基于视频技术的直接交通事件检测

　　交通事件视频检测算法

　　视频检测算法是交通事件检测系统的关键，根据交通事件的视频图像，研判交通事件的类型、位置等信息，包括对交通事件视频图像内的车辆、行人等交通参与者的目标检测和目标跟踪等过程。

　　交通事件目标检测是指从交通事件视频图像中检测出车辆、行人等交通信息（如图4a），通常有如下方法：

　　1、帧差法：检测相邻图像之间变化的最简单方法，直观比较连续各帧图像在灰度上的差别，提取视频中的运动区域。研究表明该方法的实现简单，复杂度较低，但难以获得目标区域的精确描述。

　　2、背景差分法：利用当前图像和背景实现差分来检测运动区域。研究表明该方法的操作简单，提供特征数据完整，但对外来干扰比较敏感。

　　3、光流法：以灰度梯度基本不变为约束假设的目标检测方法。研究表明该方法检测运动对象的效果较好，但计算复杂，抗噪性能较差。

　　4、边缘检测：利用目标的边缘检测目标的位置。研究表明该方法不但能检测运动目标，也能检测静止目标，但抗干扰性能不佳。

　　交通事件目标跟踪是指获取目标在每帧图像上的位置坐标，将不同帧的同一目标的所有坐标按照时间的先后顺序串联起来，就是目标的运动轨迹。（如图4b）通常有如下方法：
 

　　1、基于区域跟踪：将运动目标看成许多不同的小区域块组成，通过跟踪各个不同的小区域块来跟踪整个运动目标。研究表明该方法计算量小，设计简单，但只适用于交通流量小、背景变化简单的场合。

　　2、基于轮廓跟踪：利用封闭的曲线轮廓来表达运动目标，以轮廓位置的变化反应目标位置的移动。研究表明该方法计算量小，实时性高，但合理初始化目标的轮廓比较复杂。

　　3、基于模型跟踪：根据预先知道的运动目标三维模型，然后在图像序列中确定运动目标的瞬时运动参数，从而达到跟踪的目的。研究表明该方法运算精度高，目标运动信息全面，但预先获得各种不同车辆、行人的模型较难。

　　4、基于特征跟踪：选取目标的局部或部分特征作为跟踪对象。研究表明该方法由于只关心目标的部分特征，而不是整体，所以即使目标的某个部分被遮挡时，只要关心的特征还在，就不会影响跟踪效果，有更好的抗干扰性。

　　目前，交通事件视频检测系统的算法技术难点，一方面主要集中于在复杂的交通环境和恶劣多变的天气中，对机动车、行人等交通参与者运动分割。另外一方面就是如何提取运动目标的特征，只有选择合适的特征，才能有效理解交通事件行为，达到交通事件自动检测的目的。