基于图像识别和机器学习的交通视频分析技术开发

川崎，日本，北京，中国, 2016-10-18

株式会社富士通研究所（注1）（以下简称“富士通研究所”）和富士通研究开发中心有限公司（注2）（以下简称“富士通研发中心”）开发了基于图像处理和机器学习的交通监控视频分析技术，该技术通过分析道路交通监控视频，可以实时高精度地识别拥堵、事故及违章等交通状况。

该技术通过分析架设在一般道路和高速公路上的监控摄像头拍摄的视频，将以下两种技术结合实现了高精度视频分析。一是将导致误识别的照明变化及夜晚、雾等多种基于环境状态的特征，以及摄像头设置状态等相类似的视频进行自动分组，通过高效机器学习达到提高识别精度的技术；二是通过分析车辆和人等运动物体的运动信息，在降低运算量的同时实现高效推定交通事故等复杂事件的技术。

通过与清华大学苏州汽车研究院（注3）（以下简称“汽研院”）合作在中国城市进行的实际验证，测试了11项交通事件分析功能，达到了90%-95%的精度水平。

即便对于现有缺乏高级图像修正功能的监控摄像头，也可利用该技术构建低成本高精度的分析系统，自动把握交通状况，分析并控制交通流量避免拥堵，迅速应对突发交通事故和交通违章事件。

开发背景

随着城市人口集中，汽车交通过于密集，引起了习惯性的拥堵、噪声、空气污染等社会问题。特别在中国，伴随迅速增长的汽车保有量，交通违章及造成伤亡事故所引起的交通安全问题日趋严重。因此，近年来很多城市期待通过大规模部署监控摄像头和远程集中管理，来提升交通安全、缓解交通拥堵、降低污染等。

课题

对于大范围的视频监控，如何迅速准确地从海量视频数据中获取所需信息并转达至相关人员尤为重要。而传统的交通视频监控技术所使用的识别方法容易受到汽车灯光和太阳光等光源、阴影，以及各种环境因素的影响。因此，利用已安装部署的摄像头进行图像识别分析，很难针对时刻变化的环境因素进行相应的位置、角度等调节，难以提升识别精度。并且，对于类似交通事故和违章等复杂多样的事件，高效率高精度地进行识别也是一个大问题。

开发的技术

富士通研究所和富士通研发中心开发了即使在照明变化及夜晚、雾等周围环境变化强烈情况下也能高精度识别车辆的技术，以及高效推定交通事故等复杂事件的分析技术。

本技术具有如下优势：

•      1. 自动分类视频进行学习的高精度识别技术

  根据太阳光影响及夜晚、雾等多种环境状态决定的场景特征以及摄像头位置等对相似类型的数据进行自动分类组合，然后进行大规模学习，并在实际检测时预先识别类似场景来提升对目标物体的识别精度。

  

  图1：训练数据分类示例

  

                   图2：传统方法        本技术示例

•      2. 通过分析运动特征高效率推定交通事故等复杂事件的技术

  类似交通事故这样的复杂事件检测，需要同时对多个关联运动物体持续分析，通常需要很大的运算量。本技术基于车辆速度及方向的变化对异常事件发生的可能性通过异常发生度进行数值化，仅当此数值超过阈值时才对周围的多个运动物体进行分析。这样，在保持低运算负载的情况下能精确检测事件。（图3）

  

  图3：交通事故推定示例（蓝：低异常发生度；黄：高异常发生度）
  1 电动车正常行驶； 2 邻近车辆以90〫方向运动，异常的多个车辆； 3 电动车突然停止，面包车继续前进；4 面包车突然停止

• 结合以上所述新开发的技术，和富士通研发中心独特的针对大气污染的图像增强技术（注4），我们可以提供低成本、高精度的视频监控分析系统。

  效果

  在实际验证中，将该技术应用到具有下述11项分析功能的软件中，获得了90%至95%的检测精度，相比于实际验证前提升了5%至10%。另外，通过对软件进行优化和加速，一台市售计算机可以处理四路监控视频流，并同时启用至少7项分析功能。

  1 交通拥堵检测； 2 道路异常检测（交通事故等）； 3 车辆占用应急车道检测； 4 违章停车检测； 5 交通流量统计； 6 车辆逆行检测； 7 道路侵占检测； 8车道入侵检测； 9 烟雾检测； 10 雾霾检测； 11 拥堵指数统计

  

  图4：基于图像分析的事件检测示例

  对于已部署的大规模监控摄像头，人工监控难以同时兼顾海量视频流，通过集成上述技术的监控视频分析系统，期待能实现交通事件自动检测，从而低成本构筑安全安心的社会。

  今后

  富士通研究所和富士通研发中心将进一步提升该技术的识别精度，并计划和汽研院合作在更多城市进行实际验证。此外，2016年以后，通过在富士通株式会社利用位置信息的云服务“FUJITSU Intelligent Society Solution SPATIOWL”中集成该技术，富士通计划提供可在更大区域内对事件进行实时检测并在地图上同步标注的服务。该服务期望首先在中国地区进行实际部署，然后拓展到包括日本在内的其他地区。