沈陽(yáng)理工大學(xué)自動(dòng)化與電氣工程學(xué)院 夏偉翔 劉 軍 師 柯

在交通車輛違章行為圖像檢測(cè)和識(shí)別的基礎(chǔ)上，通過(guò)收集可以判定車輛違章行為的各個(gè)要素，找出每個(gè)要素之間的關(guān)系并建立上下文模型，進(jìn)而實(shí)現(xiàn)車輛違章行為檢測(cè)。通過(guò)Hough變換對(duì)車道線進(jìn)行檢測(cè)，利用背景差分法檢測(cè)目標(biāo)車輛，然后建立用于違章行為檢測(cè)的上下文模型，將上下文信息分為時(shí)序上下文，場(chǎng)景上下文，目標(biāo)上下文以及參數(shù)上下文。通過(guò)引入上下文信息，提高了車輛違章行為檢測(cè)的準(zhǔn)確率，減少了對(duì)車輛違章行為的誤判與錯(cuò)判，節(jié)約了人工判讀成本。

機(jī)動(dòng)車數(shù)量的快速增長(zhǎng)直接導(dǎo)致城市交通壓力越來(lái)越大，對(duì)車輛違章行為檢測(cè)技術(shù)的需求與日俱增。車輛違章行為檢測(cè)方法主要以視頻圖像檢測(cè)為主，通過(guò)圖像處理和分析能夠?qū)囕v進(jìn)行精確檢測(cè)。常規(guī)車輛違章檢測(cè)方法多數(shù)只遵循一到兩個(gè)條件，只要滿足就認(rèn)定為違章，忽略了許多干擾因素并不能對(duì)復(fù)雜環(huán)境下的車輛行為做出正確判罰。通過(guò)引入上下文信息，確定出車輛本身屬性以及上下文信息關(guān)聯(lián)性，使違章行為檢測(cè)更加具體完整，在復(fù)雜場(chǎng)景下，可以詳盡描述違章行為，減少了誤判，提高了準(zhǔn)確率。

1 動(dòng)態(tài)車輛與車道線檢測(cè)

1.1 動(dòng)態(tài)車輛檢測(cè)

動(dòng)態(tài)車輛的圖像檢測(cè)是違章行為檢測(cè)的前提，其主流方法包括幀差法，光流法以及背景差分法等。對(duì)于交通違章行為檢測(cè)，由于實(shí)際道路上運(yùn)動(dòng)車輛通常很多，用幀差法會(huì)因?yàn)橄噜弾瑘D像相互遮擋而出現(xiàn)空洞現(xiàn)象，識(shí)別的效果將大大降低；而光流法存在計(jì)算量比較大，運(yùn)算時(shí)間比較長(zhǎng)，無(wú)法滿足實(shí)時(shí)性要求的缺點(diǎn)；采用背景差分法能夠可靠檢測(cè)運(yùn)動(dòng)目標(biāo)車輛，具有檢測(cè)實(shí)時(shí)性好、檢測(cè)準(zhǔn)確性高的優(yōu)點(diǎn)。

背景差分法主要是區(qū)分背景與前景，背景通常為所研究的靜態(tài)場(chǎng)景，前景則是需要被檢測(cè)到的動(dòng)態(tài)目標(biāo)。通過(guò)當(dāng)前幀的圖像與提前儲(chǔ)存的背景或者建立背景模型實(shí)時(shí)獲取的背景做差分運(yùn)算。計(jì)算公式如下：

其中Ni(x,y)為差分圖像像素；Si(x,y)為當(dāng)前幀圖像像素；B(x,y)為背景圖像像素。

將所得到的差分值與提前設(shè)定的閾值T做關(guān)系比較，如果差分圖像像素值Ni(x,y)大于這個(gè)閾值T，則表明這個(gè)像素點(diǎn)屬于動(dòng)態(tài)物體；如果小于閾值T，可以認(rèn)為該像素點(diǎn)屬于背景圖片。此算法實(shí)現(xiàn)簡(jiǎn)單，解決了空洞的問題，特別是對(duì)于攝像機(jī)靜止的情況，背景差分法法是違章行為檢測(cè)中運(yùn)動(dòng)車輛識(shí)別最有效的方法。

