复杂交通环境下行人生物特征识别与交通管控技术研究

刘剑飞

摘要：在我国城市化快速发展进程中，智能交通系统占据着重要的地位，随着城市化带来的交通问题不断涌现，人车混行带来了严重的交通安全隐患，给交通管理部门也提出了更高的管理挑战。为此，本文在以现代城市高度复杂的交通环境的背景下，提出采用行人生物特征识别技术对行人实时检测和追踪，通过对于路面行人的人脸、步态等特征实时检测和追踪，可以得到许多有价值的交通流參数，例如：人流量、人流密度等等；而对于交通路口的行人检测和追踪，可以得到诸如排队长度、占有率等参数；同时还可以检测事故或者故障等突发状况，这些有价值数据可以由交通管理部门进行挖掘分析，进一步优化交通管控方式及交通组织设计。

关键词：复杂交通；生物特征识别；人脸识别；交通管控

一、复杂交通环境行人检测存在问题及技术难点

通过多年国内外学者的共同努力，行人检测技术特别是人脸识别技术在算法上取得了很大的突破，在室内、专用通道等环境比较单一、固定的场景下已取得了较好的应用效果。但在复杂的交通场景下，例如交通路口、人流密集的商业区等环境中，行人时刻处在移动、静止、姿态变化和不同程度的相互遮挡等状态中，这些都给行人检测与跟踪带来了困难，在复杂交通环境下行人检测技术仍然面临着挑战，主要体现在：

（1）移动过程中行人的姿势变化问题：具体表现在行人在移动过程中可能呈现多种不同的姿态，或行走或静止，或站立或蹲下，而且不同行人之间的着装、外貌也具差异。当前的行人检测方法还不能完全适应这些变化。因此，如何设计一个与外表无关，能适应姿势变化的行人识别方法是行人检测需要解决的一道难题。

（2）场景复杂性的问题：行人与车辆、绿化等背景混合难分；在有行人存在的交通环境中，人与人或人与环境之间相互影响、遮挡，以及户外交通场景下光照度的变化、时变性和大量存在的类似行人部分轮廓的物体等因素的干扰，使得我们精确检测、识别与跟踪行人变得相当困难。

（3）特征识别的实时性问题：在实际的应用中，特征的检测跟踪需要处理较大的数据量，而且为了满足系统的鲁棒性要求，算法的搭建往往较为复杂，对检测跟踪系统的反应速度有一定的要求。所以这些都成为了进一步提高系统实时性的阻力。

（4）人、人间或人、物间遮挡问题：行人与行人之间及行人与检测环境中存在着大量的遮挡，利用当前已有的图像处理等方法能在一定程度上处理局部的遮挡问题，但效果不是很理想，还不能处理较严重的遮挡问题。

在实际应用中，除了面临上述难题之外，还需要考虑到检测单元的运动问题以及不同的交通路况、天气的变化也对行人检测算法提出了更高的要求。

二、行人特征识别与交通管控关键技术

基于以上原因，我们提出一种技术架构，对现有行人特征识别和交通管控提出改进，使之达到实际应用水平。

（1）改进特征识别算法：在传统相邻帧间差分法、光流分析法、减背景方法和基于统计学习的行人检测方法基础上，加入针对场景的细化、使之适合于特定应用环境的算法，包括统计法，主动轮廓线法，独立分量分析法、高阶统计法，小波法，能量运动检测法，扩展的EM方法和数学形态法等，相应的硬件平台也许升级为DSP处理。

（2）大数据、云计算技术应用：包括构建基于大数据应用的智能多源感知全网络覆盖的生物特征（人脸、指纹、行为）数据库，包括结合开放的警用人脸数据库和开放的比对接口，采用了云架构设计，充分利用云计算平台的超强计算能力，部署多种算法，实现多算法的混合，这些新技术的应用可解决特征识别的实时性和准确度问题。

（3）低照度人脸专用检测摄像机：以星光级500万像素CMOS传感器（1/1.8”）配合高性能ARM+DSP双核心处理器进行高清视频图像处理和识别、采样分析，实现ULLS超微光感知性能，能够在极低照度的监控环境中（超低照度，彩色0.001Lux），清晰呈现彩色图像，可极大减少因夜间光线不足、雨雪极端天气等恶劣环境下的检测不准确的问题。

