【正文】 新方法，提出了基于方差和四階矩自適應(yīng)的背景更新算法；在跟蹤運動目標(biāo)時，提出了最近距離運動目標(biāo)匹配算法，能夠在短時間內(nèi)找到屬于同一個運動物體的不同的運動位置；在消除運動目標(biāo)的陰影時，提出了邊緣組合陰影消除方法，能夠在沒有先驗知識的情況下，完全消除運動目標(biāo)的陰影。通過改進或提出的算法，檢測事件大大縮短，檢測效果有了明顯改進。產(chǎn)品主要技術(shù)指標(biāo)和產(chǎn)品技術(shù)水平達到國內(nèi)領(lǐng)先水平。在產(chǎn)品軟硬件平臺方面，本項目產(chǎn)品采用最先進的美國 TI 公司 DSP 芯片組和穩(wěn)定可靠的 Linux 操作系統(tǒng)，將攝像機、微處理器、存儲器、數(shù)字 A/D、智能視覺嵌入式軟件等集成在一起，比以普通 PC 機或 PC104 工控機、Windows 為基礎(chǔ)平臺的產(chǎn)品集成度更高、穩(wěn)定性更好，突破模擬視頻分辨率最高只能為 768576 的限制可為智能視覺分析軟件提供更高的分辨率。項目產(chǎn)品主要技術(shù)性能和技術(shù)指標(biāo)對比：技術(shù)性能或參數(shù) 法國CITILOG 上海高德威 廈門宸天 成都威路特 沈陽聚德流量檢測準(zhǔn)確率 99% 98% 98% 99%31 / 56車輛事件檢測準(zhǔn)確率 90% 93%行人等事件檢測準(zhǔn)確率 90%貨物等事件檢測準(zhǔn)確率 90%公路服務(wù)區(qū)事件檢測 有到目前為止，公司在技術(shù)開發(fā)方面的資金總投入是多少聚德公司每年投入大量人力、物力、財力進行新技術(shù)、新產(chǎn)品的開發(fā)，科技項目多次獲得國家、省市科技計劃的立項支持，每年研發(fā)經(jīng)費投入均超過年銷售收入的 10%以上, 公司的科技成果分別獲得遼寧省科技進步三等獎和沈陽市科技進步二等獎。以下是近三年企業(yè)的科技活動資金投入情況：2022 年 萬元,占企業(yè)總銷售收入的 %；2022 年 萬元,占企業(yè)總銷售收入的 %； 2022 年 萬元,占企業(yè)總銷售收入的 %。公司未來 3 ~ 5 年在研發(fā)資金投入和人員投入計劃（萬元）年 份 第 1 年 第 2 年 第 3 年 第 4 年 第 5 年資金投入 300 500 700 900 1100人員（個） 30 50 70 90 110請說明，今后為保證產(chǎn)品質(zhì)量、產(chǎn)品升級換代和保持技術(shù)先進水平，公司的開發(fā)方向、開發(fā)重點和正在開發(fā)的技術(shù)和產(chǎn)品 本項目主要內(nèi)容是利用運籌學(xué)及先進的信息技術(shù)、計算機技術(shù)、數(shù)據(jù)通訊技術(shù)，傳感器技術(shù)、電子控制技術(shù)、人工智能技術(shù)，研究智能視覺技術(shù)在智能交通領(lǐng)域的綜合應(yīng)用，實現(xiàn)交通各項參數(shù)的自動提取、違法行為的自動記錄和報警、路況自動預(yù)測，用于暢通交通、減少事故、應(yīng)急處理等，為交通設(shè)施的規(guī)劃、交通疏導(dǎo)、應(yīng)急交通管制等提供良好的輔助決策手段。