关键词：交通事件检测、视频分析、算法
1交通事件
交通事件，通常称为道路交通事件，按《道路交通安全法》的规定，交通事件是指由于道路上的障碍物或事件而导致人员受伤或财产损失的事件。交通事件的组成部分：一方面是道路上发生的事件，另一方面是与车辆有关的事件。在正常情况下，道路上可容纳的车辆数量是恒定的，如果车辆数量迅速增加超过了道路上可容纳的交通量，超出高速公路的设计通行能力，则交通服务水平将会急剧降低，事件发生的概率相对来说也会增大。
2运动目标跟踪算法
2.1基于特征的跟踪
基于特征的跟踪不考虑目标的整体特性,只跟踪目标的局部特征,如标记目标特征的点、线、形状、子区域等,从而放弃了把目标作为一个整体进行跟踪的思想。但是在应用中，可能对一个车辆提取多个特征，因此要针对实际情况给这些特征赋予一定的优先级和权重。由于图像采样时间间隔通常很小，可以认为这些特征在运动形式上是平滑的，因此可以用直线、曲线、参照点等个体特征来跟踪运动目标。从运动目标整体区域来看,它的特征区域只占其很小的一部分,因此在某种程度上，这种方法能适用于交通拥堵和目标遮挡情况下的车辆跟踪。如果车辆的特征集合选取得当，应用此方法就能获得良好的跟踪效果，但在实际应用中，选取特征集合是一个难题，所以多数情况下，跟踪效果不理想。
2.2基于3D模型的跟踪
基于3D模型的跟踪算法主要使用相机和场景的几何知识将3D模型（包括几何形状）投影到图像中，并根据从图像中提取的目标进行匹配，实现跟踪。尽管基于3D的跟踪方法使用模型知识的结果来获得鲁棒的跟踪结果，即使在复杂的场景和拥堵情况下，该方法也需要详细的车辆几何模型。由于详细的几何模型，计算负荷和较差的实时性能，此方法不适合实时车辆跟踪。
2.3基于动态轮廓的跟踪
通过提取目标边界轮廓的特征（轮廓区域，长度等）并将其与动态更新的边缘轮廓进行匹配，可以实现基于活动轮廓模型的跟踪。 跟踪成本比其他方法低，因为它仅匹配并跟踪目标区域的轮廓。
2.4基于区域的跟踪
基于区域的跟踪将目标视为“斑块”或矩形框。这些是2D图像中移动对象的连接区域。区域跟踪的效果取决于区域属性，例如大小，颜色，形状，速度和中心点。在连续的图像倾斜中，目标具有各种信息，例如纹理和颜色特征。而且，由于效果不太理想，通常将移动目标的多个特征用于跟踪。区域跟踪的优点是跟踪小目标时速度更快，但缺点是无法解决目标的部分遮挡和混合多个目标时跟踪不正确的问题。这很容易发生，并且计算大型目标需要时间。
3运动模式识别及交通事件检测
3.1运动模式识别
车辆在道路上的行驶模式可以分为六种基本模式：前进，停车，倒车，掉头，倒车和换道。这六种模式中的每一种都有其自身的特征，通过它们可以识别运动模式并捕获目标的交通行为，可以很好地对交通事件监测。
前进表示车道沿车道方向在同一车道中行驶，而不会改变方向，保持恒定速度并改变车道；停止表示沿车道方向移动表示车辆行驶后已停在车道上；逆行是指车辆在与车道相反的方向上行驶；掉头行驶是指车辆从一个车道转向另一个车道表示速度沿相反方向变化。倒车表示车道在与车道相反的方向上行驶，然后在相反的方向上行驶；车道变换意味着车辆首先进入一个车道，然后转向另一车道。意思是，速度方向和初始速度方向之间的角度小于90度（即，速度方向与初始速度方向不相反）。其中，在正常情况下，正常交通中的停车，倒车和倒车都是违法的，在特殊情况下禁止掉头和换车道。
期刊文章分类查询,尽在期刊图书馆
