破解交通困局 智能技术“牵引”智能交通建设

　　我们生活的城市，交通拥挤和交通事故是全球城市道路所面临的共同问题。我国智能交通已有十多年的历史，但拥堵和事故现象依然严重，甚至愈演愈烈，究竟是何原因？政府每年在交通领域的投入逐年增多，却使城市惨不忍“堵”，人们开始畅想四通八达的交通方式。于是，将目光投向智能技术的发展。可以说，未来我国智能交通建设，智能技术将牵“引着”其发展，是城市交通建设中最为核心的技术突破点。

　　智能交通中智能技术作用

　　如前表述，智能交通首要解决智能化。通过智能视频分析技术，可以从视频中分理出一些值得关注的关键信息，并通过实时分析加工，获取交通状况信息，同时对实施现场路况作出即时反应。智能视频分析技术源自计算机视觉（CV，ComputerVision）技术。计算机视觉技术是人工智能（AI，ArtificialIntelligent）研究的分支之一，它能够在图像及图像描述之间建立映射关系，从而使计算能够通过数字图像处理和分析来理解视频画面中的内容。而视频监控中所提到的智能视频技术主要指的是：“自动的分析和抽取视频源中的关键信息。”如果把摄像机看作人的眼睛，而智能视频系统或设备则可以看作人的大脑。智能视频技术借助计算机强大的数据处理功能，对视频画面中的数据进行高速分析，过滤掉用户不关心的信息，为用户提供对监控和预警有用的关键信息。

　　目前市场上的智能视频分析技术通常都具有以下功能：图像采集：一般图像信号通常是以压缩图像流的形式存在，将图像流解压还原成原始图像格式后再进行分析；运动物体检测，发现图像中运动的物体。当然去除了由相机自身引入的变化，外界环境引入的变化，如抖动和风；多物体跟踪：在复杂环境下，如多个运动物体，多个摄像机，运动物体之间互相遮挡，消失及重现等情况下进行有效跟踪；行为特征分析：行为特征分析是从图像中寻找满足预先设定的行为特征的事件。如车辆的停止或者突然加速，当聚集人员过多时报警，人员倒地，或者其它异常情况。

　　而辉锐天眼的智能视频分析技术在这些智能化功能方面有所创新，如，动态背景建模技术：利用自适应高斯背景模型，能够从复杂背景中检测出运动目标。利用扩展的EM算法,为每个像素建立多个混合高斯分类模型，该模型可以自动更新，并能自适应地将每个像素分类为背景、影子或者运动前景，在复杂背景的情况下也能较好地完成运动区域的分割，能够有效克服背景图像的动态变化，如天气、光照、影子及混乱干扰等的影响；形状信息和运动特性的融合：将运动目标的形状信息和运动特性相结合，利用分散度和面积信息，区分人、车及混乱扰动。非刚性物体（人）的运动相比于刚性物体（车辆）运动而言具有较高的平均残余光流，同时它也呈现了周期性的运动特征，据此可以将人与车区分开来，利用时间一致性约束使得分类更加准确；利用光流场分析和动态轮廓技术，结合水平集理论进行目标跟踪和轨迹描绘该系统利用活动轮廓的方法，利用封闭的曲线轮廓来表达运动目标，利用该运动目标的轮廓，确定每个物体的质心，结合LK光流法跟踪质心，结合Level Set理论在图像序列中检测和跟踪多个运动目标；利用隐马尔可夫模型匹配时变数据，对目标行为进行特征分析：利用隐马尔可夫模型HMMs（Hidden Markov Models）：HMMs对时变数据进行特征匹配。HMMs的使用涉及到训练和分类两个阶段，训练阶段包括指定一个隐马尔可夫模型的隐藏状态数，并且优化相应的状态转换和输出概率，以便于产生的输出符号与在特定的运动类别之内所观察到的图像特征相匹配。对于每一个运动类别，建立一个HMM。匹配阶段涉及到一个特定的HMM可能产生相应于所观察图像特征的测试符号序列的概率。