項目具體研究內(nèi)容包括：交通事件的智能視覺檢測交通事件的智能視覺檢測包括：車流量、排隊長度、車輛速度、車道占有率、平均等待時間、車輛拋撒物、貨車倒貨、人員從車輛帶貨離開、在車附近徘徊、車輛拋錨等的自動檢測、記錄、報警等，它的系統(tǒng)功能和運行基礎(chǔ)數(shù)據(jù)由網(wǎng)絡(luò)動態(tài)配置。32 / 56汽車牌照的自動識別汽車牌照自動識別系統(tǒng)配置在城市路口和出入口及主要道路，通過對車牌的識別，實現(xiàn)動態(tài)的單雙號或其他規(guī)則的車輛限行、非公交車走公交車道、機動車走非機動車道等的檢測、記錄、報警等，限行規(guī)則及特許車輛（如北京奧運會的特許車） 、公交車數(shù)據(jù)庫等由網(wǎng)絡(luò)動態(tài)配置。電子警察電子警察配置在城市路口和主要道路，通過智能視覺檢測技術(shù)和車牌識別技術(shù)，對車牌的識別，實現(xiàn)對闖紅燈、違停、逆行、越線、卡口車輛的檢測、記錄、報警等，系統(tǒng)功能和車輛黑名單數(shù)據(jù)庫等由網(wǎng)絡(luò)動態(tài)配置。路況自動檢測與預(yù)測結(jié)合交通事件智能視覺檢測、汽車牌照自動識別、電子警察等系統(tǒng)進行路況的自動檢測和預(yù)測，并預(yù)留軟件接口可通過 LED 及手機、廣播等手段進行交通誘導(dǎo)。項目關(guān)鍵技術(shù)是交通事件的運動目標(biāo)的檢測、運動目標(biāo)的分類劃分和跟蹤、事件統(tǒng)計分析等智能視覺算法，技術(shù)先進、集成度高、穩(wěn)定性好的硬件設(shè)計技術(shù)，識別率高、穩(wěn)定性好、適應(yīng)性強的汽車牌照自動識別技術(shù)，主要技術(shù)指標(biāo)和產(chǎn)品技術(shù)水平達到國內(nèi)領(lǐng)先水平。運動目標(biāo)檢測運動目標(biāo)檢測技術(shù)有多種方式。目前常用的是地感線圈、雷達(微波)、超聲波、紅外、激光、視頻等幾種檢測技術(shù)。在早期的交通監(jiān)控系統(tǒng)中，歐美許多國家采用環(huán)型線圈檢測器作為車輛檢測裝置。而日本等亞洲國家多采用超聲波檢測和光學(xué)探測的方法。隨著時代的發(fā)展，視頻檢測技術(shù)不斷成熟，在運動目標(biāo)的檢測領(lǐng)域逐漸取代了其他技術(shù)，它的主要優(yōu)點有：安裝方便，不破壞路面，施工時基本不影響交通；利用多種探測器，實現(xiàn)不同的檢測功能；檢測器設(shè)置方便、靈活；可以實現(xiàn)大區(qū)域檢測；系統(tǒng)采用模塊化、結(jié)構(gòu)化設(shè)計，可擴展性好、系統(tǒng)運行效率高；維護方便且成本較低。由于背景圖像的動態(tài)變化，如天氣、光照、陰影、行人及混亂干擾等因素，都會給運動檢測與跟蹤帶來影響，同時，動態(tài)場景中運動物體的快速分割、光線變化、多輛車輛粘連、車輛互遮擋等問題也給車輛視頻檢測帶來了一定的挑戰(zhàn)。如何減少這些因素給檢測結(jié)果帶來的影響，提高視頻檢測準(zhǔn)確率成了視頻檢測領(lǐng)域研究的重點與難點。運動目標(biāo)分類和跟蹤在前景目標(biāo)被提取出來之后，必須對目標(biāo)進行連續(xù)的跟蹤，以獲得目標(biāo)的33 / 56運動軌跡，才能計算出目標(biāo)的速度等信息，作為事件檢測的依據(jù)。所謂目標(biāo)跟蹤，就是根據(jù)去除了背景的前景圖像信息，對目標(biāo)進行跟蹤，以將不同的目標(biāo)區(qū)分開，并獲得目標(biāo)的運動軌跡。