论高速公路网络监控系统的智能化－汽车设计与制造资讯-造车网

　　1、车辆检测(车流量、车速、车型等)系统
交通流量等的检测是智能交通系统（Intelligent Transport System，ITS）的重要组成部分，车辆检测系统是交通流量等检测的重要手段，是道路监控系统非常重要的一部分。车辆检测系统是高速公路、一般公路、城市道路对过往机动车辆的车型、行驶速度、车流量、道路占有率等进行检测的专用设备。据此检测数据，可以判断道路阻塞等情况，并可通过检测信号控制监控系统中的可变情报板等外场信息发布系统发出警告等信息。
由于交通需求的不断增加，有越来越多的车辆检测器用于交通检测。现行的车辆检测器很多：如磁感应车辆检测器、波频车辆检测器、视频检测器、无线车辆检测器与激光车辆检测器等。这些不同的车辆检测设备，各有其优劣，可以考虑分别安装在高速公路不同路段、城市快速路、城市主干道和

交警巡逻车上，以充分发挥不同设备的技术优势。

　　2、车辆异常行为检测系统
　　车辆异常行为检测系统，用来检测车辆行驶行为，当行驶异常时即预/报警。通常，系统首先通过背景减除提取运动图像，并进行跟踪和目标类型识别。如有一辆汽车驶入人行道时，系统会自动在该车周围打出两个红色问号，表示其行驶异常，并同时发出警报声，以引起监控人员的注意。当车辆退出人行道后，红色问号消失，警报解除。又如有一辆小汽车快速在停车场或高速公路收费广场逆行，这时系统会在其周围打出两个红色惊叹号，并发出警报声，表示其行驶行为已经发生异常。再如，那种频繁超越各车道正常行驶车辆的超速行驶的车辆，多为被劫或逃窜等车辆，也属行驶行为异常车辆，这时系统要发出急促的警报声等。这种车辆异常行为检测系统，尤其在城市道路监控中有非常大的作用。
显然，这种报警功能的实现，可以在无人巡视的条件下，自动检测车辆的违章行驶，从而可实现高效智能化的交通管理。

　　3、车牌自动识别系统
　　汽车身份自动识别系统由汽车牌照识别系统和汽车类型识别系统组成。而汽车类型识别系统用上述的车辆检测器即可完成，这里只介绍车牌自动识别系统。
　　车牌自动识别系统能将输入的汽车及车牌图像通过处理识别，输出为几个字节大小的车牌字符串，它无论在存储空间的占用上还是与管理数据库相连方面，都有无可比拟的优越性。这在大型停车场，交通部门的违章监测（电子警察）、高速公路及桥梁的收费站管理等方面，有着广泛的应用前景。
　　在CCD摄像机对好汽车牌照的最佳位置处设置有汽车位置传感器，因此，当汽车驶入所设计的位置时，车辆检测部分就可检测到汽车位置传感器发来的信号，并同时发送一个触发信号给图像采集部分；图像采集部分将采集的汽车车牌图像信号送入图像处理与识别部分，以对图像进行预处理、二值化、字符切分、特征提取、再经字符识别程序，最后将识别结果写入数据库，供查询部分使用。

　　4、收费数据视频叠加显示系统
　　当前，高速公路收费系统一般采用封闭式联网收费系统，且大多采用人工半自动的收费方式，即“人工判型，人工收费，计算机管理，闭路电视监视，检测器校核”的半自动方式。有的采用非接触式IC卡作为收费介质，即入口发行通行卡并写入入口信息，出口按照车型和行驶里程收取通行费或在储值卡内扣款。
　　为杜绝少数不法收费员贪污路费，避免国家损失财政收入，高速公路收费系统必需要增加收费数视频叠加显示，以监督统计收费站收费人员的收费数以及不同类型的车辆数，方便交通管理部门的管理。为此，我们研发了高速公路收费数据视频叠加显示器。
　　收费数据视频叠加器的核心是字符叠加芯片，其周边部分有：行、场同步信号分离部分；叠加字符的水平与垂直位置的调节部分；叠加字符宽窄调节部分：叠加字符的输出与亮暗调节部分；存储器部分；单片机部分等。
这样，该收费数据通过单片机输入到叠加芯片，被叠加到高速公路收费站监控的视频上。它除显示在监视器上外，还上传到监控中心的计算机上，同时也被记录在DVR中，以方便交通部门的管理。

