基于ST-MRF模型的电动自行车与汽车交通冲突检测方法技术

本发明专利技术公开了基于ST‑MRF模型的电动自行车与汽车交通冲突检测方法，其特征在于，包括如下步骤：步骤1、交通摄像头拍摄三维视频图像，采用ST‑MRF模型同时跟踪单个的电动自行车与汽车，获得单个的电动自行车与汽车的交通信息；步骤2、通过坐标转换算法将交通摄像头拍摄的三维视频图像转换成二维坐标数据；步骤3、预测电动自行车与汽车在下一帧图像中的停车点；步骤4、根据停车点之间的距离建立驾驶员冲突判断准则。通过车辆运动轨迹跟踪，提供一种闯红灯的电动自行车与正常行驶的小汽车之间的交通冲突检测方法，能为交通管理部门提供实时、准确的交通信息用于事故鉴定。

【技术实现步骤摘要】

本专利技术涉及一种基于ST-MRF模型的电动自行车与汽车交通冲突检测方法。
技术介绍
随着城市视频设备数量、覆盖率的迅速增长，计算机图像处理水平的提升，将视频图像处理技术用于城市智能交通系统成为一种趋势。交通运输系统工程与信息，2013第13卷第3期:65-70页.公开了一种基于ST-MRF的自适应车辆跟踪算法研究(周君，程琳)，其基于ST-MRF模型的自适应车辆跟踪算法能在交通量比较大、且车辆出现相互遮挡的情况下，较准确的获得车辆跟踪数据，为以后的交通事件检测提供重要的数据基础。在一些中小城市，由于人口较为密集，经济处在发展阶段，电动自行车出行数量较多，出行比较普遍，但电动自行车驾驶员由于缺乏安全意识导致闯红灯行为屡屡发生，导致交通事故频发，造成大量的人员、财产损失。通过大量的事故统计，发现事故高发地段正是城市交叉路口，所以在交叉路口处对车辆与闯红灯的电动自行车之间进行交通冲突检测尤为重要。现有技术中关于电动自行车与小汽车的交通冲突检测研究甚少，本文在目前城市交叉路口处针对电动自行车的交通冲突检测研究较薄弱的基础上，研究并提出一套适合中小城市交叉路口处车辆与闯红灯的电动自行车之间的交通冲突检测方法，并将驾驶员冲突判断准则用在视频图像处理中进行冲突程度的判断。
技术实现思路
针对上述问题，本专利技术提供一种基于ST-MRF模型的电动自行车与汽车交通冲突检测方法，通过车辆运动轨迹跟踪，提供一种闯红灯的电动自行车与正常行驶的小汽车之间的交通冲突检测方法，能为交通管理部门提供实时、准确的交通信息用于事故鉴定。为实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：基于ST-MRF模型的电动自行车与汽车交通冲突检测方法，其特征在于，包括如下步骤：步骤1、交通摄像头拍摄三维视频图像，采用ST-MRF模型同时跟踪单个的电动自行车与汽车，获得单个的电动自行车与汽车的交通信息，比如车型、交通量、速度与坐标值；步骤2、通过坐标转换算法将交通摄像头拍摄的三维视频图像转换成二维坐标数据；步骤3、预测电动自行车与汽车在下一帧图像中的停车点；步骤4、根据停车点之间的距离建立驾驶员冲突判断准则。优选，步骤1中，ST-MRF模型的能量函数Ustmrf是：式中：第一部分a(Nyk-μNy)2表示在目标地图中，标号的相邻关系，第二部分b(Mxyk-μMxy)2表示在连续目标地图中的标号的遮挡关系，第三部分表示与运动矢量有关的连续图像中的纹理关系，第四部分表示在运动矢量地图中的运动矢量的相邻关系；Nyk：指一个像素块的相邻像素块和该像素块有相同标号的数目；Nxk：表示一个像素块的相邻像素块的数目；Dxyk：代表t-1时刻的图像与t时刻的图像之间的纹理相关性，在发生遮挡时，分别计算属于各辆车的概率；Mxyk：部分遮挡的两个像素块中遮挡部分的像素个数；μNy：邻域基团，如果使用8-邻域基团，则μNy＝8为最大值；Ck：当前像素块；Bk：相邻像素块；在(t-1)时刻，当前像素块与相邻像素块的运动矢量之差；a、b、c、f和μMxy为设定的参数。优选，实验标定参数指标：a＝1/2，b＝1/256，c＝32/1000000，f＝1/4，μMxy＝0。