摘要：随着科学技术的深入发展，目前交通系统等领域中也逐渐实现了信息化、智能化以及系统化发展，对交通事业的发展具有重要的促进作用，能够有效减少交通事故的发生率，使得交通系统的运行能够处于一种最佳的运行过状态之中。目前交通系统在发展过程中充分使用了计算机视觉技术，这一技术对交通系统的发展具有重要的促进作用，因此下面就基于计算机视觉的交通流实时监控进行综述。
关键词：计算机视觉；交通流；实时监控
引言
计算机视觉是用计算机实现人的视觉功能，对客观世界的三维场景的感知、识别和理解，即对图像进行自动处理并报告“图像中有什么的过程”。计算机视觉在人工智能、机器学习等学科占据重要地位，为交通流实时监控做了深厚的理论铺垫。
1计算机视觉的基本概念
计算机视觉（Computer Vision）是指用计算机及相关设备对生物视觉进行模拟。即通过对采集到的图片、视频进行处理，以获得相应信息，实现物体识别、形状方位确认、运动判断等功能，以适应、理解外界环境和控制自身运动。简言之，计算机视觉旨在研究如何使机器学会“看”，是生物视觉在机器上的延伸。计算机视觉综合了计算机科学和工程、信号处理、物理学、应用数学和统计学等多个学科，涉及图像处理、模式识别、人工智能、信号处理等多项技术。尤其是在深度学习的助力下，计算机视觉技术性能取得重要突破，成为人工智能的基础应用技术之一，是实现自动化、智能化的必要手段。计算机视觉技术承自图像处理、机器视觉（Machine Vision）技术，但三者却不尽相同。图像处理主要基于数字图像的颜色、形状、大小等基本特征对图像进行处理。机器视觉则通过机器视觉产品代替人眼进行目标形态信息测量判断。而计算机视觉通常包含图像处理过程，并额外增加了模式识别等功能，与机器视觉侧重精确的几何测量计算相比，计算机视觉则侧重于感知和识别。
计算机视觉的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的信息。主要类型有以下几种：
1、物体检测
物体检测是视觉感知的第一步，也是计算机视觉的一个重要分支。物体检测的目标，就是用框去标出物体的位置，并给出物体的类别。
2、物体识别（狭义）
计算机视觉的经典问题便是判定一组图像数据中是否包含某个特定的物体，图像特征或运动状态。这一问题通常可以通过机器自动解决。
3、图像分类
一张图像中是否包含某种物体，对图像进行特征描述是物体分类的主要研究内容。图像分类问题就是给输入图像分配标签的任务，这是计算机视觉的核心问题之一。这个过程往往与机器学习和深度学习不可分割。
4、物体定位
如果说图像识别解决的是what，那么，物体定位解决的则是where的问题。利用计算视觉技术找到图像中某一目标物体在图像中的位置，即定位。
目标物体的定位对于计算机视觉在安防、自动驾驶等领域的应用有着至关重要的意义。
5、图像分割
在图像处理过程中，有时会需要对图像进行分割来提取有价值的用于后继处理的部分，例如筛选特征点，或者分割一或多幅图片中含有特定目标的部分等。
2计算机视觉技术在智能交通系统中的应用
2.1在交通监控方面
基于计算机视觉技术进行交通监控系统的运用主要体现在三个方面，分别是能够对行人与车辆进行有效分割与跟踪。其次表现在能够精准地计算与分析平均速度、对列长度与流量等各个指标方面的情况。最后表现在能够基于实际道路的情况制定合理的行驶计划，避免或者减少交通拥堵现象的发生，减少车辆与行人出行的时间，达到理想的交通运行效果，在计算机视觉技术迅速发展的背景下能够对车辆进行有效分类以及车辆速度的有效检测，具有很强的实用性。能够为高度公路的运行以及城市道路的运行提供最大限度的保障作用。
2.2在智能收费方面
智能交通系统发展的重要途径之一是智能收费的有效运用，在国外的运用环节一般是采用车牌照识别的方式进行车辆的有效检测。在我国车辆的发展过程中对这方面的研究还不够深入，运用计算机视觉技术进行智能收费主要体现在以下几个方面。
期刊文章分类查询,尽在期刊图书馆首先是对于高速行驶中的车辆图像进行抓取，第二表现在车型参数的选择与提取方面等，并准确获知定位图像中拍照的具体地理位置，最后表现在为智能化字符进行充分识别与分割等。
2.3在辅助驾驶方面
