基于視頻處理技術的公路交通狀態監測系統的制作方法

本專利屬于交通工程領域，涉及一種基于視頻處理技術的公路交通狀態監測系統。

背景技術：

道路網實時交通狀態監測是交通管理中必不可少的一部分。隨著道路網不斷的增加視頻監控設備，單純靠人工去觀察監控已經遠遠無法滿足視頻圖像的海量增長。目前，多數大城市的交通監控中心已經接入了超過上千路甚至萬路的視頻圖像，而監控人員數量有限，難以對這些視頻圖像進行人工實時監控。

目前，交通視頻監控系統多采用將視頻攝像機拍攝的實時圖像直接顯示在監視器(墻)上，為了讓監控人員能夠明白監控圖像所在的地理位置和方向，僅在圖像上增加地理位置和方向的文字表達，而不對實時視頻圖像做任何的處理。這樣的顯示方式并不能直觀地表達出監控道路的地理位置和方向，監控人員很難以常用的“上北下南左西右東”地圖顯示規則進行監視。另外，當接入監控視頻路數大于監視器墻上監視器的數量時，無法將全部的監控視頻同時在監視器墻上進行集中顯示，監控人員難以有效監視路網的交通狀態。

另外，現有的交通狀態監測系統，多采用固定檢測器(磁感應線圈、微波檢測器)采集時間平均速度和流量，再將交通狀態以紅黃綠的方式顯示在地圖上。這里需要強調的是，在地圖上以顏色顯示的速 度是空間平均速度，無法由固定檢測器直接采集。然而，通過視頻圖像處理技術能夠自動分析視頻數據，從中自動提取出車輛的空間平均速度、流量等重要信息，進而提取出交通狀況信息。

因此，利用視頻處理技術，能夠在交通視頻監測系統中提供一套直觀、完整的路網交通狀態實時視頻監控系統，有效地及時發現路網中發生的各種異常交通現象。

專利內容

本專利目的在于提供一套路網交通狀態視頻監測系統，以完整、全面、實時、直觀地顯示出路網交通的狀態，方便監控人員觀察和監控。此外，也可以實時從視頻中提取交通狀態信息給公眾出行者，從而優化他們的路徑選擇，有利于緩解整個交通系統壓力，也有利于交通資源的有效使用。

為了解決上述問題，本專利采用如下技術方案：

一種基于視頻處理技術的公路交通狀態監測系統，包括攝像機視頻信息獲取模塊，從道路監控攝像機中獲得視頻信息，并對獲取的信息進行傳輸與存儲；其特征在于，還包括：

交通狀態提取模塊，提取攝像機視頻信息獲取模塊中車輛與車流信息，并對交通狀態進行判斷，識別出監測道路的實時交通狀況；

視角轉換模塊，將攝像機視頻信息獲取模塊中視頻信息的視角統一轉換為垂直視角；

視頻拼接模塊，將攝像機視頻信息獲取模塊中的視頻信息拼接為全景拼接圖；

三維重建模塊，將攝像機視頻信息獲取模塊中獲取的兩個或多個攝像機的二維信號進行三維重建；

以及，多層次顯示模塊，包括路段交通視頻實時顯示模式、路網交通狀態全景顯示模式、路網交通狀態三維動畫顯示模式。

攝像機視頻信息獲取模塊中的道路監控攝像機采用現有的道路監控攝像機，或在需要重點監控地點的不同位置增設監控攝像機。

交通狀態提取模塊中，將攝像機視頻信息獲取模塊中車輛與車流的流量、密度、速度進行提取，并利用模糊識別算法結合交通流理論進行交通狀態判斷，識別出監測道路的實時交通狀態。

交通狀態提取模塊中，首先對攝像機視頻信息獲取模塊中采集的每一幀視頻流數據進行預處理，再初步判斷出道路交通狀況的稀疏程度；對于車流較稀疏的情況，對車輛進行檢測與跟蹤，若路面背景簡單，利用背景提取模塊進行計算，若路面背景復雜，利用動態背景提取模塊進行計算；對于車流較密集的情況，采用運動場估計模塊，得到運動流場；并最終得到交通狀況數據。

