交通車輛視頻圖像傳輸實(shí)時(shí)優(yōu)化檢測(cè)仿真

譚福奎　何厚峰　姚萍

摘要：隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，人們生活水平的大幅度提升，私家車的數(shù)量大幅度增加。受此影響，交通事故發(fā)生率也呈現(xiàn)出上升趨勢(shì)。在對(duì)交通事故處理時(shí)，交通車輛視頻圖像傳輸技術(shù)的應(yīng)用，為交通事故的有效處理提供了參考和依據(jù)，提升了交通事故處理的效率。在對(duì)交通車輛視頻圖像進(jìn)行處理時(shí)，需要對(duì)視頻圖像中的高頻分量進(jìn)行清除，從而對(duì)信息進(jìn)行實(shí)時(shí)獲取。在對(duì)視頻圖像處理時(shí)，傳統(tǒng)方法主要針對(duì)不同頻域進(jìn)行分類處理，之后實(shí)現(xiàn)對(duì)圖像灰度值的壓縮，但是在獲取圖像時(shí)，視頻圖像的精度較低，在實(shí)際應(yīng)用中受到了一定的限制。本文在對(duì)交通車輛視頻圖像傳輸問題研究過程中，對(duì)傳統(tǒng)的圖像處理方法進(jìn)行優(yōu)化，實(shí)現(xiàn)圖像傳輸?shù)膶?shí)時(shí)優(yōu)化檢測(cè)，從而為交通行業(yè)發(fā)展提供重要幫助。

關(guān)鍵詞：交通車輛;視頻圖像;圖像傳輸;優(yōu)化仿真

Real Time Optimal Detection Simulation of Traffic Vehicle Video Image Transmission

TAN Fukui HE Houfeng YAO Ping

（School of Physics and Engineering Technology， Xingyi Normal University for Nationalities， Xingyi， Guizhou Province， 562400 China ）

Abstract： With the rapid development of social economy， people's living standards have been greatly improved， and the number of private cars has increased significantly. Affected by this， the incidence of traffic accidents also showed an upward trend. When dealing with traffic accidents， the application of traffic vehicle video image transmission technology provides reference and basis for the effective treatment of traffic accidents， and improves the efficiency of traffic accident treatment. When processing the video image of traffic vehicles， it is necessary to clear the high-frequency components in the video image， so as to obtain the information in real time. In the video image processing， the traditional methods mainly focus on the classification of different frequency domain， and then realize the compression of the image gray value. However， the accuracy of the video image is low， which is limited in practical application. In this paper， the traditional image processing methods are optimized to realize the real-time optimal detection of image transmission in the research process of traffic vehicle video image transmission， so as to provide important help for the development of the transportation industry.

Key Words： Traffic vehicle; Video image; Image transmission; Optimization simulation

0 引言

隨著交通行業(yè)的迅猛發(fā)展，在開展交通管理過程中，傳統(tǒng)的管理方法已經(jīng)不再適用。針對(duì)這一情況，加強(qiáng)現(xiàn)代信息技術(shù)融入交通行業(yè)管理當(dāng)中，借助于信息化技術(shù)構(gòu)建智能化交通管理系統(tǒng)，能夠?qū)煌〝?shù)據(jù)信息進(jìn)行有效地處理，實(shí)現(xiàn)交通車輛的智能化管理目標(biāo)，提升交通運(yùn)輸管理的效率及質(zhì)量。在構(gòu)建智能化交通管理系統(tǒng)過程中，交通檢測(cè)技術(shù)是該系統(tǒng)的一個(gè)重要環(huán)節(jié)。交通檢測(cè)借助于計(jì)算機(jī)和圖像處理技術(shù)，實(shí)現(xiàn)對(duì)往來車輛的有效監(jiān)控，能夠?yàn)榻煌ㄜ囕v管理提供重要的參考及指引。但是在視頻圖像處理過程中，需要對(duì)圖像進(jìn)行壓縮轉(zhuǎn)化，之后才能夠?qū)D像視頻信息進(jìn)行傳輸。如何對(duì)交通車輛視頻圖像進(jìn)行實(shí)時(shí)傳輸，對(duì)圖像信息進(jìn)行有效優(yōu)化，獲取更加真實(shí)、可靠的信息，成為交通車輛視頻圖像處理必須把握的重要內(nèi)容。

