交通事件视频检测技术应用现状及发展对策

文图｜张奇 刘晓斌 李小松

视频检测；国外情况；国内现状；发展对策

近年来，在人工智能技术的发展和公安交管需求的推动下，越来越多的交通事件检测技术从理论研究走向实际应用，其借助计算机强大的图形数据处理能力，可对海量视频数据进行快速分析，智能化提取有价值的关键信息，帮助交管部门快速处理问题，有效防范二次事件的发生。本文通过分析交通事件视频检测技术应用发展现状、存在的不足，提出了交通事件视频检测技术的发展建议，旨在探讨视频检测技术在交通管理方面的应用和提升。

一、国外发展情况

智能交通系统概念被提出后，视频检测技术在交通事件自动化检测中的应用研究受到了广泛关注。国外交通事件检测技术应用起步较早，1972年，日本首次利用图像处理技术研制出一种用来测量交通参数的设备，不过由于软硬件技术受限，没有得到更好的发展应用。美国加利福尼亚州于1978年使用视频技术来检测车辆的运行，标志着视频检测技术的开始。美国早在2000年就启动了VACE（Video Analysis and Content Extraction）项目，主要关注人脸检测跟踪、行人检测跟踪、事件检测等任务。ETISEO是由法国政府赞助的视频监控系统测评项目，项目研究时间从2005年初到2006年12月，通过采用目标识别跟踪技术，可以实现对交通拥堵、车辆事故碎片等交通事件自动检测。美国国家标准和技术协会（NIST）在随后几年里也进行了交通事件视频检测方面的工作。美国国土安全部（DHS）考虑利用先进的军事技术来研发智能监控摄像头，使之能够应用于道路交通监控。DHS曾于2012年初向美国国内征求了有关广域监控系统的意见。根据DHS的设想，这种监控系统能够提供“持久的、长期的城市与农村交通监控能力”。比利时Traicon NV公司开发的Traficam系统，通过设置监控区域，对停车、倒车等交通事件进行检测。这些视频检测设备具有多功能、多区域、实时跟踪检测能力，可以利用它们获取各种交通信息数据。

二、我国交通事件视频检测技术应用现状

（一）视频检测技术应用发展

在我国，交通事件检测其实也一直备受关注。进入21世纪，基于机器视觉的交通事件检测技术得到科研机构、企业和交通管理部门的共同关注，研究成果越来越成熟。中国科学院自动化研究所对交通可视化和运动目标行为识别进行了深入研究，并取得了初步成果。但早期的视频检测功能单一，主要在城市道路、路口等区域进行违法抓拍，图像质量和智能化水平都很低，覆盖的范围一般在30米左右，且要求车速相对较慢。后几经迭代和升级发展，视频检测技术应用逐渐成熟。目前市场常见的智能检测系统，前端主要由卡口、电子警察、违停抓拍球机等组成。系统通过AI前端采集设备，对动态车辆行为实时检测。

同时，《交通强国建设纲要》《公路信息化技术规范》《上海市推进新型基础设施建设行动方案（2020-2022年）》《浙江省智慧高速建设指南（暂行）》等政策发布，对路侧监控数据检测精度、边缘计算能力、管控手段、多业务协同等方面的智能化提升提出了广泛要求。人工智能、5G、视频图像AI识别、大数据挖掘等技术不断赋能公共交通，高精度视频监控、广域微波雷达、神经网络算法、机器学习等先进设备、算法不断开发，为路侧监控的智能化提升创造了良好的条件。清华大学等研究机构在视频图像AI识别领域进行了研究，利用分别垂直和平行于车道构成的两条车道检测线检测交通，分析获取车流和车速的交通参数，可以结合我国道路交通的实际情况进行自动监测。2017年，阿里云发布了杭州“城市大脑1.0”,可以管控信号灯、摄像头，通过系统自动识别机制，为城市管理者智能化提示交通情况及智能调度。2018年，华为云结合AI与交通工程理论，实现了实时视频流低时延结构化分析。2019年，杭州海康威视数字技术股份有限公司、青岛海信网络科技股份有限公司等公司均建立交通视觉算法训练推算平台，开展基于视频图像的各类AI算法训练、推算、优化、测评，面向基层交警提供驾驶人、机动车、交通监控等图像识别、特征比对等算法应用服务，在城市智能交通、公路动态管控、业务监管、自动驾驶、车联网等方面开展创新应用研究。

（二）技术应用存在的不足

虽然基于视频识别的交通事件检测技术在我国发展较早，运用广泛，然而在用户实际使用过程中仍面临着一些问题。

缺少交通事件训练数据库。交通事件视频数据库是训练、测试检测技术的基础，真实交通事件数据的参考价值更高。目前国内学者多采用国外交通数据集或自行建立的数据集进行检测技术的实验。但由于国内外交通规则及道路状况等存在较大差异，基于国外数据集训练和验证的检测技术，在国内道路检测上存在不适用的风险。自行建立的数据集可能存在收集数据量不足、不同交通事件类型数量差异较大等问题，同样会导致视频检测技术在实际应用上效果不好。

