交通智能监控系统可行性分析Word文档下载推荐.docx

交通智能监控系统可行性分析Word文档下载推荐.docx

《交通智能监控系统可行性分析Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《交通智能监控系统可行性分析Word文档下载推荐.docx（12页珍藏版）》请在冰豆网上搜索。

5.2技术路线

5.3组织方式和课题分解

6.计划进度安排

7.现有工作基础和条件

随着我国居民生活水平的日益提高，汽车已经进入到了千家万户，据有关部门统计，截止到2013年4月，杭州市主城区的机动车保有量已经达到100万辆。

汽车数量的增加标志着我国居民生活质量的提升，能够为人们的日常出行带来极大的方便，扩大人们的生活半径，但是随之而来的也有道路拥堵、交通安全等负面作用，尤其是机动车辆交通事故，已经成为影响公共安全的重要因素之一。

人们在驾驶机动车辆的过程中，往往避免不了需要接打电话，而这种现象是最容易被人忽视的公共交通安全隐患。

英国的一本医学期刊曾专门做过相关研究，发现开车打电话造成事故的几率是正常开车的4倍。

而另一项研究则表明，开车打电话会严重影响人类大脑的活动，甚至出现明明盯着前方的物体，却“看不到”的情况，显然会影响驾驶安全。

据统计，到2012年底，由于开车打电话而造成的交通事故率，已经从2005年的5%上升至12%，并且还有继续上升的趋势。

目前全世界60亿人口每年死亡5200万人，其中死于交通事故的50万人，占总死亡人数的1％，排在人类死亡原因的第10位。

交通事故致死率是指交通事故死亡人数与交通事故伤亡总人数之比。

日本的致死率为0.9％，美国的致死率为1.3％，而中国的致死率平均为27.3％，位于31个国家中的第三位。

中国各大城市统计数据显示，因为开车打手机引起的事故率和死亡率都高居榜首，甚至达到了40%以上，美国科学家作了一次有关开车打电话分散驾车者注意力的模拟试验，结果表明，电话导致驾车者的注意力下降20%，如果对话内容重要，驾车者的注意力甚至能下降37%，在目前道路交通事故日益高发的时候，平时驾车尚且难免发生意外，开车打电话，分散精力，出事故的概率就更高了。

目前世界上已有约50个国家和地区明令禁止司机在驾车过程中打电话。

有的国家对此处罚十分严厉，如新加坡对初犯者最高罚款为1000新元，监禁6个月；

对再犯者最高罚款为2000新元，监禁1年。

在英国，开车打手机者可能面临“危险驾驶”起诉，最高可判入狱两年。

有研究表明，开车打电话的危险性更甚于酒后驾驶。

而在我国，自从2013年1月1日起开始实施的《机动车驾驶证申领和使用规定》，驾驶机动车有拨打、接听手持电话等妨碍安全驾驶的行为属于违法行为，一次记2分，处以20元以上200元以下罚款。

尽管现在各个国家都已经对禁止开车打电话进行明文立法，但是现在还缺乏有效的监管机制。

由于开车打电话的随机性和瞬时性，监管人员往往没有有效的判断依据，经常会出现这种情况：

眼看到驾驶员在打电话，但是当交警拦下车辆的时候，驾驶员已经将电话挂断，交警对这类现象往往无能为力，并且在很多没有摄像头和交警等监管不严的道路上，开车打电话的现象更为严重，这样都会对公共交通安全造成严重的安全隐患。

因此，本项目旨在研发面向公共交通安全的智能监控识别系统，以实现对机动车驾驶员在行车过程中的监管，并且使交通监管部门能够对司机在驾驶时所出现的危害交通安全的行为进行及时采集取证。

本项目的实施对公共交通安全有着重要的实际意义。

2.国内外研究现状和发展趋势。

2.1道路监控系统研究现状

我国在“十一五”期间印发了《2006-2020年国家信息化发展战略》，对交通信息化建设提出了更高的要求，交通部根据发展战略确定了交通信息化发展方向，并开展实施示范工程，为信息化建设积累了丰富经验。

交通信息化建设是整个交通行业的工作重点，而监控系统的信息化建设则是道路信息化建设的重要部分。

近年来，国内外众多学者专家对道路监控系统进行了深入研究。

摄像机作为监控系统的“眼睛”，其性能的优劣决定了监控结果的好坏，余柏顺对道路视频监控系统的特点、系统对摄像机的要求等进行讨论，并给出摄像机指标参数选择依据[1]。

