摘要：針對(duì)攝像頭采集交通信息時(shí)易受環(huán)境干擾且采集到的信息不夠全面的問題，提出智能交通多傳感器信息融合框架，對(duì)多種傳感器采集到的交通信息進(jìn)行融合。另外由于攝像頭采集的視頻數(shù)據(jù)量巨大且多為底層視覺信息，不便于用戶信息檢索，提出智能交通信息語義描述框架，對(duì)交通視頻信息和傳感器信息進(jìn)行語義描述。實(shí)驗(yàn)結(jié)果表明，對(duì)多傳感器采集到的信息進(jìn)行融合能有效提高信息采集的精度，同時(shí)對(duì)交通視頻信息進(jìn)行語義描述將極大地方便用戶對(duì)感興趣信息的檢索。
　　
　　引言
　　
　　攝像頭作為監(jiān)控、采集交通信息的有效手段被廣泛應(yīng)用于智能交通系統(tǒng)中。然而攝像頭由于其光學(xué)特性極易受到周圍環(huán)境的干擾，例如強(qiáng)光照射、雨雪霧等惡劣的氣候條件都會(huì)對(duì)攝像頭的正常工作產(chǎn)生很大的影響，因而僅僅通過攝像頭這一單一信息采集手段獲得的交通信息往往是不夠完整的，有時(shí)甚至是不可靠的。另外攝像頭采集到的視頻信息，信息量龐大，毫無結(jié)構(gòu)性，用戶如果希望在如此海量信息中檢索感興趣的內(nèi)容，例如用戶想查看某段黑色轎車闖紅燈的視頻，目前通常的做法是一幀幀地線性瀏覽整個(gè)視頻，顯然這個(gè)過程效率極其低下。
　　
　　基于以上問題，本文首先提出了一個(gè)多傳感器信息融合框架，通過將攝像頭采集到的視頻信息與多種智能交通傳感器采集到的信息進(jìn)行融合以彌補(bǔ)攝像頭作為單一信息采集手段的不足。然后在此基礎(chǔ)上提出了一個(gè)對(duì)攝像頭所采集的視頻信息和智能交通傳感器信息進(jìn)行語義描述的框架，為用戶對(duì)交通信息進(jìn)行檢索提供鋪墊。
　　
　　1智能交通多傳感器信息檢測(cè)與融合
　　
　　1．1多傳感器信息融合理論
　　
　　多傳感器信息融合理論zui早應(yīng)用于軍事領(lǐng)域，這一方面的研究首先起始于1973年的美國(guó)。20世紀(jì)80年代，隨著傳感器技術(shù)的進(jìn)步，多傳感器信息融合理論開始飛速發(fā)展，其在非軍事領(lǐng)域的應(yīng)用也大規(guī)模展開，工業(yè)控制系統(tǒng)、智能交通、氣象監(jiān)測(cè)、資源探測(cè)、醫(yī)療診斷等多個(gè)領(lǐng)域都在朝著多傳感器方向發(fā)展。國(guó)內(nèi)多傳感器信息融合的研究也于20世紀(jì)90年代達(dá)到高潮，涌現(xiàn)了諸多理論和工程實(shí)踐成果。
　　
　　多傳感器信息融合就是充分利用多個(gè)傳感器的資源，通過對(duì)多種傳感器信息按照某優(yōu)化規(guī)則進(jìn)行組合處理，有效地提高各個(gè)傳感器信息之間的互補(bǔ)性，同時(shí)剔除不必要的冗余信息，提高整個(gè)系統(tǒng)的有效性。多傳感器信息融合按照信息處理層次可分為數(shù)據(jù)層信息融合、特征層信息融合、決策層信息融合。其中決策層信息融合是根據(jù)各個(gè)傳感器系統(tǒng)的判決進(jìn)行優(yōu)化推理，做出zui終的決策，靈活性高，通信負(fù)荷小，無需傳感器之間同質(zhì)，但同時(shí)也對(duì)觀測(cè)信息的預(yù)處理提出了很高的要求。
　　
　　1．2智能交通多傳感器信息融合框架
　　
　　智能交通傳感器種類繁多，功能各異。針對(duì)應(yīng)用場(chǎng)景以及結(jié)合前期的工程實(shí)踐，選擇磁敏傳感器、壓電式傳感器、微波雷達(dá)、RFID作為獲取交通信息的傳感器，這4種傳感器所采集的交通信息如表1所示。
　　
