基于图像的车祸事故人工智能识别系统的设计
时间：2021-05-12 12:03:44 来源：雅意学习网 本文已影响 人 
摘要：本文结合当前交通车祸监测系统在复杂交通环境下，识别车祸事故的局限性，设计并提出一种基于图像的车祸事故人工智能识别系统，并从系统结构与交通车祸识别计算分析方法等方面对该系统进行分析介绍，同时结合仿真实验结果，对该系统在实际车祸事故识别应用中的作用进行分析研究，以促进在实际中的推广应用。
关键词：图像识别；车祸事故；人工智能识别系统；设计
中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）03-0221-03
随着社会经济的发展进步以及城市道路交通状况的日益改善，城市汽车的数量及规模也逐渐增加，在促进城市道路交通现代化的同时，也大幅增加了道路交通车祸事故的数量，为城市道路交通管理增加了一定的压力。而智能交通管理系统作为一种应用智能化与自动化技术来实现城市道路交通管理的手段，在很大程度上提升了城市道路交通管理工作效率，同时也缓解了道路交通管理的压力，在现代化道路交通管理中具有相对广泛且普遍的应用。但是，由于当前道路交通管理中所应用的车祸识别系统主要是通过改进BP神经网络计算以及聚类主元算法、模糊概率法等计算分析方法实现车祸识别与判断，在实际应用中对复杂交通环境下的识别干扰因素不能较好地处理，导致车祸状态识别与判断的准确性受到相应影响，从而影响道路交通管理的质量和效果，对道路交通车祸事故的管理与发展十分不利。针对这种情况，下文提出一种基于图像的车祸事故人工智能识别系统，并对其设计应用进行分析论述，以促进在道路交通管理中的推广应用，进而推动道路交通管理的现代化发展和提升。
1 基于图像的车祸事故人工智能识别系统的结构设置分析
1.1 系统的结构组成分析
本文所提出的基于图像的车祸事故人工智能识别系统是以车辆图像灰度内方差为基础上，通过对数字视频处理方法以及模式辨识方式等方法的运用，对视频图像中的车祸事故目标进行追踪识别，同时根据车祸事故期间交通车辆的运行状况，以实现车祸事故的准确检测与报警处理，来实现道路交通车祸事故的管理，提升道路交通运行管理质量，确保其运行秩序，它与传统的车祸事故管理系统存在较大的区别。
如下图1所示，为基于图像的车祸事故人工智能识别系统的结构组成示意图。根据下图所示结构形式可以看出，该系统主要包括车祸事故检测器以及计算分析服务器、交换机等结构组成，在道路交通车祸事故检测与管理中，通过在道路交通路段合适位置安置摄像机，对车辆运行信息进行采集，然后借助视频分配器将摄像机所采集的视频信号传递输送到视频检测器结构单元中，并通过计算分析服务器的检测分析进行视频信号分析，最后将分析结果再次传递到服务器及道路交通控制管理中心，从而实现对道路交通车辆运行状况的控制管理。在整个系统结构中，其中所包含的矩阵切换器能够将摄像机所采集的视频信息传送到道路交通监控中心的LED显示屏中，以通过对视频信号的计算分析，进行车祸事故分析判断。
1.2 系统在车祸事故识别的优势分析
此外，与传统车祸事故管理系统不同的是，基于图像的车祸事故人工智能识别系统在车祸事故判断中，对于复杂环境下干扰因素的影响作用控制较好，因此，该系统对车祸事故的监测判断准确性也就比较高。如下表1所示，为该系统对各种环境下车祸事故识别效果的统计分析，从下表可以看出，无严重干扰因素时，该系统对车祸事故的识别准确率达到100%，而在信噪比为0.5的交通环境下，该系统进行车祸事故识别的准确率也达到85%，因此，该系统进行各种复杂交通环境下的车祸事故识别准确率均相对较高。
2 基于图像的车祸事故人工智能识别系统计算方法分析
根据上述对本文所提出系统的结构组成分析可知，该系统结构中最为关键的构成部分可以分为道路交通车祸事故信息采集系统结构和车祸事故检测识别系统两大部分，因此，进行车祸事故人工智能识别系统计算分析方法的研究，主要为车祸事故信息采集和检测识别的计算分析。
2.1 车祸事故信息采集的计算分析方法
本文所设计提出的系统为基于车辆图像灰度内方差所设计提出的系统，因此，在车祸事故检测识别中首先要确定车辆图像的灰度级别。假设车祸事故识别系统中车辆图像的灰度级别为k，该灰度级别下灰度值范围为E，那么，就可以得出任意点的两个灰度范围，分别用D0和D1表示，其中，D0={1-k}，D1={k+1-p}，同样对于上述这两个范围中像素点在车祸事故范围中发生的概率，则可以用x0和x1表示，而针对这两个范围的灰度平均值则可以用e1和e2表示，对该系统中车辆图像的整体帧灰度平均值则可以使用e进行表示。根据上述已知数据则可以通过下列公式（1）计算得出两个灰度区域范围内的方差结果，如下公式（1）所示。
[ek=x0e0-e2+x1e1-e2=x0x1e1-e02=e?xk-ek2xk1-xk] （1）
根据上示公式（1）在计算出车辆图像中灰度内方差结果的情况下，就能够对车辆图像中的车祸事故区域空间位置特征进行分析获取，进而实现车辆图像中车祸事故的检测识别，以进行道路交通中车祸事故的控制管理。在此情况下，假设车辆图像中任意帧车祸事故图像的灰度级别为Qr，其中，r=0或1、2、3……Q-1，而灰度图像的面积采用N×P表示，车祸事故灰度图像中的像素点空间位置采用（x，y）表示，像素点相对应的灰度值采用f（y，z）表示，那么，在已知上述数值结果的情况下，对车祸事故灰度图像中的相邻区域的灰度均值就可以通过下列公式（2）进行计算求出。
[hy，z=1l2j=l-1l-1k=l-1l-1gy+j，z+k] （2）
根据上示公式（2）计算求得车祸事故图像中相邻区域灰度均值后，由于相邻区域灰度均值的取值范围一定，为0
