【产通社，4月8日讯】富士通研究开发中心有限公司（Fujitsu China）官网消息，其开发了一种基于监控视频的交通异常检测技术，可用于智能交通系统中。此技术框架包括道路区域定义、交通规则定义、车辆及非车辆物体的检测和跟踪、提取物体属性、以及规则比较等模块。 与现有的方法及产品相比，我们的技术适用于几乎所有的交通异常类型，可用于复杂交通场景，并且检测精度高。此技术通过软件实现方式，在交通监控系统中实时检测并显示交通异常状态，有助于提高交通通行效率。

产品特点

交通状况分为正常和异常两种，异常状况会大大降低交通通行效率，因此需要一直监控，如果出现异常就进行报警和提醒。随着交通车辆数目的激增，一些异常状态（交通事故、交通拥堵、以及交通违章等，我们称之为异常）发生更频繁了。一些交通异常很难通过传统的交通设备，比如埋地线圈来检测。 在交通应用中，人们用越来越多的摄像头监控交通状况。如果这些摄像头能用于交通异常检测，将大大提高其使用效率，并且成本很低。传统的基于监控视频的异常检测方法只适合有限的场景，用于单个事故类型，并且检测精度较低。我们的技术框架包括道路区域定义、交通规则定义、车辆及非车辆物体的检测和跟踪、提取物体属性、以及规则比较等模块，能够有效地应用于几乎所有交通场景，适用于几乎所有异常类型，并且检测精度较高。

传统的算法或者现有的产品有如下问题：
1）大多数方法只解决单个异常类型，比如只检测交通事故，只检测交通拥堵，或者只检测交通违章等。对于每种异常类型，只有有限的应用情形，比如交通事故情形局限于变道、停车、低速行驶、以及遗落物等。
 2）大多数方法只是在简单的场景中测试和应用，这些场景车辆较少，并且事故发生的情况较少。因此对于通常存在的复杂交通场景，其检测精度较低，误检率较高。 这些方法不适合复杂交通状况的道路十字路口，因此我们开发了有效的交通异常检测技术，能够同时在简单和复杂场景下工作，检测精度高，可以通过软件实现实时监测。

其开发的基于监控视频的交通异常检测系统包括道路区域定义、交通规则定义、车辆及非车辆物体的检测和跟踪、提取物体属性、以及规则比较等模块。输入视频通过监控摄像头获得，并且需要架设得较高，这样可以观察到路口的多个部分。这样一个摄像头可以管理路口的各个方向，成本低，效率高。

通过输入视频，我们可以定义道路的每个车道、人行道、路口中心、以及禁止等区域。每个区域的属性可以通过一个16位的整数表示，其值可以从0x0到0xFFFF。对于每个区域，我们可以根据交通标志以及交通规则定义特定的规则。比如在左转车道，规则设定为只能左转，而禁止直行。 对于交通异常，有两种物体需要检测，即车辆物体以及非车辆物体。车辆包括大型（卡车、公交车、中巴等）和小型（汽车、摩托车等）两种，非车辆物体包括行人、使用交通工具（自行车、滑板车等）的人、以及动物等。对于每种物体，它们都有两种状态：运动和静止。 很多方法很容易使用运动信息检测到运动的物体，但是只使用运动信息难以检测到静止物体。有些方法，比如通过机器学习和训练进行车辆识别的方法，可以通过颜色、纹理、以及边缘信息识别静止车辆。但是它们局限于训练场景，只能使用固定的摄像头参数（安装位置、角度、焦距等），局限于光照和天气条件。 我们使用一种新的前景物体检测方法，不仅能检测到运动车辆和行人，也能检测到排队等待的静止车辆。而且，这个方法能够检测大尺寸物体，也能够检测小尺寸物体。

该技术可以从视频的任意时点开始，通过和背景图像比较，得到前景物体。当提取背景图像时，传统方法会出现两种情况的鬼影。第一种情况，当运动物体静止下来，将慢慢融入到背景中，然后在某个时刻又重新运动时，就会出现鬼影；第二种情况，属于背景图像的物体（比如停止的车辆）开始运动时，也会造成鬼影问题。在我们的算法中，当运动物体静止下来时，我们不会将其融入背景中，所以不会出现第一种情况的鬼影。我们的算法包括一个主工作模型，几个轻量级的监测模型，当一个背景图像中的物体开始运动时，背景的污染会通过监测模型进行控制，相关的背景区域会重新初始化，因此第二种鬼影也不会出现。 为了获得检测到物体的属性，我们需要跟踪这些物体，这是通过记录物体通过的已定义区域实现的。根据跟踪结果，我们就可以将轨迹信息和交通灯信息进行比较。例如，在交通灯是红灯情况下，任何物体不允许从直行区域运动到道路中间区域，左转也是如此。交通灯信息可以通过外部控制设备获得，也可以通过摄像头识别，但是前提是摄像头能清楚看到交通灯。

供货与报价

查询进一步信息，请访问官方网站http://cn.fujitsu.com，或者Email: zhmtan@cn.fujitsu.com。