目標(biāo)跟蹤之所以重要，因為它是交通流檢測和目標(biāo)識別分類的基礎(chǔ)，目標(biāo)跟蹤的質(zhì)量直接決定了交通流檢測和目標(biāo)識別的正確率，它是整個交通檢測系統(tǒng)的核心。對于基于圖像序列的目標(biāo)分類，目前有了不少的研究，采用的方法也是多種多樣的。究其根本，運動目標(biāo)的分類屬于模式識別的范疇，識別是根據(jù)特征的識別。在分離了前景目標(biāo)和進行跟蹤之后，為實現(xiàn)事件檢測，首先需要完成的就是對目標(biāo)進行分類以確定可能的事件情況。從眾多原始特征中挑選出最有用即最能代表目標(biāo)性質(zhì)的特征來為以后的分類做準(zhǔn)備，這叫做特征選擇。交通事件統(tǒng)計分析在目標(biāo)識別和速度等圖像信息都處理完畢之后，就可以進行事件檢測的算法設(shè)計了，達到事件統(tǒng)計分析的功能。針對不同事件，只需要給出各個事件的量化定義，就可以分別檢測。例如使用速度信息可以在給出閾值的情況下判斷車輛是否超速或者過低速，使用目標(biāo)分類信息和速度信息可以判斷車輛的停車問題，再根據(jù)周圍的狀況和發(fā)生的地點判斷是自由流停車還是擁堵停車等。在此過程中，參數(shù)的設(shè)定是最重要的部分，也是事件檢測算法性能的關(guān)鍵所在。技術(shù)先進、集成度高、穩(wěn)定性好的硬件設(shè)計目前以普通 PC 機或工控 PC104 系統(tǒng)、Windows 為基礎(chǔ)平臺的產(chǎn)品集成度、穩(wěn)定性方面存在一定的問題，它還受到模擬視頻分辨率最高只能為 768576 的限制?；诿绹?TI 公司 DSP/ARM 芯片組和穩(wěn)定可靠的 Linux 操作系統(tǒng)的將攝像機、微處理器、存儲器、數(shù)字 A/D、智能視覺嵌入式軟件等集成在一起的智能視覺產(chǎn)品平臺或智能攝像機（帶開發(fā)功能）代表著智能視覺產(chǎn)品發(fā)展方向，可集成度更高、穩(wěn)定性更好、可為智能視覺分析軟件提供更高的分辨率。在硬件上它是計算機、攝像機、圖像處理技術(shù)的一體化設(shè)計，在軟件上是嵌入式開發(fā)平臺和圖像處理與模式識別軟件的嵌入式設(shè)計，因此它是電子信息領(lǐng)域的集成電路產(chǎn)品應(yīng)用開發(fā)和嵌入式軟件、圖形圖像應(yīng)用軟件高度集成的高新技術(shù)產(chǎn)品，這些開發(fā)和設(shè)計都需要以強大的技術(shù)儲備和后盾做支撐才能完成的工作，也就成為本項目的關(guān)鍵技術(shù)之一。識別率高、穩(wěn)定性好、適應(yīng)性強的汽車牌照自動識別汽車牌照自動識別是很多交通事件檢測必須提取的行為對象身份識別。汽車牌照自動識別技術(shù)一直是圖像處理與模式識別領(lǐng)域和智能交通系統(tǒng)領(lǐng)域的熱點和難點技術(shù)問題。在硬件上：汽車牌照自動識別硬件設(shè)計包括：一體化、微型化產(chǎn)品設(shè)計；輔助系統(tǒng)穩(wěn)定性、以維護性的外部電路設(shè)計和加工；為保障成34 / 56像質(zhì)量穩(wěn)定的同步閃光燈設(shè)計。在軟件上：汽車牌照自動識別算法研究包括：在風(fēng)、霜、雪、雨、霧等現(xiàn)實環(huán)境影響下汽車視頻成像后的圖像預(yù)處理方法研究；在復(fù)雜背景下，從環(huán)境、路面、汽車的圖像中分割汽車牌照的快速、準(zhǔn)確的算法；在干擾嚴(yán)重的圖像環(huán)境中進行牌照字符分割的精確算法；在特征失真的圖像中準(zhǔn)確識別數(shù)字、英文、漢字的識別算法。