基于3G網絡的智能交通視頻監控系統

范泳文，官洪運，蔣靜學，劉 杰

（東華大學信息學院，上海 201620）

隨著數字技術的迅猛發展，網絡技術，特別是物聯網技術的大力推廣，第三代移動通信技術（3G）不斷演進優化，在傳輸的穩定性和網絡的覆蓋率方面都具有很大的優勢，視頻監控系統也越來越趨向網絡化和無線化發展［1］。基于3G網絡進行移動視頻監控，不受時間和地域的限制，輕巧便捷，安裝簡易，運營成本低，特別適合運用在交通運輸行業。

目前3G技術于交通方面的應用，大多停留在視頻監控播放上，沒有對其進行分析處理，無法實現智能監控和違規報警功能。而市面上的圖像監控軟件大多是針對本地音視頻數據或是通過電纜傳遞的流媒體文件進行分析處理，對網絡音視頻文件進行實時處理的軟件較少，而集成圖像采集、傳輸、處理、分析的網絡視頻監控系統更是少之又少。基于這種情況，筆者設計了一款基于3G網絡的智能交通視頻監控系統。

1 系統總體設計方案

基于3G網絡的智能交通視頻監控系統的整體結構可分為3個部分:前端視頻采集模塊、3G無線網絡傳輸部分和后端監控管理服務平臺［2］。總體設計框圖如圖1所示。

1.1 前端視頻采集模塊

圖1 系統總體設計框圖

前端視頻采集模塊選用安徽創世紀科技有限公司研發生產的3G模塊，可連接攝像機，模塊內的嵌入式設備采用最新的、壓縮比極高的H.264［3］視頻壓縮算法和AMR音頻壓縮方式，對攝像頭采集到的視頻音頻進行壓縮編碼后傳輸。

1.2 3G無線網絡傳輸模塊

交通視頻圖像的傳輸數據量大、實時性要求高，視頻圖像的傳輸質量直接影響系統的監控質量;而在后端監控中，還需要收發各種控制指令，對視頻監控進行設置和調整，這就對傳輸的可靠性提出了一定的要求。故本系統綜合采用TCP協議和UDP協議，用HTTP/TCP來傳輸控制協議，而用RTP/UDP來傳輸實時數據，最高可以實現25～30幀/秒（f/s）的流暢圖像效果，為圖像視頻的實時采集及后續的處理分析奠定了基礎。

1.3 后端監控管理模塊

后端監控管理平臺是運行在監控PC機上的應用程序，是本監控系統的人機交互的界面，應用了3G網絡與互聯網互聯的特點，直接通過互聯網絡獲取傳輸來的前端采集的數據，然后經過音視頻解碼，再將其封裝成能被OpenCV識別的IplImage格式［4］。系統使用Visual C++集成開發環境，和OpenCV函數庫對視頻的分析處理，實現實時播放、錄像、系統參數設置、違規判定及本地存儲等功能。后臺監控管理系統框圖如圖2所示。

圖2 后臺監控管理系統框圖

2 音視頻文件獲取并解碼

網絡視頻監控系統首先要獲取網絡視頻，并對其進行轉換解碼，將視頻轉變成本地可識別處理的形式。具體流程如圖3所示，初始化程序后選擇一個遠程站點進行連接，連接上站點后獲取站點及站點下資源的全球唯一標識符（Globally Unique Identifier，GUID），根據資源描述判斷資源類型，操作各個資源，獲取或設置各資源的屬性。將截取的音視頻數據加入媒體解碼庫中，經解碼后的視頻數據可進行圖像處理，從而實現音視頻播放、監控、報警等功能。系統不斷檢測遠程站點接受的數據是否已經接收完畢，若沒有完畢，則繼續截取;若截取完畢，則停止接受，斷開與遠程站點的鏈接。

圖3 音視頻獲取及解碼流程圖

3 圖像分析處理

本系統使用VS.net中的Visual C++集成開發環境，和OpenCV函數庫對采集到的視頻進行運動車輛檢測和運動車輛違規判定。首先對圖像進行預處理。圖像在采集、傳輸的過程中會受到外部環境及內部器械的影響而產生噪聲，可通過圖像二值化、圖像平滑化、圖像灰度化、圖像邊緣檢測等預處理操作減小噪聲，提高圖像質量。隨后運用運動目標檢測和運動目標跟蹤算法對監控區域的車輛進行跟蹤檢測，并根據具體的交通細則設置違規行為參數，一旦判定車輛有違規行為，即執行報警響應。系統軟件流程圖如圖4所示。

