常天興

(晉中職業(yè)技術(shù)學(xué)院 機(jī)電工程學(xué)院，山西 晉中 030600)

隨著智慧化交通視頻監(jiān)測技術(shù)的發(fā)展，需要構(gòu)建優(yōu)化的智能化交通視頻目標(biāo)車輛提取模型，根據(jù)對(duì)智能化交通視頻特征分布式融合和圖像處理結(jié)果，提取智能化交通視頻目標(biāo)車輛，提高車輛的實(shí)時(shí)監(jiān)控和識(shí)別能力.研究智能化交通視頻目標(biāo)車輛提取技術(shù)，在促進(jìn)道路交通的智慧化信息管理方面具有重要意義，相關(guān)的智能化交通視頻目標(biāo)車輛提取技術(shù)研究在交通信息化管理中發(fā)揮重要作用，故研究智能化交通視頻目標(biāo)車輛提取技術(shù)受到人們的極大關(guān)注[1].

對(duì)智能化交通視頻目標(biāo)車輛提取技術(shù)設(shè)計(jì)是建立在對(duì)智能化交通視頻目標(biāo)車輛圖像的特征信息融合和模糊度識(shí)別基礎(chǔ)上，構(gòu)建智能化交通視頻目標(biāo)車輛提取的線性參數(shù)識(shí)別模型，通過模糊圖像辨識(shí)和邊緣特征檢測，進(jìn)行智能化交通視頻目標(biāo)車輛圖像分割，實(shí)現(xiàn)智能化交通視頻目標(biāo)車輛提取[2].當(dāng)前，對(duì)智能化交通視頻目標(biāo)車輛提取技術(shù)主要有基于相似度特征分析的智能化交通視頻目標(biāo)車輛提取方法、基于模糊特征檢測和線性分割的智能化交通視頻目標(biāo)車輛提取方法、基于統(tǒng)計(jì)特征信息處理的智能化交通視頻目標(biāo)車輛提取方法等，構(gòu)建智能化交通視頻目標(biāo)車輛提取的多維特征參數(shù)識(shí)別模型，結(jié)合聯(lián)合特征參數(shù)識(shí)別，實(shí)現(xiàn)對(duì)智能化交通視頻目標(biāo)車輛提取[3-5]，但傳統(tǒng)方法進(jìn)行智能化交通視頻目標(biāo)車輛提取的精度不高，時(shí)間開銷較大.針對(duì)上述問題，提出基于邊緣輪廓特征檢測的智能化交通視頻目標(biāo)車輛提取數(shù)學(xué)模型構(gòu)建方法.首先采用多維視頻傳感器實(shí)現(xiàn)智能化交通視頻目標(biāo)車輛圖像采集，對(duì)采集的智能化交通視頻目標(biāo)車輛圖像進(jìn)行邊緣輪廓特征檢測和信息識(shí)別，提取智能化交通視頻目標(biāo)車輛圖像的模糊度特征量，然后采用線性相關(guān)特征分析和圖像視覺特征融合技術(shù)實(shí)現(xiàn)對(duì)智能化交通視頻目標(biāo)車輛圖像的特征檢測和特征提取，建立智能化交通視頻目標(biāo)車輛圖像的檢測識(shí)別和視覺融合模型，根據(jù)對(duì)智能化交通視頻目標(biāo)車輛圖像的融合結(jié)果，采用邊緣輪廓特征檢測方法，實(shí)現(xiàn)智能化交通視頻目標(biāo)車輛圖像特征提取.最后進(jìn)行仿真測試分析，展示所提方法在提高智能化交通視頻目標(biāo)車輛提取能力方面的優(yōu)越性能.

