高速公路監控視頻人工智能分析研究

梁晉娜

（河北交通投資集團張石高速公路保定段有限公司，河北保定 071000）

1 高速公路監控視頻現狀

在高速公路的運營管理中，監控視頻起著關鍵作用?，F在，聯網監控成為主要的管理方法，這不僅要求更多的精確監控點位和更高質量的畫面，還要求在路段分中心外，建設眾多的地區和省級監控中心。國家路網中心也需要各地區上傳監控視頻資源，確保對全國的交通狀況有更加及時、全面及直觀的認識?，F階段，大部分的監控中心都是讓監控人員通過電視墻觀看監控視頻信息，以掌握實時交通信息。隨著監控視頻的大幅增加，如果依舊采取人工監控，必定會在實際工作過程中面臨以下問題。

1.1 人工監控的不足

雖然人工查看監控視頻可以對各種狀況的進行相對準確的判斷，但人的主觀因素的影響無法消除。如長時間地注視屏幕會引發疲勞和注意力不集中等情況，這可能導致錯失發現問題、及時處理事件的最佳時間。工作愿望、情緒波動、身體健康狀況等主觀因素也會影響員工認真觀看監控視頻。面對沒有明晰定義的現象，可能會產生判斷錯誤。例如，對于同一畫面，部分員工可能判斷為正常情況，其余員工則可能認為交通已經開始擁堵，對擁堵情況的判斷在不同道路上也各不相同。

鑒于人工監控的缺陷，當前的高速公路監控系統無法在事情發生前識別出異常的交通狀況，同時也難以立刻發現交通問題，并立即采取相應的措施。在某些情況下，一個沒有得到及時發現和處理的小事故，甚至可能引發更多更大的二次事故。視頻監控系統僅發揮出用于事后核實和調查的作用，其預警和預防功能未發揮出來，未充分發揮監控視頻應有的重要作用。

1.2 監控設備數量與監控顯示畫面之間的矛盾

不論是哪個級別的監控中心，可用于展示視頻的電視墻和監視器數量都是有限的，因此無法同時播放全部的監控視頻。這樣就必須通過人工切換或者自動切換方式來顯示各個監控視頻，這使得不能立即發現異常情況。為了克服顯示能力的限制，監控中心一般通過分屏技術在一個監視器上同時顯示多路監控視頻。這種方法雖然能大幅提升監控視頻的顯示數量，但由于每個視頻的顯示畫面變小，觀看的難度增加，更容易導致監控人員的視覺疲勞，對監控效果產生更大的負面影響。

1.3 視頻事件檢測質量欠佳

為了降低人為因素對監控視頻的干擾，在特殊環境（如隧道內）安裝視頻事件檢測器等設備成為常用手段的，這可以自動捕獲交通事件，以便事故能夠得到即時應對，確保交通的安全，提高道路的流通效率。然而，實際應用中出現的問題是，視頻事件檢測器雖然在早期的人工頻繁干預下能夠正常運行，但經過一段時間之后，檢測器的誤報越來越多，根本無法滿足使用要求，還對日常運營造成了不良影響，無法繼續使用。

1.4 專用設備的不足

近年來，基于視頻的專用設備（如車牌和卡口識別設備）已在高速公路上得到廣泛使用，對于高速公路的監控有著一定的貢獻。然而，這些設備不能被集成在視頻監控系統中，而需另外安裝相應的設備，增加了建設成本和工作負擔。且這些設備的功能較為單一，僅能收集到有限的數據，只能滿足用戶提交報表的需求，并未達到期望效果。鑒于專用設備價格較高，并且安裝過程復雜，甚至需要設備供應商進行現場安裝，使得其無法在路段上大規模應用，也因此無法獲取到路段的全面信息。

