浅析基于视频电子警察系统的性能特点

电子警察系统通过采用现代化的管理体制,向科技要警力,用科学技术监督疏导交通以减少违章,对城市道路进行全面监控,为交警执法提供了有力的证据,减少了因交通事故造成的人员伤亡和财产损失,间接的创造了巨大的经济价值。本文较为详细地分析了当前基于视频电子警察系统的性能,研究了目前抓拍系统中存在的不足,并针对这些不足提出了相应的解决方法,通过简洁有效的算法,极大地提高了系统的稳定性和环境适应性。实验表明,该系统具有较高的检测率,在复杂的路况下也能保证一定的准确率。

【安防在线 www.anfang.cn】
  本文较为详细地分析了当前基于视频电子警察系统的性能,研究了目前抓拍系统中存在的不足,并针对这些不足提出了相应的解决方法,通过简洁有效的算法,极大地提高了系统的稳定性和环境适应性。实验表明,该系统具有较高的检测率,在复杂的路况下也能保证一定的准确率。

  一、引言

  随着我国城乡经济建设的迅猛发展,城市交通设施也得到了很大的改善,但迅速增长的机动车辆与发展相对滞后的城市道路之间不配套的矛盾日益突出。在这个过程中,人们越来越多的发现,人为的违章事件,包括闯红灯、逆行、越线、超速等,成为交通事故的主要隐患。交通事故的发生率和每年因交通事故而死亡的人数也在急骤的增长,其中一个重要的原因就是机动车辆驾驶员在交警视线之外违规、违法驾驶。很多国家统计表明,绝大部分交通事故的发生主要是由于开车司机违章闯红灯所致。所以,检测这些违章车辆,并且记录其违章现场十分必要。

浅析基于视频电子警察系统的性能特点

  电子警察系统通过采用现代化的管理体制,向科技要警力,用科学技术监督疏导交通以减少违章,对城市道路进行全面监控,为交警执法提供了有力的证据,减少了因交通事故造成的人员伤亡和财产损失,间接的创造了巨大的经济价值。虽然电子警察系统的应用已经比较普及,但在实际应用中,电子警察系统仍然存在一些问题和不足,如易受天气、光线、路况和周围环境的影响,严重地影响着它的进一步发展。

  二、电子警察系统性能分析

  早期电子警察系统主要是通过在道路路基下方埋设感应线圈来获取车辆的违章信息,这种设备经过多年的使用和改进其优点是精度较高,设备也较稳定,而且也具有较高的准确率,但也存在着严重的不足,如路基的软基问题严重地影响检测精度甚至造成感应线圈的损坏;感应线圈不易安装且易受路面的维护而破坏。

  由于基于感应线圈的电子警察系统存在以上的缺点和不足人们就开始研究新的非感应线圈检测的电子警察系统。随着技术的发展,视频检测方法逐渐成熟起来,在道路监控的日常管理中已经能满足对车辆违章信号的检测。视频检测方法就是将视频技术应用于电子警察系统,作为整个系统的网络前端监控点,以其全天候、全天时、实时监控等特点在加强道路交通管理、弥补警力不足等方面发挥着重要作用。

  通过对目前基于视频的电子警察系统的研究,发现以视频检测为基础的电子警察系统大多都存在以下几个方面的不足:

  (1)车辆阴影、行人和非机动车辆等对违章车辆检测的干扰;

  (2)系统在安装运行时,需要长时间的环境适应,且随着环境的变化,系统需要重新调整;

  (3)当前图象算法的运算速度难以达到实时化要求。

  经过分析研究发现,目前电子警察系统的采样区域一般都采用区域采样方式,将一块连续的矩形区域作为采样范围,观察该矩形区域内象素的变化,对于矩形区域,要么难以区分车辆的运行方向,要么算法过于复杂,难以适应系统对速度的要求。判断违章一般是通过像素改变数量的多少,通常的一种做法是在系统正式运行前,先对背景建立一个标准的模板库,然后根据标准模板库对实时图像进行模式匹配来检测违章,其不足难以适应环境的变化,再者模板库的建立费时费力;另一种做法是比较第一帧图像和随后帧图像的像素变化,判定是否违章,其不足是系统的可靠性不高,抗干扰能力较弱。

  三、提高系统环境适应性–动态连续采样方式

  为了提高系统的环境适应性和减少系统的智能训练时间,可以采用动态方式建立比对基准和采样数据,为了进一步增强稳定性,动态过程可采用多次数据的平均值。在每次红灯开始时刻,首先利用一段非常短的时间建立本次采样比对的基准(标准模板库),然后进行采样比对过程,进行比对时,同样可以进行几次采样数据的平均。这样,在任何环境下,系统都是在动态实时地建立比对的基准和比对的数据,因此系统对任何环境都不必进行机器人智能训练过程,即刻投入使用。不需要机器人智能训练过程一方面提高了系统的运行效率,另一方面也增加系统的环境适应性;连续采样数据的平均算法增强了系统的抗干扰能力,同时也提高了系统抓拍的准确率。

