探究交通監(jiān)控視頻中車輛重識別技術(shù)與實現(xiàn)

雷文學(xué) 肖家魁

摘 要 近年來，道路交通中通行車輛迅猛增長，重大交通事故在相關(guān)部門的聯(lián)合管控、現(xiàn)代化監(jiān)控指揮、誘導(dǎo)體系和人們交通意識的不斷提高下有所下降，但交通違法導(dǎo)致的輕微交通事故不斷增多。在交通違法行為出現(xiàn)后，如何在最短時間內(nèi)自動定位和識別車輛其難度較大。而車輛識別技術(shù)，作為構(gòu)建智能交通的重要部分，應(yīng)得到充分重視、不斷優(yōu)化，以此強化車輛快速檢索能力與效率，在最短時間內(nèi)做好車輛定位與跟蹤工作，并在交通監(jiān)控系統(tǒng)中，做好車輛重識別工作，以此為基礎(chǔ)，做好車輛區(qū)分工作，解決交通事故快處快賠、交通事故肇事逃逸，甄別借助車輛進(jìn)行的違法犯罪活動，維護(hù)交通安全，維護(hù)城市安全。

關(guān)鍵詞 交通監(jiān)控;監(jiān)控視頻;車輛重識別;技術(shù)與實現(xiàn)

為解決交通事故、多種違法范圍活動，做好交通疏導(dǎo)工作，在當(dāng)前智能化交通體系構(gòu)建工作中，應(yīng)做好車輛重識別工作。要想在交通監(jiān)控視頻中，做好車輛重識別工作，應(yīng)引入先進(jìn)技術(shù)，借助全新識別技術(shù)，以此為基礎(chǔ)，在計算機(jī)技術(shù)幫助下，更好地實現(xiàn)車輛重識別設(shè)計等相關(guān)工作，最終維護(hù)現(xiàn)代交通體系安全性。

1車輛重識別研究遇到的問題

在車輛重識別工作中，受到諸多因素影響，極易導(dǎo)致車輛重識別工作受到較大影響。因此，在本文研究中，對可能遇到的問題進(jìn)行分析，其一，未公開數(shù)據(jù)數(shù)量受限，難以統(tǒng)計諸多車輛信息與類型，更難以在系統(tǒng)中，輸入百萬輛數(shù)據(jù)，導(dǎo)致識別工作難度增大。其二，為同款類型車輛極多，此類存在問題，不僅會增大車輛識別難度，更難以區(qū)別兩輛極為相近的車型[1]。其三，為視覺差異，由于交通監(jiān)控，所處位置不同，或是攝像頭高度與角度不同，都會導(dǎo)致車輛畫面角度不同，同一樣的車，在不同攝像角度中，存在明顯差異，這些因素，都會增加識別難度。

2車輛重識別相關(guān)技術(shù)與特征識別方式

2.1 車輛重識別的相關(guān)技術(shù)

在交通監(jiān)控視頻中，要想做好車輛重識別工作，應(yīng)深入學(xué)習(xí)相關(guān)技術(shù)，主動學(xué)習(xí)車輛重識別人工網(wǎng)絡(luò)，并結(jié)合車輛重識別數(shù)據(jù)，做好表征學(xué)習(xí)與計算方式，進(jìn)而在這一過程中做好大規(guī)模數(shù)據(jù)標(biāo)記工作，引入海量節(jié)點或是神經(jīng)網(wǎng)絡(luò)，對各類數(shù)據(jù)進(jìn)行分析與計算。與此同時，可以借助人工智能方式，構(gòu)建車輛重識別框架，并借助計算機(jī)技術(shù)，構(gòu)建車輛重識別模型。其中，應(yīng)引入深度學(xué)習(xí)與開發(fā)框架，其中，以Caffe [2]學(xué)習(xí)框架為基礎(chǔ)，此類框架，不僅程序極為穩(wěn)定，其代碼質(zhì)量較高，在諸多環(huán)境中，都具有極強穩(wěn)定性與可移植性，以此為基礎(chǔ)，構(gòu)建模塊化組件，將其應(yīng)用于交通視頻監(jiān)控工作中，不僅能進(jìn)行訓(xùn)練，更能以此為基礎(chǔ)，構(gòu)建可深度學(xué)習(xí)框架，進(jìn)而做好圖片、位置、目標(biāo)追蹤等識別工作，將其合理應(yīng)用于車輛重識別工作中，能夠取得良好成果。最后，在進(jìn)一步優(yōu)化工作中，還應(yīng)聯(lián)合Tensor Flow計算庫，將其安裝于電腦構(gòu)架中，不僅能拓展其應(yīng)用范圍，更能提升檢索速度，有利于提升識別精準(zhǔn)度與效率。

