【產(chǎn)通社，4月8日訊】富士通研究開發(fā)中心有限公司（Fujitsu China）官網(wǎng)消息，其開發(fā)了一種基于監(jiān)控視頻的交通異常檢測(cè)技術(shù)，可用于智能交通系統(tǒng)中。此技術(shù)框架包括道路區(qū)域定義、交通規(guī)則定義、車輛及非車輛物體的檢測(cè)和跟蹤、提取物體屬性、以及規(guī)則比較等模塊。 與現(xiàn)有的方法及產(chǎn)品相比，我們的技術(shù)適用于幾乎所有的交通異常類型，可用于復(fù)雜交通場(chǎng)景，并且檢測(cè)精度高。此技術(shù)通過軟件實(shí)現(xiàn)方式，在交通監(jiān)控系統(tǒng)中實(shí)時(shí)檢測(cè)并顯示交通異常狀態(tài)，有助于提高交通通行效率。

產(chǎn)品特點(diǎn)

交通狀況分為正常和異常兩種，異常狀況會(huì)大大降低交通通行效率，因此需要一直監(jiān)控，如果出現(xiàn)異常就進(jìn)行報(bào)警和提醒。隨著交通車輛數(shù)目的激增，一些異常狀態(tài)（交通事故、交通擁堵、以及交通違章等，我們稱之為異常）發(fā)生更頻繁了。一些交通異常很難通過傳統(tǒng)的交通設(shè)備，比如埋地線圈來檢測(cè)。 在交通應(yīng)用中，人們用越來越多的攝像頭監(jiān)控交通狀況。如果這些攝像頭能用于交通異常檢測(cè)，將大大提高其使用效率，并且成本很低。傳統(tǒng)的基于監(jiān)控視頻的異常檢測(cè)方法只適合有限的場(chǎng)景，用于單個(gè)事故類型，并且檢測(cè)精度較低。我們的技術(shù)框架包括道路區(qū)域定義、交通規(guī)則定義、車輛及非車輛物體的檢測(cè)和跟蹤、提取物體屬性、以及規(guī)則比較等模塊，能夠有效地應(yīng)用于幾乎所有交通場(chǎng)景，適用于幾乎所有異常類型，并且檢測(cè)精度較高。

傳統(tǒng)的算法或者現(xiàn)有的產(chǎn)品有如下問題：
1）大多數(shù)方法只解決單個(gè)異常類型，比如只檢測(cè)交通事故，只檢測(cè)交通擁堵，或者只檢測(cè)交通違章等。對(duì)于每種異常類型，只有有限的應(yīng)用情形，比如交通事故情形局限于變道、停車、低速行駛、以及遺落物等。
 2）大多數(shù)方法只是在簡(jiǎn)單的場(chǎng)景中測(cè)試和應(yīng)用，這些場(chǎng)景車輛較少，并且事故發(fā)生的情況較少。因此對(duì)于通常存在的復(fù)雜交通場(chǎng)景，其檢測(cè)精度較低，誤檢率較高。 這些方法不適合復(fù)雜交通狀況的道路十字路口，因此我們開發(fā)了有效的交通異常檢測(cè)技術(shù)，能夠同時(shí)在簡(jiǎn)單和復(fù)雜場(chǎng)景下工作，檢測(cè)精度高，可以通過軟件實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)。

其開發(fā)的基于監(jiān)控視頻的交通異常檢測(cè)系統(tǒng)包括道路區(qū)域定義、交通規(guī)則定義、車輛及非車輛物體的檢測(cè)和跟蹤、提取物體屬性、以及規(guī)則比較等模塊。輸入視頻通過監(jiān)控?cái)z像頭獲得，并且需要架設(shè)得較高，這樣可以觀察到路口的多個(gè)部分。這樣一個(gè)攝像頭可以管理路口的各個(gè)方向，成本低，效率高。