路段交通視頻實時顯示模式包括路段單路視頻顯示、路段多路視頻拼接顯示和路口多路視頻拼接顯示模式。

路段交通視頻顯示模式顯示的圖像在圖像顯示裝置中均為“上北、下南、左西、右東”的顯示方式，并且視角為垂直俯視角度。

路網交通狀態全景顯示采用不同顏色表征不同交通狀態，并將其疊加在全路網電子地圖上。

一種采用路網交通狀態監測系統進行路網交通狀態監測的方法， 其特征在于，采用攝像機視頻信息獲取模塊，從道路監控攝像機中獲得視頻信息，并對獲取的信息進行傳輸與存儲；

采用交通狀態提取模塊，提取攝像機視頻信息獲取模塊中車輛與車流信息，并對交通狀態進行判斷，識別出監測道路的實時交通狀況；

采用視角轉換模塊，將攝像機視頻信息獲取模塊中視頻信息的視角統一轉換為垂直視角；

采用視頻拼接模塊，將攝像機視頻信息獲取模塊中的視頻信息拼接為全景拼接圖；

采用三維重建模塊，將攝像機視頻信息獲取模塊中獲取的兩個或多個攝像機的二維信號進行三維重建；

以及，在多層次顯示模塊中，根據不同需求選擇路段交通視頻實時顯示模式、路網交通狀態全景顯示模式或路網交通狀態三維動畫顯示模式對路網交通狀態進行監測。

本專利采用上述技術方案，能夠有效解決接入監控后中心的視頻路數大于監視器數量，從而導致無法同時顯示全部監控視頻圖像的問題；有效解決直接顯示視頻監控圖像，監控人員難以對全部監控圖像所在的地理位置和方向有直觀的理解的問題；有效地從視頻圖像直接獲得多級交通狀態信息，進行路網交通狀態的展示，便于監控人員對路網的交通狀態進行實時監視。通過信息發布協助交通出行者了解交通狀況和優化選擇路徑。

附圖說明

圖1為本專利基于視頻圖像處理技術的路網交通狀態監測系統 結構示意圖；

圖2為視頻交通信息提取算法模塊；

圖3為基于背景模板的前景檢測系統示意圖；

圖4為車輛角點及運動場估計效果示意圖；

圖5為多視頻拼接流程圖；

圖6為多(雙)攝像頭三維重建示意圖；

圖7為單攝像機架設方式及新型視頻顯示方式和傳統視頻顯示方式比較圖；

圖8為雙攝像頭架設方式及新型視頻顯示方式和傳統視頻顯示方式比較圖；

圖9為多攝像頭架設方式及新型視頻顯示方式和傳統視頻顯示方式比較圖；

圖10為攝像機架設方式和新型視頻顯示及總體交通狀態示意圖。

具體實施方式

視頻監測系統包括兩部分，一為監測前端，二為管理后臺。在需要監視的地方安裝視頻攝像機，一般稱作為監測前端。監測前端功能包括采集以及對視頻進行編碼處理。然后通過視頻電纜線或者網絡將視頻數據發送到監控中心，該端一般稱作為視頻監測管理后臺。管理后臺負責將接收到的視頻數據解碼并顯示，從而達到實時監測的效果。

本專利側重在管理后臺，其整體系統結構模塊見圖1，該系統主要由攝像機視頻信息獲取模塊、交通狀態提取模塊、視頻拼接模塊、視角轉換模塊、3D重建模塊和多層次顯示模塊組成。

1.攝像機視頻信息獲取模塊

攝像機視頻信息獲取模塊從道路監控攝像機中獲得視頻信息，并對獲取的信息進行存儲。其中，道路監控攝像機可以采用城市道路、高速公路、國省干線公路、縣鄉道路等現有的監控攝像機。需要重點監控的地點、路段，可以在不同位置增加安裝多個攝像機，以更為全面、準確地提供該地點、路段的交通狀況。監控攝像機通過視頻電纜線或者網絡接入到監控中心后，為便于集中管理，將全部監控攝像機的屬性進行標記，如位置、俯仰角、方位角、視頻格式、分辨率等。

交通狀態提取模塊

交通狀態提取模塊能夠自動將視頻數據中車輛與車流(車隊)的流量、密度、速度進行提取，并利用模糊識別算法結合交通流理論進行交通狀態判斷，識別出監測道路的實時交通狀態，采用不同的顏色代表交通狀態，并在顯示器上展示路網交通狀態。