1 智能化交通視頻目標(biāo)車輛圖像采集和特征分析

1.1 智能化交通視頻目標(biāo)車輛圖像采集

為了實(shí)現(xiàn)智能化交通視頻目標(biāo)車輛圖像采集，采用多維視頻傳感器拍攝智能化交通視頻目標(biāo)車輛圖像，并構(gòu)建智能化交通視頻目標(biāo)車輛圖像像素密度函數(shù)，表示為

(1)

式(1)中，隨機(jī)樣本s的色彩深度值為p(s)，a為像素點(diǎn)數(shù)目，基于細(xì)節(jié)融合方法，采用模糊粗糙集理論，進(jìn)行智能化交通視頻目標(biāo)車輛圖像分割和樣本空間融合處理

(2)

式(2)中，A為車輛像素分辨率，K為紋理值.通過迭代與低層特征合并的方法，得到視頻目標(biāo)車輛圖像層次化調(diào)度模型為

(3)

式(3)中，B為尺度因子，Ds為空間細(xì)節(jié)度，采用細(xì)化處理和模糊聚類方法[6]，得到智能化交通視頻目標(biāo)車輛圖像的參量為

W=[gx1(x1,y1)+gx2(x2,y2)](x2-x2),

(4)

式(4)中，(xi,yi)為車輛圖像像素點(diǎn)，gx1,gx2分別為車輛圖像像素多維尺度小波分解率，設(shè)每個(gè)層級(jí)的特征圖中，D為闕值，得到級(jí)聯(lián)融合下的智能化交通視頻目標(biāo)車輛的自適應(yīng)加權(quán)融合估計(jì)為

(5)

式(5)中，R為目標(biāo)車輛圖像的每層特征圖權(quán)重，X為每層圖像的最小化誤差，δ為車輛運(yùn)行軌道參數(shù)均方差.構(gòu)建智能化交通視頻目標(biāo)車輛圖像的多維參數(shù)采集模型為

(6)

從中間層特征復(fù)用智能化交通視頻目標(biāo)車輛圖像信息，得到灰度像素集為M×N，采用圖像語義分割方法，得到智能化交通視頻目標(biāo)車輛圖像采集為

α=Rsinηcosφ0≤φ≤2π,

(7)

其中，η表示智能化交通視頻目標(biāo)車輛圖像輸出粗糙集，φ表示稀疏特征分量，R表示智能化交通視頻目標(biāo)車輛圖像的模板匹配系數(shù).由此，智能化交通視頻目標(biāo)車輛圖像信息采集結(jié)束，再對(duì)其進(jìn)行特征分析.

1.2 智能化交通視頻目標(biāo)車輛圖像特征分析

為了實(shí)現(xiàn)目標(biāo)車輛圖像特征分析，對(duì)已采集的智能化交通視頻目標(biāo)車輛圖像進(jìn)行邊緣輪廓特征檢測和信息識(shí)別，通過聯(lián)合相似度特征分解方法[7]，提取智能化交通視頻目標(biāo)車輛圖像的邊緣輪廓灰度序列，得到智能化交通視頻目標(biāo)車輛的灰度序列為

(8)

式(8)中，i為車輛圖像灰度值，i′為車輛圖像亮度值，S為信息深層特征灰度集，N為信息的亮度特征集，N表示智能化交通視頻目標(biāo)車輛圖像的灰度差值.智能化交通視頻目標(biāo)車輛檢測的模糊度辨識(shí)參數(shù)為

(9)

其中，a為智能化交通視頻目標(biāo)車輛圖像檢測的陰影闕值；b為智能化交通視頻目標(biāo)車輛圖像的透射率.

使用亮度特征來對(duì)智能化交通視頻目標(biāo)車輛圖像進(jìn)行深度學(xué)習(xí)，得到智能化交通視頻目標(biāo)車輛檢測的圖像信息分布滿足

(10)

其中，δ為智能化交通視頻目標(biāo)車輛圖像的亮度區(qū)域分布概率，δ為智能化交通視頻目標(biāo)車輛圖像反射率.

結(jié)合多維參數(shù)識(shí)別方法，構(gòu)建智能化交通視頻目標(biāo)車輛檢測模型，得到檢測識(shí)別模型為

(11)

式(11)中，j為中心環(huán)繞值.

