摘要：伴随着社会经济的快速发展，我们人民的生活水平得到了极大的提升，这使得我们拥有了越来越多的私人车辆。然而，现有的交通监控系统普遍存在着系统维护繁琐、开销大、计算复杂等缺点。为此，本文拟研究一种基于机器视觉的交通监控系统。论文首先简要地介绍了基于机器视觉的交通监控系统的研究背景，接着分析了与之相关的一些技术，终点论述了在此基础上，提出了一种基于机器视觉的交通监控系统的设计方法。在本系统中，使用者可以自由地选择不同的动态目标探测与追踪方法，为其推广使用奠定了良好的基础。

关键词：机器视觉；智能交通监控系统；图像处理

智能交通系统

智能交通系统（ITS）是指可以通过现代的网络技术、自动控制技术等有效手段，在一定的区域内建立可以充分发挥其作用的交通运输综合管理和控制系统。近年来，该方法在城市道路的关节路口、路段和其他交通相对繁忙的地域普遍得到了较大的应用，该系统实现了信息采集与处理的自动化与智能化，为交通管理提供了全方位的信息服务。然而，在城市快速发展、人流、车流量急剧增加的情况下，发展和应用更为智能的交通管理系统显得尤为迫切。

机器视觉下的智能交通监管系统的建立

为了满足这一新的发展要求，需要将机器视觉技术与智能交通检测技术进行更深层次的融合。首先，利用机器的视觉技术，对每条公路的关键路口、其他的路段，以及其他的交通密集区，进行了交通信息的采集经过精心设计的信息传输系统，可以将实时的交通信息及时传输至监控指挥系统，以便更好地掌握各个重要路口、路段以及其他交通拥堵区域的状况，并有效地进行管理。

一.系统架构

整个系统的设计是以B/S体系结构为基础，以VUE为基础，以元素为用户界面，以VUE为基础实现了对用户的管理。有关的功能包括视频上传，场景选择，组件选择，数据准备，信息浏览，违规查询，系统配置等。在数据来源上，有两个选项，一个是视频的上传，另外一个就是相机的实时拍摄。后台的开发语言是Python，它利用了Flask框架在实现后台的开发。在此基础上，将视频数据一帧一帧地分割为不同的画面，再通过计算机视觉技术对其进行图像分析，以便进行后期的处理。由于系统要对实时性进行考虑，所有产生的违法信息、车流量信息等需要实时地显示在用户界面上。存储快速特点，对数据进行存储。

二．系统开发

在前端的开发中，使用了Vue.js框架（建立SPA的渐进框架），而在后端的开发中，则使用了Flask（Mini-Python开发的WEB框架），采取了前后端分开的模式，这样可以彼此解耦，以确保开发的同步，从而提升了开发的效率。

2.1需求分析

该系统以路口、高速道路、道路等场景为研究对象，重点研究道路交通监控与管理问题。

2.1.1功能需求

经过精心设计的信息传输系统，可以将实时的交通信息及时传输至监控指挥系统，以便更好地掌握各个重要路口、路段以及其他交通拥堵区域的状况，并有效地进行管理。

违章信息查询功能：违章查询能够利用车牌号的模糊查询来寻找违章的车辆，而且能够看到违章时间，违章类型，违章车牌号，违章图像，违章地点。

行驶速度检测功能：在识别经过监测点的车辆时，在对其进行识别时，既要对其进行现场图像，又要对其进行视频测速，将车牌信息、速度信息和摄像头拍摄的清楚的前脸图像进行统一存储。实验结果表明，测试结果与实际车辆速度的偏差在6%以内。

车牌的自动识别功能：对于经过监测点视野范围内的车辆，必须对牌照的色彩以及号码进行自动识别。当检测到有车辆通过时，前端的摄像机必须对下一个类别和区域的拍照进行识别。

2.1.2非功能需求

因为这是一个实时的系统，所以必须要连续工作24小时。但是，由于所面对的现实问题中存在着大量的潜在功能。因此，柯扩充性就显得尤为重要。

可靠性：在一般条件下，能够24小时连续工作。

可扩展性：遵循开关原理，能够增加新的功能。

易操作性：良好的交互体验。

2.2数据获取与处理

在道路交通中，既可以通过路口摄像机进行实时采集，也可以通过实现录制好的录像来获得数据。该方法先对视频进行一帧一帧分割，再利用机器视觉的方法，如场景建模、多目标监测、车牌号码识别等。最后，将经过分割和处理后的影像，以ffmpeg的方式推送至网站上，实现了对影像的实时展示。