（4）主动服务型交通信号管控：通过人脸、指纹生物特征视频识别，主动触发行人过街请求信号，实现与道路信号控制系统联动。集成人性化交通信号及倒计时显示、LED红绿双色智能声光警示与检测曝光、盲人钟语音提示等行人安全保障功能。支持行人及车辆动态（包括流量、运行轨迹）分析，建立主动优化信号配时方案，实现与道路信号控制系统联动。

（5）构架可信安全网络，具体包括：

1.采用安全网闸、防火墙等网络安全设备，进行数据隔离，保障数据安全。

2.系统前端数据采集和平台交互采用数字签名、消息认证、数据优化加密算法等多重保护措施，后端实行原始图像比较验证，防止人为修改，以确保证系统信息完整和合法。

3.可靠数据通讯：系统前、后端数据交换采用唯一XML协议和唯一验证算法等数据传输加密，有效限制或屏蔽解析非法数据或不完整数据，确保数据传输可靠、完整。

4.对文件及硬盘数据读/写操作，设计防暴力开/关机保护；采用软件硬化技术，防止软件病毒侵入。

三、行人特征识别与交通管控系统优势

行人特征识别与交通管控系统主要优势体现在以下几个方面：

1.提高识别实时性和准确度。采用高性能DSP处理器以及狄早大星光级图像传感器，结合改进特征识别算法，在传统相邻帧间差分法、光流分析法、减背景方法和基于统计学习的行人检测方法基础上，加入针对场景的细化、使之适合于特定应用环境的算法，能有效适用于静态或者准静态背景下面积不大的运动目标检测，能够完整的分割出运动目标，提高行人识别实时性和准确度。

2.提高识别响应速度。引入海量生物特征库，采用了云架构设计，充分利用云计算平台的超强计算能力，部署多种算法，实现多算法的混合，同时吸纳各种算法的优点，提高大数据库容量下人脸图像的识别和比对性能，。

3.提高交通综合应用水平。特征识别与交通管控一体化设计，实现主动型现代交通管控系统应用，包括通过人脸视频识别，主动触发行人过街请求信号，实现和路口信号控制系统联动；集成人性化交通信号及倒计时显示、LED红绿双色智能声光警示、盲人钟语音提示等全方位保障行人安全措施，主动规范行人安全通行，实现人性化交通服务；支持行人动态（包括流量、运行轨迹）分析，建立主动优化信号配时方案，实现与道路信号控制系统联动。

结束语：

综上所述，在城市发展进程中，交通系统扮演着重要的角色，其主要为交通运输、物流发展、经济贸易等提供重要的交通条件。新时期，为促进城市交通系统的全面建设，应将信息技术与科学技术渗透到交通系统之中，打造智能交通管理系统，以实现对城市道路交通的行人特征识别和人性化交通管控，强调城市交通行人和车辆的相互协同，这对于城市交通运行具有重要的作用。同时全面促进城市交通事业的发展，提升道路行人安全管控效率。较好的满足了交管部门对道路交通及行人安全综合执法统一部署和集中管控的新需求。

参考文献：

[1]方旭. 复杂场景下的行人检测方法研究. 苏州大学，2014，（11）：108-115.

[2]董盛. 基于视频的行人快速检测方法研究[D]. 大连理工大学，2013.

[3]陈清梁. 复杂场景下的目标跟踪方法研究[D]. 哈尔滨工业大学，2015.

[4]刘晓辉. 复杂视觉场景下的行人检测与跟踪方法研究[D]. 天津大学，2013.

[5]吴文旭. 自然场景下行人的视频跟踪技术研究[D]. 天津科技大学，2011.

[6]龚燕冰. 基于DM8127的行人检测智能前端设计与实现[D]. 大连海事大学，2017.

[7]徐良杰. 信号交叉口混合交通流控制仿真系统研究[J]. 交通与计算机，2008，（03）：5-8.