针对以上六种驾驶模式，调查分析车辆跟踪过程中车辆重心坐标的变化，计算出车辆的速度方向和每单位时间的行驶距离，并根据六种交通行为定律进行识别。
3.2交通事件检测
随着社会的不断发展，人们对道路安全的重视程度越来越高，特别是2018年，宝明高速公路西侧相关部门发生了数起重大交通事件。目前，基本所有高速公路都间隔1km甚至500m布设了高清摄像头，但是由于多种原因，收集到的大量视频图像数据，没有充分分析利用，尤其是在前端进行分析，仅是将其发送给高速公路监控中心。随着智慧交通的不断发展，图像处理及视频识别技术得到了迅速发展，视频目标识别、跟踪的效果不断提到，部分已经可以达到前端分析应用的程度了。
用式(3-1)来分析事件检测的性能：
F(IR,FIR,MTTI)=F1(C,L,S)+F2(A)+E （3-1）
F(IR,FIR,MTTI)——事件检测性能综合评价指标；IR——判别率；FIR——误判率；MTTI——平均判别时间；F(C、L、S)——事件检测性能的非算法影响；L——检测器间距；S——事件的严重程度；F2(A)——算法影响；E——其他影响。
影响检测效果的主要是人为因素和非人为因素，但通常非人为因素的影响相对较小，属于主观因素。尽管本文主要是指检测点之间的距离，但是检测点之间的距离的影响直接影响信号的传播时间，进而影响平均分辨时间。美国运输部门报告了这样的信息，其中包含以下要点：在高速公路上，在正常驾驶条件下会发生交通事件。
当前，高速公路上最常用的交通流检测设备包括感应线圈、地磁、微波、雷达以及视频等。每种类型的交通流检检测技术各有利弊，有时候仅使用其中一种不能获得最佳的检测结果。尤其是如果仅使用视频检测器，由于有雾的天气，雨，雪和沙而导致能见度较低时，它将影响检测效果。同样，线圈、微波等虽然较为成熟及稳定，但是在安防、交通事件检测领域仍需要视频分析技术。因此，很多研究及应用也在不断融合各种检测器数据，从而整体提到检测的效果。
结论
交通事件检测是交通管控的重要组成部分之一，也是智慧交通未来发展的一大主要方向。本文介绍了一种基于视频的交通事件检测算法，它的独特优势（例如丰富性）是未来交通检测开发和应用的方向。首先分析了交通事件的概念、特征，并阐述了目前交通强国背景下，不断技术创新，采用视频分析技术检测和识别交通事件的重要性。分别从运动目标跟踪算法、运动模式识别及交通事件检测等方面分析了视频识别技术，提出了相关算法，具有一定的参考价值。
参考文献
[1]刘晓亮.基于视频检测的高速公路交通事件影响预测研究[D].山东大学,2015.
[2]杨梅.基于视频与检测线圈的高速公路交通事件检测系统研究[D].长安大学,2013.
[3]陆洋.视频检测在高速公路交通事件中的应用研究[J].山西建筑,2012,38(23):156-158.
[4]李体军,陈建峰.交通事件视频检测系统在高速公路隧道中的应用[J].河南科技,2009(12):30-31.
[5]曹阳,卢毅.盐通高速公路交通事件实时视频检测系统的研究与应用[J].公路交通科技,2006(10):174-176.
[6]李为民,王长峰.高速公路管理中的交通事件视频检测系统[J].广西科学院学报,2005(S1):86-88.
论文作者:侯小鹏
论文发表刊物:《工程管理前沿》2020年1期
论文发表时间:2020/3/25
标签：事件论文; 交通论文; 车道论文; 目标论文; 车辆论文; 高速公路论文; 特征论文; 《工程管理前沿》2020年1期论文;