[01560086]低照度复杂环境下的道路目标检测技术

1课题来源与背景 近年来,利用视频监控设备管理道路交通,确保车辆和行人的安全已经成为交管部门的必要手段。但是,传统的视频监控装置在夜间以及恶劣天气下监控视频的效果并不理想。视频中的景物图像往往被改变或退化,许多细节无法清晰辨别。然而,夜间和恶劣天气往往又是道路堵塞、事故频发的时间,模糊不清的监控视频对于道路安全管理会产生严重影响。因此,亟需能够应对低照度复杂环境的视频检测系统。 2技术原理及性能指标 本项目提供一套低照度复杂环境下道路目标的检测系统,该系统可在复杂的夜间环境中对道路中的车辆进行识别与跟踪,并借助高质量的视频摘要,帮助用户对所关注的车辆进行高效回溯,协助交管部门实现全天候道路交通的管理。 1)修复复杂环境下的视频图像。采用基于雾霾场景的图像退化模型,以自适应的方式对夜间雾霾环境下的视频图像加以修复,获得清晰的道路视频图像。 2)识别夜间道路下的运动车辆。利用车辆标识物等特征,通过双通道卷积神经网络对夜间道路中的车辆进行提取和识别,并且可根据需要,获取特定目标车辆在不同时间、地点的监控视频中的画面。 3)生成高质量的视频摘要。采用新颖的链条结构算法,对视频图像中的运动目标加以描述,可有效解决目标提取过程中出现的信息损失,实现无损的视频摘要生成。并且可以根据需要,将特定目标在不同视频中的影像串联成完整的视频链条,以准确呈现其在道路上的全时态状况。 4)构建云端数据处理架构。通过全新的数据处理架构,将海量视频信息及复杂目标处理交至云端服务器,由服务器完成所有运算,减少系统对于前端硬件依赖,提高系统反应速度。 3技术的创造性与先进性 1)先进的低质视频修复技术。针对雾霾天气严重影响道路视频监控系统的问题,本项目采用基于雾霾场景的图像退化模型,对视频图像中的环境光和透射率进行自适应变化,使得在抑制图像亮区发散的同时能重现图像暗区的细节,进而能够恢复图像的自然色彩,保持视频较好的亮度和对比度,达到视频图像雾霾去除的目的。 2)精准的夜间车辆识别技术。针对夜间交通环境下车辆识别所存在的困难,本项目利用深度学习网络,通过车辆标识物等特征,从外观度和细粒度两个方面构建夜间车辆的识别网络。该技术具有较高的识别率和较好的鲁棒性,可以有效应对夜间场景中环境光、反射光等引发的干扰,并能在不同相机视场中进行准确的跟踪。 3)高质量的视频摘要生成技术。在道路视频处理的过程中,采用新颖的树状结构算法对道路中的车辆进行准确描述,有效解决目标提取过程中所存在的粘连、断裂、遮挡等问题,使得视频浓缩过程中目标车辆不发生事件丢失,完整的展现原始视频中目标车辆各时段的运行状况。 4)优化的云端数据处理模式。目前市场上现有的产品对于硬件的依赖度较高,其硬件配置的要求也很高。本项目通过全新的系统架构,使用户在客户端即可完成查询显示功能,而将海量的道路视频信息以及复杂的目标检测处理交至云端服务器,由服务器完成所有算法的运算,这将极大减少系统硬件资源的使用,使得本项目的花费与其他产品相比具有很高性价比。 4技术的成熟程度,适用范围和安全性 本项目的相关技术已经完成实验室的功能验证和测试,目前正在进行正样级产品的开发与测试,包括功能样机测试以及工艺验证可行等。其技术可以广泛应用于交通监控行业,在复杂的夜间环境中对道路中的车辆进行识别与跟踪,并借助高质量的视频摘要帮助用户进行高效回溯。作为软件系统,它具有良好的稳定性和安全性。 5应用情况及存在的问题 我国正在不断深入推进“平安城市”工程建设,其中智能交通管理是“平安城市”工程的重要环节。本项目提供一套低照度复杂环境下道路目标的检测系统,它可以应用于交通监控领域,协助交管部门实现全天候道路交通的管理。目前,该技术正在项目协作单位开展正样级产品的开发与测试,后期希望能够尽快实现产品的批量生产。