一種新的結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的隧道內(nèi)停車檢測方法

楊祖莨，丁 潔，劉晉峰

(太原理工大學(xué) 電氣與動力工程學(xué)院，太原 030024)

高速公路隧道有著空間狹窄密閉、交通流量大、而車輛速度快的特點(diǎn)，因此當(dāng)隧道內(nèi)發(fā)生停車事件時，極易造成交通事故。尤其是當(dāng)載有易燃易爆物品的車輛在隧道內(nèi)行駛時，發(fā)生意外停車會造成更為嚴(yán)重的后果。對隧道內(nèi)進(jìn)行及時有效的停車檢測不僅可以為事故導(dǎo)致的受傷人員節(jié)省更多救援時間，還可以通知該路段上的其他駕駛員減少二次事故的發(fā)生[1]。因此，實(shí)時準(zhǔn)確地檢測高速公路隧道車輛的停車行為并及時反饋是十分必要的。

傳統(tǒng)的停車檢測是通過埋在地下的傳感器來完成的。然而，將傳感器埋在地下不僅不易于安裝，會損壞路面，而且不易于維修保養(yǎng)。目前，幾乎所有的高速公路隧道都安裝了視頻監(jiān)控系統(tǒng)。這為使用圖像處理方法來進(jìn)行停車檢測提供了有利條件。與傳統(tǒng)的檢測方法相比，圖像處理方法具有安裝方便、信息豐富、檢測結(jié)果直觀、維護(hù)成本低等優(yōu)點(diǎn)。

當(dāng)前，基于圖像處理的停車檢測已有了一定的研究。Guler等[2]采用Peripheral多目標(biāo)跟蹤器從背景減法獲得的前景中確定每輛車的位置。然而，該方法會將快速變化的背景檢測為車輛。Porikli[3]提出了一種基于雙背景的異常事件檢測方法。然而，該方法抗干擾性能差并且如何選擇時間常數(shù)來建立長、短背景存在很大不確定性。趙敏等[4]使用混合高斯模型獲得運(yùn)動目標(biāo)，通過基于像素時間序列特征的穩(wěn)態(tài)分析法來檢測靜止目標(biāo)，根據(jù)車輛的區(qū)域特征(車輛的顏色、輪廓、長度和寬度)對靜止目標(biāo)的停車車輛進(jìn)行識別。……