1 關(guān)于交通車輛視頻圖像信息采集的相關(guān)原理分析

在新的社會(huì)經(jīng)濟(jì)發(fā)展形勢(shì)下，交通車輛視頻圖像實(shí)時(shí)獲取及傳輸，實(shí)現(xiàn)了對(duì)路面信息的有效監(jiān)控，對(duì)于交通事故的有效處理起到了重要的促進(jìn)作用。目前，學(xué)術(shù)界在對(duì)交通車輛視頻圖像信息采集處置過程中，雙閾值的車輛數(shù)據(jù)信息實(shí)時(shí)傳輸方法得到了一定的應(yīng)用^[1]。該方法注重對(duì)圖像像素的最小灰度值和最大灰度值進(jìn)行把握，從而實(shí)現(xiàn)對(duì)視頻圖像信息的有效傳輸。此外，小波變換方法在視頻圖像傳輸中得到了有效應(yīng)用，該方法注重對(duì)不同頻域子帶的數(shù)據(jù)進(jìn)行壓縮，之后實(shí)現(xiàn)對(duì)視頻圖像信息的快速傳輸。但是上述方法在應(yīng)用時(shí)，可能在車輛視頻圖像信息采集過程中出現(xiàn)耗時(shí)長(zhǎng)、過程繁瑣、信息丟失等問題。針對(duì)于這一情況，本文在對(duì)交通車輛視頻圖像信息采集過程中，結(jié)合四叉樹和偏微分方程，對(duì)車輛視頻圖像進(jìn)行有效地采集獲取，從而構(gòu)建良好的交通運(yùn)輸環(huán)境^[2]。

在進(jìn)行交通車輛視頻圖像信息采集過程中，注重把握車輛視頻圖像的最小灰度值和最大灰度值，之后對(duì)圖像幀的平均灰度值進(jìn)行獲取，對(duì)圖像進(jìn)行壓縮變化。關(guān)于交通車輛視頻圖像信息的采集原理，具體步驟內(nèi)容如下：

1.1 對(duì)交通車輛視頻圖像灰度值進(jìn)行求解

在開展交通車輛視頻圖像信息采集過程中，要注重對(duì)視頻圖像的最大灰度值和最小灰度值進(jìn)行求解。這一過程中，假設(shè)| 表當(dāng)前幀， 表示了背景圖像， 表示背景差圖像， 表示一幀分辨率 的頭像。關(guān)于交通車輛視頻圖像最大灰度值和最小灰度值的計(jì)算公式如下： （最小值計(jì)算公式）

（最大值計(jì)算公式）

在上述公式當(dāng)中， 代表了灰度值的權(quán)重系數(shù); 和 分別表示了圖像像素和像素灰度值; 則表示了圖像各個(gè)像素點(diǎn)的一維熵^[3]。

1.2 對(duì)圖像幀的平均灰度值進(jìn)行計(jì)算

在進(jìn)行車輛視頻圖像信息采集過程中，要注重對(duì)閾值的灰度區(qū)域范圍進(jìn)行把握，并對(duì)圖像幀的平均灰度值進(jìn)行計(jì)算。這一過程中，假設(shè) 表示第k個(gè)可能是車輛的種子區(qū)， 表示 種子第i個(gè)閾值的灰度區(qū)域范圍。通過對(duì) 和 進(jìn)行把握，結(jié)合公式 對(duì)圖像幀的灰度值平均值進(jìn)行求取。

同時(shí)，假設(shè)B_BC表示更新背景，則_BC-1為上一幀的場(chǎng)景圖像，N表示整數(shù)， 表示更新率，在對(duì)各個(gè)圖像幀的平均灰度值求取時(shí)，可以結(jié)合公式：