2.3关键技术

2.3.1车牌识别技术：

本系统采用了监控与追踪的算法，采用了裁剪与反复检查相结合的方式，极大地提高了系统的检查成功率。在这部分中，主要运用到的技术有：检测跟踪算法，和RexCTC（一种端到端的字符识别网络），其原理是：针对特定的交通工具，该软件会根据特定的时间段，从交通工具中提取图像，并将其发送到RexCTC网络中，直至能辨认出车辆的牌照。该系统采用了跳帧检测和最佳定位检测相结合的方法，以节省计算时间，加快了辨识速度，并提高了辨识的准确率。

跳帧检测：

在第一次识别中，由于车辆与摄像头的距离有了很大的改变，所以在第二次识别中，为了加快识别的速度，提高识别的精度。因此，为了避免进行过多的检测，这个程序规定，当系统对一个对象的牌照识别失败时，将会停止识别n帧，而是会在n+1帧开始识别，也就是在每一次检测失败之后，会跳过n帧，以节省系统资源。

最佳定位检测：

毫无疑问，抓拍角度是决定汽车牌照能否成功的重要隐私。在此基础上，根据模型的计算结果，绘制出一片最佳的牌照区域，从而使得算法仅对该区域内的牌照进行识别，从而提高了对车牌的识别效率。

2.3.2车流统计和记录违规转向技术：

车流量统计的基本过程是这样的，在该模块中，当新的道路被输入时，需要先判断该道路是否跨越停止线，若跨越停止线，则使用模型算法中的方向性分类器和车道分类器来判定该道路的实际行驶路线，并结合检测算法所探测到的交通信号，从而得到具有方向性的交通流量数据。

在违章违规转弯时，仅需要将违规违章转弯的行驶路线，行驶方向等信息输入到可达矩阵中，并进行判断，如果不正确，即可判定车辆违章转弯。

2.4系统开发与集成

开发能够适应各种路况和各种情况的高精度实时性分析系统，提高分析结果的质量和可靠性。一是在现有的模型、分析和识别算法的基础上，对现有的模型、分析和识别算法进行了进一步的研究。同时，降低了对系统资源的占用，从而更好的提高了系统的性能。二是在保证各个模块的功能完整的前提下，尽可能地做到最好，避免由于系统本身的缺陷，给使用者带来的不舒适的体验。在此基础上，研发开发了一套以数据流为基础的数据处理系统。通过对视频数据的输入，机器视觉技术，RTMP的推流，WEB的前端，WEB的后端，组成了一个智慧的交通监控系统。

三．系统功能及应用成效

3.1系统功能

以机器视觉为基础的智能交通监控系统，具体包括了上传视频、视频的提交与删除、任务列表、自定义功能组件、任务数据准备、处理信息查看等功能模块。

在使用该系统时，只要设定好相关的设定，就能查看上载或监控录像。用户选定了某一个视频之后，经过对场景的选择、自定义功能组件，例如：违规行人监测、违章停车、违规占用车道等（对于不同的场景，自定义功能组件是有限制的）。接下来，只需要将相关的资料整理好，就能投入到工作中去。

3.2应用成效

一是从通用性、适应性角度出发，该系统能够支持多种类型的交通场景，并赋予各种类型的功能组件。在实际应用中，可以根据实际情况，对系统中各模块的功能不见进行组合，从而使系统更加适合于实际的交通监控与管理。二是功能部件之间的可匹配性，该系统所提供的各种功能部件都可以实现即插即用，并且可以进行组合，从而使系统更加适合于实际的交通监控与管理。二是功能部件之间的可匹配性，该系统所提供的各种功能部件都可以实现即插即用，并且可以进行组合，以达到更好的应用效果。三是该系统具有两种不同的结构，一种是偏重于效率的结构，一种是偏重于准确度的结构，这样就可以针对不同的设备，来选择不同的结构。

四．结束语

通过将智能交通视频监控系统与本论文的研究项目相结合，我们对图像的采集、预处理、监控车辆的运动检测、违规类型识别等方面进行了深入的探索，并且根据实际应用场景，提出了多种有效的检测和跟踪算法，以满足不同的需求。该项目的顺利实施将会有很好的实际应用价值，特别是在道路违法行为的自动识别领域，但由于本课题的研究尚属初级阶段，需要进一步深入研究。在中国，加速城市化演进已经成为一种重要的方向。在这种大势所趋下，没有现代科技的帮助，就无法有效地解决“城市病”。然而，需要指出的是，不管如何先进的管理制度，归根结底，还是要靠人的行为来实现。从这一点看来，先进的交通监控系统的设计和应用，无疑是解决交通问题的技术前提。但是，从根本上来说，交通问题的解决还是要靠人的综合素质的提高。

参考文献：

[1] 陆梦进.（2016）.基于机器视觉的智能交通监控系统研究.软件工程，13-15.

[2] 汪青，梅瑞麟，周岳斌.基于机器视觉的车流监测和交通灯智能控制[J].机械管理开发，2019：205-207.

[3]李玉华，王讯.基于人工智能技术的智能视频监控系统探讨[J].科技创新与应用，2018：76-77.