基于目标检测与跟踪技术的民航限行车辆预警系统设计与研究

夏亚雄 万好

摘要：机场作为面向国际的交通枢纽，不仅为人们提供便捷的出行环境，也彰显着所在城市的精神面貌，因此机场道路交通管理也愈发受到关注。针对机场交通管理的需求，设计了一套基于目标检测与跟踪技术的民航限行车辆预警系统，旨在监测机场道面移动目标的情况，并对监测数据进行统计与呈现，为工作人员提供管理依据与帮助。

关键词：限行车辆；目标检测；深度学习；机场交通

中图分类号：U495 文献标识码：A

0 引言

随着机场规模日益扩大，机场辖区内的道路也越来越多，为了确保机场道路交通安全，进一步净化广州白云国际机场社会治安环境，保障广大群众合法权益，提升旅客出行体验，维护广州城市形象，如何对机场各道路上的移动目标情况进行有效监控，成为亟待解决的问题[1]。

在城市交通事故中，自行车、三轮车、摩托车（以下统称“限行车辆”）等非机动车事故率居高不下，而因机场性质特殊，其道路会长时间处于车流量较大的状态，如若在机场道路出现上述车辆，不仅影响城市形象，也增加了道路交通安全隐患。因此，迫切需要通过基于目标识别、目标分类等深度学习技术[2] 实现机场主要道路的道面移动目标监测[3]，并统计各关键区域限行车辆数目[4]，通过设定警戒阈值，有效辅助机场交通管理部门对限行车辆进行管理，清除机场道路交通安全隐患[5]。

近年来，深度学习技术快速发展，取得了一系列突破性成果，在某些子领域，深度学习算法的表现甚至超越人类，能有效辅助人们进行工作。因此，本文结合机场道路现有的视频监控系统，在获得道路实时监控画面的前提下，基于目标检测与跟踪技术研究机场道面移动目标的检测与跟踪系统。对道面车辆进行检测、识别与分类，实时统计机场重点区域存在的限行车辆数目，为机场交通管理部门提供数据依据；当数量达到警戒阈值时，及时发布预警，消除交通安全隐患，维护机场交通安全與城市形象。

1 系统功能设计

针对机场道面区域，基于目标检测与跟踪技术的民航限行车辆预警系统主要功能如下。

1.1 目标（车辆车型）检测

调研分析机场道路交通常见车辆车型及限行车辆种类，需要检测的目标包括小汽车（car）、卡车（truck）、公共汽车（bus）、自行车（bicycle）、摩托车（motorbike）、三轮车（tricycle）。得益于深度学习技术的快速发展，近年来基于深度学习的目标检测算法研究越来越多，其效果也已经大大超越了传统的目标检测算法，甚至有不少基于深度学习的目标检测算法已经应用到了实际的生产环境当中。基于深度学习的目标检测算法从算法实现的角度可以分为一阶段目标检测算法以及二阶段目标检测算法。

本文主要的检测对象是车辆，而车辆通常具有比较固定的长宽比，所以采用带锚点的目标检测算法能更好地利用车辆形状信息。除此之外，考虑到限行车辆预警系统会同时监控多路摄像头录像，故选择速度更快的一阶段目标检测算法。

1.2 检测区域设置

机场公共区域用于交通监控的摄像头繁多，若对每一路采集到的监控视频都做车辆监测，无疑会造成计算资源的极大浪费。因此，需要根据机场交通布局将机场划分为若干区域，然后针对每个区域的出入口进行车辆监测与统计。为了进一步提升算法的时效性，在选定的出入口视频中，可以通过设置检测区域有效降低输入图像的尺寸，降低计算量，提升计算效率，也为后续的部署提供更具性价比的方案。

1.3 多目标跟踪与数量统计

为实现机场各区域限行车辆的数量统计，需要判别车辆在各区域的进出情况，仅采用车辆车型检测显然无法满足需求。因此，本系统引入多目标跟踪算法，对检测区域范围内的车辆进行跟踪，并通过划定进出车道线的方式，辅助判断车辆在各区域的进出情况，为车辆的数量统计提供依据。