交通狀態提取模塊的處理流程如圖2所示。為了增強交通狀態提取的魯棒性和適應性,對不同的交通狀況采取不同的視頻圖像處理技術。當實時采集的視頻流數據輸入交通狀態提取模塊時，首先通過預處理模塊對每一幀數據進行預處理，對圖像進行增強，補償視頻圖像在采集、編碼、傳輸中受到的背景噪聲等原因干擾而造成的失真；通過提取基本的視頻運動信息，如運動物體檢測和車輛特征點檢測，初步判斷出交通流的稀疏程度，并且依據稀疏程度進行進一步處理。

如果車流較稀疏，則對經過該路段的單個車輛進行識別跟蹤，獲得路段的車輛總數、密度，每輛車的速度、位置。對每一個攝像機的 視頻畫面，可以對路面進行標記，通過背景計算得到背景信息變化不大的路面，可以采用簡單的路面背景建模，利用背景提取方法進行計算；如果路面狀況變化比較大的地方(如果光線因素影響等)，采用動態背景建模方式對路面背景進行建模，利用動態背景提取模塊進行計算。通過建立的路面模型，對路面上的前景目標進行檢測，檢測出路段的車輛總數、密度、每輛車的速度、位置等。

如果車流較密集，車輛之間遮擋情況比較嚴重，則通過獲取車輛的特征點信息并且進行運動估計，得到道路上車隊的總體運動場信息，從而獲得車流的密度、速度信息。通過適當的圖像學操作，如將圖像對象的邊界添加像素的操作(膨脹操作)，將圖像對象的邊緣的某些像素刪除的操作(腐蝕操作)可以得到路面運動物體團塊。

背景提取方法

對于簡單的背景，采用背景差分法提取背景，算法流程如圖3所示。先將當前的視頻幀圖像從三通道的彩色圖像轉換為灰度單通道圖像，然后與前背景圖像相減，在得到的差值圖像中做以下判斷：如果差值圖像中的點大于設定的閾值T，則認為該點為前景點，反之，則為背景點，并且利用當前圖像信息更新背景圖中相應點的信息。在以上分析中，背景圖像是動態變化的，也可以采用當前幀圖像的α倍加上以前背景圖像的β倍由實際路面情況確定，每處理一幀則將背景更新一次。

對于復雜的背景，采用自適應混合高斯背景提取模型，根據視頻中的每個像素在時間域上的分布情況來構建各個像素的灰度分布模 型，采用K個高斯函數的加權和來描述像素灰度值的多峰分布。而每個像素的相應的高斯分布的均值和方差參數，可以通過期望最大化算法來求取算法。相應模型獲得后可以按照圖3流程來進行前景目標檢測和背景更新。

(2)運動場計算

運動場的計算采用光流估計方法。光流是空間運動物體在觀測成像面上的像素運動的瞬時速度。光流利用圖像序列中的像素強度數據的時域變化和相關性來確定各自像素位置的“運動”。傳統的光流檢測法具有很好的魯棒性，但是對硬件的計算性能要求較高，本專利采用改進型類光流方法來計算車輛的運動場，在性能、實現復雜性和成本方面可以取得很好的平衡，可用于復雜環境下的路面物體運動場檢測。本專利采用的改進型光流方法也稱為稀疏光流估計方法，是指跟蹤圖像中指定的一組特征點，這些特征點可以是圖像中某個區間的圖像子集，也可以是經過變換后的特性信息。選擇特征點的時候，需要注意選擇具有運動不變特性的特征點，這樣的圖像識別跟蹤將會是穩定和可靠的，由此而進行運動場計算是精確的。

本專利采用兩類特征點來實現圖像中的運動場的計算，第一類信息是圖像中的子圖像，第二類是圖像的角點信息。通過在某個固定點附近提取出一個子圖像，如車頂、車前擋風窗、車后視鏡等，在隨后的視頻幀中按照道路的前進方向搜索最匹配這個子圖的圖像區域位置，從而可以找出該目標在后續幀中的位置，進而估算出運動場信息。這個方法實現簡單，計算量小，在車流擁擠的時候應用能取得較好的 效果。

另外，使用Harris定義的角點來描述這些特征點。定義的基礎是圖像灰度強度的二階導數矩陣。考慮圖像所有的像素點，圖像的二階導數即形成一副新的“二階導數圖像”，可用二維Hession矩陣表示：

Harris定義的角點位于圖像二階導數的自相關矩陣有兩個最大特征值的地方，這在本質上表示以此點為中心周圍存在至少兩個不同地方的紋理(或者邊緣)，實際的角點是有至少兩個邊緣相交與一點產生的。之所以采用二階導數是由于它對于均勻梯度不產生響應。