1.2 車道線檢測(cè)

完成動(dòng)態(tài)車輛檢測(cè)后，還需要進(jìn)行車道線識(shí)別。采用抗干擾能力較強(qiáng)的Hough直線檢測(cè)方法。Hough直線檢測(cè)其實(shí)就用點(diǎn)和線的對(duì)偶性，到達(dá)圖像空間中的線與參數(shù)空間的點(diǎn)成對(duì)應(yīng)關(guān)系，同時(shí)參數(shù)空間的線與圖像空間的點(diǎn)也成對(duì)應(yīng)的關(guān)系。

在圖像空間內(nèi)，在直線上的任何一點(diǎn)A(xi,yi)都滿足yi = kxi + b這個(gè)直線方程，我們可以將方程改寫成：

Hough變換用極坐標(biāo)系表示一條直線，表達(dá)式為：

通過(guò)在極坐標(biāo)系中交于(θ,ρ)點(diǎn)的數(shù)目來(lái)檢測(cè)直線，當(dāng)交于這個(gè)點(diǎn)的曲線數(shù)量大于了它的閾值，則這個(gè)唯一的參數(shù)(θ,ρ)在原圖中對(duì)應(yīng)了一條直線，再通過(guò)計(jì)算我們可以得到最后的結(jié)果。

2 上下文信息

交通違章檢測(cè)對(duì)實(shí)時(shí)性，準(zhǔn)確性以及智能化都有著很高的要求。交通行為發(fā)生的一系列過(guò)程中，往往存在著場(chǎng)景的變化，時(shí)間的變化，研究對(duì)象與其他同類對(duì)象相互的關(guān)系以及固有參數(shù)的設(shè)定，因此將上下文信息分為時(shí)序上下文，場(chǎng)景上下文，目標(biāo)上下文以及參數(shù)上下文。表達(dá)式為：

其中，CT表示時(shí)序上下文，在交通行為的發(fā)生中，有許多情況受到了時(shí)間順序的約束。例如：在對(duì)公交車道非法占用的違章行為檢測(cè)中，通過(guò)圖像處理可以很容易的判斷非公交車在公交專屬道路中運(yùn)動(dòng)，但是這就要判斷該行為發(fā)生的時(shí)間屬不屬于公交車道使用時(shí)間，如果不在使用時(shí)間內(nèi)，就不構(gòu)成違章。在這里就要用到了時(shí)序上下文，而參數(shù)一般都是人工提前設(shè)定。

CS表示場(chǎng)景上下文，主要包含違章行為發(fā)生的具體交通場(chǎng)景和各種信號(hào)燈、指示牌等交通設(shè)施。場(chǎng)景上下文可以更加完整的表達(dá)交通行為的發(fā)生。例如：在繁華路段的交叉路口，一般都有左轉(zhuǎn)，直行以及右轉(zhuǎn)三種行車道，當(dāng)一輛車直行通過(guò)時(shí)，由場(chǎng)景上下文來(lái)判斷所用車道是否為正確車道，如果上下文信息為左轉(zhuǎn)車道，則構(gòu)成未按規(guī)定路線行駛的違章行為。

CO表示為對(duì)象上下文，通過(guò)一個(gè)車輛與其他車輛所產(chǎn)生的關(guān)系來(lái)反映所需信息。在車流量大交通復(fù)雜的地方，違章行為的發(fā)生往往涉及多車輛，這時(shí)就要考慮他們之間聯(lián)系，例如是否因?yàn)橐惠v車的自身原因所導(dǎo)致了一系列其他車輛的被迫違章。建立好對(duì)象上下文的信息，將會(huì)大大提高這種違章行為的檢測(cè)。