  动态连续采样方式具体过程描述如下:当某一方向为红灯信号时,将图像采集卡切换到相应的方向,通过摄像头、图像采集卡将现场视频信号(第1帧)采集到计算机图像采集缓存区(0#缓存区)中,然后,对0#缓存区中的实时图像的采样区域进行图像的处理,将这一部分图像从彩色变换到灰度,以减少后续比对的运算量,接着将该采样区中的灰度图先暂存到另一缓存区(1#缓存);然后对第2帧图像与第1帧图像进行类似的处理,处理的结果与第1帧图像的结果计算平均值,将结果存入2#缓存中,依次类推,可以通过连续3~5次的采样,取其平均值作为标准模板,也就是动态地建立了一个采样基准。比对的实时数据也可按以上步骤计算数次平均而得到。

  四、提高系统稳定性–双线采样方式

  为了提高系统的稳定性和抗干扰能力,特别是对于交通比较繁忙的城市交通主干道的交叉口,采用于双线采样方式,也就是在每一个车道的停车线附近画一条线(1#检测线)同时在斑马线附近画另一条线(2#检测线),线的宽度可调整,将它们作为违章的采样区域,这两条线共同作为违章事实的判定依据。因为有先后两个采样区,因此可以区分车辆的运行方向,从而有效地降低正常左转和正常逆行的误拍率。

  对于双线采样方式的工作过程,当系统检测到红灯信号时,图像采集卡切换到相应的方向,通过动态连续采样方式各车道的1#检测线和2#检测线分别动态建立采样基准(标准模板),然后实将各车道的1#检测线和相应的标准模板进行模式匹配,根据预先设置的阈值和像素变化百分比,判断是否构成违章,如果违章,则将图像从采集缓存区(0#缓存区)复制到1#缓存区,经过一个适当的延时(该值根据经验选取)后,对前面建立的相应车道的2#检测线的采样基准和2#检测线的采样数据进行模式匹配,如果也达到了预设的阈值和像素变化百分比,则认为这是一次有效的违章,然后从采集缓存区(0#缓存区)中将新的图像数据复制到2#缓存区,同时将采集卡切换到特写采集通道,图像稳定后,将1#缓存区、2#缓存区和采集缓存区(0#缓存区)中的图像进行合并,并通过硬件压缩存入监控计算机的本地硬盘中;完成一次违章抓拍,如果2#检测线未达到预设的阈值或者象素变化百分比,则认为这是干扰信息,放弃本次抓拍,重新进行1#检测线的检测过程。

  五、结语

  本文较为详细地分析了当前基于视频电子警察系统的性能,研究了目前抓拍系统中存在的不足,并针对这些不足提出了相应的解决方法,通过简洁有效的算法,极大地提高了系统的稳定性和环境适应性。实验表明,该系统具有较高的检测率,在复杂的路况下也能保证一定的准确率。

该文观点仅代表作者,本站仅提供信息存储空间服务,转载请注明出处。若需了解详细的安防行业方案,或有其它建议反馈,欢迎联系我们

(0)

相关推荐

  • 平安城市网罗各角落 视频监控重点应用

    分析人士指出,平安城市建设成为视频监控行业增长的主要驱动因素,以政府公安为主导用户的城市视频监控行业成为整个视频监控行业最大的市场,占比接近30%。据公开资料统计,去年以来,多个城市都启动了大规模建设视频监控点的计划。

    2026年4月14日
  • 智能化技术助推智慧安防行业应用

    11月4日消息 2013年深圳安博会近日在深圳会展中心举行。本届安博会十分热闹,参观者川流不息,一些大厂商的展台前更是观众蚁聚,反应了安防产业的繁荣,同时也反应出在行业快速发展和变革的情形下,业内人士对安防产品、产业跟踪理解的渴求。

    2026年4月14日
  • 高清时代监控摄像机网络传输的应用分析

    高清监控作为一个涵盖前端、传输、管理中心以及后端环节的系统工程,由于受到监控系统传输距离,灵活性,部署成本的制约必将走向网络化。高清摄像机作为高清监控的前端设备,也必将走向网络化。

    2026年4月14日
  • 视频检测在智能交通行业的应用

    视频检测技术是一种计算机视觉和图像处理技术,通过视频摄像机和计算机模仿人眼的功能,为实际应用提供实时交通信息的先进技术。其工作原理是通过视频摄像机和计算机模拟人眼视觉技术,通过分析摄像机拍摄的交通图像,在视频范围内划定虚拟线圈,运动物体进入检测区域导致背景灰度发生变化,从而感知运动目标的存在,实现对车辆、行人等交通目标的运动进行检测、定位、识别和跟踪,并对检测、跟踪和识别的交通运动目标的交通行为进行分析和判断,从而既完成各种交通数据信息的采集。

    2026年4月14日
  • 国内外智能传感器发展现状对比及趋势分析

    所谓智能传感器,就是指传感器在基本的功能之外,具有自动调零、自校准、自标定功能,同时具备逻辑判断和信息处理能力,能对被测量信号进行信号调理或信号处理。本文主要讲述国内外智能传感器发展现状,并进行对比分析。

    2026年4月14日
  • IDC预测:2022年智慧城市技术支出将达1580亿美元

    国际数据公司(IDC)近日发布了“全球半年度智能城市支出指南”的全新版本,报告指出:在2018年,智慧城市将吸引全球超过810亿美元的技术投资,并且到2022年,该支出将增长到1580亿美元。而在此之前,IDC曾预测2018年全球智慧城市的支出将达800亿美元,到2021年,全球智慧城市相关技术开发支出将增加至1350亿美元。

    2026年4月14日