在上述公式當(dāng)中， 表示了常數(shù)門限值。

1.3 把握視頻圖像的灰度值

在對(duì)視頻圖像傳輸實(shí)時(shí)優(yōu)化過程中，要注重對(duì)視頻圖像的灰度值區(qū)做好把握，假?代表灰度值區(qū)，整幀圖像的相關(guān)性用 表示，圖像亮度分量的編碼規(guī)則用 表示。這樣一來，在對(duì)圖像進(jìn)行壓縮變換過程中，可以結(jié)合下面公式：

在上述公式當(dāng)中， 表示了失真距離閾值^[4]。

在對(duì)交通車輛視頻圖像進(jìn)行傳輸過程中，需要對(duì)緩存數(shù)據(jù)量做好把握，并設(shè)定發(fā)送速率，從而對(duì)交通車輛視頻圖像信息的傳輸進(jìn)行檢測(cè)。具體公式如下：

綜合上述分析，在對(duì)交通車輛視頻圖像信息進(jìn)行實(shí)時(shí)傳輸過程中，要做好視頻圖像的檢測(cè)及提取，結(jié)合上述原理對(duì)視頻圖像進(jìn)行實(shí)時(shí)傳輸，以滿足交通車輛信息的有效監(jiān)控目標(biāo)。

2 交通車輛視頻圖像傳輸檢測(cè)分析

在對(duì)交通車輛視頻圖像傳輸檢測(cè)過程中，本文主要應(yīng)用了四叉樹和偏微分方程進(jìn)行圖像傳輸檢測(cè)，實(shí)現(xiàn)對(duì)圖像數(shù)據(jù)信息的針對(duì)性處理。在這一過程中，主要從以下幾個(gè)方面開展視頻圖像傳輸檢測(cè)工作：

2.1 離散變換處理

在對(duì)交通車輛視頻圖像進(jìn)行傳輸檢測(cè)過程中，需要對(duì)獲取的視頻圖像進(jìn)行離散變換，實(shí)現(xiàn)對(duì)其格式的有效處理，以確保圖像傳輸工作的有效開展。在進(jìn)行離散變換時(shí)，將獲取的視頻圖像信息轉(zhuǎn)換為代表不同頻率分量的系數(shù)集，得到DCT系數(shù)相鄰塊間的差值，并將圖像四周的灰度值按照順序進(jìn)行編碼處理，利用四叉樹計(jì)算獲取量化函數(shù)，獲取壓縮數(shù)據(jù)^[5]。

在離散變換處理過程中，需要對(duì)原始圖像信息塊進(jìn)行轉(zhuǎn)化，形成代表不同頻率分量的系數(shù)集，關(guān)于系數(shù)集的具體內(nèi)容如下：

在上述公式當(dāng)中， 和 表示了圖像頻率域分解的特征函數(shù)， 和 則表示了圖像塊的映射位置。

離散變換處理過程中，還需要對(duì)原始圖像的子塊位置序列做好把握，聯(lián)系圖像塊灰度值以及圖像幀之間的關(guān)系，對(duì)量化函數(shù)進(jìn)行表示，并聯(lián)系量化函數(shù)獲取車輛視頻圖像的壓縮數(shù)據(jù)。關(guān)于車輛視頻圖像信息壓縮數(shù)據(jù)，可以結(jié)合下列公式求解：

結(jié)合上述分析來看，在對(duì)交通車輛視頻圖像信息實(shí)時(shí)傳輸檢測(cè)過程中，要注重對(duì)車輛視頻圖像的信息快速進(jìn)行有效處理轉(zhuǎn)化，將其變化為不同頻率分量的系數(shù)集，并對(duì)數(shù)據(jù)進(jìn)行編碼，從而對(duì)視頻圖像進(jìn)行進(jìn)行有效地獲取和傳輸，更好地滿足現(xiàn)代化交通行業(yè)發(fā)展需要。

