基于图像分析的车祸现场识别技术研究
黄玲++刘邦凡
摘 要： 由于车祸现场环境复杂，科研组织曾提出的各类车祸现场识别方法不具备较高的识别精度和较短的识别时间。为了合理管理城市交通，提出一种基于图像分析的车祸现场识别方法。使用光敏传感器对城市交通视频中的车祸现场图像进行采集，并提取出图像的灰度阈值。图像定位工作以车祸现场图像的灰度阈值为输入，对其进行分割和边缘删除，获取其中重要信息的定位图像并进行输出。图像识别工作以定位图像为输入，采用模式匹配技术识别出其中的目标车祸参数并发出警报，以实现对车祸现场图像中目标车祸参数的精准、高效定位。实验结果表明，所提方法具有较高的识别精度和较短的识别时间。
关键词： 图像分析； 车祸现场； 识别技术； 城市交通
中图分类号： TN911.73?34； TP18 文献标识码： A 文章编号： 1004?373X（2017）12?0117?03
Abstract： The various traffic accident scene recognition methods proposed by a scientific research organization can not accurately recognize the traffic accident in complex traffic accident scene environment in short time. In order to manage the urban traffic reasonably， a traffic accident scene recognition method based on image analysis is put forward. The photosensitive sensor is used in the method to acquire the traffic accident scene image in urban traffic video， and extract the gray?level threshold of the image. The gray?level threshold of the traffic accident scene image is taken as the input of image positioning to conduct its segmentation and edge deletion， and acquire the positioning image with important information for image output. The positioning image is taken as the input of image recognition. The pattern matching technology is used to recognize the parameters of target vehicle accident and send an alarm to locate the parameters of target vehicle accident in vehicle accident scene image accurately and efficiently. The experimental results show that the proposed method has higher recognition accuracy and shorter recognition time.
Keywords： image analysis； traffic accident scene； identification technology； urban traffic
随着国民经济的逐年上涨，城市交通路线逐渐便捷起来，车流量也越来越大，车祸时有发生。据官方统计，我国2010—2015年度的车祸死亡人数均高于20万，因车祸导致的城市交通瘫痪更是不计其数[1?3]。为了更加合理地对城市交通进行管理，科研组织开始进行车祸现场识别技术的研究。曾提出的各类车祸现场识别方法往往受限于车祸现场的复杂环境，故不具备较高的识别精度和较短的识别时间，无法有效优化城市交通[4?6]。为此，提出一种基于图像分析的车祸现场识别方法。
1 基于图像分析的车祸现场识别技术研究
图像分析是一种将数学模型和图像处理技术进行合理融合，实现图像结构采集和图像特征分析的技术，它被广泛应用于人脸识别、图像索引、医学影像处理等研究中。在所提基于图像分析的车祸现场识别方法中，图像分析可以实现对车祸现场图像中重点信息的精准采集，其主要分析流程有：传感器输入、图像定位和图像识别。
1.1 车祸现场图像的传感器输入
所提基于图像分析的车祸现场识别方法通过在城市交通视频传输信道上安装光敏传感器，进行车祸现场图像的采集工作。图1为城市交通视频传输信道上的光敏传感器分布示意图。