圖4中顯示了角點以及對這些角點的跟蹤得到的運動場矢量。圖中白色的線表示車沿路面運動產生的運動場矢量，白色的圓圈表示當前車輛的角點。在感興趣區域的車輛被連續跟蹤，角點的運動被轉換成速度矢量，這些信息可以很好為視頻信息處理所利用。

在實際運動場計算中，夜間車輛的細節無法觀察，實際觀察圖像為車輛的前后大燈，我們將子圖像匹配技術用于晚間車輛流分析，利用整體子圖像的匹配來確定速度場。而將角點跟蹤技術用于白天的車輛分析。

(3)交通狀態計算

通過交通狀態計算模塊，將視頻分析獲取到的車輛總數、密度、單車速度、車隊速度、位置等交通流信息，轉換為交通狀態結果。將車輛交通流信息表示為一個交通流信息矢量It＝[i1,i2,...,iN]T， 其中iK，K＝1，…，N表示為N個可用的交通流信息，交通流狀態計算模型為f(It，I0，W)其中I。為其他必要的信息，如時間，地點，和已知的信息(交通事件等)，W為交通流狀態計算模塊參數，交通流狀態計算模型f(It，I0，W)的輸出為K個預先設定的交通狀態SK,K＝1,...,K。

交通流狀態計算模型的關鍵是確定參數W，可以通過訓練得到。計算模型的訓練主要目的是采用合適的數學模型，通過將一些采集的交通信息數據和交通狀態數據輸入到訓練中，通過優化計算確定模型該采用的最優化參數W。雖然這里有很多數學模型可供選擇，為了簡單和保證系統輸出穩定，本專利采用LS-SVM算法作為訓練算法，優選采用高斯核函數，當然根據交通流狀態矢量的變化可以適當改變SVM核函數的選擇。

通過優化獲得了最優參數Wopt以后，交通流狀態的計算就是直接計算s＝f(It，I0，Wopt)。通常情況下，只要攝像機在提取交通流參數的時候已經過必要的校準，那么通過優化計算得到的最優參數Wopt可以用在所有視頻交通監測點交通狀態計算系統上。如果某些監測點無法提供確切的攝像機架設參數，例如高度、垂直角度、水平角度等，可以針對具體的攝像機提供的交通流信息結合人工標定進行狀態計算系統的重新訓練，保證給出最優的結果。

3.視角轉換模塊

現實生活中的景物，由于觀察距離及方位的不同在視覺上會引起不同的效果，也就是透視現象。通過透視變換，可以使畫面正確地表 現出物體遠近之間的層次關系，使觀察者獲得立體、有深度的空間感覺。本專利將充分利用透視變換的這一優點，通過透視變換將視頻的視角做一定變換，從而達到更好的監測效果。

透視變換實現的關鍵也是特征點配準。通過配準的特征點對計算Homegraphy變換矩陣，然后對整個圖像進行坐標變換和像素插值運算。其關系如下：

其中X，Y為圖像的原始坐標，u，v，w為變換后的坐標，hij為變換矩陣系數。在特征點配準算法中，優選采用RANSAC(隨機抽樣一致性算法)算法。然后通過透視變換，實現視角的變換，轉換到更為理想的垂直視角。

4.圖像拼接模塊

圖像拼接是一項基于圖像配準的數字圖像處理技術。圖像拼接技術的基本流程如圖5所示。在本專利中，首先獲取待拼接的圖像，然后經過預處理(濾波等)，再進行統一坐標變換，即將所有圖像序列變換到統一的坐標系中，不同的變換方式對應不同的拼接形式，接著進行圖像配準和圖像融合，最終得到全景拼接圖。并將得到的全景圖顯示在屏幕中，從而可以從一張圖像中顯示多個攝像機所拍攝的多張圖像，這樣可以大大減輕監視畫面顯示數量的繁重任務。

圖像配準即是尋找部分重疊的序列圖像的重疊位置以及范圍(也稱圖像對齊)在本專利中采用兩類的圖像配準方法：

⑴局部對齊技術：即兩幅圖像對齊；

(2)全局對齊技術：即多幅圖像的整體對齊，用以形成一幅大的無失真圖像。

通過圖5中流程圖的各個步驟，可以將兩幅或多幅圖像拼接成一張全景圖。在選擇統一坐標時，具體選擇最理想的一個視角作為統一坐標，然后拼接出全景圖像。將視頻中的每一幀圖像都這樣處理，便完成視頻的拼接。