　　5、收费站不停车收费系统
　　目前，高速公路收费站不停车收费系统，有下面二种类型：

　　①ETC不停车收费系统
　　高速公路收费站不停车收费系统，是一种电子不停车收费系统（Electronic Toll Collection简称ETC），是国内外正在开发并且推广普及的一种用于高速公路、大桥和隧道的一种收费系统。它通过路侧天线与车载电子标签之间的专用短距离通讯，在不需要司机停车和其他收费人员采取任何操作的情况下，能自动地完成收费的全过程。
ETC系统主要由ETC收费车道、收费站管理系统、ETC管理中心、专业银行及传输网络组成。ETC系统是利用微波（或红外或射频）技术、电子技术、计算机技术、通信和网络技术、信息技术、传感技术、图像识别技术等高新技术的设备和软件（包括管理）所组成的先进系统，以实现车辆无需停车即可自动收取道路通行费用。目前，大多数ETC系统均采用微波技术。
　　当汽车通过路边车道设备控制系统的信号发射与接收装置（路边读写设备简称RSE，即图中的阅读器）时，经天线，能识别车辆上设备（即图中的射频卡或标签，因放在汽车前玻璃上也称为车载器，简称OBU）内特有的编码、车牌号、判别车型、计算通行费用，并自动从车辆用户的专用账户中扣除通行费。对使用ETC车道的未安装电子标签或标签无效的车辆，则视作违章车辆，并立即自动实施图像抓拍和识别，以传送交警部门事后处理。

　　②GPS不停车收费系统
高速公路GPS（Global Positioning System）不停车收费系统，是GPS技术、GIS（Geographic Information System）技术、移动通信技术等高度融合。它将装有GPS接收机的移动车辆位置数据，经过单片机的处理，经GSM通信模块以短信息的方式发送

至移动通信网的短消息中心（SMC），SMC再通过专线把车辆定位信息传递给收费中心，当收费中心接收到移动终端发送来的位置信息，利用GIS软件和快速的投影匹配算法，准确将车辆的行驶路线与数据库中的道路网进行匹配，获得其在收费道路上的行驶轨迹，然后由收费软件按照各条公路收费标准分开进行计费，以实现道路联网收费；车主可在网上查询自己的收费详细情况，使收费过程透明；收费中心然后再通过专线与银行进行交割。
　　系统可实现全天候24小时不停车收费与分时段收费；实现车辆全程跟踪与定位以及道路信息查询等功能。
　　与传统人工收费方式不同，不停车收费系统的好处有：杜绝少数不法收费员贪污路费；无需收费广场，节省收费站的占地面积；节省能源消耗，减少停车时的废气排放和对城市环境的污染；降低车辆部件损耗；减少收费人员，降低收费管理单位的管理成本；无需排队停车，节省出行人的时间；避免因停车收费而造成收费口堵塞，形成新的瓶颈等。

　　6、利用3G的车辆定位跟踪的智能监控系统
　　大家知道，全球定位系统GPS从军用转为民用以后，GPS技术应用于移动目标的监控有着其他监控手段无法比拟的优势。利用3G（即GSM、GPS、GIS）车辆定位监控系统，是对各种车辆实施定位跟踪、监控、调度管理提出的较理想解决方案。该系统采用世界领先的GPS全球卫星定位技术对移动目标进行实时定位；利用GSM全球移动通讯技术即GSM数字移动通信网络进行实时数据传输；利用GIS地理信息处理技术即以GIS电子地图和空间信息系统为支撑平台。同时，还采用大容量数据采集技术和大容量数据存储等计算机网络通信与数据处理技术，以尽可能多地采集并记录车辆行驶过程中大量的数据信息，自动生成图形和数据，进行统计、比较、分析、列表，从而提高车辆营运管理工作的效率。因此，能够实现对车、船等移动目标的精确定位跟踪、监控报警、反劫防盗、指挥调度和信息查询管理等。这种3G的系统具有定位精度高、稳定性强、使用效果好等特点。

　　实际上，整个3G的车辆定位跟踪智能监控系统是由GPS卫星定位系统和地面移动通信系统两大部分组成。其中，地面移动通信系统是由指挥监控中心、车载移动单元和GSM通信网络三个部分组成。车载移动单元设备可以为指挥监控中心实时提供每一个移动目标的最新定位数据、运行状况和报警信息等，并自动记录这些信息以便事后查询分析，因而也是用户终端。监控中心接收车载移动单元传送来的车辆GPS定位数据信息，并对车辆的报警和调度信息进行处理，并且通过GIS地图匹配，就能在电子地图上实时显示车辆当前精确位置，从而能方便地实现对车辆的定位跟踪、监控防盗、反劫报警、指挥调度等功能；同时也可通过GSM无线通信网络进行数据、语音、图像的传输。即向指定的车载台发送各种控制指令，实现对车辆的远程控制和信息查询等服务。

