海康威视：刘国华

      中国智能交通行业里一直都不缺乏创新血液，相比智慧交通、智慧汽车这些“高、精、尖”的领域，交通监控还是一个技术门槛相对较低的分支。但是，从系统建设规模与投资来看，这个看似技术门槛较低的分支，却始终处于高速增长的通道中，这就说明了中国智能交通行业的用户一直保持着高度理智，不盲目。

一、发展概况

      现在，交通监控领域里最热的是智能视频分析技术，经过多年的探索与尝试，全国各地交通管理部门没有狂热，始终清醒、科学地看待这项新技术的发展和使用。

      从上世纪90年代起，视频智能分析技术的雏形产品开始被逐渐的应用到交通监控领域中，伴随着监控系统数字化、高清化以及大规模化的进程，其技术已日趋成熟，逐步完成了从概念产品向市场产品的转化。具备视频分析功能的图像采集或处理设备的应用，实质上是为我们提供了一种更直观、更智能的感知手段，让我们能够快速了解、发现、定位到我们所需要关注的人、车、路、环境、事件的相关信息，从而为交通管理和公众出行提供决策及数据支撑。

      交通管理的对象是广阔的交通监管区域、差异化的交通环境、复杂的交通组成要素以及素质参差不齐的交通参与者，需要从保障交通安全、提高通行效率、加强交通信息服务这三个业务维度出发，并发考虑，实时感知这些信息并加以合理的分析和利用。

二、需求分类

     从业务视角看，交通管理业务对智能视频技术的需求大体可以分为三类：

      第一类是对行为分析技术的需求，此类技术主要是在监控图像中找出目标，并检测目标的运动特征属性，在交通管理业务中被用于规范司机的驾驶行为、警示行人的不安全行为、监管交通基础设施及安装防护设施、监测环境异常状况、发现并定位交通事故、监测交通流量分布并进行预测，其技术分支包括周界入侵检测、目标移动方向检测、目标出现消失检测、目标运动禁止检测、人流车流检测、目标跟踪监测等。公路交通管理中心的闯红灯自动检测记录系统、违法占用公交车专用道自动检测记录系统、路口滞留违法行为自动检测记录系统、高速公路事件检测系统、交通流参数采集系统；地铁运营管理中的人员聚集检测系统、防越线警示系统；铁路运营安全管理中的轨道入侵检测系统都是行为分析技术的典型应用。

      第二类是对目标识别技术的需求，此类技术主要是在视频图像中找出局部中一些画面的共性等，在交通管理业务中被用于高危人员及车辆排查、人员及车辆身份认定、道路使用及停车收费，其技术分支包括：人脸识别、步态识别、车牌识别、车型识别、车标识别、图像比对等。其典型应用包括公路交通管理中的车牌识别系统、停车场管理及诱导系统、拥堵收费系统；民航安全管理中的人脸识别系统；铁路、地铁营运管理中的客流统计系统、人脸检测系统等。

      第三类是对图像改善技术的需求，此类技术主要是针对一些不可视、模糊不清，或者是对振动的图像进行部分优化处理，以增加视频监控的可用性，在交通管理业务中被用于图像修正处理及海量视频信号运维管理，其技术分支包括红外夜视图像增强处理、车牌去污损处理、车牌识别影像消模糊处理、光变与阴影抑制处理、物体尺寸过滤处理、视频图像稳定系统等。图像改善技术的应用是视频监控系统向大规模化发展的必备条件，其典型应用包括监控中心的图像增强系统、系统运维保障系统等。

三、技术分类

      但是，在欣喜于智能视频分析技术为交通管理相关业务带来的变革的同时，我们却不得不正视现阶段智能视频分析技术仍处于发展的初级阶段的这个事实。其智能化的程度还远远没有达到人们的预期，漏检测、误检测等情况时有发生，众多寄希望于通过智能分析技术解决的难题还没有找到合适的突破口。因此，只有理性看待交通监控中的智能视频分析技术，合理的利用或者辅助人工应用，才是有益于技术创新、实战应用和行业发展的。我们把交通监控中的智能视频分析技术大致分为以下几类：

      一、实用型技术

      目前看，车牌识别技术、车辆跟踪技术已经在交通监控中获得了实用。

      车牌识别技术主要指从视频图像中捕获车辆号牌，并对号牌号码及号牌颜色进行识别，行业内主流厂家的识别率都能稳定在90%以上，部分专精于该项技术的厂家能稳定在95%以上。

      车辆跟踪技术主要指在视频图像中捕获车辆并跟踪车辆在图像中的运行轨迹，以辨别车辆是否存在交通违法行为，如：不按导向车道行驶、逆行、压线、闯红灯等。行业内主流厂家的捕获率及捕获有效率都能稳定

      在80%以上，部分专精于该项技术的厂家能稳定在90%以上。

      这样的性能指标，是能满足交通管理部门的日常工作开展需要。但是，实用性技术并不代表就不需要提升和优化。车牌识别技术还可以在小车牌识别、模糊车牌识别、非标准视场角车牌识别、红外成像车牌识别等诸多细分领域进行探索。车辆跟踪技术还可以在宽域视场车辆跟踪、多视场车辆连续跟踪、单域视场多车跟踪、复杂轨迹判定等诸多细分领域进行探索。

      二、探索型技术

      在这个技术圈里，目前看得到的是车身颜色识别技术、车辆标识识别技术及车型分类识别技术。

      车身颜色识别技术主要指从视频图像中提取车辆的车身颜色。然而实际的车身颜色识别受噪声、环境光照等因素影响很大,给车身颜色识别的精度造成很大影响,甚至无法正确的识别出车身颜色。目前行业内主流厂家能够实现对白、灰、黄、粉、红、紫、绿、蓝、棕、黑等10种常见车身的识别，但识别率基本只能维持在60%左右，部分专精于该项技术的厂家能稳定在70%以上。

      车标识别技术主要指从视频图像中提取车辆的车标信息。车标识别技术包括车标定位及车标识别两项关键技术。由于受车辆图像的自然背景和车身背景、光照条件、天气条件等因素的影响,车标定位成为车标识别技术中一个极具挑战性的课题。目前仅有少数厂家推出了车标识别产品，能够对较常见的十多种车标进行自动识别，但识别准确率还有待提高。

      车型分类技术主要指从视频图像中提取车辆的车型信息。目前行业内大部分厂家的仅能区分大型车和小型车，小部分专精于该项技术的厂家经过不懈的探索已经能够做到对大客车、大货车、小货车、面包车、轿车这五种机动车类型的分类识别，同时还能够区分出非机动车辆和行人。

      三、预研型技术     

      伴随着智能视频分析技术的不断发展，人们在认可其带来的成果的同时对他的期望也越来越高，都寄希望于能够通过视频分析技术来攻克更多的之前没有办法解决的交通管理方面难题。如通过视频分析技术分析人脸面部特征的变化来判断驾驶员是否处于疲劳状态，及时预警，以减少因疲劳驾驶造成的交通事故；再如通过视频分析技术自动发现高铁受电弓和弓网的异常状态，实时报警，以降低人工排查的时间，保障高铁的准点运营等。部分专注于为交通管理提供智能视频分析服务的厂家已经开始投身于这些新技术的预研，除人脸疲劳识别技术、高铁受电弓状态检测技术外，驾驶员人像识别、系安全带自动识别、公交上下客流统计等技术也被列入技术预研行列，相信在不久的将来这些技术将为交通管理带来新的气象。