2 系统搭建

2.1 技术方案设计

本系统的技术研究主要是基于深度学习技术，对机场道路上的移动目标进行检测与跟踪，通过识别与分类实现对限行车辆的实时监测，从而实现对机场各区域限行车辆数目的实时统计。可以将其抽象理解为车辆监控问题，而车辆监控问题的解决方案是目标检测加目标跟踪。目标检测用于发现、定位当前处理图片中存在的目标车辆，而目标跟踪则是结合当前图片的目标检测信息，计算出每一个目标在视频流中的运动情况。

如图1 所示，本系统的技术方案流程如下。

（1）获取道路监控画面作为系统的输入。

（2）使用目标检测算法检测出图片中的目标车辆，并记录其类别及坐标。

（3）结合当前帧的目标检测信息和上一帧图片的检测信息，对当前帧的目标车辆进行跟踪，并分析其运动状态。

（4）根据当前帧车辆的运动状态、位置信息和历史信息，再结合目标车辆是否跨越机场重点区域以及其进出车道线的方式，判别所跟踪的目标车辆进出机场区域的状态。

（5）统计机场道面重点区域内目标车辆的种类及数量，及时识别并统计限制车辆的数目，如数量大于设定的警戒阈值，则向机场交通管理部门主动预警。

2.2 系统功能模块

2.2.1 车辆车型检测

针对机场区域常见车型car、truck、bus、bicycle、motorbike、tricycle 进行训练，在输入的监控视频中监测出现的车辆并对其车型进行分类。为了能更好地展示本系统的工作成果，制作了一个图形用户界面（GUI）进行演示，如图2 所示。

图2 中，本系统能够正确对机场各个视角下出现的车辆进行检测与分类，为后续车辆进出机场重点区域的判别奠定了基础。

2.2.2 监测区域设置

为了提升系统的运行效率，可通过设定检测区域来控制输入系统图片的数据量。主要采用以点连线的方式，通过依次点击画面，画出一个多边形，以多边形的最小外接矩形作为检测区域，将其设置在输入视频的第一帧中，如图3 所示。这样系统在处理这一路视频图片时，只需要处理矩形框区域即可，极大地减少了所需处理的数据量，提升了系统处理效率，有效降低了硬件成本。

2.2.3 车辆出入判别与数量统计

为了更好地判别系统所监测的车辆进出情况，在划定的检测区域范围内，设定车辆进出虚拟线圈，如图4 所示。

图4 中，左侧虚线为设定的进入机场区域虚拟线圈，右侧虚线为离开机场区域虚拟线圈。机场各区域的现存车辆将通过各区域出入口的进出车辆数据进行统计，统计区域如图5 所示。

图5 中，左下角方框内为各类车辆进出机场区域的情况，右下角方框内为功能按钮，从上往下分别是选择视频文件、设置检测区域、开始运行。

2.3 系统界面

基于上述系统功能，制定系统界面，如图6所示。

当目标车辆进入图中矩形框检测区域，就会被系统的车辆监测算法检测出来，当出机场的车辆经过离开机场区域虚拟线圈，相应的车辆类型出机场数加一，反之亦然。机场各区域现存各车型车辆数量可以由进出差值计算得出，限行车辆数可由各限行车辆种类的现存数之和得出，其超过预定阈值时会发出预警。

3 结论

本文研究设计了一套基于目标检测与跟踪技术的民航限行车辆预警系统，利用机场公共区域道路交通监控视频，实现对机场各划定区域的车辆实时监测并对限行车辆进行数量统计，可为机场交通管理部门提供数据支撑与监管辅助，及时提醒限行车辆到达警戒阈值，协同执法部门处理隐患，为人们提供更加便捷安全的出行环境。

参考文献

[1] 胡亚光，欧阳杰，张兆宽. 枢纽机场陆侧交通协同化管理系统分析与框架概述[C]// 第十五届中国智能交通年会学术委员会. 第十五届中国智能交通年会科技论文集. 北京：电子工业出版社，2020：452-461.

[2] 万良昊. 基于深度学习的多场景车辆检测系统设计与实现[D]. 武汉：华中科技大学，2018.

[3] 陈熊. 基于机器视觉的车辆检测方法研究[D]. 成都：电子科技大学，2016.

[4] 孙晓瑶，田波，王秋生，等. 轮迹分布与车型分类检测系统设计与实现[J]. 工业计量，2012，22（2）：9-12.

[5] 蔡长. 一种可车型分类的道路交通流检测系统研究与设计[J]. 公路工程， 2009，34（6）：30-33.