由图1可知，光敏传感器以菱形分布在城市交通视频传输信道上，即相邻信道上的光敏传感器是错分排列的，这样可有效避免光敏传感器之间信号的相互干扰。车祸现场图像的采集点位于城市交通视频传输信道的最顶端，所提方法将在这里安置一个控制中心，以约束光敏传感器的采集流程和傳输时间，并对信道上损坏的光敏传感器进行及时维修。同时，控制中心还将对采集到的车祸现场图像进行特征参数提取，提取出的特征参数便是图像分析中图像定位工作的输入值。在图像分析中，车祸现场图像的灰度阈值是非常重要的特征参数。通常来讲，只需提取出灰度阈值，便能准确进行车祸现场的识别工作。
设光敏传感器采集到的车祸现场图像面积为，图像上所标注的车祸时间为，车祸现场环境的干扰因素有种，环境光强为。那么，车祸现场图像的灰度集合（集合中共有个灰度值）与灰度阈值关系为：
式中：表示图像失真率，用户可根据实际需求自行设定图像失真率；是灰度集合中的最小值。
经由式（2）约束后的车祸现场图像灰度阈值，才能够作为图像定位工作的输入值进行输出。
1.2 车祸现场图像定位
图像分析中的图像定位工作是对图像灰度阈值进行调整和修正的过程。在所提基于图像分析的车祸现场识别方法中，图像定位工作可对车祸现场图像中的重要信息进行定位，进而避免车祸现场的复杂环境对该方法的识别精度和识别时间造成影响。图2为车祸现场图像定位流程图。
由图2可知，车祸现场图像定位工作的具体流程为：所提方法先将车祸现场图像灰度阈值分割成，两部分，并令和的方差和达到最大值，其表达式为：
式中：和分别表示和的平均灰度阈值；是整个车祸现场图像的平均灰度阈值。
随后，将对式（3）获取到图像阈值分割结果进行边缘提取，将无效的边缘删除。
1.3 车祸现场图像识别
在图像分析中，模式匹配技术是实现图像识别的一种重要方法，其原理如图3所示。
由图3可知，模式匹配技术将车祸现场图像识别工作的目标车祸参数，作为模板写入所提基于圖像分析的车祸现场识别方法中。在具体应用中，模式匹配技术将在车祸现场定位图像中识别出与模板相匹配的目标车祸参数，并发出警报。为此，本文给出如图4所示的车祸现场定位图像识别流程。由图4可知，车祸现场定位图像识别工作的具体流程为，先将车祸现场定位图像读取出来，并确认所需目标车祸参数与模式匹配技术模板是否一致。随后，对模板和车祸现场定位图像进行特征提取，对比二者的特征参数，并将车祸现场定位图像中与模板特征参数重叠的区域设为目标车祸参数。
2 实验结果分析
2.1 方法识别精度验证
三种方法识别出的车祸现场图像如图5所示，其中，图5（a）～图5（c）分别为本文方法、基于向量机的车祸现场识别方法和基于Web技术的车祸现场识别方法识别出的车祸现场图像。
通过对比图5中的三幅车祸现场图像可知，本文方法识别出的车祸现场图像的清晰度要远高于其他两种方法，而且本文方法对目标车祸物体进行了重点细化显示，对于人群、树木等环境干扰信息也能够进行正常显示。通过肉眼观察来看，本文方法具有较高的识别精度，现将图5中三幅车祸现场图像的各项目标车祸参数提取出来，并与Matlab Mac软件给出的标准目标车祸参数进行对比，获取到三种方法的识别精度，如表1所示。
由表1可知，基于向量机的车祸现场识别方法和基于Web技术的车祸现场识别方法的识别精度很少有高于0.90的情况出现，而本文方法的识别精度均维持在0.90以上，平均识别精度为0.94。上述结果能够验证，本文方法具有较高的识别精度。
2.2 方法识别时间验证
利用Matlab Mac软件在城市交通视频中插入300个车祸现场，车祸现场的环境复杂程度分为三个等级，每个等级的车祸现场均有100个。使用三种方法对这些车祸现场进行识别，记录下三种方法的识别时间，并计算平均值，如表2所示。
由表2可知，本文方法在三种方法中的识别用时最短，验证了本文方法具有较短的识别时间。
3 结 论
本文提出基于图像分析的车祸现场识别方法。图像分析是一种利用数学模型和图像处理技术进行图像结构采集和图像特征分析的技术，其主要工作流程有传感器输入、图像定位和图像识别。通过实验对本文方法进行对比验证，实验结果表明，所提方法具有较高的识别精度和较短的识别时间，能够为城市交通管理工作提供较大的帮助。
参考文献
[1] 程光伟，刘东明.FPGA图像处理在水果品级筛选技术中的应用[J].现代电子技术，2016，39（2）：89?91.
[2] 张利峰.重大外来与新发水生动物疫病识别与监测技术研究及示范[J].中国科技成果，2016，17（3）：21.
[3] 卓建森.基于现场可编程逻辑门阵列的车牌识别系统设计[J].人类工效学，2016，22（1）：57?62.
[4] 张尔卿，傅攀，吴希曦，等.基于声发射主轴机械密封端面开启状态识别技术[J].润滑与密封，2014，39（4）：67?73.
[5] 郭晓丽，程远.说话人识别技术及其在工厂自动控制系统中的应用[J].企业技术开发月刊，2015，18（3）：50?51.
[6] 庞东晓，潘登，贺秋云.井下无线微小信号识别技术研究[J].石油机械，2016，44（3）：44?47.