2 高速公路監控視頻人工智能分析的必要性

高速公路的路況監控系統主要包含路況監控、交通數據采集、交通狀態判斷及交通自動控制4部分。和收費監控系統相比，路況監控系統更為重要，智能化程度也有更高要求，主要表現為能夠自動處理更復雜的狀態分析和實現交通自動控制。交通狀態分析與收費監控系統中的信息處理方式大同小異，但智能化程度更高。這主要是因為收費監控系統主要關注收費過程管理，因此大部分信息收集都在收費站周邊完成，主要關注收費的公正性。而路況監控系統覆蓋整個高速公路，因此數據收集遠超收費監控系統。除了完成收費監控的工作外，還負責監控各路段的車流狀況、車流銜接、自然災害、天氣變化、突發事件，以及預估車流量等，包含了高速公路上所有已發生和可能發生的事件。交通自動控制是路況監控系統的關鍵作用之一，其智能化程度決定了高速公路監控系統的自動化程度。交通自動控制主要依賴于對高速公路相關的信息進行及時采集及合理的數據分析，以此來實現對高速公路交通的自動控制，如提供疏導交通的決策、實現車輛的分流、限制車輛的進入、優化行駛路線等。

3 常用視頻檢測分析技術

實施高速公路的視頻監控，至關重要的一點是能從視頻影像中識別出車輛、行人等對象，并結合影像里對應的空間特征及不同時段視頻影像中對象位置的變動，來解析交通行為，從而評估交通狀態或識別交通事件等。利用機器進行視頻識別在高速公路中已應用很長時間，如視頻事件檢測器的使用，但未有效解決問題，這與其所選用的技術方法密切相關。常用的視頻檢測分析技術主要有以下幾種。

3.1 幀間差分技術

幀間差分技術的基本原理是通過計算視頻信號中連續兩幅圖像對應像素的亮度變化，如果差異超過設定的閾值，就判斷為有目標在運動，并依據目標的形狀和尺寸來鑒別是車輛還是人等。不過，這項技術無法識別靜止或緩慢移動的物體，針對速度過快的物體也可能導致目標過大而失真，甚至將其拆分為兩個目標。此外，部分目標可能會出現鏤空或被截斷的現象，由飛蟲等引起的快速飛過的陰影也可能引發誤判。

3.2 背景差分技術

背景差分技術通過某種算法創建一張背景的圖片，然后利用視頻當前畫面進行相減，再根據設定的閾值分析圖像中的目標是否存在。雖然這種技術是常用的處理方式，但其無法檢測出與背景亮度相匹配的目標，不能減少來自車輛燈光或反射等照明因素的干擾，相近的目標可能會被錯誤地識別為一個大的目標，天氣等環境因素也會產生不良影響。

3.3 檢測線技術

通過在特定的地點創建與環境明顯不同的檢測線，或使用已有的相似標記，將檢測線的圖像記為背景，然后通過背景比對的方法來檢測是否有目標穿過檢測線。這種技術需要在預定的地點畫出檢測線，也會受到光線的影響。對于體積大或者類似拖車的目標，很可能會造成誤判。同時，攝像頭的視角也有一定要求，否則在目標密度過大的情況下，可能無法準確地進行目標分割。

3.4 光流技術

光流技術的主要功能是將檢測區域的影像轉化為速度矢量場，這其中的每個矢量都代表了圖像中某個特定點位置的即時變動。光流技術是計算出場景中大量點的運動速度，這在普通的視頻影像中很難做到，同時這種計算方式也相對復雜，抗干擾能力較弱，通常需要配備特定的硬件才能實現。

3.5 深度學習技術

深度學習是機器學習研究的新領域，重在建立和仿真人腦解析和學習的神經網絡。需要向系統輸入大量的數據以訓練神經網絡。其最突出的特征是強大的計算能力和自我學習能力。通過模擬人腦的工作機制來解讀數據，例如圖片、音頻及文字等。

利用深度學習技術，能夠識別出視頻截屏中的車輛、車型、自行車騎行者及過馬路的行人。其具體操作方式是按照預設的對象特征（含車輛、行人、拋棄物等），通過高效的計算匹配其特性，同時，此過程也會反向影響原始算法，實現該算法的持續更新與優化，從而不斷增強引擎性能，使得辨識精準度持續提升。