张治国对智能交通中道路监控摄像机的安装方式、摄像机选型等方面进行分析，最终实现摄像机在强光、弱光环境下对对象进行清晰准确的捕捉[2]。

徐斌等人则基于WLAN技术提出一种新的交通道路监控方案，通过研究对监控摄像机的基本要求，提出基于WLAN技术的道路监控方案，并探讨无线传输设备的频率选择、频率划分以及道路监控所需网络带宽等难点问题的解决途径[3]。

公安部交通管理科研所的岑鑫明等人，通过对城市道路视频监控系统建设主要目标的分析，确定了视频检测系统在城市道路视频监控系统中的位置与功能应用，并提出了视频检测技术在城市道路视频监控系统中的应用趋势[4]。

为了解决夜间视频图像捕捉的技术难题，华实等人对半导体激光夜视的道路监控设备的技术构成和功能进行了阐述，对各构成部分的技术原理和系统成像特点及成像软件分析处理系统进行了论述，并对系统精度和清晰度也作了必要的分析[5]。

上述专家学者的研究成果对本项目中监控系统的平台搭建，提供了有力的技术支持。

2.2图像处理技术在智能识别监控系统中应用的研究现状

当图像信息被摄像机捕获采集后，需要对所采集的图像进行信号处理，与识别特征点进行匹配比较，并触发接下来的信息存储和传递功能，所以图像处理是智能识别监控系统中的核心技术。

自动识别监控方法可分为“间接检测算法”和“直接检测算法”两种，而其中间接检测算法的应用最广，主要有California算法系列[6]和McMaster算法[7]两种，郭艳玲等人基于上述间接检测算法，提出了一种结合小波分析和SOM（自组织特征映射）神经网络的交通事件检测算法，并运用Matlab进行了仿真分析，结果表明提出的交通事件检测算法利用较少样本数据即可快速实现交通事件检测，具有一定的应用价值[8]。

哈尔滨工业大学的赵鹏等人，针对运动中的物体，基于图像差分技术，提出一种目标轮廓特征级融合方法，该方法不需要图像配准降低了融合的计算复杂度，有效提高了可见光图像中目标轮廓提取的精度[9]。

上海大学的卢强等人针对基于视觉的交通监视系统中路况图像背景去除存在的问题，提出了一种基于边缘的背景去除算法并进行相应的实验研究[10]。

昆明理工大学的舒磊等人将混合高斯算法应用在监控视频分割中，并加入了去阴影算法，得到的新的优化算法能够加快速地响应实际场景的变化，准确有效地分割出运动目标图像[11]。

上述学者的研究成果为本项目中运动车辆的图像捕获及其图像格式转换、分割等方面的研究提供了一定的理论与实验基础。

本项目的一个主要创新点在于对驾驶员危险驾驶行为的动作识别，而这个方面国内外均没有相关研究，本项目的实施可从一些学者的类似研究成果中得到部分借鉴。

表情识别技术现在是图像处理和模式识别的研究热点，而基于频域特征的笑脸识别，特别是Gabor波的识别技术得到了广泛的应用[12，13]。

但是基于Gabor特征的人脸识别方法特征维数大、分类器复杂度高，容易使后续的识别算法步入“维数灾难”的问题[14]，，Littlewort利用Adaboost算法从Gabor特征中选择出最有区分度的特征，然后将选择后的特征训练支持向量机（SVM）分类器。

实验结果表明，这种算法的识别率高，但从框架结构和实际测试结果来看，Adaboost算法的特征选择过程耗时很大，所以训练时间长，如果算法推广到大容量或复杂表情的人脸识别系统的话，会影响实际应用效果[15]。

Bosch提出了PHOG算法，这种算法表征的是一副图像的局部形状以及其形状的空间关系[16,17]。

华南理工大学的郭礼华等人则提出一种基于PHOG特征与聚类线性鉴别分析（CLDA）的笑脸识别方法，并进行实验研究，实验结果表明PHOG特征能够免去Gabor特征在Adaboost耗时的特征选择过程，具有和Gabor特征相当或更优的识别性能，且CLDA在维数降低时，系统能够保持更好的识别率[18]。

齐林，张丽丽等人基于分数阶Fourier变换（FractionalFourierTransform，FRFT）和局域二值模式（LocalBinaryPattern，LBP）对面部笑脸表情的识别进行研究。

利用FRFT的时频双重特性和LBP算子能提取纹理图像微小特征的优点，提出一种将FRFT与LBP算子相结合的笑脸识别算法，并进行仿真实验[19]。

上述研究成果为本项目中识别特征点的设定与智能识别提供了技术依据。

参考文献：

[1]余柏顺.道路视频监控系统摄像机的应用[J].第十二届安全博览会论文集.2009:

214-216.