　　此外，整個(gè)交通狀態(tài)會(huì)受到周圍環(huán)境的影響，因而需要根據(jù)環(huán)境變化調(diào)節(jié)多傳感器信息融合的策略，從而降低環(huán)境變化所帶來的影響。
　　
　　到目前為止，需要進(jìn)行信息融合的傳感器包括攝像頭、磁敏傳感器、壓電式傳感器、微波雷達(dá)、RFID。這5種傳感器彼此異質(zhì)，原始觀測(cè)數(shù)據(jù)結(jié)構(gòu)、內(nèi)容差異巨大，例如攝像頭采集的是二維視頻信號(hào)，磁敏傳感器卻輸出一維模擬信號(hào)，而壓電式傳感器則輸出模擬脈沖信號(hào)。因此考慮在決策級(jí)對(duì)這幾種傳感器信息進(jìn)行融合。每個(gè)傳感器節(jié)點(diǎn)對(duì)采集到的信息進(jìn)行分析處理，其結(jié)果與視頻信息處理結(jié)果進(jìn)行決策級(jí)融合，整個(gè)融合過程同時(shí)會(huì)受到氣象、光照條件的影響。多傳感器信息融合框架如圖1所示。
　　
　　2智能交通信息的語義描述
　　
　　隨著多媒體技術(shù)的迅速發(fā)展，視頻信息量也呈現(xiàn)出爆炸性增長(zhǎng)趨勢(shì)。面對(duì)如此海量的數(shù)據(jù)，用戶更關(guān)注如何才能地檢索到自己所感興趣的信息，即如何實(shí)現(xiàn)基于內(nèi)容的視頻信息查詢（Content-BasedVisualQueries，CBVQ）。這一問題已引起了研究者的廣泛興趣，一些原型系統(tǒng)相繼問世，如IBM的QBIC系統(tǒng)，哥倫比亞大學(xué)的webseek系統(tǒng)，清華大學(xué)的TV-FI系統(tǒng)等。
　　
　　傳統(tǒng)視頻分析技術(shù)是對(duì)底層視覺信息進(jìn)行分析處理，如顏色、紋理、輪廓。而用戶往往是從高層語義的角度理解整個(gè)視頻內(nèi)容，例如某段視頻出現(xiàn)了什么物體、發(fā)生了什么事情。這之間不可避免地存在著語義鴻溝（Semanticgaps）。要實(shí)現(xiàn)視頻內(nèi)容查詢，首先需要在底層視覺信息和高層語義之間搭建起一座橋梁。目前學(xué)術(shù)界對(duì)于該問題的研究工作已廣泛開展起來，其中比較的是運(yùn)動(dòng)圖像專家組提出的MPEG-7標(biāo)準(zhǔn)，即多媒體內(nèi)容描述接口（MultimediaContentDescriptionInterface）。MPEG-7標(biāo)準(zhǔn)的目標(biāo)就是定義一套靈活的可擴(kuò)展的描述框架。該框架能夠?qū)Χ嗝襟w內(nèi)容提供的、準(zhǔn)確的并且具有互操作特性的語義描述，以便于進(jìn)一步對(duì)多媒體信息內(nèi)容進(jìn)行語義檢索。MPEG-7對(duì)以下內(nèi)容標(biāo)準(zhǔn)化：描述符（Descriptors）、描述方案（DescriptionSchemes）、描述定義語言（DescriptionDefinitionLanguage）。其中描述定義語言基于XML語言，允許對(duì)描述符和描述方案進(jìn)行靈活地定義和描述，并且具有*的可擴(kuò)展性。
　　
　　基于MPEG-7標(biāo)準(zhǔn)，提出智能交通信息語義描述框架，描述的信息包括攝像頭采集的視頻信息和智能交通傳感器信息?？傮w框架如圖2所示。
　　
　　下面將闡述語義描述框架的各個(gè)組成成分：
　　
　　2．1Video_metadata
　　
