基于3G网络的智能交通视频监控系统

范泳文，官洪运，蒋静学，刘 杰

（东华大学信息学院，上海 201620）

随着数字技术的迅猛发展，网络技术，特别是物联网技术的大力推广，第三代移动通信技术（3G）不断演进优化，在传输的稳定性和网络的覆盖率方面都具有很大的优势，视频监控系统也越来越趋向网络化和无线化发展［1］。基于3G网络进行移动视频监控，不受时间和地域的限制，轻巧便捷，安装简易，运营成本低，特别适合运用在交通运输行业。

目前3G技术于交通方面的应用，大多停留在视频监控播放上，没有对其进行分析处理，无法实现智能监控和违规报警功能。而市面上的图像监控软件大多是针对本地音视频数据或是通过电缆传递的流媒体文件进行分析处理，对网络音视频文件进行实时处理的软件较少，而集成图像采集、传输、处理、分析的网络视频监控系统更是少之又少。基于这种情况，笔者设计了一款基于3G网络的智能交通视频监控系统。

1 系统总体设计方案

基于3G网络的智能交通视频监控系统的整体结构可分为3个部分:前端视频采集模块、3G无线网络传输部分和后端监控管理服务平台［2］。总体设计框图如图1所示。

1.1 前端视频采集模块

图1 系统总体设计框图

前端视频采集模块选用安徽创世纪科技有限公司研发生产的3G模块，可连接摄像机，模块内的嵌入式设备采用最新的、压缩比极高的H.264［3］视频压缩算法和AMR音频压缩方式，对摄像头采集到的视频音频进行压缩编码后传输。

1.2 3G无线网络传输模块

交通视频图像的传输数据量大、实时性要求高，视频图像的传输质量直接影响系统的监控质量;而在后端监控中，还需要收发各种控制指令，对视频监控进行设置和调整，这就对传输的可靠性提出了一定的要求。故本系统综合采用TCP协议和UDP协议，用HTTP/TCP来传输控制协议，而用RTP/UDP来传输实时数据，最高可以实现25～30帧/秒（f/s）的流畅图像效果，为图像视频的实时采集及后续的处理分析奠定了基础。

1.3 后端监控管理模块

后端监控管理平台是运行在监控PC机上的应用程序，是本监控系统的人机交互的界面，应用了3G网络与互联网互联的特点，直接通过互联网络获取传输来的前端采集的数据，然后经过音视频解码，再将其封装成能被OpenCV识别的IplImage格式［4］。系统使用Visual C++集成开发环境，和OpenCV函数库对视频的分析处理，实现实时播放、录像、系统参数设置、违规判定及本地存储等功能。后台监控管理系统框图如图2所示。

图2 后台监控管理系统框图

2 音视频文件获取并解码

网络视频监控系统首先要获取网络视频，并对其进行转换解码，将视频转变成本地可识别处理的形式。具体流程如图3所示，初始化程序后选择一个远程站点进行连接，连接上站点后获取站点及站点下资源的全球唯一标识符（Globally Unique Identifier，GUID），根据资源描述判断资源类型，操作各个资源，获取或设置各资源的属性。将截取的音视频数据加入媒体解码库中，经解码后的视频数据可进行图像处理，从而实现音视频播放、监控、报警等功能。系统不断检测远程站点接受的数据是否已经接收完毕，若没有完毕，则继续截取;若截取完毕，则停止接受，断开与远程站点的链接。

图3 音视频获取及解码流程图

3 图像分析处理

本系统使用VS.net中的Visual C++集成开发环境，和OpenCV函数库对采集到的视频进行运动车辆检测和运动车辆违规判定。首先对图像进行预处理。图像在采集、传输的过程中会受到外部环境及内部器械的影响而产生噪声，可通过图像二值化、图像平滑化、图像灰度化、图像边缘检测等预处理操作减小噪声，提高图像质量。随后运用运动目标检测和运动目标跟踪算法对监控区域的车辆进行跟踪检测，并根据具体的交通细则设置违规行为参数，一旦判定车辆有违规行为，即执行报警响应。系统软件流程图如图4所示。