运用计算机视觉技术在辅助驾驶方面主要表现在市内交通中的使用情况，在进行识别方面主要采用的方式包括对周围事物、交通标志、行人以及道路标记等进行有效识别，从而促使驾驶员能够准确获知到外部环境的变化情况，从而最终实现安全驾驶。与传统导航车辆相比较采用计算机视觉技术进行辅助驾驶方式具有人机交互方式的运用，在运用过程中能够充分有效地满足现代人驾驶的需求。
3基于计算机视觉的交通流实时监控
3.1交通流实时监控系统的监控原理
交通流实时监控在监控运动物体时，系统程序会分成4个窗口来进行监控。包括摄像头或者传感器最初始传入的道路情况视频，系统会根据算法来提取道路的窗口“背景”视频，把原图和背景相减后，就可以提取“前景”视频，然后通过矩形框跟踪就可以锁定需要检测的车辆。
3.2交通流实时监控的功能实现
设计方法就是在背景建模的基础之上对于运动中的物体来进行检测，对其进行实时的监控。Open CV函数是交通流实时监控功能实现的基础，它能够在检测过程中实现对图像数据的一系列控制与管理，同时它还能够监测探头的具体地理位置进行定位，对于运行的物体根据数据进行科学合理的分析。在Open CV函数运用的基础之上，通过cv图像处理连接部件函数，进一步的对Open CV函数中所进行采集的数据进行探究和分析。在进行对运动车辆的轮廓检测时，大多数都是运用此类函数。当该函数与生活实际相结合的时候，在背景差分法的注重点就是背景模型的构建与更新。
3.3交通流实时监控的分层
对于运行中的车辆进行检测时，不能对整体进行检测，而是要将其分为几个模块，从中寻找出信息涵盖量较大的图像模块，对其进行分析并从中抽取特征。交通流实时监控也是需要划分层次的，大体上可以分为底层视觉。中层视觉和高层视觉三个层次。
（1）底层视觉。这一层主要研究车俩的检测与分割方法，同时包含对道路图像的初步处理。低层视觉是交通流实时监控系统监控交通的第一步，主要应用的是图像处理技术的相关知识。
对运动的车辆进行分割是对运动车辆进行检测的第一步，而分割运动车辆的方法主要有差分法和光流法。而光流法由于计算起来很大，算法步骤很多，而且很容易受到干扰造成误差很大，所以一般不再采用光流法，而采用差分法。差分法主要分为帧间差分和背景差分两种，帧间差分法主要是比较每两帧图像间像素之间的差别，但是对于运动速度较快的物体来说，很难比较，不具备可用性。所以分割运动车辆一般采用背景差分法，就是在检测运动车辆的过程中，建立背景更新算法，在运用帧间差分的方法来捕捉运动车辆的轨迹。
（2）中层视觉。中层视觉的主要功能就是对车辆进行实时的跟踪，通过车辆的运行状态来进行判断和分析该车每小时的时速以及能够对车辆的具体位置进行详细的定位。将这些信息数据整合转化成交通流的参数，在此基础上再对图像进行分析。
车辆跟踪计算的关键是选择好车辆的特征，但是在实际的交通中由于车辆太多，还会出现建筑物、植被或者其他车辆阻挡的问题，所以很容易很丢需要监控的车辆。而交通流实时监控在对车辆的运行速率或是地理位置进行跟踪时，往往采用的是卡尔曼滤波器。而进行新技术改造的Hausdorff来对车辆进行更为精确的定位。对于车辆会有一个良好的遮挡状况和效果。系统会根据收集的跟踪数据信息来计算车辆的速度，定位车辆的位置。
（3）高层视觉。高层视觉的功能与中层视觉的功能在检测的对象上有所不同，其主要进行检测的对象是行人，根据行人的动作状态同时根据中层视觉中收集而来的数据进行综合的分析，来对当时的交通路况进行判定。如果有车辆或是行人不遵守交通法规，就启动报警系统，对其进行处理。
对行人的识别也是主要从行人的形状、移动速度等来进行，可以将行人的运动轨迹从复杂的交通系统中抽离出来。同时还可以检测车辆的各种违规行为，及时报警，及时处理交通事故，减少交通堵塞问题。
结语
计算机视觉是一个非常热门的研究方向，作为“人工智能”的关键领域之一，结合自然语言、云计算、机器学习等技术在实际应用中的使用更加广泛。文章重点分析了基于计算机视觉的交通流实时监控，希望可以给相关从业者一点帮助。
参考文献：
[1]李春晓，赖积保.计算机视觉技术下的智能交通监控系统的设计与实现[J].计算机光盘软件与应用，2014，17（19）：267-268.
[2]杜娟.基于计算机的交通监管系统设计[J].计算机光盘软件与应用，2013，16（21）：268-269.
论文作者:成建东1,张世铭2
论文发表刊物:《基层建设》2019年第28期
论文发表时间:2020/1/14
标签：视觉论文; 通流论文; 车辆论文; 计算机论文; 物体论文; 图像论文; 交通论文; 《基层建设》2019年第28期论文;