聚德汽車牌照自動識別一體機在軟件上融入大量先進、實用的算法，比如圖像處理的小波變換、車牌搜索的頻域和色譜分割算法、車牌識別的多層 BP 神經(jīng)網(wǎng)絡(luò)等。因此，它是項目關(guān)鍵基礎(chǔ)技術(shù)之一。項目產(chǎn)品主要技術(shù)與性能指標(biāo)：? 流量檢測準(zhǔn)確率≥99%；? 事件（車輛）檢測準(zhǔn)確率≥93%；? 事件（行人）檢測準(zhǔn)確率≥90%；? 事件（拋撒物等）檢測準(zhǔn)確率≥90%；? 檢測時間≤10s。本項目的技術(shù)路線計劃如下：運動目標(biāo)的檢測運動目標(biāo)檢測是事件檢測系統(tǒng)中最關(guān)鍵的技術(shù)。常見的運動檢測技術(shù)主要有模板匹配法、光流法、特征匹配法、幀間差分法、背景差分法等。模板匹配法首先根據(jù)先驗知識，建立車輛、行人等目標(biāo)的三維模型，然后將模型用于運動目標(biāo)的估計。由于現(xiàn)實中目標(biāo)的外形特征和運動特征多變，很難建立準(zhǔn)確的模型，而且模板匹配也非常耗時，所以在實際應(yīng)用中模板匹配很難達到實時性，準(zhǔn)確性也不高；光流法的計算開銷太大，不適于流量的實時檢測；幀間差分法計算速度快，能很好的檢測出運動物體，不易受外界環(huán)境影響，但對于緩慢運行和靜止的物體就顯得無能為力；背景差分法計算量小，并且在背景提取可靠的前提下，運動物體的檢測效果最好，這種方法抗噪聲干擾力較強，檢測精度較高，但依賴于背景更新。在運動目標(biāo)的提取方面我們采用了背景差、幀間差、色彩信息、以及邊緣組合來獲得。 現(xiàn)有背景更新算法比較多，大多是利用統(tǒng)計特征來求背景的。比較有代表的算法有：利用幀累加求平均來建立背景模型，這種方法建立的背景模型不準(zhǔn)確，僅僅是簡單的加權(quán)平均；利用非參數(shù)估計方法建立的背景模型，該方法的缺點是耗時多，無法滿足系統(tǒng)實時的要求；混合高斯分布的背景模型可以很好35 / 56地適應(yīng)光線的變化，緩慢移動的目標(biāo)等，但這種方法需要對每一個點都用一個模型來描述，因此算法的計算量大，存儲的參數(shù)多，不利于實際應(yīng)用。本系統(tǒng)中采用了基于方差和四階矩自適應(yīng)的背景更新算法，能夠在白天獲得較好的背景，而且具有穩(wěn)定性，平滑性，能夠得到較好的背景，而不會將靜止的車輛更新進背景中。由于陰影會影響檢測的準(zhǔn)確程度，過大的陰影會被誤判為車，所以必須抑制陰影。陰影檢測大致可分為三類：一是基于模型，產(chǎn)生的模型經(jīng)常需要有場景、對象、光照等方面的先驗知識，由于需要知道先驗知識，所以該系統(tǒng)就要有人工的干預(yù)，這樣就限制了該方法的應(yīng)用；二是不需要先驗知識，基于陰影屬性，此類方法應(yīng)用了色彩空間的特點、陰影本身的幾何、亮度和顏色等屬性，具有通用性。對陰影的處理我們采用了多種邊緣組合的方法來消除了陰影，不需要先驗知識，能夠完全消除運動目標(biāo)的陰影。運動目標(biāo)的劃分和跟蹤利用運動目標(biāo)的性質(zhì)，長寬比，形狀復(fù)雜度等特征，判斷劃分三種目標(biāo)，即車輛、行人和物體。然后對這三類目標(biāo)進行跟蹤。