2.2 車輛重特征識別方式

在車輛重識別工作中，應(yīng)結(jié)合車輛特征，做好諸多工作。其一，以手工識別方式為主，此種識別方式，主要為人工方式，對數(shù)據(jù)進(jìn)行提煉與清晰，但是，此種數(shù)據(jù)提煉方式，其速度相對較慢，且極易受到不同因素影響。其二，為局部特征識別方式，在此項識別工作中，需要借助二值模型，以紋理運算方式為主，在數(shù)據(jù)分析與計算工作中，對不同車輛像素進(jìn)行對比，并在二進(jìn)制輔助下，做好數(shù)據(jù)保存與計算工作，以此滿足車輛重識別要求。此類識別方式，能夠應(yīng)用于諸多車輛重識別場景中，并得到關(guān)鍵信息，不受嘈雜環(huán)境影響。但是，在車輛重識別工作中，由于計算量較大，或是識別實時性較差等因素影響，車輛重識別精準(zhǔn)度會受到一定影響。需要結(jié)合車輛重識別具體環(huán)境，選擇科學(xué)識別方式。其三，為表征識別方式，在此種識別方式中，對于攝像頭變化，或是關(guān)鍵區(qū)域不同問題，能夠進(jìn)行識別。此類識別方式，能夠優(yōu)化以往局部識別存在的問題。隨著CNN進(jìn)步，表征識別方式迅速發(fā)展，并在短時間內(nèi)，提取到有效識別信息，有利于降低識別誤差，解決識別存在的問題。要想斷完善上述識別方式，優(yōu)化識別技術(shù)，使車輛重識別技術(shù)更好地實現(xiàn)，應(yīng)探尋更多計算方式，做好設(shè)計與實現(xiàn)工作，最終提升交通監(jiān)控檢索車輛重識別有效性。

3交通監(jiān)控中車輛重識別算法設(shè)計與實現(xiàn)策略

3.1 結(jié)合識別算法收集數(shù)據(jù)

在車輛重識別工作中，應(yīng)重點關(guān)注以下兩點問題。其一，為分類模型，此種識別方式，需要收集大量數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行分析，以此為車輛重識別數(shù)據(jù)識別先決條件，進(jìn)而在大量數(shù)據(jù)輔助下，做好模型構(gòu)建工作。但是，在此項工作中，如存在準(zhǔn)確率受到影響或是泛化等問題，應(yīng)結(jié)合車輛重識別方式，收集更多數(shù)據(jù)，進(jìn)而做好車輛識別與檢索工作，在最短時間內(nèi)，借助數(shù)據(jù)分析與計算方式，提升車輛識別精準(zhǔn)度，突破以往車輛重識別存在的問題。

3.2 多任務(wù)車輛重識別框架設(shè)計

要想強化車輛重識別有效率，在實際工作中，應(yīng)以一臺車輛為分類任務(wù)，將車輛部件進(jìn)行共享，進(jìn)而構(gòu)建多任務(wù)模型，在多任務(wù)模型中，做好各類數(shù)據(jù)處理工作，進(jìn)而分辨出同類車型類似部件。例如，部分車輛，其制造商、車輛型號、年份與類型，結(jié)合這些數(shù)據(jù)，構(gòu)建多任務(wù)模型，在模型構(gòu)建完成后，連接不同神經(jīng)網(wǎng)絡(luò)[3]，做好模型訓(xùn)練工作。并在這一過程中，做好車輛檢索工作。

4結(jié)束語

在本文研究中，結(jié)合相關(guān)技術(shù)，構(gòu)建相應(yīng)識別模型，以此為基礎(chǔ)，優(yōu)化車輛重識別技術(shù)，取得最佳識別方式。進(jìn)一步獲取更多車輛模型特征，進(jìn)而以此為核心部分，做好數(shù)據(jù)收集工作，更好地實現(xiàn)車輛重識別有效率，解決車輛重識別存在的問題。

參考文獻(xiàn)

[1] 王艷芬，朱緒冉，云霄，等.面向公共安全監(jiān)控的多攝像機(jī)車輛重識別[J].西安電子科技大學(xué)學(xué)報，2019，46（4）：190-196.

[2] 朱憲飛.交通系統(tǒng)監(jiān)控環(huán)境下車輛異常行為識別算法研究[D].濟(jì)南：山東大學(xué)，2018.

[3] 劉洋.交通視頻監(jiān)控中車輛識別與粘連車輛分割方法的研究[D].廣州：華南理工大學(xué)，2012.

作者簡介

雷文學(xué)（1981-），男，貴州安順人;學(xué)歷：本科，職稱：中級職稱，現(xiàn)就職單位：貴州省安順市公安交通管理局，研究方向：交通監(jiān)控與指揮。