[2]张治国智能交通中的道路监控摄像机[J].智能建筑与城市信息，2008，9:

31-34.

[3]徐斌,游冰.基于WLAN技术的交通道路监控方案[J].计算机与现代化，2011,4:

156-158.

[4]岑鑫明，卢利强，邱红桐.视频检测技术在城市道路视频监控系统中的应用[J].中国公共安全（学术版），2010,2：

105-108.

[5]华实，王丰.道路监控激光夜视系统技术分析[J].湖南交通科技，2011，37（4）：

165-169.

[6]PayneHJ,HelfenbeinED,KnobelHC.Developmentandtestingofincidentdetectionalgorithms:

volume2-researchmethodologyanddetailedresults[Z].DeportNo.FHWA-RD-76-20FederalHighwayAdministration,1976.

[7]PerasndB,HallFL.Catastrophetheoryandpatternin30-secondfree-waytrafficdata-implicationforincidentdetection[J].TransportationResearch23A,1989,

（2）.

[8]郭艳玲，吴义虎，黄中祥.基于小波分析和SOM网络的交通事件检测算法[J].系统工程，2006，24（10）：

100-104.

[9]赵鹏，浦昭邦，张田文等.一种基于图像融合的运动目标快速检测算法[J].光学技术，2005，31（5）：

648-652.

[10]卢强，陈泉林，林康红等.智能交通监视系统中路况图像背景去除算法研究[J].电子技术应用，2001，11：

35-36.

[11]舒磊，倪远平，王虎.道路监控视频中运动目标分割算法的研究[J].甘肃科学学报，2012，24

（1）：

72-76.

[12]BaiY,GuoLH,JinLW,etal.ANovelFeatureExtractionMethodUsingPyramidHistogramOrientationGradientsforSmileRecognition[C].ProceedingofIEEEInternationalConferenceonImageProcessing.Cairo,Egypt:

IEEEPress,2009.

[13]ChenJ,BaiY.ClassificationofSmileExpressionUsingHybridPHOGandGaborFeatures[C]//Proc.ofIEEEInternationalConferenceonComputerApplicationandSystemModeling.Taiyuan,China,2010.

[14]DudaRO，HartPE，StorkDG．PatternClassification．NewYork，USA:

JohnWiley＆Sons，2001.

[15]LittlewortG，BartlettMS，FaselI，etal．DynamicsofFacialExpressionExtractedAutomaticallyfromVideo[J].ProceedingoftheIEEEConferenceonComputerVisionandPatternRecognition．Washington，USA，2006:

80-81.

[16]BoschA，ZissermanA，MunozX．RepresentingShapewithaSpatialPyramidKernel[J].Proceedingofthe6thACMInternationalConferenceonImageandVideoRetrieval．Amsterdam，Netherlands，2007:

401-408.

[17]BoschA，ZissermanA，MuozX．SceneClassificationUsingaHybridGenerativeDiscriminativeApproach[J]．IEEETransonPatternAnalysisandMachineIntelligence，2008，30（4）:

712-727.

[18]郭礼华，白洋，金连文.PHOG特征与聚类特征选择的笑脸识别方法[J].模式识别与人工智能，2012，23

（1）：

23-28.

[19]张丽丽，齐林，郑宁.基于FRFT和LBP的笑脸识别[J].计算机工程，2012，38（20）：

169-171.

