智能交通基于视频、图像的大数据分析应用
智能交通基于视频、、图像的大数据分析应用
何明
岳阳市公安局交通警察支队科技科，湖南岳阳414009
摘要:各地交管系统已经积累了大量的视频数据和图片数据，而“向数据要警力”也成为警务发展的一个新方向，通过无缝对接城市各视频系统，运用大数据、云计算、机器视觉等先进技术，让每辆车都能产生多维结构化数据，并和公安核心业务数据进行碰撞，针对人、车、路、环境、事件进行深度数据挖掘和预警。同时，与各个不同系统的数据综合在一起，利用数据库或第三方的工具，对数据进行分析、预测，达到对数据的充分利用。
关键词:智能交通；视频；大数据；应用
随着“智能交通”建设的不断深入，公安交警集成指挥平台联网接入的视频资源包括：交警自建的城市道路及公路监控视频、车管所大厅、交通违法、事故处理等场所，以及驾驶人考试、车辆检测等场所的监控视频、其他警种建设的道路监控视频、交通运输部门及公路经营管理单位建设的道路视频监控等。监控摄像头已遍布城市各种道路的路口、路段，昼夜不停地监视和录像，以及进行违法抓拍、事件检测等各种功能。也使交警部门成为了数据生产大户，其一天大概产生几TB级数据量。
1交通视频大数据
道路交通监控可以分观察型监控和分析型监控。智能交通基于视频、图像的大数据分析主要解决分析型监控时效性问题，实现实时搜索查找和联网共享。同时，能够与目前公安网内各类警务信息系统实现对接，交互各类型信息资源，实现数据信息关联和碰撞串并分析。解决了传统的数据处理模式由于记录条数多并且包含图像信息，过车数据的体量大，对监控系统的存储、查询和计算能力都提出了很高的要求，导致了离线分析的高延时的缺陷。
对视频、图像的数据分析主要包括两类：一是通过算法对视频画面中的目标进行提取分析，主要是监控场景中目标的运动轨迹，通过不同的轨迹行为来区分不同的事件；二是利用模式识别与机器学习技术，对大量视频已知信息的自主学习，对画面中的特定物体或行为进行建模，从而达到对视频画面中的特定物体或行为进行识别的相关应用。
视频分析功能分为前、后端两种分析模式，所谓前端是指摄像机内置DSP已经集成了一些简单的视频分析算法，其优势在于架构简单、安装便捷，小规模实施时单路监控成本较低。但只能运行小部分较为简单的分析算法；后端分析具有有软件应用灵活、改造项目适用性强等特点，在大规模实施的情况下，后端分析模式的实施成本更低，而且效果更好。
2基于视频、图像的识别检索
识别检索是大数据的基本功能，对于视频监控的检索，可通过事件的起因和关联的发展过程定位查找。关键信息数据包含：时间、地点、主导事件的人或物、图像和声音信息。检索条件的的准确度与算法直接影响检索效率。可通过设备、地点等等进行检索，也可选定一路或者多路的码流，关注在某一时间点、段的视频，对应的是多路同时同步回放检索。实现方式包括：切片、快照和基于时间轴的拖动预览，其核心是通过对事件发生前后的对比，找到感兴趣的物体发生变化的那一时刻。而基于图像识别技术检索是基于图像分析，在事后对具体的视频数据进行抽帧，设定感兴趣区域，设定条件、规则，利用分布式搜索引擎架构提供海量数据下的秒级查询响应。查询的算法上主要采取搜索引擎技术，包括：索引数据定时文本化技术、索引数据分段调用技术、数据动态排序技术等。
通过大数据处理引擎，形成车辆特征结构化描述，进而实现对海量车辆图片的“以图搜车、以车型搜车、以品牌搜车、以颜色搜车、以多维特征搜车”等丰富手段，帮助公安快速定位目标车辆、不受套牌、假牌、无牌、号牌污损等影响。处理形式包括：复杂的批量数据处理、基于历史数据的交互式查询和基于实时数据的流处理。
3基于视频、图像挖掘分析
通过计算集群对大量车辆信息进行关联挖掘，通过多维度的碰撞分析。通过对摄像机拍摄的图像序列进行自动分析，实现对监控场景中的目标进行提取、识别，并在此基础上分析和判断目标的行为，从而做到在异常情况发生的时候及时做出反应。实现对公安涉车事件“事前防控、事中控制、事后侦查”的全过程场景应用。
实现方式是在视频、图像识别检索的基础上，实时提取车牌、车型、车标、颜色、驾驶者人脸等信息，并联动公安网上业务数据进行车辆、人员、案件、现场勘查、轨迹及社会资源数据的关联串并和碰撞比对，可在不同的时间和现场过滤筛选具有同一车型和局部特征等的车辆，进而排除假牌、套牌的干扰，获得可用影像信息，进一步放大和倍增数据价值。
4提供交通管理服务支持
基于分布式数据库，汇总、存储车辆轨迹信息以及其他需要汇总、存储的道路交通流量等结构化数据。采用消息队列、流数据处理等技术，实现海量数据的查询、全库搜索、轨迹分析，实现重点车辆通行分析、跨地域套牌分析、伴随分析、碰撞分析、区间测速等实时分析应用，实现跨部门、跨警种、跨区域信息共享和深度挖掘应用。
可针对不同业务需求提供统计服务，掌握交通热点区域、高危车辆热点区域、高危人员活动态势、治安预警分布、车辆品牌统计分布等信息，为二次应用提供数据支撑，帮助系统管理人员掌握系统运行数据，并成为上层的业务决策数据来源。通过对积累的研判数据、车型数据、轨迹数据、过车数据、视频、图片数据以服务的方式开放给第三方的警务应用，帮助其他业务部门实现增值应用。
结束语：
随着技术的不断进步，人工智能算法融入到智能视频分析技术中，来解决监控场景的复杂性和目标行为的复杂性，来提升了智能视频分析技术的实用性。实现以交通物联网感知、视频智能分析、大数据分析、云服务、移动互联为技术手段，全面物联，充分整合，打破信息壁垒，协同人、车、路、环境多方面资源，实现对路面交通的集成控制、秩序与安全的综合研判、交通组织的评析决策、警力资源的指挥调度等综合应用和深度应用。构建交通实时感资源充分整合、系统协同运作、交通管控智能疏导、管控的服务体系。
参考文献
[1]傅贵.城市智能交通动态预测模型的研究及应用[D].华南理工大学,2014.
[2]周景磊.视频分析技术在智能交通环境下的应用研究[D].西南交通大学,2011.
112