根據(jù)上述分析，對(duì)所采集的智能化交通視頻目標(biāo)車輛圖像完成了邊緣輪廓特征檢測和信息識(shí)別分析，為智能化交通視頻目標(biāo)車輛圖像的模糊度特征的檢測和提取提供了基礎(chǔ).

2 智能化交通視頻目標(biāo)車輛提取優(yōu)化

2.1 智能化交通視頻目標(biāo)特征檢測

為了實(shí)現(xiàn)智能化交通視頻目標(biāo)特征檢測，根據(jù)智能化特征分布式融合方法[8]，完成了智能化交通視頻目標(biāo)車輛圖像參數(shù)識(shí)別，得到級(jí)聯(lián)融合下，智能化交通視頻目標(biāo)車輛圖像的模板匹配度為

(12)

式(12)中，r為車輛圖像分層濾波，N為智能化交通視頻目標(biāo)車輛圖像檢測的接權(quán)值，e為車輛顏色模型的編碼權(quán)重，利用線性回歸分析方法，得到平移映射參數(shù)分布

(13)

式(13)中，k為異步辨識(shí)度，并且k≠l.

根據(jù)尺度縮放映射分布，采用統(tǒng)計(jì)分析和直方圖交集融合方法[9]，得到交通視頻目標(biāo)車輛圖像解析度為

(14)

式(14)中，u為目標(biāo)車輛穩(wěn)態(tài)率，F(xiàn)為目標(biāo)車輛圖像彩色采樣點(diǎn).

采用雙線性插值方法[10]，得到智能化交通視頻目標(biāo)車輛圖像的樣本圖模型為

(15)

式(15)中，?為車輛圖像的顏色數(shù)組索引值.對(duì)式(15)進(jìn)行歸一化處理，構(gòu)建智能化交通視頻目標(biāo)特征檢測模型，用Lx,y來表示(x,y)位置處像素點(diǎn)處聯(lián)合特征參數(shù)，得到智能化交通視頻目標(biāo)車輛圖像的邊緣特征檢測輸出為

Vx,y=med(Lx-1,y-1,…,Lx,y,…,Lx+1,y+1).

(16)

根據(jù)上述分析，實(shí)現(xiàn)了智能化交通視頻目標(biāo)特征檢測，以便對(duì)智能化交通視頻目標(biāo)車輛特征進(jìn)行提取優(yōu)化.

2.2 智能化交通視頻目標(biāo)特征提取優(yōu)化

為了對(duì)檢測到的智能化交通視頻目標(biāo)特征進(jìn)行優(yōu)化提取，基于屬性參數(shù)融合和超維像素特征分析方法[11]，進(jìn)行智能化交通視頻目標(biāo)車輛特征提取過程中的灰度直方圖重構(gòu)，得到智能化交通視頻圖像特征的線性方程描述為

Γ=Ix1(x1,x2)(x1-x1)+Ix2(x1,x2)(x2-x2).

(17)

若交通視頻目標(biāo)車輛圖像的統(tǒng)計(jì)特征量滿足C(x)=0，則

Q=2π[?！n(x2-x1)]·U,

(18)

其中，U為車輛圖像像素特征融合度，采用特征復(fù)用的方式[12]，建立智能化交通視頻目標(biāo)車輛圖像的超分辨率重建模型，超分辨重組結(jié)果

(19)

其中μ為智能化交通視頻目標(biāo)車輛圖像的超分辨率，η為智能化交通視頻目標(biāo)車輛圖像小波軟閾值，智能化交通視頻目標(biāo)車輛圖像采集時(shí)間間隔為n.對(duì)智能化交通視頻目標(biāo)車輛圖像的信息融合和濾波降噪[13]，得到智能化交通視頻目標(biāo)車輛圖像特征提取的輸出參數(shù)為

ψ=(c1-a)(δ·pl-2J-δ+c2+c1).

(20)

綜上分析，完成了智能化交通視頻目標(biāo)車輛圖像提取模型優(yōu)化.實(shí)現(xiàn)了智能化交通視頻目標(biāo)車輛檢測的數(shù)學(xué)模型優(yōu)化設(shè)計(jì).

