关于交通事件检测器参数体系的探讨
2018-04-27 12:34:50交通事件检测系统在高速公路监控系统中正在广泛应用并取得了很大效果。本文从视频检测的原理出发,结合设备的实际应用情况,对事件检测器的参数体系、适用条件、限制因素等问题进行初步的探讨,对设备的参数、选型、性能测试、技术标准等问题提出了几点建议。
1. 前言
虽然我国高速公路的建设在近年有了突飞猛进的发展,但是高速公路的交通量大幅度上升,造成交通载荷过大、拥堵现象频繁、交通事故增多的现象,给高速公路的运营管理、安全管理带来严峻的挑战。在这个背景下,基于视频的交通事件检测系统作为监控系统的一个重要补充被大量地应用高速公路智能化管理中。这个系统能够使管理者及时快速地对道路交通异常做出响应和处理。但是在大规模应用中,对于交通事件检测系统中的核心设备——交通事件检测器的评判仍有待深入地进行商榷。市场上经常听到视频交通事件检测具有“所见即所得”的优点,厂家的解释是只要在摄像机视野内所发生的事件都能被检测到,而用户对此用语的含义并没有广泛、深入的理解,因此在设备选型、系统的指标确定等方面经常发生疑惑。本文从视频检测的原理出发,结合设备的实际应用情况,对事件检测器的参数体系、适用条件等问题进行初步的探讨,希望能够对用户、设计者有所帮助。
2. 视频检测的原理
视频检测是一种大区域、多目标、过程型的检测技术。所谓大区域是指检测的空间范围是其他检测技术所不及的;多目标是指在摄像机观测范围内的所有被关注目标都能够被检测;过程型是指视频检测技术不仅能够检测和记录事件发生时刻的瞬间信息,还能够记录事件发生前后各一段时间内的图像,真实地反映事件发生的过程和成因。
视频交通事件检测的技术本质是机器视觉技术在交通中的应用,是对传统的交通监控系统的有益补充。它包括图像获取、量化、预处理(如降噪滤波、边缘增强等)、特征提取、特征分析等,通过这些预处理把目标与背景相分离,进而根据目标的几何特征、运动特征、运动轨迹等预测和判定交通事件。图1和图2是截取的两帧图像经过处理后的原图和二值图。
由于摄像机安装倾角的原因,图片中的场景发生了变形而这种变形是非线性的,同一目标在近处的像素数量较大,而在远处的像素数量急剧减少。这种特质使事件检测器对同一目标、同一属性交通事件的检测结果在观测区域内的不同位置有很大的差异。
3. 检测能力分析
目前在实际系统中使用的摄像机绝大多数是PAL-D隔行扫描制式,每秒25帧、每帧2场,数字量化后的数字图像分辨率为768x576或者704x576。由于隔行传输,每场仅有768x288或者704x288,这288行像素所表征的实际物理尺寸相差甚远。图2表示了一种安装状况,并且假定摄像机正对道路安装,也即忽略了摄像机在安装断面内的侧向偏移的影响,但是这不影响对问题本质的分析。监控系统CCD摄像机的靶面尺寸通常为1/4、1/3、1/2,对应的有效像素区域的水平和垂直尺寸参见表1.