　　二、实现智能化监控软件算法的方法
　　上述高速公路监控系统的智能化功能，均需要智能软件算法完成，限于篇幅，这里不能一一介绍。其中车辆检测的定位与跟踪算法大致可分为如下四类：基于区域的方法，基于主动轮廓的方法，基于特征的方法，基于模型的方法；但也可以简单分为基于二维的方法和基于三维模型的方法。基于二维的方法，本身具有难以解决遮挡、无关结构干扰、对光线敏感、适用场景有限等固有的缺陷问题；基于三维模型的方法，由于引入了目标物体的三维先验知识，比基于二维的方法更具准确性，但相应研究的难度也较大。

　　1、基于三维模型的目标定位方法
　　通常，人类在观察周围世界的时候，总是利用丰富的经验知识，如车辆模型、场景模型、运动模型、弱透视模型、地平面约束、推理结构和语法与句法模型等。但对智能交通来说，最重要的是车辆模型。如实现生成一个车辆的三维线框模型，在给定的姿态下，将其投影到图像平面上，并与图像数据匹配。通过优化过程得到目标物体的真实姿态，这类方法通常称为基于三维模型的目标定位方法。

　　基于三维模型的交通监控系统的底层视觉部分主要由三个模块组成：运动检测、初始化跟踪。摄像机所拍录到的图像序列首先送到运动检测模块，以确定图像中可能包含车辆的区域。当某个区域第一次出现时，完成跟踪的初始化工作，包括判断其中是否真的存在车辆，如果存在的话，则确定它的三维姿态并识别出它是哪种车型；车辆跟踪模块由定位模块驱动，当初始化工作已经完成、车辆已被准确识别和定位以后，跟踪模块将自动地根据车辆以前的三维姿态信息和运动学知识预测车辆在当前帧的位置，定位模块将以这个位置作为初始值，确定当前帧中车辆的三维姿态，如此循环往复，直到车辆离开视野，跟踪模块也就停止工作了。

　　高层部分的处理主要包括根据车辆的运动轨迹对其行为进行分析，并给出自然语言式的描述

　　中科院自动化所模式识别国家重点实验室视频监控小组，在总结了英国雷丁大学 VIEWS的车辆交通监控原型系统的研究经验后，自行设计了

一个拥有完全自主版权的交通监控原型系统VStar Visual Surveillance Star，并在PC Windows 2000平台上用Visual C++6.0语言初步实现了整个系统。这种VStar系统由计算机、数字摄像机、音箱和交通场景模拟平台组成。当车辆在交通场景中运动时，摄像机将拍录下来的视频序列送进计算机，定位和跟踪程序自动分析这些视频序列，识别车型并跟踪车辆在场景中的运动。跟踪结果被送去进行分析和语义解释程序，对车辆的行为进行分析并给出语义解释。语义解释结果进一步被送进语音合成程序，从而可得到语音提示或警告。如当车辆逆向行驶或闯入绿化草地时，系统将给出准确的语音警告。目前该系统能够在一台PⅢ866 PC机上实时地跟踪车辆，并且不受光线变化、无关结构的干扰斑马线、边界遮挡等的影响。

　　在这种交通监控原型系统中，其具体的定位与跟踪算法是：
　　①基于三维线框模型的车辆定位算法
　　其中车辆定位过程被假想成从初始姿态到正确姿态的一系列虚拟运动，并被进一步分解成为两种独立的运动：平移和旋转。平移参数可以通过基于PLS距离（点到线段的距离）的姿态评价函数得到，而旋转参数可以通过一族特别构造的假想平面之间的几何关系得到。在确定平移参数和旋转参数时均可以得到闭式解。实验结果表明，该算法可以快速、准确、鲁棒地根据一幅灰度图像确定其中车辆在三维空间里的姿态。
　　②基于改进的扩展卡尔曼滤波器的车辆跟踪算法
　　其中提出了一种新的车辆运动模型，考虑了车辆行驶过程中的一些物理性质，比现有的运动模型更加符合车辆的真实运动。该算法还利用了一种改进的扩展卡尔曼滤波器，通过强制残差序列满足正交性条件来保证残差序列拥有与白噪声相同的性质，从而满足了卡尔曼滤波器中对于观测噪声是白噪声的假定。实验结果表明，当车辆运动急剧、复杂时，现有的算法都不能很好地预测车辆的运动，而本算法可以相当准确地完成预测的任务。