這種算法的運作與影像各畫面之間的差距對比無關，其直接從影像中抽取物品的特性，所以對背景的一致性沒有需求，即使因為顛簸使得攝像機畫面產生位移，也不會對此產生任何影響。同時，無論物品是運動或是靜止，都能精準辨認出畫面中的物品。

該算法不僅可識別物品，還可處理文本，如常見的車牌識別。與專用的車牌識別攝像機相比，此種方法對攝像的角度、光線、分辨率的需求更低，能通過高效計算獲取更準確的車牌識別結果。

4 高速公路監控視頻人工智能分析的應用

高速公路監控系統的主要功能是對車輛運行情況和收費情況進行整體監控，保證交通流暢，實現車輛的實時跟蹤，提升道路通行能力，確保交通安全和強化對收費的監督。人工智能技術在高速公路監控視頻分析中有廣泛的應用，具體表現在以下幾個方面。

4.1 車輛識別

如今高速公路車輛識別技術已相當成熟，并得到普遍應用。其主要方式是通過收集高速公路出入口、各個路段的攝像設備及收費站的相關數據，對車輛進行追蹤、識別或者報警。車輛識別不僅可以分析某個時間段、某個路段的車輛類別和路徑，也可以對高速公路上的非法車輛和人員進行全面監控，尤其是當犯罪分子利用高速公路作為逃跑路徑時，車輛識別技術可以作為相關的證據資料，甚至可以聯合交通管制技術，直接抓捕犯罪嫌疑人[3]。

4.2 人臉識別

對于輸入的圖片或視頻的分析，人臉識別的主要任務是確保人臉的存在。如果人臉存在，則精確計算人臉的位置、大小及面部結構的具體位置。然后以上信息經過進一步細化，提煉出人臉的身份特征。最后，比較這些特征信息與現有的數據，確認被識別者的具體身份。人臉識別具有強大的潛力，可在高速公路場景遏制偷逃費行為、預防違法行為、系統間協同等多個方面發揮其價值。

4.3 事件檢測分析

車輛大量快速通行和收費站的設立等因素，導致高速公路經常發生突然事件，而持續不斷地監控屏幕無法實現，且視頻回放會影響處理速度。因此，對于高速公路的交通狀況實時預警和自動處理的重要手段就是事件監測分析。系統會在車輛逆行、停留，或車流超過負荷，出現行人和各種交通事故發生時，自動上傳相關信息并觸發警報。這種技術為高速公路的安全運行提供了關鍵保障。

4.4 自然災害預警

由于高速公路的固有封閉特性等因素，在遭遇自然災害時，車輛常難以脫困。例如道路被泥石流堵塞，或者由于霧霾天氣導致某些路段暫時關閉，都對車輛的通行造成了很大的影響。因此，進行自然災害的預警尤為重要。通常，高速公路監控系統會與氣象部門聯合，對可能出現的不利氣象狀況進行預報，并及時向可能遭遇自然災害的路段播報信息，同時也會對相關路段的車輛提出疏導建議，以防車主的行程延誤或者出現事故情況[4]。

4.5 交通救助

在高速公路上，經常會遇到各種緊急情況，包括車輛突然發生故障、人員緊急病癥、事故導致人員受傷等。通常情況下，遭遇突發情況的車輛會馬上報警，與此同時，通過異常監控視頻分析檢測，監控系統能立即獲取相關信息并通知給道路管理工作人員，或對報警信息進行核驗，以便及時做出救援響應[5]。通過分析整個高速公路的情報，能確定最適合的救援路徑，同時根據事故的嚴重性，可以通過監控系統指示相關道路上行駛的車輛進行必要的避讓，從而縮短救援時間，盡快清理路上的障礙或進行人員救助。

5 結束語

隨著高速公路監控視頻人工智能分析技術的不斷成熟和完善，現在已經有能力對車輛和道路進行管控，對事故進行預警。未來的發展重心是主要提高人工智能分析技術在高速公路監控系統的技術水平和應用程度，努力提升高速公路的管理水平。監控視頻人工智能分析技術提高了高速公路監控系統的智能化水平、道路管理效率及道路交通安全。