3.项目主要研究内容、主要创新点及预期目标。

3.1研究内容:

1.高速、高清图像捕获系统的研究

由于本监控识别系统所拍摄的对象均为高速行驶车辆，并且需要透过车辆前挡风玻璃对车内情况进行拍摄识别，所以系统中所述的图像采集捕获系统需要满足高速、高清的条件，以达到对行驶中车辆及内部情况进行准确、及时的识别。

2.危险驾驶动作识别的研究

当驾驶员在车辆行驶过程中出现危险驾驶动作时（如接打电话、收发手机短信、进行饮食动作），大臂、小臂及人体呈现出一定角度或形状，可将这些在正常驾驶时不会出现的肢体特征作为图像捕获的识别点，来触发图像捕获模块的拍摄功能。

3.大容量存储器的研究

为了满足捕获图像能够成为监管部门对危险驾驶人员进行处罚认定的证据，所拍摄到的图像必须清晰，并易于辨认。

对于捕获图片的质量要求较高，也就是图片分辨率较高，所以图片所占用的存储空间也较大，必须对本系统中大容量存储器进行相应研究。

3.2、项目主要创新点

1.建立基于图像处理技术的行车危险动作智能识别系统；

2.提出图像捕获、存储系统的实现方案；

3.面向公共交通安全的智能监控识别系统。

3.3项目预期目标（主要技术经济指标、应用或产业化前景）

1.主要技术指标：

（1）对车速130km/h下的车辆，自动识别危险驾驶行为，并拍摄记录；

（2）自动识别范围：

100米内；

（3）实现图片数据的自动储存、上传。

2.预计达到的社会效益，经济效益

近年来，随着机动车数量的飞速上升，交通事故的发生频率也大为提高，机动车交通事故已经成为影响公共交通安全的最大因素，而驾驶员在行驶过程中的大量危险驾驶行为成为导致事故的重要原因。

本项目能够实现对车辆行驶过程中，驾驶员的危险驾驶行为进行自动智能识别，并实时记录，同步上传至监管部门服务器中，能够有效、及时对机动车驾驶中的违法行为进行取证，同时也能够对机动车驾驶员起到监督作用，使其在驾驶过程中遵守交通安全犯规，避免交通事故发生，从而提高公共交通安全，所以本项目的实施具有较好的社会效益。

本项目所研发的面向公共交通安全的智能监控识别系统能够与现有的道路监控、电子警察等系统进行无缝嵌入，仅需要对部分硬件设备进行升级优化，软件部分进行改进，不需要重新购置大批量的新设备。

所以本项目所设计的智能监控系统无需进行较大财力、物力的投入，就能够实现对驾驶员危险驾驶行为的监控与取证。

3.应用或产业化前景

面向公共交通安全的智能监控识别系统，能够与现有的道路监控系统、电子警察系统等成熟监控体系无缝对接，不需要另外进行新产品的制造，能够节省大量人力和财力。

本项目所设计的系统能够已最低的成本来实现对危险驾驶行为的监控识别，为交通监管部门提供有效的取证设备，并能够较大程度保证公共交通安全，具有极好的社会效益，同时该系统可以批量生产，具有非常好的应用前景。

4.获取自主知识产权的情况

本项目研究过程中，拟发表或录用核心期刊论文3-4篇，申请专利2－3项，其中国家发明专利1－2项，申请软件著作权1-2项。

本项目实施过程中，将以高清高速图像捕获设备研发、图像识别技术、大容量存储器等多方面研究为基础，采用从理论研究、样机开发、中间试验到批量生产的“产、学、研”一体化的新产品开发模式，开展拥有自主知识产权和满足市场要求的面向公共交通安全的智能监控识别系统的研究及产业化开发。

图1项目实施方案

5.2技术路线

1.高速、高清图像捕获设备研究技术路线

本系统的技术指标中要求在130km/h以下时，对行驶中的机动车驾驶员进行图像智能识别，所以对图像捕获设备提出了一定的技术要求。

130km/h经过换算后为36m/s，要求图像捕获设备帧数达到30fps以上；

同时，需要对100米范围内所采集的图像进行识别点判断，所以也需要图像捕获设备的分别率达到800*600以上。

对现有的图像捕获设备（高速摄像机、网络摄像机等）进行了分析比较，满足本项目的指标要求，设备参数需达到：

分辨率640*480以上，帧数30fps以上，数据传输接口采用USB3.0，码流8M以上。

通过以上比较分析本项目决定采用高速摄像机，结合WINXP系统，采用USB传输技术，进行图像信息的捕获和传输。

2.危险驾驶识别研究技术路线

对驾驶员危险驾驶行为识别过程主要包括三个步骤：

图像格式分割转换、识别特征匹配比较、行为识别判断反馈。

图像格式分割转换：

图像捕获设备捕捉到机动车行驶的视频图像后，首先将其分割成为单帧图片，对图片进行信号处理，转化为计算机能够识别的二进制编码，对图片进行区域化处理，提取出驾驶员所在区域的信息，并将该区域转化为矢量信息，以便于接下来的识别特征匹配比较。