图3 摄像机安装的几何位置以及各安装参数
其中:
表1.典型CCD的靶面尺寸
CCD靶面规格 | 1/4" | 1/3" | 1/2" |
水平宽度(W),mm | 3.2 | 4.8 | 6.4 |
垂直高度(H),mm | 2.4 | 3.6 | 4.8 |
u 型号:ICX259AX、制式:PAL
u 有效像素:752(W) ×582(H)
u 总像素:795(W) ×596(H)
u 芯片尺寸: 6.00mm(W) ×4.96mm(H)
u 像素尺寸: 6.50μm(W) ×6.25μm(H)
在上述条件下,以下几个表格从理论上对不同的安装高度、不同的俯视角下的观测范围进行计算对比。其中L0为摄像机的视轴与路面的交叉点到安装立杆点的水平距离,L(1/8)为从图像的上边缘起整个画面的1/8处的位置所对应的路面上的点到安装断面的水平距离。
表2 H=15米、θ=70°时的各参数
焦距f | ω | R | L | L0 | L1=R+L | L(1/8) | 一个像素对应的道路尺寸 | ||
(mm) | (弧度) | (M) | (M) | (M) | (M) | (M) | 下边缘 | 上边缘 | L1/8处 |
5.1 | 0.679 | 1517 | 18 | 41 | 1535 | 166 | 0.048 | 204.09 | 2.34 |
5.2 | 0.666 | 930 | 18 | 41 | 948 | 157 | 0.048 | 76.22 | 2.07 |
5.3 | 0.655 | 674 | 19 | 41 | 692 | 150 | 0.048 | 39.80 | 1.84 |
5.4 | 0.644 | 530 | 19 | 41 | 549 | 144 | 0.047 | 24.53 | 1.66 |
5.5 | 0.633 | 438 | 19 | 41 | 457 | 138 | 0.047 | 16.70 | 1.50 |
5.6 | 0.622 | 375 | 19 | 41 | 394 | 133 | 0.047 | 12.14 | 1.37 |
5.8 | 0.602 | 292 | 20 | 41 | 311 | 124 | 0.046 | 7.31 | 1.15 |
5.9 | 0.592 | 263 | 20 | 41 | 283 | 120 | 0.046 | 5.93 | 1.06 |
6 | 0.583 | 240 | 20 | 41 | 260 | 117 | 0.046 | 4.92 | 0.99 |
6.3 | 0.557 | 191 | 21 | 41 | 212 | 108 | 0.045 | 3.10 | 0.80 |
6.5 | 0.540 | 169 | 21 | 41 | 190 | 103 | 0.044 | 2.41 | 0.71 |
7 | 0.503 | 132 | 22 | 41 | 154 | 94 | 0.043 | 1.46 | 0.55 |
焦距f | ω | R | L | L0 | L1=R+L | L(1/8) | 一个像素对应的道路尺寸 | ||
(mm) | (弧度) | (M) | (M) | (M) | (M) | (M) | 下边缘 | 上边缘 | L1/8处 |
7 | 0.503 | 1457 | 27 | 56 | 1484 | 210 | 0.057 | 135.31 | 2.69 |
7.1 | 0.497 | 1083 | 27 | 56 | 1110 | 203 | 0.057 | 74.64 | 2.47 |
7.2 | 0.490 | 865 | 27 | 56 | 892 | 196 | 0.057 | 47.44 | 2.27 |
7.3 | 0.484 | 721 | 27 | 56 | 748 | 190 | 0.057 | 32.92 | 2.10 |
7.5 | 0.471 | 544 | 28 | 56 | 571 | 179 | 0.056 | 18.65 | 1.82 |
8 | 0.443 | 342 | 29 | 56 | 370 | 158 | 0.056 | 7.33 | 1.33 |
9 | 0.395 | 202 | 30 | 56 | 233 | 132 | 0.054 | 2.56 | 0.83 |
10 | 0.356 | 147 | 32 | 56 | 179 | 117 | 0.053 | 1.36 | 0.58 |
