摘 要： 經濟的快速發展，城市交通壓力呈現逐年增長的趨勢，交通事故時有發生。為了有效監測城市交通動態，在交通監控中應用了智能視頻分析技術，從而對各路段的實際交通情況及時分析，再傳輸至報警中心，為交通指揮中心提供準確性的數據，實現高質量、高效率的交通管控工作。

　　關鍵詞： 城市軌道交通;智能視頻分析;監控;應用策略

　　智能視頻分析技術已經普遍應用于城市軌道交通監控中，目的是通過對交通的有效性分析，能夠讓交通指揮中心實時掌握各路段的交通情況，并根據分析結果做出相應的交通管控舉措，使城市交通能夠正常通行，保障交通安全性能，以下內容是對智能視頻分析技術應用于城市軌道交通監控中的研究，具體內容如下：

　　一、智能視頻分析概述

　　智能視頻分析技術指的是智能視頻分析與識別運動圖像，此處的運動圖像指的是運動軌跡、相對位置改變、形狀大小等內容[1]。如果這些元素與事先設定的行為規則產生偏差時，會及時發出報警。智能視頻分析技術已經廣泛應用于國內較多的工程項目中，如北京航空信息中心、青藏鐵路等。此技術的起源，是由計算機視覺技術發展而來，能夠分析視頻，并提取出需要的信息，再采取替代人為的監控或者是協作人為的監控措施。

　　二、智能視頻分析技術的原理

　　所謂智能視頻分析技術的原理指的是，對視頻圖像采集時運用可視化監視攝像機的方式，能夠很有效地避免因外界的風、雨水、風雪、凋零的樹葉、飛鳥等動態的背景，該智能視頻的分析，應根據人類活動的軌跡，建立起相關的模型，然后根據所建立的模型及計算機的高速計算功能，將場景中的非人類干擾的因素，逐一排除掉。最終，可以在監視圖像中，判別人類活動軌跡，所采集的圖像清晰化、更容易辨別。智能視頻分析技術包括兩種類型：一是背景減除法，二是時間差分法，該方法時應用當前的圖像及背景圖像進行差分處理，達到運動區域檢測功能。此方式能夠提供較為完整的運動目標數據，具有較強的精確度與靈敏度。所謂時間差分法應用的是高級視頻移動偵測技術，此技術還被稱作相鄰幀差法，該技術的使用是以通過分析視頻圖像的特征，且應當連續性的對視頻中的動態目標信息進行提取[2]。所謂的相鄰幀圖像相減的方式，能夠實現對目標信息的移動，當然，該方法也存在一定的劣勢，例如它不能完全化的提取到目標的相關特征以及像素點等，從而只能檢測到目標的邊緣化，而采取的圖像運動實體的內部空洞化。

　　三、智能視頻分析應用于城市軌道交通監控

　　(1)城市軌道交通監控系統的結構。在城市軌道交通監控系統的結構中，一般最常采用的結構方式為三級聯網模式，對三級聯網模式展開分析后，具體三級聯網包括以下幾個級別：①在一級模式中，在城市軌道車站中設置網絡控制器和監控系統，從而組成監控子系統，子系統可以實現對車站區域內的攝像機及矩陣設備有效監控的過程;②而二級模式中，則是指城市軌道交通中的監控設備，對城市軌道交通的運營中心起到一定的管理效果，該設備的監控功能，能夠實現對地鐵信息系統的通信模式，還模式與一級模式相比較，是合理化的通過一級模式中的攝像機和矩陣管理，實現對數據的有效管理，從而能夠實現對聯網的控制能力;③最后，則是三級聯網模式，該模式采用的是跨網絡模式控制及控制調視頻資源聯網，可產生通信功能，是上層管理中心的網絡控制設備。在城市軌道交通監控系統管理時，應當采取粉劑管理及中心監控兩種模式進行管理，例如在每個城市軌道中的車站及停車場等內創建監控中心。另外，在城市軌道分控中心中，分控中心起到的作業則是，將本區域中所拍攝的視頻及利用視頻分配器從而實現對圖像的重點監控過程，在生成模擬圖像。除此之外，在分控中心的網絡傳輸功能中，其傳輸功能可以實現智能控制單元以及控制單元的轉換功能，從而能夠形成數字及視頻，再利用分控中心的通信網絡，將數字視頻傳輸至監控中心，監控中心具備的IVS服務器會分析每個視頻，完成報警分析服務工作[3]。

　　(2)智能視頻分析應用于城市軌道交通監控的原理。智能視頻分析應用于城市軌道交通監控中時，會對提取的數據流實施算法比對工作。提出的數據流是通過前端監控設備的提取，再傳輸至智能處理單元，通過智能處理單元輸送至視頻分析服務器，實現算法對比過程。經過比對，在對畫面進行監控時，所監測到的畫面顯示報警信息的畫面，一旦監測到則警報器會發出報警信息，會有效記錄報警內容，同時發出聲與光的報警過程，并及時拍照，再將拍照結果傳輸至數據處理單元，實施錄制視頻措施，形成跟蹤軌跡。

　　(3)基本框架與算法流程。分析智能視頻分析技術的基本框架可知，主要包括以下幾大模塊：①前景檢測模塊;②目標檢測模塊;③目標分類模塊;④軌跡分析模塊等。模塊的不同種類有所不同。前景檢測模塊的算法流程為：分離背景圖像中具有變化劇烈的圖像區域，此過程還被稱作前景團塊;目標檢測模塊的算法流程為：對前景團塊在視頻序列中的狀態有效分析，提取出具備穩定性、規則性的運動目標;目標跟蹤模塊的算法流程為：分析目標歷史信息記錄，對目標可能會出現的位置有效預測，并搜索預測位置附近的運動目標;目標分類模塊的算法流程為：此技術能夠根據特征值實現有效分類，包括運動目標的尺寸、輪廓等，應用的是分類算法;軌跡分析模塊的算法流程為：分析跟蹤目標的運動軌跡，并平滑運動軌跡、修正運動軌跡的誤差，從而使軌跡目標的實際運動相一致;事件檢測模塊的分類算法為：邏輯比較目標信息與設定的報警規則，從而判斷出目標是否達到了報警要求[4]。可見，智能視頻分析技術能夠實現高質量監控的過程，與上述的基本框架、算法流程密切相關。

　　四、結語

　　綜上所述，智能視頻分析技術在城市軌道交通中是否能夠良好地應用，與兩方面因素有關：一是系統的算法是否精確、圖像傳輸是否穩定;二是對復雜的軌道交通環境，是否能夠合理性地開發運動分析算法，并制定相應的報警規則。因此，在應用智能視頻分析技術時，要達到上述要求，保障城市交通監控的質量。

　　參考文獻：

　　[1]郭振通，劉川，許哲浩.軌道交通監控中智能視頻分析技術的應用[J].科技經濟導刊，2018，(32)：32-33.

　　[2]唐昕.軌道交通監控中智能視頻分析技術的應用[J].電子技術與軟件工程，2018，(15)：19-20.

　　[3]譚筠梅，王履程，雷濤，王小鵬.城市軌道交通智能視頻分析關鍵技術綜述[J].計算機工程與應用，2014，(04)：35-36.

　　[4]紀文莉，洪翔，潘志福，張立東.智能視頻分析技術在城市軌道交通中的應用研究[J].城市軌道交通研究，2011，(S1)：28-29.

　　推薦閱讀：交通系列職稱評審業績成果