摘 要： 由于车祸现场环境复杂，科研组织曾提出的各类车祸现场识别方法不具备较高的识别精度和较短的识别时间。为了合理管理城市交通，提出一种基于图像分析的车祸现场识别方法。使用光敏传感器对城市交通视频中的车祸现场图像进行采集，并提取出图像的灰度阈值。图像定位工作以车祸现场图像的灰度阈值为输入，对其进行分割和边缘删除，获取其中重要信息的定位图像并进行输出。图像识别工作以定位图像为输入，采用模式匹配技术识别出其中的目标车祸参数并发出警报，以实现对车祸现场图像中目标车祸参数的精准、高效定位。实验结果表明，所提方法具有较高的识别精度和较短的识别时间。
关键词： 图像分析； 车祸现场； 识别技术； 城市交通
中图分类号： TN911.73?34； TP18 文献标识码： A 文章编号： 1004?373X（2017）12?0117?03
Abstract： The various traffic accident scene recognition methods proposed by a scientific research organization can not accurately recognize the traffic accident in complex traffic accident scene environment in short time. In order to manage the urban traffic reasonably， a traffic accident scene recognition method based on image analysis is put forward. The photosensitive sensor is used in the method to acquire the traffic accident scene image in urban traffic video， and extract the gray?level threshold of the image. The gray?level threshold of the traffic accident scene image is taken as the input of image positioning to conduct its segmentation and edge deletion， and acquire the positioning image with important information for image output. The positioning image is taken as the input of image recognition. The pattern matching technology is used to recognize the parameters of target vehicle accident and send an alarm to locate the parameters of target vehicle accident in vehicle accident scene image accurately and efficiently. The experimental results show that the proposed method has higher recognition accuracy and shorter recognition time.
Keywords： image analysis； traffic accident scene； identification technology； urban traffic
随着国民经济的逐年上涨，城市交通路线逐渐便捷起来，车流量也越来越大，车祸时有发生。据官方统计，我国2010—2015年度的车祸死亡人数均高于20万，因车祸导致的城市交通瘫痪更是不计其数[1?3]。为了更加合理地对城市交通进行管理，科研组织开始进行车祸现场识别技术的研究。曾提出的各类车祸现场识别方法往往受限于车祸现场的复杂环境，故不具备较高的识别精度和较短的识别时间，无法有效优化城市交通[4?6]。为此，提出一种基于图像分析的车祸现场识别方法。
1 基于图像分析的车祸现场识别技术研究
图像分析是一种将数学模型和图像处理技术进行合理融合，实现图像结构采集和图像特征分析的技术，它被广泛应用于人脸识别、图像索引、医学影像处理等研究中。在所提基于图像分析的车祸现场识别方法中，图像分析可以实现对车祸现场图像中重点信息的精准采集，其主要分析流程有：传感器输入、图像定位和图像识别。
1.1 车祸现场图像的传感器输入
所提基于图像分析的车祸现场识别方法通过在城市交通视频传输信道上安装光敏传感器，进行车祸现场图像的采集工作。图1为城市交通视频传输信道上的光敏传感器分布示意图。
