利用二维单应性从闭路电视摄像机获取高分辨率交通数据

交通摄像机仍然是拥堵监测和事件监控等监视活动的主要数据来源。迄今为止，由于当前自动视觉系统的局限性（包括需要复杂的摄像机标定以及无法生成高分辨率数据），国家机构仍依赖人工从联网摄像机中提取数据。本研究实现了一个三阶段视频分析框架，用于从基础设施安装的闭路电视摄像机中提取高分辨率交通数据，如车辆计数、速度和加速度。该框架的关键组成部分包括目标识别、透视变换和车辆轨迹重建，以用于交通数据收集。首先，采用最先进的车辆识别模型进行车辆检测和分类。其次，为校正摄像机畸变并减少部分遮挡，利用基于两点线性透视的算法自动提取感兴趣区域（ROI），同时采用二维单应性技术将闭路电视视图转换为鸟瞰图（BEV）。通过两层矩阵系统对摄像机进行标定，将图像坐标转换为真实世界测量值，从而提取速度和加速度。使用两个基于时空特征的目标跟踪器（Motpy和BYTETrack）在BEV中构建并比较单个车辆轨迹。当前研究结果显示，方向交通计数的误差率约为±4.5%，摄像机估计值与探测数据源估计值之间的速度偏差均方误差小于10%。从交通摄像机中提取高分辨率数据具有多重意义，包括改进交通管理、识别危险驾驶行为、高风险事故区域及其他安全问题，从而能够采取主动措施减少事故和死亡。