图4 图像处理软件流程图

3.1 运动目标检测技术

运动目标检测是计算机视觉技术的重要研究课题之一。目前比较常用的运动目标检测算法有帧差分法、光流法和背景差分法［5］。本系统采用背景差分法［6］。背景差分法是运动目标检测中应用最为广泛的方法，特别适用于固定场景的视觉系统中。背景差分法的基本思想是以图像序列中的当前帧与背景模型做差，从而分割出运动目标，因此其关键技术即是背景图像的选取和更新。简单的背景建模方法有中值滤波、均值滤波等，而成熟的背景建模方法，如基于卡尔曼滤波的自适应背景模型、隐马尔科夫背景模型、混合高斯自适应背景模型等已大幅减小了噪声、光照等因素对背景的影响，算法简单，运算速度快，易于实时实现。

3.2 运动目标跟踪技术

运动目标跟踪技术可以分为基于分割的跟踪（Segmentation Based Tracking）和基于视窗的跟踪（Blob Tracking）两大类［7］。本系统采用基于视窗的可视跟踪法。

基于视窗的可视跟踪方法［8］根据运动目标的特征，检测出最匹配的中心位置，以椭圆或者矩形窗体锁定跟踪目标，是否需要进一步细致分割出跟踪目标的具体形状则取决于系统的功能需求，不在这里处理。这也就大大减少了系统的计算量，更适用于智能交通这类实时系统。具体方法有模版匹配法、粒子滤波法、Mean Shift方法等。

4 系统调试与部分程序

基于上述原理，经过硬件平台搭建，软件系统编程，本系统已基本实现对3G网络交通视频的分析和处理，通过交通违规操作的设置，可进行车辆违规判定和报警，并可实现多种违规操作的同时判定。

首先登陆远程3G模块挂靠的中心管理服务器，选择要分析处理的视频对象，经过解压解码，即可进行播放。部分主程序如下:

系统截图如图5所示。

图5 系统界面截图

点击红灯线设置、禁行区域设置、正向行驶方向设置和限速设置四个按钮，可分别进行车辆违规设置，勾选要进行车辆违规判定的种类，图5中同时选择了闯红灯车辆监控和禁行区行驶车辆监控，即会在视频中出现红灯线和禁行区域。当有违规车辆出现时，该车辆上的圆圈会标红，规则设置图形也会变红加粗，系统会记录有违规行为的车辆进行记录报警。

车辆违规判定的部分主程序如下:

系统实际运行结果如图6所示。

图6 系统实际运行结果图

5 小结

经测试实验表明，该系统通过3G网络可实现视频的实时传输，解码与播放，播放清晰流畅，结合OpenCV图像处理软件进行编程，可对接收到的实时视频进行运动目标检测和跟踪，通过设定交通违规参数，即可判定车辆是否违规，并可根据实际情况增加或修改违规判定种类，从而实现基于3G网络的智能交通视频监控。

：

［1］吴宁，罗安，雷震.基于流媒体技术的智能视频监视系统［J］.自动化仪表，2007，28（7）:35-38.

［2］张伟男，唐伦，陈前斌，等.基于3G传输的视频监控系统的后台设计［J］.电视技术，2008，32（11）:85-88.

［3］史惠，孟放，姜秀华.基于H.264码流的高清视频质量评价算法［J］.电视技术，2009，33（11）:113-116.

［4］岑银.基于OpenCV的智能视频监控设计［J］.电子元器件应用，2010，12（7）:47-48.

［5］郑国荣，熊昌镇，张彦.一种基于OpenCV的嵌入式视频监控方法［J］.冶金自动化，2010（S2）:683-685.

［6］COLLINS R，LIPTON A，KANADE T，et al.A system for video surveillance and monitoring［EB/OL］.［2011-06-20］.http://www.google.com.hk/url?sa=t&rct=j&q=%5B7%5D%09COLLINS+R%EF%BC%8CLIPTON+A%EF%BC%8CKANADE+T%EF%BC%8Cet+al.+A+system+for+video+surveillance+and+monitoring&source=web&cd=2&ved=0CD0QFjAB&url=http%3A%2F%2Fciteseerx.ist.psu.edu%2Fviewdoc%2Fdownload%3Fdoi%3D10.1.1.73.2930%26rep%3Drep1%26type%3Dpdf&ei=k3E4T9zIHuuNiAe48t2bAg&usg=AFQjCNGcZhD-bL5jDQS_PMV7pr90wpP1OA&cad=rjt.

［7］白文江.基于图像处理的智能交通监控系统的研究与实现［D］.上海:东华大学，2009.

［8］STAUFFER C，GRIMSON W E L.Learning patterns of activity using real-time tracking［J］.IEEE Trans.PAM，2000，22（8）:747-757.