交通车辆视频图像传输实时优化检测仿真

谭福奎　何厚峰　姚萍

摘要：随着社会经济的快速发展，人们生活水平的大幅度提升，私家车的数量大幅度增加。受此影响，交通事故发生率也呈现出上升趋势。在对交通事故处理时，交通车辆视频图像传输技术的应用，为交通事故的有效处理提供了参考和依据，提升了交通事故处理的效率。在对交通车辆视频图像进行处理时，需要对视频图像中的高频分量进行清除，从而对信息进行实时获取。在对视频图像处理时，传统方法主要针对不同频域进行分类处理，之后实现对图像灰度值的压缩，但是在获取图像时，视频图像的精度较低，在实际应用中受到了一定的限制。本文在对交通车辆视频图像传输问题研究过程中，对传统的图像处理方法进行优化，实现图像传输的实时优化检测，从而为交通行业发展提供重要帮助。

关键词：交通车辆;视频图像;图像传输;优化仿真

Real Time Optimal Detection Simulation of Traffic Vehicle Video Image Transmission

TAN Fukui HE Houfeng YAO Ping

（School of Physics and Engineering Technology， Xingyi Normal University for Nationalities， Xingyi， Guizhou Province， 562400 China ）

Abstract： With the rapid development of social economy， people's living standards have been greatly improved， and the number of private cars has increased significantly. Affected by this， the incidence of traffic accidents also showed an upward trend. When dealing with traffic accidents， the application of traffic vehicle video image transmission technology provides reference and basis for the effective treatment of traffic accidents， and improves the efficiency of traffic accident treatment. When processing the video image of traffic vehicles， it is necessary to clear the high-frequency components in the video image， so as to obtain the information in real time. In the video image processing， the traditional methods mainly focus on the classification of different frequency domain， and then realize the compression of the image gray value. However， the accuracy of the video image is low， which is limited in practical application. In this paper， the traditional image processing methods are optimized to realize the real-time optimal detection of image transmission in the research process of traffic vehicle video image transmission， so as to provide important help for the development of the transportation industry.

Key Words： Traffic vehicle; Video image; Image transmission; Optimization simulation

0 引言

隨着交通行业的迅猛发展，在开展交通管理过程中，传统的管理方法已经不再适用。针对这一情况，加强现代信息技术融入交通行业管理当中，借助于信息化技术构建智能化交通管理系统，能够对交通数据信息进行有效地处理，实现交通车辆的智能化管理目标，提升交通运输管理的效率及质量。在构建智能化交通管理系统过程中，交通检测技术是该系统的一个重要环节。交通检测借助于计算机和图像处理技术，实现对往来车辆的有效监控，能够为交通车辆管理提供重要的参考及指引。但是在视频图像处理过程中，需要对图像进行压缩转化，之后才能够对图像视频信息进行传输。如何对交通车辆视频图像进行实时传输，对图像信息进行有效优化，获取更加真实、可靠的信息，成为交通车辆视频图像处理必须把握的重要内容。

1 关于交通车辆视频图像信息采集的相关原理分析

在新的社会经济发展形势下，交通车辆视频图像实时获取及传输，实现了对路面信息的有效监控，对于交通事故的有效处理起到了重要的促进作用。目前，学术界在对交通车辆视频图像信息采集处置过程中，双阈值的车辆数据信息实时传输方法得到了一定的应用^[1]。该方法注重对图像像素的最小灰度值和最大灰度值进行把握，从而实现对视频图像信息的有效传输。此外，小波变换方法在视频图像传输中得到了有效应用，该方法注重对不同频域子带的数据进行压缩，之后实现对视频图像信息的快速传输。但是上述方法在应用时，可能在车辆视频图像信息采集过程中出现耗时长、过程繁琐、信息丢失等问题。针对于这一情况，本文在对交通车辆视频图像信息采集过程中，结合四叉树和偏微分方程，对车辆视频图像进行有效地采集获取，从而构建良好的交通运输环境^[2]。

在进行交通车辆视频图像信息采集过程中，注重把握车辆视频图像的最小灰度值和最大灰度值，之后对图像帧的平均灰度值进行获取，对图像进行压缩变化。关于交通车辆视频图像信息的采集原理，具体步骤内容如下：