焦距f | ω | R | L | L0 | L1=R+L | L(1/8) | 一个像素对应的道路尺寸 | ||
(mm) | (弧度) | (M) | (M) | (M) | (M) | (M) | 下边缘 | 上边缘 | L1/8处 |
5.1 | 0.679 | 1213 | 15 | 33 | 1228 | 133 | 0.039 | 163.275 | 1.871 |
5.2 | 0.666 | 744 | 15 | 33 | 758 | 126 | 0.038 | 60.977 | 1.654 |
5.3 | 0.655 | 539 | 15 | 33 | 554 | 120 | 0.038 | 31.843 | 1.475 |
5.4 | 0.644 | 424 | 15 | 33 | 439 | 115 | 0.038 | 19.626 | 1.326 |
5.5 | 0.633 | 351 | 15 | 33 | 366 | 110 | 0.038 | 13.358 | 1.200 |
5.6 | 0.622 | 300 | 15 | 33 | 315 | 106 | 0.037 | 9.712 | 1.093 |
5.8 | 0.602 | 233 | 16 | 33 | 249 | 99 | 0.037 | 5.846 | 0.921 |
5.9 | 0.592 | 210 | 16 | 33 | 226 | 96 | 0.037 | 4.745 | 0.851 |
6 | 0.583 | 192 | 16 | 33 | 208 | 93 | 0.037 | 3.937 | 0.789 |
7 | 0.503 | 105 | 18 | 33 | 123 | 75 | 0.035 | 1.170 | 0.438 |
焦距f | ω | R | L | L0 | L1=R+L | L(1/8) | 一个像素对应的道路尺寸 | ||
(mm) | (弧度) | (M) | (M) | (M) | (M) | (M) | 下边缘 | 上边缘 | L1/8处 |
7 | 0.503 | 1166 | 21 | 45 | 1187 | 168 | 0.046 | 108.250 | 2.15 |
7.1 | 0.497 | 867 | 21 | 45 | 888 | 162 | 0.046 | 59.714 | 1.97 |
7.2 | 0.490 | 692 | 22 | 45 | 713 | 157 | 0.046 | 37.953 | 1.82 |
7.3 | 0.484 | 577 | 22 | 45 | 599 | 152 | 0.045 | 26.335 | 1.68 |
7.5 | 0.471 | 435 | 22 | 45 | 457 | 143 | 0.045 | 14.923 | 1.45 |
7.6 | 0.465 | 388 | 22 | 45 | 410 | 139 | 0.045 | 11.863 | 1.36 |
7.8 | 0.454 | 320 | 23 | 45 | 343 | 132 | 0.045 | 8.059 | 1.20 |
8 | 0.443 | 273 | 23 | 45 | 296 | 126 | 0.045 | 5.866 | 1.07 |
9 | 0.395 | 162 | 24 | 45 | 186 | 106 | 0.043 | 2.052 | 0.66 |
o 当检测范围达到800米左右远时,画面上1/8处的一个像素对应的路面长度最小为1.6米左右。相当于一台捷达轿车的宽度。反过来说,一台800米处的捷达轿车在画面上占据的像素大约1x3个;
o 若判断移动目标是否运动,目标在探测器上至少从一个像素移动到另一个像素。对于理想成像系统,根据耐奎斯特采样定理:对目标的最高分辨率为3.2米,也即目标移动3.2米是能够判定其运动的最小位移;
o CCD靶面上自上而下1/8处对应的物理距离最大不超过300米——这个范围可以视为有效检测范围;
o 根据计算数据可以得出:对于行人、非机动车辆等小目标,其检测范围将比小型机动车辆小得多;而对于大型车辆等体积较大的目标,其有效检测范围将比小型机动车辆大一些。
初步结论:
o 对于不同的目标、不同的检测范围,事件检测器的检测率、误报率也不同;
o 对于不同的检测范围,事件检测器的学习时间、检测时间也略有差异;
o 在进行测试时,应考虑有效检测范围和测试目标的筛选;