2.2 似然率檢測(cè)處理

在對(duì)交通車輛視頻圖像信息進(jìn)行實(shí)時(shí)傳輸檢測(cè)時(shí)，通過利用似然率信息對(duì)視頻圖像進(jìn)行優(yōu)化傳輸，要注重對(duì)微分方程進(jìn)行有效應(yīng)用，從而對(duì)視頻圖像的傳輸狀態(tài)進(jìn)行把握，從而做好視頻圖像的實(shí)時(shí)優(yōu)化?；谒迫宦市畔⒌慕煌ㄜ囕v視頻圖像優(yōu)化傳輸檢測(cè)，注重對(duì)編碼率進(jìn)行把握，并設(shè)置最高閾值和最低閾值，利用編碼率對(duì)車輛視頻圖像信息傳輸進(jìn)行優(yōu)化^[6、7]。假設(shè)在對(duì)交通車輛視頻圖像進(jìn)行傳輸過程中，聯(lián)系視頻圖像的輸入速率、緩沖占用量、輸出速率情況，對(duì)交通車輛視頻圖像緩沖變化狀態(tài)進(jìn)行把握，并設(shè)置緩沖占用比、灰度值，對(duì)視頻圖像數(shù)據(jù)信息進(jìn)行表示。此外，在似然率檢測(cè)過程中，需要對(duì)每幀數(shù)據(jù)的大小做好把握，并結(jié)合最高閾值和最低閾值，對(duì)數(shù)據(jù)做好編碼設(shè)置。假設(shè)在似然率檢測(cè)處理過程中，圖像幀數(shù)據(jù)的發(fā)送速率為 ，部分信道容量為 ，最大似然譯碼錯(cuò)誤上限為 ，在對(duì)頻率分量及Polar碼進(jìn)行極化處理時(shí)，結(jié)合下列公式：

同時(shí)，結(jié)合 信道接收速率，在對(duì)交通車輛視頻圖像信息進(jìn)行優(yōu)化傳輸檢測(cè)時(shí)，可結(jié)合下列公式對(duì)長(zhǎng)度為N的Polar碼似然率進(jìn)行計(jì)算^[8]：

2.3 仿真分析

在對(duì)交通車輛視頻圖像傳輸實(shí)時(shí)優(yōu)化檢測(cè)分析過程中，本文利用四叉樹和偏微分方程對(duì)車輛視頻圖像信息進(jìn)行傳輸檢測(cè)，在MATLAB環(huán)境下對(duì)車輛視頻圖像信息進(jìn)行仿真分析。這一過程中，注重對(duì)比離散變換處理和似然率分析的差異，分析兩種方法的有效性問題。在對(duì)比不同方法進(jìn)行交通車輛視頻圖像信息實(shí)時(shí)傳輸檢測(cè)時(shí)，對(duì)車輛視頻信息進(jìn)行了獲取和傳輸，兩種方法視頻傳輸效果如圖1和圖2所示：

如圖1和圖2所示，圖1主要采用了可逆信息隱藏算法，圖2則應(yīng)用了四叉樹和偏微分方程算法。對(duì)比圖1和圖2的信息來看，通過利用四叉樹和偏微分方程算法對(duì)交通車輛視頻圖像進(jìn)行處理，獲取的數(shù)據(jù)信息更加精確^[9]。通過利用四叉樹和偏微分方程算法進(jìn)行圖像處理時(shí)，實(shí)現(xiàn)了對(duì)車輛視頻圖像閾值的量化處理，并且對(duì)分量進(jìn)行了濾除，使交通車輛視頻圖像信息的檢測(cè)更加有效，能夠?qū)煌ㄇ闆r進(jìn)行真實(shí)的反饋^[10]。

此外，在利用四叉樹和偏微分方程開展交通車輛視頻圖像傳輸優(yōu)化過程中，視頻圖像的傳輸效率得到了大幅度的提升，這主要得益于視頻圖像信息傳輸過程中，對(duì)頻率分量及Polar碼進(jìn)行了有效獲取，提升了信道的可靠性，并且結(jié)合信道接收信息對(duì)其似然率進(jìn)行計(jì)算，實(shí)現(xiàn)對(duì)車輛視頻信息實(shí)時(shí)傳輸檢測(cè)，使獲取的車輛視頻圖像信息效果更佳，能夠?yàn)榻煌ü芾硖峁?qiáng)有力的數(shù)據(jù)支持^[11、12]。