1.1 对交通车辆视频图像灰度值进行求解

在开展交通车辆视频图像信息采集过程中，要注重对视频图像的最大灰度值和最小灰度值进行求解。这一过程中，假设| 表当前帧， 表示了背景图像， 表示背景差图像， 表示一帧分辨率 的头像。关于交通车辆视频图像最大灰度值和最小灰度值的计算公式如下： （最小值计算公式）

（最大值计算公式）

在上述公式当中， 代表了灰度值的权重系数; 和 分别表示了图像像素和像素灰度值; 则表示了图像各个像素点的一维熵^[3]。

1.2 对图像帧的平均灰度值进行计算

在进行车辆视频图像信息采集过程中，要注重对阈值的灰度区域范围进行把握，并对图像帧的平均灰度值进行计算。这一过程中，假设 表示第k个可能是车辆的种子区， 表示 种子第i个阈值的灰度区域范围。通过对 和 进行把握，结合公式 对图像帧的灰度值平均值进行求取。

同时，假设B_BC表示更新背景，则_BC-1为上一帧的场景图像，N表示整数， 表示更新率，在对各个图像帧的平均灰度值求取时，可以结合公式：

在上述公式当中， 表示了常数门限值。

1.3 把握视频图像的灰度值

在对视频图像传输实时优化过程中，要注重对视频图像的灰度值区做好把握，假 代表灰度值区，整帧图像的相关性用 表示，图像亮度分量的编码规则用 表示。这样一来，在对图像进行压缩变换过程中，可以结合下面公式：

在上述公式當中， 表示了失真距离阈值^[4]。

在对交通车辆视频图像进行传输过程中，需要对缓存数据量做好把握，并设定发送速率，从而对交通车辆视频图像信息的传输进行检测。具体公式如下：

综合上述分析，在对交通车辆视频图像信息进行实时传输过程中，要做好视频图像的检测及提取，结合上述原理对视频图像进行实时传输，以满足交通车辆信息的有效监控目标。

2 交通车辆视频图像传输检测分析

在对交通车辆视频图像传输检测过程中，本文主要应用了四叉树和偏微分方程进行图像传输检测，实现对图像数据信息的针对性处理。在这一过程中，主要从以下几个方面开展视频图像传输检测工作：

2.1 离散变换处理

在对交通车辆视频图像进行传输检测过程中，需要对获取的视频图像进行离散变换，实现对其格式的有效处理，以确保图像传输工作的有效开展。在进行离散变换时，将获取的视频图像信息转换为代表不同频率分量的系数集，得到DCT系数相邻块间的差值，并将图像四周的灰度值按照顺序进行编码处理，利用四叉树计算获取量化函数，获取压缩数据^[5]。

在离散变换处理过程中，需要对原始图像信息块进行转化，形成代表不同频率分量的系数集，关于系数集的具体内容如下：

在上述公式当中， 和 表示了图像频率域分解的特征函数， 和 则表示了图像块的映射位置。

离散变换处理过程中，还需要对原始图像的子块位置序列做好把握，联系图像块灰度值以及图像帧之间的关系，对量化函数进行表示，并联系量化函数获取车辆视频图像的压缩数据。关于车辆视频图像信息压缩数据，可以结合下列公式求解：

结合上述分析来看，在对交通车辆视频图像信息实时传输检测过程中，要注重对车辆视频图像的信息快速进行有效处理转化，将其变化为不同频率分量的系数集，并对数据进行编码，从而对视频图像进行进行有效地获取和传输，更好地满足现代化交通行业发展需要。

2.2 似然率检测处理

在对交通车辆视频图像信息进行实时传输检测时，通过利用似然率信息对视频图像进行优化传输，要注重对微分方程进行有效应用，从而对视频图像的传输状态进行把握，从而做好视频图像的实时优化。基于似然率信息的交通车辆视频图像优化传输检测，注重对编码率进行把握，并设置最高阈值和最低阈值，利用编码率对车辆视频图像信息传输进行优化^[6、7]。假设在对交通车辆视频图像进行传输过程中，联系视频图像的输入速率、缓冲占用量、输出速率情况，对交通车辆视频图像缓冲变化状态进行把握，并设置缓冲占用比、灰度值，对视频图像数据信息进行表示。此外，在似然率检测过程中，需要对每帧数据的大小做好把握，并结合最高阈值和最低阈值，对数据做好编码设置。假设在似然率检测处理过程中，图像帧数据的发送速率为 ，部分信道容量为 ，最大似然译码错误上限为 ，在对频率分量及Polar码进行极化处理时，结合下列公式：

