摘要
近年来，通过海量交通监控视频数据获取广泛深入的交通信息，与新基建融合发展的思路越来越成为交通行业新的聚焦点。然而，现阶段研究缺乏公开且涵盖丰富目标类别的高速公路专用数据集，面临对尺度变化剧烈目标的高效检测、对道路抛洒物的准确定位的难题。此外，交通目标特征提取的不全面造成了目标运动轨迹获取的不持续，从而无法开展跨相机交通目标运动过程的重构与分析，造成了监控资源的浪费。本文围绕交通目标高精度检测及跨相机运动过程重构展开研究。主要研究内容如下： （1）构建了高速公路多类别目标数据集。监控视角交通目标数据集，涵盖了10个交通目标类别、90万余个不同大小姿态样本标注、共计30万余张不同天气光照条件的图像。通过图像裁剪、镶嵌等策略缓和了数据集中的小目标与长尾问题。俯视视角路面抛洒物数据集，含有路面抛洒物的图像与含有水渍、路面标线干扰的无抛洒物路面图像共计19944张。上述数据集能够针对高速公路监控视角目标检测难点的研究，提供具有专用性的数据基础。 （2）设计了监控视角下多类别目标检测方法。监控视角多尺度交通目标检测网络，以YOLOv4网络为基础，构建了图像道路近远端划分模块、小目标潜在区域放大模块与视频帧图像批组织模块，解决了监控视角下的目标形状与尺度剧烈变化造成的难以持续检测的问题，达到了84.96%的mAP与58.41的FPS，实现了高精度且兼顾计算效率的交通目标检测。基于异常分析的路面抛洒物检测网络，以STPM异常网络为基础，构建了路面图像降噪模块、全局相关特征计算模块、抛洒物定位提取模块与自动训练模块，达到了至少0.924的PRO分数，解决了高速公路种类繁多的抛洒物漏检、错检的问题，实现了对抛洒物的准确检测。 （3）提出了多种适用于单相机监控场景的运动目标跟踪算法。基于ORB特征点的监控视角跟踪方法，提取目标 ORB 特征，结合轨迹分配策略，解决了特征点跟踪方法难以持续跟踪目标的问题，达到了 49.8%的 MOTA。融合多尺度多特征的 KCF跟踪方法，结合DSST、SAMF、Staple跟踪算法对目标不同维度特征的提取，修正了KCF跟踪器单一尺度与特征的缺陷，达到了52.6%的MOTA。基于视频关键帧的跟踪方法，仅利用关键帧的目标检测结果，计算目标速度预测其位置，达到了41.52 FPS的跟踪速度，同时在交通监控视角多目标跟踪数据集中达到了 93.07%的 MOTA。最后，结合监控场景特点，设计上述三种跟踪方法的选择方式，充分发挥各个方法优势，在白天场景中达到了均高于94%的MOTA，为跨相机交通目标运动重构提供了持续、正确的轨迹结果。 （4）实现了跨相机交通目标运动过程重构描述，生成了全局轨迹时空图，并深入分析了其应用。利用目标速度，预测同一目标在接续场景中出现的位置，设计了连续视频流时间粗校准方法。基于时间粗校准结果，设计在线与离线的跨相机交通目标运动过程描述。在线方法利用目标速度与空间位置，保证目标在接续场景中出现后立即得到匹配，达到了至少 85.15%的相邻场景轨迹匹配率。离线方法利用拟合的目标轨迹直线方程参数，结合目标外观相似度量结果，拥有至多8.61%的相邻场景ID跳变率。在线与离线全局轨迹时空图构建方法均拥有高于80%的轨迹全场景匹配率。考虑车辆自身与周围因素，分析了交通运行安全态势，根据时空图中轨迹的表现，提出了正确率高于90%的交通参数获取方法与拥有平均 91.73%的交通事件检测率的交通事件检测方法。跨相机交通目标运动过程的重构与应用，能够为高速公路保安全、保畅通提供实时的一手数据。 上述研究，能够解决高速公路交通目标高精度检测与跨相机目标运动过程重构中的问题，为高速公路视频监控的利用与分析提供重要参考。
NETL