由图1可知，光敏传感器以菱形分布在城市交通视频传输信道上，即相邻信道上的光敏传感器是错分排列的，这样可有效避免光敏传感器之间信号的相互干扰。车祸现场图像的采集点位于城市交通视频传输信道的最顶端，所提方法将在这里安置一个控制中心，以约束光敏传感器的采集流程和傳输时间，并对信道上损坏的光敏传感器进行及时维修。同时，控制中心还将对采集到的车祸现场图像进行特征参数提取，提取出的特征参数便是图像分析中图像定位工作的输入值。在图像分析中，车祸现场图像的灰度阈值是非常重要的特征参数。通常来讲，只需提取出灰度阈值，便能准确进行车祸现场的识别工作。
设光敏传感器采集到的车祸现场图像面积为，图像上所标注的车祸时间为，车祸现场环境的干扰因素有种，环境光强为。那么，车祸现场图像的灰度集合（集合中共有个灰度值）与灰度阈值关系为：
式中：表示图像失真率，用户可根据实际需求自行设定图像失真率；是灰度集合中的最小值。
经由式（2）约束后的车祸现场图像灰度阈值，才能够作为图像定位工作的输入值进行输出。
1.2 车祸现场图像定位
图像分析中的图像定位工作是对图像灰度阈值进行调整和修正的过程。在所提基于图像分析的车祸现场识别方法中，图像定位工作可对车祸现场图像中的重要信息进行定位，进而避免车祸现场的复杂环境对该方法的识别精度和识别时间造成影响。图2为车祸现场图像定位流程图。
由图2可知，车祸现场图像定位工作的具体流程为：所提方法先将车祸现场图像灰度阈值分割成，两部分，并令和的方差和达到最大值，其表达式为：
式中：和分别表示和的平均灰度阈值；是整个车祸现场图像的平均灰度阈值。
随后，将对式（3）获取到图像阈值分割结果进行边缘提取，将无效的边缘删除。
1.3 车祸现场图像识别
在图像分析中，模式匹配技术是实现图像识别的一种重要方法，其原理如图3所示。
由图3可知，模式匹配技术将车祸现场图像识别工作的目标车祸参数，作为模板写入所提基于圖像分析的车祸现场识别方法中。在具体应用中，模式匹配技术将在车祸现场定位图像中识别出与模板相匹配的目标车祸参数，并发出警报。为此，本文给出如图4所示的车祸现场定位图像识别流程。由图4可知，车祸现场定位图像识别工作的具体流程为，先将车祸现场定位图像读取出来，并确认所需目标车祸参数与模式匹配技术模板是否一致。随后，对模板和车祸现场定位图像进行特征提取，对比二者的特征参数，并将车祸现场定位图像中与模板特征参数重叠的区域设为目标车祸参数。
2 实验结果分析
2.1 方法识别精度验证
三种方法识别出的车祸现场图像如图5所示，其中，图5（a）～图5（c）分别为本文方法、基于向量机的车祸现场识别方法和基于Web技术的车祸现场识别方法识别出的车祸现场图像。
通过对比图5中的三幅车祸现场图像可知，本文方法识别出的车祸现场图像的清晰度要远高于其他两种方法，而且本文方法对目标车祸物体进行了重点细化显示，对于人群、树木等环境干扰信息也能够进行正常显示。通过肉眼观察来看，本文方法具有较高的识别精度，现将图5中三幅车祸现场图像的各项目标车祸参数提取出来，并与Matlab Mac软件给出的标准目标车祸参数进行对比，获取到三种方法的识别精度，如表1所示。
由表1可知，基于向量机的车祸现场识别方法和基于Web技术的车祸现场识别方法的识别精度很少有高于0.90的情况出现，而本文方法的识别精度均维持在0.90以上，平均识别精度为0.94。上述结果能够验证，本文方法具有较高的识别精度。
2.2 方法识别时间验证
利用Matlab Mac软件在城市交通视频中插入300个车祸现场，车祸现场的环境复杂程度分为三个等级，每个等级的车祸现场均有100个。使用三种方法对这些车祸现场进行识别，记录下三种方法的识别时间，并计算平均值，如表2所示。
由表2可知，本文方法在三种方法中的识别用时最短，验证了本文方法具有较短的识别时间。
3 结 论
本文提出基于图像分析的车祸现场识别方法。图像分析是一种利用数学模型和图像处理技术进行图像结构采集和图像特征分析的技术，其主要工作流程有传感器输入、图像定位和图像识别。通过实验对本文方法进行对比验证，实验结果表明，所提方法具有较高的识别精度和较短的识别时间，能够为城市交通管理工作提供较大的帮助。
参考文献
[1] 程光伟，刘东明.FPGA图像处理在水果品级筛选技术中的应用[J].现代电子技术，2016，39（2）：89?91.
[2] 张利峰.重大外来与新发水生动物疫病识别与监测技术研究及示范[J].中国科技成果，2016，17（3）：21.
[3] 卓建森.基于现场可编程逻辑门阵列的车牌识别系统设计[J].人类工效学，2016，22（1）：57?62.
[4] 张尔卿，傅攀，吴希曦，等.基于声发射主轴机械密封端面开启状态识别技术[J].润滑与密封，2014，39（4）：67?73.
[5] 郭晓丽，程远.说话人识别技术及其在工厂自动控制系统中的应用[J].企业技术开发月刊，2015，18（3）：50?51.
[6] 庞东晓，潘登，贺秋云.井下无线微小信号识别技术研究[J].石油机械，2016，44（3）：44?47.