同时，结合 信道接收速率，在对交通车辆视频图像信息进行优化传输检测时，可结合下列公式对长度为N的Polar码似然率进行计算^[8]：

2.3 仿真分析

在对交通车辆视频图像传输实时优化检测分析过程中，本文利用四叉树和偏微分方程对车辆视频图像信息进行传输检测，在MATLAB环境下对车辆视频图像信息进行仿真分析。这一过程中，注重对比离散变换处理和似然率分析的差异，分析两种方法的有效性问题。在对比不同方法进行交通车辆视频图像信息实时传输检测时，对车辆视频信息进行了获取和传输，两种方法视频传输效果如图1和图2所示：

如图1和图2所示，图1主要采用了可逆信息隐藏算法，图2则应用了四叉树和偏微分方程算法。对比图1和图2的信息来看，通过利用四叉树和偏微分方程算法对交通车辆视频图像进行处理，获取的数据信息更加精确^[9]。通过利用四叉树和偏微分方程算法进行图像处理时，实现了对车辆视频图像阈值的量化处理，并且对分量进行了滤除，使交通车辆视频图像信息的检测更加有效，能够对交通情况进行真实的反馈^[10]。

此外，在利用四叉树和偏微分方程开展交通车辆视频图像传输优化过程中，视频图像的传输效率得到了大幅度的提升，这主要得益于视频图像信息传输过程中，对频率分量及Polar码进行了有效获取，提升了信道的可靠性，并且结合信道接收信息对其似然率进行计算，实现对车辆视频信息实时传输检测，使获取的车辆视频图像信息效果更佳，能够为交通管理提供强有力的数据支持^[11、12]。

3 结论

通过对交通车辆视频图像传输进行实时优化检测，注重对获取的图像信息进行有效的处理，使图像信息得到压缩处理，在一定程度上保障了图像灰度质量，提升了图像传输精度。在对交通车辆视频图像信息处理过程中，利用四叉树和偏微分方程进行数据处理，能够实现对视频图像信息的实时传输，并且在图像质量上，相对于传统的视频图像传输而言，具有更高的质量。通过加强该技术手段的有效应用，能够为良好的交通环境创设提供有力的依据，使交通管理的效果及質量得到有效地提升。

总之，在新的社会经济发展形势下，私家车数量的大幅度增加，在很大程度上加剧了交通拥挤问题。为了更好地满足交通车辆监控需要，通过做好交通车辆视频图像的实时采集及传输，能够做好交通运输车辆的管理工作，满足交通行业发展现实需要。

参考文献：

[1]陈志杰，汤锦辉，王冲，程季锃，曹珊，邵欣.人工智能赋能国家空域系统，提升空域分层治理能力[J/OL].航空学报：1-9.

[2]王宁.轨道交通综合监控系统智能化研究[J].微型电脑应用，2020，36（12）：130-133.

[3]陈震，李平.一种智能交通灯控制系统[J].科学技术创新，2020（36）：113-114.

[4]谭惠，全小林.基于视频图像的车辆行驶速度及交通信号灯状态鉴定1例[J].中国司法鉴定，2018（05）：106-110.

[5]纪伟，程刚.基于视频图像方法推断鉴定交通事故中车辆是否有闯红灯行为[J].法制与社会，2018（20）：53-54.

[6]刘亮，蔡婷，桂晓菁.智能交通中的视频图像处理技术分析[J].电子制作，2018（10）：8-9.

[7]王瑞丽.基于神经网络的计算机视觉探讨[J]，科技资讯，2018（11）：17-24.

[8]王剑峰，张永梅，薛龙飞.基于视频图像的城市道路交通态势研判方法研究[J].科技创新导报，2017，14（36）：147-149+151.

[9]杨珍.交通车辆视频图像传输实时优化检测仿真[J].计算机仿真，2017，34（05）：440-443.

[10]张喆，代雪晶.视频图像在实际交通肇事案件领域中的应用[J].辽宁省交通高等专科学校学报，2016，18（04）：21-22.

[11]王圣男，郁梅，蒋刚毅.智能交通系统中基于视频图像处理的车辆检测与跟踪方法综述[J].计算机应用研究，2005（09）：9-14.

[12]肖文娜. 夜间城市交通监控中各类车辆轨迹的完整提取[D]. 天津工业大学， 2017.