视频检测技术仍有提升空间。目前在视频检测系统中布设高清摄像机已经成为常态，而对高清视频进行智能分析需要庞大的资源占用，目前条件下不可能对所有摄像机进行实时智能视频分析，因此在事后调查时需要应用智能视频检测相关算法在大量离线视频数据中检测出可疑目标或者异常事件，这大大影响了一线交管实战应用效率。此外，遇到阴天、下雨、降雪、沙尘等恶劣天气时，视频识别结果的可靠性、精准性、实时性均有不同程度的降低；当交通事件发生时，往往出现漏报或者误报的情况。

缺少完善统一的技术评价标准。视频识别企业如雨后春笋般涌现，尤其是在2021年上半年，各家企业就围绕着交通场景中的路口，展开了规模庞大的建设攻略战，各类解决方案和系统构架层出不穷，让人眼花缭乱。事件检测的准确率、误报率等指标乱象丛生，很多厂商为了宣传产品，存在一定程度的参数虚标、夸大等问题。虽然国家安全防范报警系统产品质量监督检验相关部门在视频分析检测领域进行了一定的研究工作，其主要测评目的是检验产品是否达到标准要求的最低功能和性能，但评价指标单一且存在数据集容量有限等问题，不能完全达到行业规范化的目的。由于没有统一的技术评价指标，导致产品与公安交管实战应用差异较大，无法满足交管实战需求。

三、交通事件视频检测技术应用发展对策

（一）建立适合我国交通环境的视频训练数据库

城市交通视频数据的集成与分析技术研究，对我国智慧城市的发展具有战略性意义。人工智能不但为智慧交管，也为“互联网+交通”带来强大技术支撑，并以其丰富的应用场景，极大地提升了智慧交通的品质和内涵。人工智能发展离不开三大要素：数据、计算力和算法，三者相辅相成、相互提升，缺一不可。数据是基础，视频检测技术的发展离不开数据。应构建统一规范适合我国交通环境的测试数据集，为开展异常交通事件检测能力评价提供可量化的数据基础。通过收集多源、多类型的交通事件数据，建立数据量足、事件类型全面的国内交通事件视频数据库。利用全国交通事件视频数据库进行测试训练，一方面保证了检测技术在国内道路检测的适用性，另一方面为提高视频检测技术实际应用效果提供可靠的数据支撑。如果数据库分布越接近真实应用场景，就越有可能对研究工作起到正向的推动作用。

交通事件测试数据集

（二）推进视频融合检测技术发展

大力发展多源信息融合检测技术。一是图像算法的融合。将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度地提取各自信道中的有利信息，最后综合成高质量的图像。融合的结果可以更好地将多幅图像在时空上的相关性和信息上的互补性进行整合，从而将更为重要的图像特征表征，便于机器的后续处理。二是多视角（多源）信息的融合。其中又包括多传感器数据融合和多视角信息融合。通过交替训练的方式使未标记的两个不同视图的相互一致性最大化；利用与不同视图自然对应的内核进行线性或非线性的组合以提高学习性能；子空间学习是通过假设输入视角从多个视角共享的子空间产生的。

多源信息融合检测技术不仅可以利用多个传感器相互协同操作的优势，更好地将多幅图像在时空上的相关性和信息上的互补性进行整合，而且也综合处理了其它信息源的数据来提高整个检测系统的智能化。有效地克服单一传感器可靠性低、监控范围小的缺点，可以获取更全面可靠的交通信息。例如，视频传感器与激光雷达结合可以解决图像模糊问题；视频传感器与红外传感器结合可以增强目标识别的可靠性，尤其是恶劣天气或光照条件不好的情况下作用更加明显。对于多传感器检测，信息如何融合是一个关键的问题。通用的做法是采取神经网络方法，该方法是将各种传感器获得的信息作为神经网络的输入，用基于推理的算法将上述信息进行融合处理，从而实现对车辆的检测。基于算法与多源信息融合，减少智能视频检测算法的计算资源占用，也是未来发展的一个趋势，在相同资源计算条件下，提升智能识别的可靠性与准确性成为基于视频检测的交通参数提取的另一研究热点。

（三）完善事件视频检测产品性能评价体系

2013年4月1日，中国国家标准《视频交通事件检测器》（GB/T 28789-2012）实施。标准初步规定了视频交通流检测器技术要求以及标志、包装、运输和贮存要求。随着越来越多视频检测产品的出现，判断这些产品实用性的工作开始变得至关重要。由于目前视频检测产品的测试工作主要由各厂家或者算法设计者开展，给出的性能指标缺乏说服力，可能在实际应用上无法起到厂家宣传的效果。对于面向公安交管的视频检测产品应用效果的检测仍缺乏权威、标准、统一的评判规范。因此，研究关键测评指标及评判规范，建立视频检测产品性能评价标准及体系，可以为面向公安交管的视频检测统一化研究提供理论依据，而且有助于视频检测设备生产厂商进行算法的改进，同时可以帮助视频检测系统用户对产品进行选择。（作者单位：张奇、李小松，公安部道路交通安全研究中心；刘晓斌，山东省公安厅交警总队）