通過輸入視頻，我們可以定義道路的每個(gè)車道、人行道、路口中心、以及禁止等區(qū)域。每個(gè)區(qū)域的屬性可以通過一個(gè)16位的整數(shù)表示，其值可以從0x0到0xFFFF。對(duì)于每個(gè)區(qū)域，我們可以根據(jù)交通標(biāo)志以及交通規(guī)則定義特定的規(guī)則。比如在左轉(zhuǎn)車道，規(guī)則設(shè)定為只能左轉(zhuǎn)，而禁止直行。 對(duì)于交通異常，有兩種物體需要檢測(cè)，即車輛物體以及非車輛物體。車輛包括大型（卡車、公交車、中巴等）和小型（汽車、摩托車等）兩種，非車輛物體包括行人、使用交通工具（自行車、滑板車等）的人、以及動(dòng)物等。對(duì)于每種物體，它們都有兩種狀態(tài)：運(yùn)動(dòng)和靜止。 很多方法很容易使用運(yùn)動(dòng)信息檢測(cè)到運(yùn)動(dòng)的物體，但是只使用運(yùn)動(dòng)信息難以檢測(cè)到靜止物體。有些方法，比如通過機(jī)器學(xué)習(xí)和訓(xùn)練進(jìn)行車輛識(shí)別的方法，可以通過顏色、紋理、以及邊緣信息識(shí)別靜止車輛。但是它們局限于訓(xùn)練場(chǎng)景，只能使用固定的攝像頭參數(shù)（安裝位置、角度、焦距等），局限于光照和天氣條件。 我們使用一種新的前景物體檢測(cè)方法，不僅能檢測(cè)到運(yùn)動(dòng)車輛和行人，也能檢測(cè)到排隊(duì)等待的靜止車輛。而且，這個(gè)方法能夠檢測(cè)大尺寸物體，也能夠檢測(cè)小尺寸物體。

該技術(shù)可以從視頻的任意時(shí)點(diǎn)開始，通過和背景圖像比較，得到前景物體。當(dāng)提取背景圖像時(shí)，傳統(tǒng)方法會(huì)出現(xiàn)兩種情況的鬼影。第一種情況，當(dāng)運(yùn)動(dòng)物體靜止下來，將慢慢融入到背景中，然后在某個(gè)時(shí)刻又重新運(yùn)動(dòng)時(shí)，就會(huì)出現(xiàn)鬼影；第二種情況，屬于背景圖像的物體（比如停止的車輛）開始運(yùn)動(dòng)時(shí)，也會(huì)造成鬼影問題。在我們的算法中，當(dāng)運(yùn)動(dòng)物體靜止下來時(shí)，我們不會(huì)將其融入背景中，所以不會(huì)出現(xiàn)第一種情況的鬼影。我們的算法包括一個(gè)主工作模型，幾個(gè)輕量級(jí)的監(jiān)測(cè)模型，當(dāng)一個(gè)背景圖像中的物體開始運(yùn)動(dòng)時(shí)，背景的污染會(huì)通過監(jiān)測(cè)模型進(jìn)行控制，相關(guān)的背景區(qū)域會(huì)重新初始化，因此第二種鬼影也不會(huì)出現(xiàn)。 為了獲得檢測(cè)到物體的屬性，我們需要跟蹤這些物體，這是通過記錄物體通過的已定義區(qū)域?qū)崿F(xiàn)的。根據(jù)跟蹤結(jié)果，我們就可以將軌跡信息和交通燈信息進(jìn)行比較。例如，在交通燈是紅燈情況下，任何物體不允許從直行區(qū)域運(yùn)動(dòng)到道路中間區(qū)域，左轉(zhuǎn)也是如此。交通燈信息可以通過外部控制設(shè)備獲得，也可以通過攝像頭識(shí)別，但是前提是攝像頭能清楚看到交通燈。

供貨與報(bào)價(jià)

查詢進(jìn)一步信息，請(qǐng)?jiān)L問官方網(wǎng)站http://cn.fujitsu.com，或者Email: zhmtan@cn.fujitsu.com。