基于视频理解的道路交通状态判别方法与应用

通过监控视频获取道路交通状态方法主要依靠人工检测。由于成像条件复杂，车辆尺寸较小，一般用于专用检测视频的处理技术难以应用于监控视频。实际应用中迫切需要针对监控视频的道路交通状态判别方法、技术和应用系统。.项目以高速公路交通监控视频为研究对象，通过类似人类对交通视频的"理解"方式，首先采用特征光流场技术计算交通流速度，并提取道路区域；然后对道路区域的车辆特征密集度进行分析，得到道路占有率描述；再结合交通状态的持续、转移时间等参考指标，迅速判断出当前道路交通状态。此方法不同于以往的专用视频检测处理技术，无需各种精确的交通流参数，也无需严格的拍摄检测条件，可以直接地、自动地、快速地得到道路交通状态。.同时，将开发实用算法和系统，搭建实验平台进行应用测试。期望为交通管理、动态交通信息发布提供一种新的、直观的交通状态判别实用技术，以降低人工劳动强度，提高监控视频利用资源。

随着社会经济快速发展，交通拥堵日趋频繁，交通视频监控系统成为不可缺少的交通管理手段。目前，通过交通监控视频来确认交通状态、发现交通拥堵和事故的方法主要还是依靠人工查看，效率低。由于成像条件复杂、场景多变、镜头伸缩、图像中车辆尺寸较小等因素，一般用于专用检测视频的处理技术难以应用于监控视频。实际应用中迫切需要针对监控视频的道路交通状态判别方法、技术和应用系统。. 项目以高速公路交通监控视频为研究对象，采用图像处理、视频分析、行为分析、场景理解等一系列视频理解的技术手段，获取交通状态等交通流信息。. 首先，根据交通工程学中有关标准，建立了基于宏观交通流信息的交通状态描述模型；研究了基于场景理解的道路区域提取方法，能够提取出有效道路区域，并对条件较好的道路能够获取车道级的道路结构；研究了基于图像特征分析的交通流密度估计方法，采用边缘密度等图像特征密度表述交通流密度，估计出交通流密度；研究了基于光流场分析宏观交通流速度估算方法，通过特征光流场计算出交通流的图像速度，估算交通流速度；研究了基于宏观交通流参数的交通状态自动判别方法，基于光流速度和特征密度两个参数，采用直接判别法和支持向量机方法实现三种典型交通状态（顺畅、缓慢、拥堵）的自动判别。. 项目在基于宏观交通流信息的交通状态自动判别理论、算法研究基础上，结合实际业务需求，开发出应用软件系统，在实际高速公路进行了试用。测试结果表明该系统能有效地利用现有高速公路监控视频实现交通状态自动判别、交通拥堵检测等功能，可以工作在轮巡模式，适用于多种监控场景，检测时间不大于30s, 检测正确率稳定在90%左右。. 此外，也针对宏观交通流密度等参数不够精细的问题，采用车辆检测和跟踪技术获取车辆特征和运动参数，提出了基于车辆轮廓的车流密度检测方法和非混合交通状态评级方法；提出了基于运动轨迹分析的交通事件检测方法；同时也考虑城市道路的适用性，针对交叉路口提出了背景提取、车辆检测和排队长度检测等方法。.项目研究成果可以应用在现有的高速公路视频监控系统，无须改造现有视频设备、修改设备设置，无须改变现有监控系统工作模式。这为交通管理、动态交通信息发布提供一种新的、直观的交通状态判别实用技术，可以降低人工劳动强度，提高监控视频资源利用率。