　　Video_metadata主要是對(duì)每一幀視頻做一般性描述，分為視覺元數(shù)據(jù)（Visual_metadata）和語義元數(shù)據(jù)（Semantic_metadata）。這部分?jǐn)?shù)據(jù)并不包含視頻內(nèi)容本身。視覺元數(shù)據(jù)主要包括格式、大小、分辨率、顏色深度、壓縮方式，語義元數(shù)據(jù)主要包括文本標(biāo)注、時(shí)間、地點(diǎn)、該視頻幀編號(hào)（FrameNO．）。
　　
　　例如某一幀視頻的Visual_metadata描述如下：
　　
　　2．2Traffic_sensor_metadata
　　
　　Traffic_sensor_metadata主要描述的是該路段所布設(shè)的智能交通傳感器的信息，包括布設(shè)了哪些傳感器，該傳感器所處的位置，傳感器的功能。這部分描述也不包含視頻本身的信息。加入這部分描述是為了將多傳感器的信息內(nèi)容整合起來，便于用戶查詢整個(gè)系統(tǒng)的信息。
　　
　　例如對(duì)于磁敏傳感器信息描述如下：
　　
　　2．3Video_DS
　　
　　Video_DS是對(duì)攝像頭采集到的某一幀視頻信息進(jìn)行語義描述，這部分是整個(gè)語義描述框架的核心，直接影響到用戶的信息檢索。這部分的主要任務(wù)就是描述視頻中所出現(xiàn)的交通對(duì)象和視頻中出現(xiàn)的交通事件。其中Video_object_set表示的是視頻中所出現(xiàn)的所有交通對(duì)象的集合。在每一幀視頻中，提取的交通對(duì)象分為4類：車輛（各種機(jī)動(dòng)車和非機(jī)動(dòng)車）、行人、道路（單行道、雙行道、左拐車道、右拐車道）、交通標(biāo)識(shí)（車道線、停車線、交通信號(hào)燈）。
　　
　　Video_object_set中每個(gè)元素稱為Video_object，即交通對(duì)象。每個(gè)Video_object同時(shí)具有視覺特征（VisualFeature）和語義特征（SemanticFeatures）。每類對(duì)象的視覺特征和語義特征如表2所示。
　　
　　Video_event_set表示的是視頻事件集，這些事件包括車輛直行駛過、車輛左拐、車輛右拐、闖紅燈、變道、違章停車、行人走過等交通事件，每個(gè)事件被賦予一個(gè)ID。Object_node引用Video_object_set中的元素Video_object，這樣就避免了對(duì)象的重復(fù)定義。Object_relation表示的是對(duì)象（Video_object）之間的關(guān)系，這些關(guān)系通常如表3所示。
　　
　　對(duì)于每件交通事件將其描述成對(duì)象之間的關(guān)系。例如對(duì)于闖紅燈事件，涉及到的對(duì)象即為行駛中的車輛、變?yōu)榧t燈的交通信號(hào)燈和停車線，車和停車線之間的關(guān)系就是車越：過停車線（Crosses）。對(duì)于違章停車事件，涉及到對(duì)象為某個(gè)不能停車的車道和靜止的車輛，它們之間的關(guān)系即為方位關(guān)系，即這輛車位于該車道之上（Topof）。
　　
　　Sensor_status是當(dāng)有交通事件出現(xiàn)時(shí)，相關(guān)的智能交通傳感器的檢測(cè)信息，當(dāng)用戶需要讀取傳感器的信息時(shí)，可以直接讀出。這里的Traffic_sensor_node也需要引用Traffic_sensor_metadata中的Traffic_sensor，避免傳感器的重復(fù)定義。
　　
　　2．4Traffic_environment部分
　　
　　這部分主要描述的是攝像頭監(jiān)控范圍內(nèi)的整個(gè)交通環(huán)境信息，包括該區(qū)域的天氣氣候情況、光照條件、該路段的總體交通信息。
　　
　　3智能交通多傳感器信息融合框架模型仿真
