基于多傳感器信息融合的智能交通信息語(yǔ)義描述

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(wèn)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(jué)信息，不便于用戶信息檢索，提出智能交通信息語(yǔ)義描述框架，對(duì)交通視頻信息和傳感器信息進(jìn)行語(yǔ)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(yǔ)義描述將極大地方便用戶對(duì)感興趣信息的檢索。
關(guān)鍵詞：智能交通系統(tǒng)；多傳感囂信息融合；MPEG-7；視頻語(yǔ)義描述

0 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(guò)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(wú)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(guò)程效率極其低下。
基于以上問(wèn)題，本文首先提出了一個(gè)多傳感器信息融合框架，通過(guò)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(yǔ)義描述的框架，為用戶對(duì)交通信息進(jìn)行高效檢索提供鋪墊。

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最早應(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(kāi)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(kāi)，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(guò)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，做出最終的決策，靈活性高，通信負(fù)荷小，無(wú)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(lái)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(guò)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(yǔ)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)注如何才能高效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-Based Visual Queries，CBVQ)。這一問(wèn)題已引起了研究者的廣泛興趣，一些原型系統(tǒng)相繼問(wèn)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(jué)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(yǔ)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(yǔ)義鴻溝(Semantic gaps)。要實(shí)現(xiàn)視頻內(nèi)容查詢，首先需要在底層視覺(jué)信息和高層語(yǔ)義之間搭建起一座橋梁。目前學(xué)術(shù)界對(duì)于該問(wèn)題的研究工作已廣泛開(kāi)展起來(lái)，其中比較著名的是運(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(Multimedia Content Description Interface)。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)容提供高效的、準(zhǔn)確的并且具有互操作特性的語(yǔ)義描述，以便于進(jìn)一步對(duì)多媒體信息內(nèi)容進(jìn)行語(yǔ)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(Description Schemes)、描述定義語(yǔ)言(Description Definition Language)。其中描述定義語(yǔ)言基于XML語(yǔ)言，允許對(duì)描述符和描述方案進(jìn)行靈活地定義和描述，并且具有極強(qiáng)的可擴(kuò)展性。