o所谓的“所见即所得”、800米或者1000米的检测范围的说法没有考虑检测区域的有效性,把摄像机的视场范围等同于检测范围,缺乏对指标定义的科学性,也容易造成混淆。在某些条件下针对特定的目标所得出的实验结果带有一定的局限性。尽管如此,对于视频检测技术来说,实际检测的效果还是具有一定的参考意义,但是不能无限夸大。
实例::


图4是在高速公路上的检测实例。国家的交通标志标线对车道分割线有严格的规格尺寸的规定,以此为参考基准可以对有效的检测范围做一个基本的估计。在图示的情况下,事件检测器基本上都能够达到比较理想的效果、起到真正的作用。因此,只要正确理解交通事件检测器的某些参数,才能正确地使用。
4. 交通事件检测器的参数体系
根据上述的分析以及在实际应用中的具体情况,交通事件检测器的性能参数应该考虑一下几种,其他参数未列出:
o 检测率——在规定的条件下,所检测的事件总数与实际发生事件总数的百分比
o 准确率——在规定的条件下,准确检测的事件总数与所检测的事件总数的百分比
o 误报率——在规定的条件下,误检事件总数与所检测的事件总数的百分比
o 学习时间——对于PZT摄像机而言,从回到检测预置位的事可起到能够开始进行事件检测那个时刻之间的时间间隔
o 检测时间——从事件实际发生时刻起到事件检测器探测到所发生的事件那一时刻之间的时间间隔
o 检测距离——摄像机安装地点到摄像机视场下边缘所对应的实际地点之间的水平直线距离
o 检测范围——摄像机的视场范围
o 有效检测范围——在检测范围内,对于某种事件类型和目标对象能够实现检测的范围
5. 设备选型的主要因素
设备选型需要考虑多种因素,以下列出几个方面供参考。
1) 系统的完整性
对于高速公路管理而言,交通事件检测是一个相对独立的系统,事件检测设备本身除了完成相应的检测功能外,还应该提供对事件的管理功能,包括事件查询、统计、录像回放等。另一方面需要系统对外提供相应的报警接口和协议,便于和其他系统协调联动。
2) 功能全面性
功能全面性包括两个方面。
其一是指增加对事件本身的监测种类,市场上现有的设备多数把交通事件监测集中到车辆本身的行为,道路环境监测中集中关注的是抛撒物,对于路面本身的异常如裂缝、错位等情况尚无有效地监测,至少目前没有实际的监测数据。
其二是对交通流信息检测能力。这个功能实际上对设备的功能扩展,使设备能够发挥更大的应用潜力。具有这种能力的设备应该在系统层面上提供对交通流的统计、分类功能。但是在应用中,某些用户希望能够利用视频检测的速度检测功能实现违章超速违章检测和抓拍,但是视频检测技术在某些条件下的速度测量误差较大,并不能保证在各种环境下的数据一致性。这个缺陷对于交通流统计而言并无严重的影响,但是应用在交通违章方面将面临证据的有效性等法律问题。
3) 处理能力
这里讲的处理能力是指单台设备的视频处理通道数量。目前市场上有1路、4路、8路等固定配置和模块组合式等几种。模块组合式可以根据要求灵活配置,从技术上讲,这种方式更灵活。但是对于用户和市场的采购形态上看,目前多是以每个视频通道作为计量单位,因此从整体性能、造价上看,各种方式没有大的区别。
4) 事件监测精度
这是设备选型中最重要的核心指标。目前市场上的产品对于检测精度有不同的度量方式,有的用概率上的置信度、有的用百分比、有的用多少天之内的误报次数等等。各种度量方式各有道理,但是需要提出的一点是:对于视频监测而言,其误报率可以通过调整检测灵敏度得到改善,其代价是漏检率上升。因此,不能孤立地看待检测精度,必须把这个参数与漏报参数结合起来综合判断。
另外一个问题是,各用户对事件的定义和理解不同,导致对参数指标的要求差异。这个问题在理论和实践上都需要进行深入的分析和研究。
6. 结论
从工程的实践情况来看,全路段所实施的交通事件检测系统能够实现多种交通事件的检测,并且对高速公路的安全管理有很大的提升作用。另一方面,对于系统检测精度指标的衡量体系应该去别对待。很多设备采用了百分比,也有的设备采用了多少天之内的误报次数小于某个数值来衡量。这几种方法都有一定的缺陷。对于概率较大的事件,采用百分比或者概率理论中的置信度是合适的。对于小概率事件,这种方法不适合,因为这种方法不符合概率论上的多次观测这一假设前提。而采用多少天之内的误报次数小于某个数值的方法也没有考虑大概率事件和小概率事件的区别。从不同设备的对比检验以进行性能测试的角度来看,采用录制的事件图像进行多次循环播放,在这种情况下观察设备对同一事件的漏检次数、误检次数,并用百分比或者置信度来衡量的方法具有可操作性,也符合概率理论的多次观测之一前提。虽然这种方法与工程实践有一定的差异,但却是可行的方法。