　　
　　在此以車速檢測(cè)為例，對(duì)多種智能交通傳感器和攝像頭進(jìn)行決策級(jí)融合，以驗(yàn)證多傳感器信息融合框架的有效性。假設(shè)對(duì)于某一輛駛過的汽車，磁敏傳感器檢測(cè)到的車速為v1（單位：km／h），壓電式傳感器檢測(cè)到的車速為v2（單位：km／h），微波雷達(dá)檢測(cè)到的車速為v3（單位：km／h），攝像頭檢測(cè)到的車速為v4（單位：km／h），真實(shí)的車速為v（單位：km／h），則每個(gè)傳感器檢測(cè)車速的誤差為：
　　
　　△v1=v1-v（1）
　　
　　△v2=v2-v（2）
　　
　　△v3=v3-v（3）
　　
　　△v4=v4-v（4）
　　
　　根據(jù)工程實(shí)踐，磁敏傳感器、攝像頭檢測(cè)結(jié)果誤差的均值和方差都比較大，而微波雷達(dá)和壓電式傳感器則相對(duì)比較。假設(shè)誤差△v1，△v2，△v3，△v4分別滿足近似正態(tài)分布，且：
　　
　　△v1～N（4，9）（5）
　　
　　△v2～N（2，4）（6）
　　
　　△v3～N（1，4）（7）
　　
　　△v4～N（3，9）（8）
　　
　　對(duì)4種傳感器檢測(cè)的結(jié)果進(jìn)行融合，這里采用加權(quán)平均的模型對(duì)檢測(cè)結(jié)果進(jìn)行融合。4種傳感器所對(duì)應(yīng)的加權(quán)系數(shù)分別為w1，w2，w3，w4，且：
　　
　　w1+w2+w3+w4=4（9）
　　
　　則融合結(jié)果為：
　　
　　因?yàn)椤鱲1，△v2，△v3，△v4獨(dú)立，所以△vf也滿足正態(tài)分布，對(duì)以上過程進(jìn)行仿真，結(jié)果如圖3所示。
　　
　　從圖3中可以看出，經(jīng)過融合，融合結(jié)果的誤差△vf的均值較小，動(dòng)態(tài)范圍也大幅度減小，因而多傳感器信息融合能有效提高系統(tǒng)的檢測(cè)精度。
　　
　　4智能交通視頻語義描述實(shí)例
　　
　　本文的基于智能交通信息語義描述框架對(duì)攝像頭采集到的某一幀視頻發(fā)生的事件進(jìn)行描述，該幀如圖4所示。
　　
　　該幀視頻發(fā)生的事件是一輛黑色轎車正駛過人為所畫的一條虛擬的藍(lán)線。將黑色轎車和虛擬的藍(lán)色線條分別看作一個(gè)對(duì)象（Video_object），對(duì)于黑色轎車的特征描述如下：
　　
　　顯然，基于提出的智能交通信息語義描述框架，能夠?qū)D4中的視頻信息從語義的角度描述出來，并可以同時(shí)生成相應(yīng)的文本文件。將這些視頻信息描述結(jié)果存入數(shù)據(jù)庫(kù)中，極大方便了用戶從語義的角度對(duì)視頻信息進(jìn)行查詢。
　　
　　5結(jié)語
　　
　　本文首先提出了智能交通多傳感器信息融合的框架，并通過信息融合模型仿真驗(yàn)證了該框架的有效性，結(jié)果表明經(jīng)過多傳感器信息融合，系統(tǒng)交通信息檢測(cè)精度得到有效提高。之后在此基礎(chǔ)上參考MPEG-7標(biāo)準(zhǔn)提出了智能交通信息語義描述框架。該框架能夠描述從底層視覺特征到高層語義特征的多層視頻信息，彌補(bǔ)語義鴻溝，zui終方便用戶對(duì)海量視頻信息檢索，zui后用一個(gè)交通視頻語義描述實(shí)例證實(shí)了這一點(diǎn)。后續(xù)將根據(jù)各種智能交通傳感器信息結(jié)構(gòu)特點(diǎn)對(duì)信息融合模型展開進(jìn)一步研究，同時(shí)進(jìn)一步提高智能交通信息語義描述框架的擴(kuò)展性和兼容性，將更多的交通信息納入到整個(gè)描述框架中來。