分析和數(shù)據(jù)編碼傳輸，處理完以后的結(jié)果需要通過(guò)網(wǎng)絡(luò)發(fā)送到自動(dòng)報(bào)警處理中，自動(dòng)報(bào)警處理需要對(duì)數(shù)據(jù)進(jìn)行整合。首先需要對(duì)數(shù)據(jù)編碼傳輸中的編碼進(jìn)行解碼操作，其次對(duì)于智能數(shù)據(jù)分析得到結(jié)果若是安全事件發(fā)生，則發(fā)出報(bào)警，存儲(chǔ)圖片和視頻并且在實(shí)時(shí)畫(huà)面中顯示報(bào)警位置和報(bào)警類型。通過(guò)報(bào)警聯(lián)動(dòng)，將安全信號(hào)發(fā)送到橋面上，通過(guò)大功率喇叭和警示燈提醒過(guò)往車輛注意。

3 系統(tǒng)運(yùn)行結(jié)果

通過(guò)以上方式實(shí)現(xiàn)的算法在杭州灣大橋中已經(jīng)應(yīng)用，結(jié)果如圖3～圖6所示。

4 結(jié)束語(yǔ)

視頻處理技術(shù)已經(jīng)成為智能交通中的一個(gè)重要組成部分，并顯示出更廣泛的應(yīng)用前途。針對(duì)高速交通橋梁中存在的問(wèn)題進(jìn)行研究，分析了各個(gè)交通問(wèn)題，提出了有效的解決方法，并將研究成果應(yīng)用于杭州灣跨海大橋中通過(guò)，通過(guò)實(shí)際應(yīng)用檢測(cè)，該系統(tǒng)具有良好的檢測(cè)效果。在實(shí)際的檢測(cè)過(guò)程中，也存在由于惡劣天氣所引起的一些誤報(bào)和漏報(bào)，這有待進(jìn)一步提高。

［1］ABDOU I E，DUSAUSSOY N J.Survey of image quality measurements［C］.Dallas，Texas:Processings of 1986 ACM Fall Joint Computer Conference，1986:71 －78.

［2］WANG Z，SHEIKH H R，BOVIK A C.Objective video quality assessment.111e handbook of video databases:design and applications［M］.Ultra:CRC Press，2003.

［3］RUSSO F.An image enhancement technique combining sharpening and noise reduction［J］.IEEE Transactions on Instrumentation and Measurement，2002，51(4):824 －828.

［4］ZAPOLO R F，SEARA R.A measure for perceptual image quality assesment［C］.Barcelona，Spain:Proc.OfInt.Conf.on Image Proc，2003:433 －436.

［5］ROSENFELD A，VANDERBURG G.Coarse － fine template matching ［J］.IEEE Trans.Syst.Man.Cyb，1977(7):104－107.

［6］SHEIKH H R，BOVIK A C.Image information and visual quality［J］.IEEE Transactions on Image Processing，2006，15(8):430－444.

［7］MAYACHE A，EUDE T，CHERIFI H.A comparison of image quality models and metrics based on human visual sensitivity［C］.Chicago，Illinois，USA:Proc.of IEEE Int.Conf.on Image Processing，1998:409 －413.

［8］SHEIKH H R，BOVIC A C，CORMACK L.Blind quality assesment of JPEG2000 compressed images using natural scene statistics［C］.Proc.of the Thirty － Seventh Asilomar Conf.on Signals，Systems and Computers，2003:1403 －1407.

［9］PORIKLI F.Achieving real－ time object detection and tracking under extreme conditions［J］.Journal of Real－ time Image Processing，2006，10(1):33 －40.

［10］COMANICIU D，RAMESH V，MEER P.Real－ time tracking of non － rigid objects using mean shift［J］.IEEE Computer Vision and Pattern Recognition，2000(2):142 －149.

［11］詹翔，周焰.一種基于局部方差的霧天圖像增強(qiáng)算法［J］.計(jì)算機(jī)應(yīng)用，2007，27(2):510 －512.

［12］吳恩華，柳有權(quán).基于圖形處理器(GPU)的通用計(jì)算［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)報(bào)，2004，16(5):601－612.

［13］丁禮燈，席敏.淺談智能交通系統(tǒng)在交通管理中的應(yīng)用［J］.科技創(chuàng)業(yè)月刊，2008(4):149 －150.

［14］BRUNELLI R，POGGIO T.Face recognition:features versus templates［J］.IEEE Trans.Pattern Anal.Machine Intell，1993(15):1042－1052.

［15］MAR'EE R，GEURTS P，PIATER J，et al.Random subwindows for robust image classification［C］.San Diego，CA:Proc.IEEE Conf.on Computer Vision and Pattern Recognition，2005(1):34 －40.

［16］TURK M，PENTLAND A.Face recognition using eigenfaces［C］.Maui，HI:Proc.IEEE Conf.on Computer Vision and Pattern Recognition，1991:586 －591.

［17］BLACK M，JEPSON A.Eigentracking:robust matching and tracking of articulated objects using a view－based representation［J］.Intl.J.of Comp，1998(26):63 －84.

［18］MATAS J，CHUM O，URBANA M，et al.Robust widebaseline stereo from maximally stable extremal regions［J］.Image and Vision Computing，2004，22(10):761 －767.

［19］MCILROY P，ROSTEN E，TAYLOR S，et al.Deterministic sample consensus with multiple match hypotheses［C］.Oxford:British Machine Vision Conference，2010.

［20］MIKOLAJCZYK K，SCHMID C.Indexing based on scale invariant interest points［C］.In IEEE International Conference on Computer Vision，2001:525 －531.