5.三維重建模塊

由于采用普通攝像機拍攝到的圖像是二維信號，相比我們肉眼看到的圖像，缺乏了一個重要的信息--距離。三維重建就是用兩個或多個攝像機來獲取圖像，根據攝像機之間的位置關系獲得距離信息，測距是三維重建技術的關鍵核心，可以從圖像中恢復出空間點三維坐標。采用三維重建技術，使用多個攝像機從不同視角拍攝的二維圖像信息融合到一起，這樣既有利于監控人員的觀察，又避免了多個監控畫面顯示的繁雜。

在本專利中，首先對攝像機進行標定，校準和匹配，然后根據圖6所示的空間關系，采用如下數學模型：

其中，TX；表示攝像機成像平面中心的距離，CX和CY表示立體坐標系中原點的偏移。利用攝像機的標定信息，可求出上述模型的參數TX,f,CX,CY,C’X和C’Y，然后通過圖像匹配可以獲取參數d從而獲得目標的空間位置(X/W,Y/W,Z/W)。

本專利中三維重建所使用到了兩個關鍵技術：攝像機的標定和校準，以及物體特征點的提取和匹配。攝像機標定和校準的任務就是要精確地獲得攝像機的內外參數。攝像機定標一般需要一個特制的標定參照物(如棋盤圖)，攝像機獲取該物體的圖像，通過圖像分析來估計攝像機的內外參數。標定參照物上的每一個特征點相對于世界坐標系的位置在制作時應精確測定(具體參見特征點的提取和匹配)，世界坐標系可選為參照物的物體坐標系。在得到這些已知點在圖像上的投影位置后，便可計算出攝像機的內外參數。其參數模型如下：

其中，s為縮放參數；Iex,Iin分別為攝像機配準過程中的內部 參數矩陣和外部參數矩陣；fx,fy分別表示像點到原點的斜率；u0,v0表示成像平面的中心；ri,ti分別表示旋轉變換和平移變換的相關參數。完成攝像機的標定和校準之后，可以將現實情況中攝像機的各種干擾和偏差所帶來的誤差抑制到可行的范圍內。使測距模型的條件接近理想條件，這樣有助于提聞測距的精度。

在該部分過程中，可以采用常用棋盤格標定方法。棋盤格是有規則的，特征點容易提取的平面圖形。使用攝像機獲取棋盤圖的多張圖像(大約20張左右這些圖像要從各個不同的視角拍攝獲得，從而有效地反映出攝像機成像的誤差。通過這些圖像，便可以完成對攝像機內外參數的精確計算。完成對攝像機的標定和校準之后，利用雙目測距的原理，找到同一個點在不同圖像中的對應位置。這可以利用特征點匹配的方法來實現，其中常用的特征有Harris,FAST,SIFT,SURF,MSER等等。

本專利采用特征點，它具有魯棒性強，精度高的優點，可用做自動配準。SIFT特征匹配算法主要包括兩個階段，一個是SIFT特征的生成，即從多幅圖像中提取對尺度縮放、旋轉、亮度變化無關的特征向量；第二階段是SIFT特征向量的匹配。特征的生成包括以下幾個步驟：

1、構建尺度空間，檢測極值點，獲得尺度不變性；

2、特征點過濾并進行精確定位；

3、為特征點分配方向值；

4、生成特征描述子。

當兩幅圖像的特征向量生成以后，下一步就采用特征點特征向量的距離來作為兩幅圖像中特征點的相似性判定度量。取第一幅圖的某個特征點，通過遍歷找到第二幅圖中的距離最近的兩個特征點。在這兩個特征點中，如果次近距離除以最近距離小于某個閾值，則判定為一對匹配點。當然，在具體的匹配實現中，這樣還是遠遠不夠的。本專利通過一些算法用來排除誤匹配的點，如區域限制算法，RANSAC(隨機抽樣一致性算法)。通過這些算法，可以有效地濾除無匹配點，從而使三維模型更加精準。

完成了三維重建后，用戶可以在一定范圍內，以任意視角觀察監視區域。當然，監視的精度和角度的范圍具體還跟攝像機的數量和安裝分布有關。可以根據具體情況和用戶的具體要求選擇最佳地點安裝攝像機，從而獲取最佳效果。