CP表示為參數(shù)上下文，用特定地點(diǎn)的特定參數(shù)的設(shè)置來(lái)約束。參數(shù)上下文尤為重要，主要用于車輛超速，貨運(yùn)車輛超重等違章行為的檢測(cè)中，通過(guò)設(shè)置閾值來(lái)確定標(biāo)準(zhǔn)參數(shù)，更加準(zhǔn)確的對(duì)違章車輛進(jìn)行判定。

前面全基因組芯片結(jié)果表明，AsrC高表達(dá)可以增加侵襲相關(guān)基因的表達(dá).為了進(jìn)一步分析AsrC是否影響細(xì)菌對(duì)于上皮細(xì)胞的侵襲力，將WT、ΔPasrC、WT+pBAD、WT+pBAD-asrC菌株進(jìn)行HeLa細(xì)胞侵襲實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明，與野生株相比，AsrC缺陷會(huì)降低細(xì)菌的侵襲力，而AsrC高表達(dá)菌株的侵襲水平較空質(zhì)粒對(duì)照株明顯增加，且差異具有統(tǒng)計(jì)學(xué)意義(P<0.05)(圖5)，說(shuō)明AsrC可以增強(qiáng)S. Typhi對(duì)于上皮細(xì)胞的侵襲力.

3 上下文表達(dá)模型與檢測(cè)方法

3.1 上下文表達(dá)模型

一個(gè)行為的發(fā)生包括研究目標(biāo)本身的屬性與相關(guān)的上下文信息，精確的判斷行為的性質(zhì)，則需要這兩方面的緊密聯(lián)系?？啥x一個(gè)基礎(chǔ)行為的表達(dá)式為：

b：基礎(chǔ)行為；M：該行為的研究對(duì)象；G：即a⊙c，研究對(duì)象的特征屬性與一個(gè)或者多個(gè)上下文信息類別的關(guān)系；a：研究對(duì)象的特征屬性，c：行為的上下文相關(guān)信息上下文類別，包括CT,CS,CO,CP。

其中研究對(duì)象的運(yùn)動(dòng)特征屬性主要通過(guò)研究該對(duì)象的位置、速度以及方向變化等發(fā)生改變的屬性，它與其行為中的一個(gè)或者多個(gè)上下文信息的關(guān)系可以通過(guò)該對(duì)象與隨著時(shí)序的變化所造成的場(chǎng)景變化或參數(shù)變化所反映。

隨著時(shí)序發(fā)生的變化，所研究的場(chǎng)景也發(fā)生了變化，研究目標(biāo)也會(huì)隨之變得復(fù)雜。因此本文將還會(huì)分為簡(jiǎn)單行為與復(fù)雜行為。

簡(jiǎn)單行為是由一系列的基本行為所構(gòu)成的。它指的是在同一個(gè)時(shí)序變化范圍內(nèi)，所研究的目標(biāo)對(duì)象做出一系列行為的集合。因此簡(jiǎn)單行為的產(chǎn)生必須受同時(shí)發(fā)生，同時(shí)結(jié)束這一條件的約束。一個(gè)基本行為也可以構(gòu)成一個(gè)簡(jiǎn)單行為。簡(jiǎn)單行為可以表示為：

B：研究的行為；BS：簡(jiǎn)單行為；bi：每一個(gè)基本行為因素；tb1：每一個(gè)基本行為發(fā)生的時(shí)間區(qū)間。

復(fù)雜行為是由按著時(shí)間順序的變化發(fā)生的一系列簡(jiǎn)單行為所構(gòu)成的。復(fù)雜行為的建立高度遵循時(shí)間順序這一原則。復(fù)雜行為可以表示為以下形式：

3.2 檢測(cè)方法

在基礎(chǔ)行為檢測(cè)中，通過(guò)圖像處理與計(jì)算行為的識(shí)別率P(b)可以判斷bI是否發(fā)生。當(dāng)識(shí)別率P(b)大于或等于某一閾值x時(shí)，可得邏輯為真，即logic=1；反之，可得邏輯為假，即logic=0。x的值可以通過(guò)前期的實(shí)驗(yàn)得到。