目標(biāo)跟蹤大多利用 KALMAN 濾波器來預(yù)測并跟蹤運動目標(biāo)，基于預(yù)測的跟蹤方法現(xiàn)在研究較多，也是普遍認為比較好的方法，但存在耗時量多的缺點，無法適用于實時的場合，并且算法的精確度取決于所確定的初始狀態(tài)，一旦初始狀態(tài)找的不好，會導(dǎo)致預(yù)測結(jié)果與原始目標(biāo)的距離越來越遠，也談不上匹配了。另外一個應(yīng)用較多的跟蹤方法通過改進 snake 模型來進行目標(biāo)匹配，選取能量函數(shù)，該方法的缺點是 snake 模型一般需要人工干預(yù)，并且不收斂，會造成匹配的不準(zhǔn)確。本研究采用最近距離運動目標(biāo)匹配方法，在視頻序列中，能夠在短時間內(nèi)找到屬于同一個運動物體的不同的運動位置，既能跟蹤大小不同、性質(zhì)不同（人、車）的運動目標(biāo)，又能達到運動目標(biāo)的最快匹配。夜間目標(biāo)的檢測 一般攝像機在照度不夠高時，自動完成白天黑天轉(zhuǎn)換，以確保在較低照度下，攝像機仍然能夠拍到畫質(zhì)較好的畫面。而本系統(tǒng)的軟件算法的白天黑天轉(zhuǎn)換也是自動實現(xiàn)的，是根據(jù)圖像的亮度發(fā)生的變化，以及黑夜的特征，完成了從白天到黑夜調(diào)用不同處理算法的轉(zhuǎn)換。夜間目標(biāo)檢測是視頻事件檢測的難點，因為如果使用背景差，那么在車輛燈光作用下，整個圖像都會發(fā)生較大的亮度變化，那么圖像的任何位置都會有較大的背景差，尤其是在車燈照亮的地方。所以，在夜間，檢測運動目標(biāo)一般采用幀間差分法，在夜間檢測靜止目標(biāo)是今后將要研究的內(nèi)容。36 / 56產(chǎn)品軟硬件平臺的改進提高在獲得國家創(chuàng)新基金立項支持的“通用數(shù)字視覺平臺”項目中，開發(fā)了集成度高、穩(wěn)定性好的智能視覺軟硬件平臺，產(chǎn)品通過省計算機網(wǎng)絡(luò)工程與計算機軟件評測中心的檢測，項目通過了國家創(chuàng)新基金委員會的驗收。但隨著時間的推移，其各項技術(shù)性能參數(shù)急需提高。目前，采用最先進的美國 TI 公司 DSP芯片組和 Linux 操作系統(tǒng)的升級換代產(chǎn)品正在開發(fā)過程中，并將達到國內(nèi)領(lǐng)先水平，為本項目產(chǎn)品提供最優(yōu)的軟硬件產(chǎn)品平臺。正在升級換代的“通用數(shù)字視覺平臺” ，在運算速度、分辨率、存儲器、以太網(wǎng)等技術(shù)參數(shù)上與前一代產(chǎn)品具有質(zhì)的飛躍，目前已經(jīng)完成產(chǎn)品設(shè)計、功能驗證、PCB 制板等工作，正在對各模塊進行測試，預(yù)計將按照計劃完成產(chǎn)品的軟硬件產(chǎn)品平臺的改進提高工作。齊全的系統(tǒng)功能目前，國內(nèi)同類產(chǎn)品性能單一且固定、網(wǎng)絡(luò)性能極差，本項目產(chǎn)品功能齊全且可網(wǎng)絡(luò)動態(tài)配置，主要集成了以下功能：①、對交通事件的智能視覺檢測，包括闖紅燈、違停、逆行、越線、超速、車輛拋錨、單雙號或其他規(guī)則限行、非公交車走公交車道等車輛交通事件檢測，在車輛附近活動、帶物離開等人員事件檢測，拋撒物、貨車倒貨等物體事件檢測。②、基于交通事件檢測和車牌識別的交通數(shù)據(jù)統(tǒng)計分析，包括車輛