3 仿真測試與結(jié)果分析

為了驗(yàn)證所提方法在實(shí)現(xiàn)智能化交通視頻目標(biāo)車輛檢測和特征提取中的應(yīng)用性能，采用Matlab進(jìn)行仿真測試分析，構(gòu)建智能化交通視頻目標(biāo)車輛圖像檢測模型，檢測的傳感器節(jié)點(diǎn)為200，圖像信息采集的Sink節(jié)點(diǎn)為12，交通視頻跟蹤識(shí)別的采樣頻率為24 KHz，圖像的模板匹配系數(shù)為0.25，根據(jù)上述參數(shù)設(shè)定，得到智能化交通視頻目標(biāo)車輛圖像采集結(jié)果如圖1所示.

圖1 智能化交通視頻目標(biāo)車輛圖像采集結(jié)果圖2 智能化交通視頻目標(biāo)車輛圖像標(biāo)定

以圖1采集的智能化交通視頻目標(biāo)車輛圖像為測試對(duì)象，進(jìn)行智能化交通視頻目標(biāo)車輛圖像標(biāo)定，如圖2所示.

分析圖2得知，所提方法能有效實(shí)現(xiàn)對(duì)智能化交通視頻目標(biāo)車輛圖像標(biāo)定，在此基礎(chǔ)上，實(shí)現(xiàn)對(duì)智能化交通視頻目標(biāo)車輛提取.

3.1 智能化交通視頻目標(biāo)車輛圖像的辨識(shí)度測試

智能化交通視頻目標(biāo)車輛特征提取如圖3所示.

圖3 文獻(xiàn)[3]方法車輛特征提取結(jié)果圖4 文獻(xiàn)[5]方法車輛特征提取結(jié)果

圖5 所提方法車輛特征提取結(jié)果

分析圖3-圖5得知，所提方法在提取智能化交通視頻目標(biāo)車輛特征時(shí)，對(duì)車輛圖像的辨識(shí)度更高.

3.2 智能化交通視頻目標(biāo)車輛圖像的精度測試

針對(duì)不同方法進(jìn)行智能化交通視頻目標(biāo)車輛檢測定位的精度測試，結(jié)果見圖6.

分析圖6可知，所提方法所檢測的車輛定位誤差率維持在10%以下，與文獻(xiàn)[3]、文獻(xiàn)[4]方法相比，誤差較低，由此可知所提方法精度較高.

3.3 智能化交通視頻目標(biāo)車輛圖像的效率測試

針對(duì)不同方法進(jìn)行智能化交通視頻目標(biāo)車輛檢測定位的效率測試，結(jié)果見圖7.

分析圖7可知，所提方法在固定時(shí)間段內(nèi)檢測數(shù)量可達(dá)到200個(gè).在任意時(shí)間節(jié)點(diǎn)上，所提方法與文獻(xiàn)[3]以及文獻(xiàn)[5]相比，車輛檢測的數(shù)量更多.由此可知所提方法進(jìn)行車輛檢測時(shí)效率更高.

4 結(jié)語

構(gòu)建智能化交通視頻目標(biāo)車輛提取的線性參數(shù)識(shí)別模型，所提出的基于邊緣輪廓特征檢測的智能化交通視頻目標(biāo)車輛提取數(shù)學(xué)模型構(gòu)建方法.采用模糊粗糙集理論，進(jìn)行智能化交通視頻目標(biāo)車輛圖像分割和樣本空間融合處理，提取智能化交通視頻目標(biāo)車輛圖像的模糊度特征量，根據(jù)智能化特征分布式融合方法，構(gòu)建智能化交通視頻目標(biāo)車輛圖像參數(shù)識(shí)別模型，實(shí)現(xiàn)智能化交通視頻目標(biāo)車輛檢測的數(shù)學(xué)模型優(yōu)化設(shè)計(jì).研究得知，所提方法進(jìn)行智能化交通視頻目標(biāo)車輛提取的辨識(shí)性能較好，檢測精度和效率較高.