3 結(jié)論

通過對(duì)交通車輛視頻圖像傳輸進(jìn)行實(shí)時(shí)優(yōu)化檢測(cè)，注重對(duì)獲取的圖像信息進(jìn)行有效的處理，使圖像信息得到壓縮處理，在一定程度上保障了圖像灰度質(zhì)量，提升了圖像傳輸精度。在對(duì)交通車輛視頻圖像信息處理過程中，利用四叉樹和偏微分方程進(jìn)行數(shù)據(jù)處理，能夠?qū)崿F(xiàn)對(duì)視頻圖像信息的實(shí)時(shí)傳輸，并且在圖像質(zhì)量上，相對(duì)于傳統(tǒng)的視頻圖像傳輸而言，具有更高的質(zhì)量。通過加強(qiáng)該技術(shù)手段的有效應(yīng)用，能夠?yàn)榱己玫慕煌ōh(huán)境創(chuàng)設(shè)提供有力的依據(jù)，使交通管理的效果及質(zhì)量得到有效地提升。

總之，在新的社會(huì)經(jīng)濟(jì)發(fā)展形勢(shì)下，私家車數(shù)量的大幅度增加，在很大程度上加劇了交通擁擠問題。為了更好地滿足交通車輛監(jiān)控需要，通過做好交通車輛視頻圖像的實(shí)時(shí)采集及傳輸，能夠做好交通運(yùn)輸車輛的管理工作，滿足交通行業(yè)發(fā)展現(xiàn)實(shí)需要。

參考文獻(xiàn)：

[1]陳志杰，湯錦輝，王沖，程季锃，曹珊，邵欣.人工智能賦能國(guó)家空域系統(tǒng)，提升空域分層治理能力[J/OL].航空學(xué)報(bào)：1-9.

[2]王寧.軌道交通綜合監(jiān)控系統(tǒng)智能化研究[J].微型電腦應(yīng)用，2020，36（12）：130-133.

[3]陳震，李平.一種智能交通燈控制系統(tǒng)[J].科學(xué)技術(shù)創(chuàng)新，2020（36）：113-114.

[4]譚惠，全小林.基于視頻圖像的車輛行駛速度及交通信號(hào)燈狀態(tài)鑒定1例[J].中國(guó)司法鑒定，2018（05）：106-110.

[5]紀(jì)偉，程剛.基于視頻圖像方法推斷鑒定交通事故中車輛是否有闖紅燈行為[J].法制與社會(huì)，2018（20）：53-54.

[6]劉亮，蔡婷，桂曉菁.智能交通中的視頻圖像處理技術(shù)分析[J].電子制作，2018（10）：8-9.

[7]王瑞麗.基于神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)視覺探討[J]，科技資訊，2018（11）：17-24.

[8]王劍峰，張永梅，薛龍飛.基于視頻圖像的城市道路交通態(tài)勢(shì)研判方法研究[J].科技創(chuàng)新導(dǎo)報(bào)，2017，14（36）：147-149+151.

[9]楊珍.交通車輛視頻圖像傳輸實(shí)時(shí)優(yōu)化檢測(cè)仿真[J].計(jì)算機(jī)仿真，2017，34（05）：440-443.

[10]張喆，代雪晶.視頻圖像在實(shí)際交通肇事案件領(lǐng)域中的應(yīng)用[J].遼寧省交通高等?？茖W(xué)校學(xué)報(bào)，2016，18（04）：21-22.

[11]王圣男，郁梅，蔣剛毅.智能交通系統(tǒng)中基于視頻圖像處理的車輛檢測(cè)與跟蹤方法綜述[J].計(jì)算機(jī)應(yīng)用研究，2005（09）：9-14.

[12]肖文娜. 夜間城市交通監(jiān)控中各類車輛軌跡的完整提取[D]. 天津工業(yè)大學(xué)， 2017.