對(duì)于簡(jiǎn)單行為檢測(cè)，則需要利用每個(gè)基礎(chǔ)行為的識(shí)別率與每個(gè)基礎(chǔ)行為的權(quán)重，所有基礎(chǔ)行為的識(shí)別率乘上與之相對(duì)應(yīng)的權(quán)重值，再把他們相加在一起，得到的和即為簡(jiǎn)單事件的識(shí)別率P(BS)。

檢測(cè)復(fù)雜行為時(shí)，需要把一個(gè)復(fù)雜行為分解成一個(gè)個(gè)簡(jiǎn)單行為，只有每一個(gè)簡(jiǎn)單行為的邏輯都為真時(shí)，最后的復(fù)雜行為才檢測(cè)成功，當(dāng)有任一簡(jiǎn)單行為的邏輯為假時(shí)，則復(fù)雜行為檢測(cè)失敗。

4 實(shí)驗(yàn)分析

研究雙黃線非法掉頭的交通車輛違章行為這一過(guò)程，利用背景差分法識(shí)別出正在運(yùn)動(dòng)的車輛，Hough線變換檢測(cè)出雙黃線，運(yùn)用搭建的上下文模型對(duì)行為進(jìn)行邏輯的判斷。該行為是一個(gè)復(fù)雜行為，包含四個(gè)簡(jiǎn)單行為：（1）車輛進(jìn)入到了禁止掉頭區(qū)域；（2）車輛到達(dá)雙黃線；（3）車輛離開雙黃線；（4）車輛進(jìn)入了反向車道。其中行為（1）由兩個(gè)基礎(chǔ)行為組成，一個(gè)是車輛進(jìn)入禁止掉頭區(qū)域，另一個(gè)是車輛向前行駛。

在定點(diǎn)靜態(tài)攝像頭的圖像處理和分析中，首先可用SVM分類器對(duì)路標(biāo)進(jìn)行識(shí)別，并對(duì)車輛的運(yùn)動(dòng)方向進(jìn)行跟蹤，通過(guò)場(chǎng)景上下文與目標(biāo)上下文確定了車輛已經(jīng)進(jìn)入了禁止掉頭的區(qū)域并且行駛，第一個(gè)簡(jiǎn)單行為邏輯為真；進(jìn)入第二簡(jiǎn)單行為，車輛的質(zhì)心與雙黃線的距離越來(lái)越近直至為0，通過(guò)參數(shù)上下文確定了車輛與雙黃線從接近到完全重合，第二個(gè)簡(jiǎn)單行為為真；進(jìn)入下一行為，車輛的質(zhì)心與雙線的距離開始從0增加，同樣可以判斷出車輛從與雙黃線完全重合到離開，第三個(gè)簡(jiǎn)單行為為真；進(jìn)入最后一個(gè)行為，車輛運(yùn)動(dòng)方向與原本方向成完全相反狀態(tài)，可以判斷出車輛已經(jīng)進(jìn)入反向車道，邏輯為真。由此可以得出該車輛在雙黃線出進(jìn)行了非法掉頭的違章行為。

結(jié)論：結(jié)合時(shí)序、場(chǎng)景、目標(biāo)及參數(shù)上下文信息對(duì)交通車輛違章行為進(jìn)行檢測(cè)，采用背景差分法檢測(cè)動(dòng)態(tài)車輛，采用Hough變換檢測(cè)道路雙黃線，利用SVM分類器對(duì)路標(biāo)進(jìn)行識(shí)別，通過(guò)對(duì)定點(diǎn)靜態(tài)攝像頭的圖像處理和分析實(shí)現(xiàn)了車輛穿越雙黃線違章掉頭違章行為的檢測(cè)。在復(fù)雜的違章行為的檢測(cè)中，上下文模型的搭建將更能發(fā)揮其優(yōu)勢(shì)，實(shí)時(shí)并且準(zhǔn)確的進(jìn)行檢測(cè)，解決了傳統(tǒng)圖像處理檢測(cè)違章行為所出現(xiàn)的誤判多錯(cuò)判多等問題，為交通管理部門提供了強(qiáng)有力的技術(shù)支持。