基于三維視覺的高速公路視頻檢測技術

孫周 曹愛輝

摘要：針對高速公路基本不能主動發現交通異常的現象，開創性的提出構建基于三維立體視覺的高速公路交通異常智能識別系統。開發的系統在巡視過程中能自動偵測、識別交通異常事件，并及時予以預警。

關鍵詞：雙目視覺;三維視覺;高速公路;交通異常

中圖分類號：TP29 文獻標識碼：A 文章編號：1007-9416（2018）11-0074-03

0 引言

高速公路的交通異常（違章停車、交通擁堵、交通事故、車輛拋錨及各類拋灑物等）時常會引發重特大交通事故，事故發生的概率、數量和交通異常生成至被消除的時間長短直接關聯，基本呈現時間越長概率越高，數量越大的規律，盡快發現交通異常成為迅速消除交通異常的重要前提。實時檢測路面突發的交通異常是確保道路安全暢通的有效手段[1]。

利用三維視覺原理進行高速公路交通異常智能檢測，是對交通異常發生現場進行三維空間場景構建，從而實現對造成交通異常的因素進行檢測和分析。本文針對基于三維立體視覺的高速公路交通異常智能識別方法展開深入研究，解決目前交通事件檢測中存在的問題，提高交通異常檢測的精度，降低實際檢測中的誤報率，通過研究交通異常現場的三維空間形態，可以更加直觀準確地進行交通異常檢測。

1 三維立體視覺智能識別技術方案

三維立體視覺就是用各種攝影攝像系統代替視覺器官獲取立體圖像，由計算機來代替大腦完成處理和解釋，又稱為計算機視覺。計算機視覺的研究目標就是使計算機能夠模擬人腦通過視覺觀察和理解世界，具有自主適應環境的能力[2]。給定一個場景的兩幅及兩幅以上圖像錄像，根據場景重建為該場景建立一個計算機模型（三維模型）[3]。簡單的講，就是生成一組三維空間點，更復雜的情況會建立起完整的三維表面模型。

利用三維立體視覺進行高速公路交通異常識別的優勢在于將高速公路運營過程的視頻圖像進行實施采集與傳輸，開發專門的軟件計算檢測圖像內目標的三維空間坐標，并將三維坐標與路面三維數字高程模型相比較，與路面高程一致的靜止目標可能是陰影、光影、紙片等非障礙目標，高出路面高程的就初步判定為交通異常，然后根據目標高出路面高程的程度進一步判斷其交通異常類型。

基于三維立體視覺智能識別主要包括以下主要工作：

（1）建立原始路面三維數字地面模型;（2）攝像機位置設計與攝像機布設;（3）同步監控圖像獲取與傳輸;（4）圖像預處理;（5）圖像匹配與監測點計算;（6）異常點提取與識別;

其主要技術方案如圖1所示。

2 基于三維立體視覺的高速公路交通異常智能識別系統構成

本系統由至少兩臺具備PTZ功能的攝像機、雙目智能事件監測器、雙目智能事件監測服務器、 視頻事件監測終端軟件及相應的通訊、供電等部分組成，如圖2所示。

利用兩臺具備PTZ功能的攝像機進行視頻采集和圖像獲取;利用IP網絡連接視頻矩陣，通過矩陣對攝像機云臺進行控制，完成分時檢測功能;事件檢測主機進行云臺控制，視頻采集，圖像獲取和分析，當發現交通事件時通過語音進行報警，并錄制分析的視頻。具體地，外場攝像機拍攝道路交通情況，將采集的視頻信息通過光纖發送給視頻監控平臺，通過視頻矩陣傳輸給光端機利用服務器對信息進行處理，輸出視頻便于掌握交通信息并進行調控。

3 試驗環境建設

本系統構建方案由以下幾個方面組成，第一步，安裝外場攝像機，現場設置標志點并測量現場標志;第二步，利用光端機等設備將外場視頻傳輸至監控中心，并從視頻矩陣或視頻分配器中將視頻采集到交通事件檢測服務器上;第三步，構建檢查區域的DEM;第四步，編寫和安裝軟件系統，進行檢測區域檢測，并在檢測區域內檢測停車、拋灑物等交通異常事件。

因高速公路交通異常是與空間位置相關的事件，通過地面空間形態——路面三維模型的動態變化識別交通異常事件的發生。高清相機在空中不可能拍攝范圍很大，通過改變相機的姿態角度及焦距拍攝不同的路段，根據數字攝影測量的原理需要確定相機在拍攝瞬間的空中姿態，此外需對相機要進行校正，這些都需要一個基準——空間三維坐標系。

路面三維模型即路面三維立體是本項目的工作基礎，建立路面三維模型是本項目實施過程中的一項重要工作。路面三維模型是在特定三維空間（參考）坐標系下描述路面的空間狀態或確定路面上任意點在設定坐標系下的三維坐標。

實驗區選擇在寧杭高速公路溧水東收費站與東廬山服務區之間，處于從平原路段到丘陵地區的過渡區間，地形分布復雜，行駛環境困難，在現有的攝像監控基礎上進行改造，增設部分攝像設備以及路面標志，達到交通異常智能檢測的科研條件。