　　2、用于事件识别的行为模式学习的自组织神经网络方法
　　用于事件识别的行为模式学习的自组织神经网络方法，是通过对目标运动轨迹和目标特征的学习，建立行为分布模式，它不仅能实现异常现象的检测和检测异常发生区域，还能进行目标行为的预测。其特点是:
　　① 使用了一种以整条轨迹作为输入的网络映射方法，克服了现有的网络映射方法不能完整地表示“线”特征的缺点；
　　② 使目标特征更加合理地表示在样本数据中 ;
　　③ 采用了行为模式学习的模糊自组织神经学习算法,大大地提高了行为模式的学习速度 ;
　　④ 给出了利用行为模式判断整条轨迹所代表的事件是否异常、检测出局部的异常区域和目标行为预测的数学方法。
行为理解可以简单地认为是时变数据的分类问题，即将测试序列与预先标定的代表典型行为的参考序列进行匹配。由此可见，行为理解的关键问题是如何从学习样本中获取参考行为序列，并且学习和匹配的行为序列必需能够处理在相似的运动模式类别中空间和时间尺度上轻微的特征变化。在行为模式学习的基础上，能实现对交通事故进行实时、精确的预测，从而可以降低事故的发生率，减少人们生命财产的损失。

　　在接收摄像机拍录的图像序列时，根据事先已经确定的摄像机模型和车辆模型实现基于三维线框模型的车辆实时跟踪，这时输出的是车辆的轨迹。在积累了足够多的车辆轨迹后，就可以开始行为模式学习，它从大量的车辆轨迹中，通过模糊自组织神经网络的方法学习出车辆的行为模式分布。交通事故预测部分接收跟踪部分的实时跟踪结果，并且把它和行为模式分布作比较，由概率模型推断出当前事故发生的可能性。最后再由此可能性序列的分析，给出对于此事故的处理方式。

　　3、车辆检测系统中的车辆分类与车速计算
　　此外，车辆检测系统是道路监控系统非常重要的一部分，它可以获得当前监控路面交通流量、占有率、速度等数据，以此判断道路阻塞情况，并利用外场信息发布系统发出警告等。实际上，车辆自动分类系统是通过图像识别运算法则，来将车辆准确地分类，自动车辆分类系统将车辆长度信息、车辆数量和间距信息、车辆高度距阵信息形成综合的图像，将该图像与预先设置的标准对比，从而实现车辆的准确分类。

　　在国家交通部即将推出的行业规范里，在车辆检测器中，对流量、平均速度、车道占有率、平均车长、平均车间距等都有要求，其算法这里就从略了。其中，该标准对平均速度的定义为

　　（1）式中，Vi指第i辆车通过的速度，n指单位时间内通过的车辆数。车辆检测系统ARM软件采用分层设计思想，整个软件由驱动程序和应用软件两部分构成驱动程序部分封装了Flash操作、RS-485操作、实时时钟（RTC）操作、RS-232操作和I/O等操作。应用软件分成基本函数库和主程序。

　　三、结束语
　　由上可知，高速公路监控系统不仅需要网络化，更重要的是智能化。上述的高速公路监控系统的智能化功能，仅是一些最基本的智能化功能，并且

也是智能交通的一部分。如城市道路监控中的电子警察系统、交通事件预测系统、十字路口红绿灯按实际情况的自动转换系统等均是智能监控，这里就不叙述了。

　　总之，智能视频监控的内容很多，这项研究具有重要的理论价值和应用价值，且目前已经成为世界上的研究热点，而需要解决的问题也很多。理论上，还需要在姿态评价函数形式与优化方法、目标识别定位跟踪和预测的统一概率框架、语义推理结构与模式学习、多媒体化描述等方面继续展开深入的研究。在实践上，要完善各项功能模块，如设计更优化的算法、实现多目标的实时跟踪、设计多机网络化硬件框架、引入多摄像机系统、完善知识库等。并针对一些特定的场合，如高速公路、城市道路、重要党政军事单位、车站与机场、高级社区等，尽快实现实用化的智能视频监控产品。

我要反馈