图2图像分割转换技术路线

识别特征匹配比较：

得到图像中有效区域的矢量表达后，将其与预设的识别特征点进行匹配比较。

当驾驶员在驾驶过程中出现打电话等危险行为时，大臂、小臂与身体构成三角形，将此三角形作为信号识别特征点，一旦所采集的图片数据中出现信号识别点，则发生信号匹配。

行为识别判断反馈：

当发生信号匹配时，则认为所拍摄到的行驶中机动车的驾驶员发生危险驾驶行为，此时，自动触发数据存储模块的记忆功能，将发生匹配的图片数据保存至数据存储模块中，并通过云端数据库上传至监管部门的信息数据库中，作为对驾驶员进行监管处罚的有效依据。

图3识别特征点比较判断流程

对于危险驾驶动作识别判断行为的实现，主要基于嵌入式数字信号处理器（DigitalSignalProcessing，DSP），本系统中可采用德州仪器公司生产的DSP6000系列数字信号处理器，其主频可达1GHz，能够满足本系统中对于视频信息的处理要求。

3.智能监控识别系统实现技术路线

本系统可以与现有的道路监控体系，如电子警察系统等实现无缝对接。

所以本系统的实现无需进行大成本的投入，只需要将其硬件设备进行升级优化，控制部分进行改进，即可满足指标要求。

5.3组织方式和课题分解

本项目的组织方式为“产、学、研”合作研究与开发，项目的实施将充分利用申请单位在人才、科研条件和前期研究成果等方面的优势，以及合作单位在图像处理、检测技术、道路监控系统方面的优势，分工合作、密切配合、优势互补，高质量的完成各项研究任务。

具体课题分解如下：

■图像捕获设备的研究

负责单位：

具体工作：

高清高速摄像机及其技术研究。

协作单位：

中国计量学院

数据存储模块，关键结构设计。

■危险动作识别技术的研究

中国计量学院

图像处理技术、识别特征识别匹配比较、判断反馈关键技术研究。

智能识别系统设备性能调试和可靠性测试。

■智能监控识别系统样机的研究

智能监控识别系统测试平台的搭建。

系统性能测试及优化。

6.计划进度安排：

起止年月

进度目标要求

2013-08-01

至

2013-10-30

查阅文献，分配具体任务，确定系统研发方案。

2013-11-01

2013-12-30

图像捕获设备、存储设备的采购与研发；

通讯接口调试。

2014-01-01

2014-06-30

图像处理技术、识别特征点设定；

特征点识别匹配比较、判断反馈关键技术研究。

2014-07-01

2014-12-31

系统整体机械结构设计；

搭建智能监控识别测试实验平台；

进行道路实物测试。

2015-01-01

2015-7-31

制作系统样机，性能优化调试；

撰写结题报告，项目验收。

浙江德胜交通科技有限公司原为杭州德胜机电研究所，是专业生产交通信号灯及交通智能控制系统的骨干企业。

具有交通安全设施资质，建筑智能化资质，安全防范资质，并通过ISO9000认证，在行业中有很高的知名度和很好的信誉。

浙江德胜交通科技有限公司于1985年和杭州交警支队共同开发第一代智能交通信号灯控制系统（Z80计算机），经过20多年的不断发展，目前有上百种交通电子产品可供客户选择，是同行中品种最全的制造商。

中国计量学院是省内一所以工为主，在计量、质量、检测、标准、检验检疫特色鲜明，硕士学位授予权的高校。

本课题组依托省重中之重学科“仪器科学与技术”、省重点学科“检测技术与自动化装置”、省重点专业“安全工程”。

课题组参加人员近期主持国家自然科学基金项目一项（60902095），科技部公益性质检科技专项2项（200910181，201110058）。

课题组成员涵盖机电一体化、自动化和模式识别与智能系统等多个学科，具备多学科综合交叉优势。

申请人简介：

李琛，男，1984年5月出生，博士，讲师。

2009年进入浙江工业大学攻读博士学位，机械电子工程专业；

2012年6月年毕业后进入中国计量学院质量与安全工程学院工作。

申请人作为主要成员参与国家自然科学基金和浙江省自然科学基金等纵向项目多项，成绩优异。

申请人已在《IEEETransactionsonPowerElectronics》、《InternationalJournalofAdvancedManufacturingTechnology》、《机械工程学报》、《中国电机工程学报》等国