如圖3所示，S4為原先設置在南京往杭州方向右側的攝像頭，根據科研研究內容的需要，與2013年增加了左側的S5攝像頭，2014年又增加了位于中央分隔帶的S1、S2和S3的攝像頭，構成了多機位、多組合的五攝像頭實驗環境。S4和S5，組成“長基線攝像機對”;中分帶布設四個攝像頭，組成“短基線攝像機對”。

4 試驗系統分析

監控區間分布在攝像機斷面的兩側，從攝像機位置起，分別向杭州方向和南京方向各布設了3個檢測區間。如圖4所示，往杭州方向由近至遠分別是區間1、區間2和區間3，往南京方向由近至遠分別是區間4、區間5和區間6。

實驗將5個攝像頭進行不同組合分3個組合檢測模式，其組合方式和監控區間如表1所示。

通過布設在路邊和路中的測量標志，可以計算各張視頻圖像的內外參數，監控模式1各視頻圖像的內外參數如表2所示。

監控模式2、3各視頻圖像的內外參數（略）。

構建的試驗系統對實驗區域進行了長期的實驗檢測，實驗系統中將5個攝像頭進行不同組合構成了3個檢測模式，在不同的氣候條件、不同的時間段進行了測試，以驗證系統可靠性。

4.1 交通異常智能檢測誤報率統計

首先對系統的檢測誤報率進行了統計，其結果見如表3所示。

產生誤報的因素分析：①天氣因素：陰雨天氣造成地面成像不穩定，使得系統自動識別產生誤匹配;②光照條件：由于路段為南北走向，早上和傍晚的光照方向使得路面白色行車線在圖像上的成像差異造成誤報;③硬件系統故障：預置位改變、攝像機斷電等等。

4.2 交通異常智能檢測漏報率統計

通過在路面上設置障礙物、車輛逆行和行人走動，對系統的檢測漏報率進行了統計，其結果如表4所示。

產生誤報的因素分析：①天氣因素：霧霾、陰雨天氣造成檢測目標成像模糊，識別困難;②DEM因素;③標志牌遮擋;④硬件系統故障：預置位改變、攝像機斷電等等。

（1）模式1由于基線較長，理論精度相對模式2、模式3較高，能夠對高精度的物體進行檢測。試驗中，以0.0米的精度要求檢測時，試驗放置的障礙物都能被檢測出來，但由于測量精度的限制，與路面同高度的地面點也出現了誤報;以0.1米的精度要求檢測時，大于0.1mm的障礙物能被檢測出來，由于測量精度的限制，與路面同高度的地面點也出現了誤報;以0.2米的精度要求檢測時，較大障礙物能被檢測出來，但低于0.2m的障礙物也會出現漏報。（2）模式2、模式3由于基線較短，理論精度較模式1低，試驗中對移動車輛進行實驗。實驗中通行車輛能夠實現準確的檢測，可以用來檢測違?；蛲ㄐ熊囕v。

5 結語

兩臺高清攝像頭組成的實驗系統已具備智能化的工作模式，可通過預先植入的巡航預案，控制攝像頭同時自動巡搖，對路段實施高速公路道路交通異常的自動識別，檢測范圍可有效覆蓋1.6公里的范圍;自動發現交通異常時間可小于5分鐘;正常光照情況下檢測范圍內最遠端可檢測的最小異物物理尺寸在18cm左右，能有效、及時地檢測、識別多種道路拋灑物（交通異物）;系統也可識別違停、逆行、行人闖入等;可有效地工作在各種白天日光光照環境下，識別結果不受光影變化、風抖和車輛振動等自然環境因素的影響;可準確區分陰影、光斑、車輛、水痕、行人及拋灑物等三維立體視覺元素。系統將能在白天的不同時段、晴陰轉換、陰雨天氣等各種環境下實現高于85%的交通異常預警判斷準確率。

本文構建了一種全新技術方法，可克服傳統視頻交通事件檢測技術固有缺點，利用帶云臺的攝像機實現自動巡視，并在巡視過程中自動偵測、識別交通異常事件（包括違章停車、非法載客、交通事故、車輛故障停車、道路拋灑物等），及時予以預警，變被動式監控為主動式監控，達到進一步提升全程監控覆蓋效率目的。

參考文獻

[1]蔣新春，劉小明.基于視頻檢測的高速公路車輛交通行為安全狀態分析[J].公路交通科技，2010，（27）：122-125.

[2]趙亮亮.雙目立體視覺中的圖像匹配技術研究[D].南京：南京航空航天大學信息科學與技術學院，2007.

[3]燕磊.雙目視覺三維重建技術研究[D].天津：天津理工大學，2017.

A Highway Traffic Anomaly Intelligent Recognition System Based on the Three-dimensional Vision

SUN Zhou1，CAO Ai-hui2

（1. JSTI Group，Nanjing Jiangsu 211112; 2.Jiangsu puce testing certification co. Ltd.， Nanjing Jiangsu 210019）

Abstract：This project was aimed to solve problems that the highway monitor can not take the initiative to find abnormal traffic， and proposed building a highway traffic anomaly intelligent recognition system based on the three-dimensional vision. The developed system can automatically detect and identify abnormal traffic events during inspection and give timely warning.

Key words：binocular vision; three-dimensional vision;highway; traffic event