圖4 圖像處理軟件流程圖

3.1 運動目標檢測技術

運動目標檢測是計算機視覺技術的重要研究課題之一。目前比較常用的運動目標檢測算法有幀差分法、光流法和背景差分法［5］。本系統采用背景差分法［6］。背景差分法是運動目標檢測中應用最為廣泛的方法，特別適用于固定場景的視覺系統中。背景差分法的基本思想是以圖像序列中的當前幀與背景模型做差，從而分割出運動目標，因此其關鍵技術即是背景圖像的選取和更新。簡單的背景建模方法有中值濾波、均值濾波等，而成熟的背景建模方法，如基于卡爾曼濾波的自適應背景模型、隱馬爾科夫背景模型、混合高斯自適應背景模型等已大幅減小了噪聲、光照等因素對背景的影響，算法簡單，運算速度快，易于實時實現。

3.2 運動目標跟蹤技術

運動目標跟蹤技術可以分為基于分割的跟蹤（Segmentation Based Tracking）和基于視窗的跟蹤（Blob Tracking）兩大類［7］。本系統采用基于視窗的可視跟蹤法。

基于視窗的可視跟蹤方法［8］根據運動目標的特征，檢測出最匹配的中心位置，以橢圓或者矩形窗體鎖定跟蹤目標，是否需要進一步細致分割出跟蹤目標的具體形狀則取決于系統的功能需求，不在這里處理。這也就大大減少了系統的計算量，更適用于智能交通這類實時系統。具體方法有模版匹配法、粒子濾波法、Mean Shift方法等。

4 系統調試與部分程序

基于上述原理，經過硬件平臺搭建，軟件系統編程，本系統已基本實現對3G網絡交通視頻的分析和處理，通過交通違規操作的設置，可進行車輛違規判定和報警，并可實現多種違規操作的同時判定。

首先登陸遠程3G模塊掛靠的中心管理服務器，選擇要分析處理的視頻對象，經過解壓解碼，即可進行播放。部分主程序如下:

系統截圖如圖5所示。

圖5 系統界面截圖

點擊紅燈線設置、禁行區域設置、正向行駛方向設置和限速設置四個按鈕，可分別進行車輛違規設置，勾選要進行車輛違規判定的種類，圖5中同時選擇了闖紅燈車輛監控和禁行區行駛車輛監控，即會在視頻中出現紅燈線和禁行區域。當有違規車輛出現時，該車輛上的圓圈會標紅，規則設置圖形也會變紅加粗，系統會記錄有違規行為的車輛進行記錄報警。

車輛違規判定的部分主程序如下:

系統實際運行結果如圖6所示。

圖6 系統實際運行結果圖

5 小結

經測試實驗表明，該系統通過3G網絡可實現視頻的實時傳輸，解碼與播放，播放清晰流暢，結合OpenCV圖像處理軟件進行編程，可對接收到的實時視頻進行運動目標檢測和跟蹤，通過設定交通違規參數，即可判定車輛是否違規，并可根據實際情況增加或修改違規判定種類，從而實現基于3G網絡的智能交通視頻監控。

：

［1］吳寧，羅安，雷震.基于流媒體技術的智能視頻監視系統［J］.自動化儀表，2007，28（7）:35-38.

［2］張偉男，唐倫，陳前斌，等.基于3G傳輸的視頻監控系統的后臺設計［J］.電視技術，2008，32（11）:85-88.

［3］史惠，孟放，姜秀華.基于H.264碼流的高清視頻質量評價算法［J］.電視技術，2009，33（11）:113-116.

［4］岑銀.基于OpenCV的智能視頻監控設計［J］.電子元器件應用，2010，12（7）:47-48.

［5］鄭國榮，熊昌鎮，張彥.一種基于OpenCV的嵌入式視頻監控方法［J］.冶金自動化，2010（S2）:683-685.

［6］COLLINS R，LIPTON A，KANADE T，et al.A system for video surveillance and monitoring［EB/OL］.［2011-06-20］.http://www.google.com.hk/url?sa=t&rct=j&q=%5B7%5D%09COLLINS+R%EF%BC%8CLIPTON+A%EF%BC%8CKANADE+T%EF%BC%8Cet+al.+A+system+for+video+surveillance+and+monitoring&source=web&cd=2&ved=0CD0QFjAB&url=http%3A%2F%2Fciteseerx.ist.psu.edu%2Fviewdoc%2Fdownload%3Fdoi%3D10.1.1.73.2930%26rep%3Drep1%26type%3Dpdf&ei=k3E4T9zIHuuNiAe48t2bAg&usg=AFQjCNGcZhD-bL5jDQS_PMV7pr90wpP1OA&cad=rjt.

［7］白文江.基于圖像處理的智能交通監控系統的研究與實現［D］.上海:東華大學，2009.

［8］STAUFFER C，GRIMSON W E L.Learning patterns of activity using real-time tracking［J］.IEEE Trans.PAM，2000，22（8）:747-757.