6.多層次顯示模塊

本專利中，針對路網交通監控中心的不同需求，多層次顯示模塊可提供不同的顯示模式，主要包括：⑴路段交通視頻實時顯示；⑵路網交通狀態全景顯示；⑶路網交通狀態動畫顯示。

(1)路段交通視頻實時顯示

通常情況下的交通監控中心，將視頻攝像機拍攝的實時圖像直接顯示在監視器(墻)上，僅在圖像上增加地理位置和方向的文字表達，這樣的顯示方式并不能直觀地表達出監控道路的地理位置和方向，監控人員很難以常用的“上北下南左西右東”地圖顯示規則進行監視和認識。本專利將監控攝像機的原始數據通過數據存儲及處理裝置進行 視角轉換，轉換為“上北、下南、左西、右東”的顯示方式，并且，視角均轉換為垂直俯視角度。

其中，實時顯示主要包括以下幾種顯示方式：

a、路段單路視頻顯示

監控攝像機架設在道路的路側或者道路上方龍門架上，沿著道路方向進行拍攝，并實時的將監控圖像傳送回監控中心，在監視墻上進行顯示。如圖7a所示的道路狀況及監控攝像機1的布置情況，傳統的顯示方式不對監控圖像進行處理，效果如圖7b所示，南北及東西方向架設的攝像頭的顯示效果沒有差別，監控人員很難分辨。為了能夠直觀地顯示出道路的方向，本專利對視頻圖像進行處理，并按照上北下南左西右東的方式進行顯示。同時，可以將視頻圖像拍攝的透視角度進行處理，以垂直俯視角度進行顯示，效果如圖7c。

b、路段多路視頻拼接顯示

當一條路上有多個監控攝像機的時候，如圖8a所示，傳統的顯示方式效果如圖8b所示，無法清晰地顯示路段的車流實際情況。本專利中，按照單路視頻顯示處理方式，將多路視頻圖像進行處理，以統一的方式進行拼接、連貫起來，再按照上北下南左西右東的方式進行顯示，形成一個全路段的監視畫面進行顯示，效果如圖8c。

c、路口多路視頻拼接顯示

當交叉路口有多個監控攝像機的時候，如圖9a所示，傳統的顯示方式效果如圖9b所示，難以有效地監控路口交通流情況。本專利中，按照單路視頻顯示處理方式，將多路視頻圖像進行處理，以統一 的方式進行拼接、連貫起來，再按照上北下南左西右東的方式進行顯示，形成一個全路段的監視畫面進行顯示，效果如圖9c。

(2)路網交通狀態全景顯示

上述路段交通視頻實時顯示的方式，通常覆蓋路段范圍比較小，便于微觀的交通流監測。為了能夠進行宏觀路網范圍的交通流監測，如果將一個完整的路網用電子地圖顯示在監視器墻上，地圖比例尺小導致難以展示道路交通狀態的細節。因此，交通狀態提取模塊從攝像機視頻信息獲取模塊中提取的交通狀態信息，分為通暢、緩慢、擁堵等多種狀態，并最終在監視器墻上顯示。路網交通狀態全景顯示方式只將識別出的交通狀態用“紅、黃、綠”等多種顏色疊加在路段上(具體等級可以按照要求進行擴充一個簡單的示例如圖10所示，圖10a中，路網上有多個監控攝像機，按照攝像機提取的交通狀態，將不同的顏色代表交通狀態，疊加在地圖上，用以顯示路網交通狀態的全景，如圖10b

(3)路網交通狀態動畫顯示

通過對視頻圖像中的每個車輛目標進行三維重建，分割和車型識別，可以用三維動畫的形式來重現某個監控路段的車流情況。通過建立一個包含各類車型三維模型的數據庫，將攝像機視頻信息獲取模塊和三維重建模塊得到的車輛的位置，速度信息輸入到三維動畫顯示模塊，可以重現路段交通流，并可以從各個不同角度進行展示。這可以用于某些重要的監測路段和地點，以逼真的方式進行交通狀態顯示。

以上為本專利的基于視頻處理技術的公路交通狀態監測系統的主要組成部分、工作原理及流程。在使用本系統時，一般情況下，監控人員可以先選擇路網交通狀態全景顯示，在監視器墻上對路網交通的全景狀態進行監控，若想對紅色的區域，即擁堵的區域進行細致的查看，可對該區域選擇路段交通視頻實時顯示模式；此時，也可以進一步選擇動畫顯示的模式，對感興趣的路段的三維重建、全景拼接或者垂直視圖進行觀察，并對交通緊急情況做出及時的應對。