优选，根据前一时刻的目标地图、运动矢量和当前图像，同时考虑在相邻块中的运动矢量和连续图像中的纹理关系的相似性来最小化当前时刻的目标地图和运动矢量的最小能量，具体包括如下步骤：01)通过块匹配方法获得所有块的运动矢量，确定运动矢量地图的初始状态V(t-1；t)＝V0，V(t-1；t)表示时刻t-1到t，每个块的运动矢量；02)根据运动矢量地图的初始状态，将每一块的候选标号设置为目标地图的初始状态X(t)＝y0；03)估算目标地图和运动矢量地图在进行X(t)＝yi和V(t-1；t)＝Vi次迭代后的总能量，i为迭代次数；04)随机同时转换在当前状态下的目标地图X(t)＝yi和运动矢量地图V(t-1；t)＝Vi到下一状态的目标地图X(t+1)＝yi+1和运动矢量地图V(t；t+1)＝Vi+1；05)在步骤03)和04)之间反复循环操作，直到X(t)和V(t-1；t)收敛到能量函数值Ustmrf到极小值。优选，步骤3中，电动自行车与汽车在下一帧图像中的制动距离S为：式中，ξ是速度；是附着系数；ψ是道路纵坡度，％，上坡为正，下坡为负。优选，步骤4中，驾驶员冲突判断准则分为4级冲突：1级，闯红灯行为；2级，轻微冲突；3级，危险冲突；4级，严重冲突或发生事故，判据分别如下：当交叉路口是黄灯时，且电动自行车的二维坐标落入交叉路口坐标范围内，则判定为1级的闯红灯行为；当交叉路口是红灯时，首先，通过对图像中的电动自行车与汽车跟踪获得车辆中心X，Y坐标，用公式2预测电动自行车与小汽车的制动距离；然后，估算两辆车在下一帧图像中的停车点，并求出两辆车停车点之间的距离；最后，将两辆车的停车点标记在二维坐标轴上，并映射在实际道路上：如果两辆车的停车点的延长线不相交，则判定为2级的轻微冲突；如果两辆车的停车点之间的距离不在安全范围内且当标记在坐标上的两辆车的运动轨迹相交时，则判定为3级的危险冲突；如果两辆车的停车点之间的距离小于等于0，则判定为4级的严重冲突或发生事故。本专利技术的有益效果是：(1)提出了一种基于优化的ST-MRF模型同时跟踪电动自行车与汽车的算法。该方法不仅能优化图像的空间分布，还能优化图像序列沿时间轴的分布，改善了以前的车辆跟踪算法在交通混乱的交叉口车辆遮挡严重的情况下鲁棒性差的缺点。(2)本专利技术的交通冲突检测方法适用于各种几何形状的交叉路口，通过坐标旋转算法将三维图像转换成二维数据，计算交叉路口处不同运动方向的车辆(电动自行车或小汽车)的运动轨迹及二维坐标，并将实验数据与商用Autoscope软件所测量数据进行比较，得出使用该技术所获得的交通数据的误差较小，精度比较高。(3)根据驾驶员冲突判断准则，建立4等级的冲突级别：1级，闯红灯行为；2级，轻微冲突；3级，危险冲突；4级，严重冲突(事故)，并通过实验成功检测出四级冲突。(4)当闯红灯的电动自行车与小汽车发生3级冲突时，本方法能成功预测潜在的交通事故，能为交通管理部门提供实时、准确、可靠的交通信息，避免交通事故发生。附图说明图1是本专利技术标号流程图；图2是坐标旋转示意图；图3是本专利技术车辆标号仿真图；图4是本专利技术试验中二级冲突仿真图；图5是本专利技术试验中三级冲突仿真图；图6是本专利技术试验中四级冲突仿真图。具体实施方式下面结合附图和具体的实施例对本专利技术技术方案作进一步的详细描述，以使本领域的技术人员可以更好的理解本专利技术并能予以实施，但所举实施例不作为对本专利技术的限定。基于ST-MRF模型的电动自行车与汽车交通冲突检测方法，包括如下步骤：步骤1、交通摄像头拍摄三维视频图像，采用ST-MRF模型同时跟踪单个的电动自行车与汽车，获得单个的电动自行车与汽车的交通信息，比如车型、交通量、速度与坐标值等。在车辆跟踪算法中，像素块与ST-MRF(SpatialTemporalMarkovRandomField)中的场景是一一对应的，即把每个像素块和一个车辆联系起来，也就是给每个像素块赋予一个对应的车辆的标号。在使用车辆跟踪算法的时候，首先决定一个初始标号分配，然后通过ST本文档来自技高网...

【技术保护点】
基于ST‑MRF模型的电动自行车与汽车交通冲突检测方法，其特征在于，包括如下步骤：步骤1、交通摄像头拍摄三维视频图像，采用ST‑MRF模型同时跟踪单个的电动自行车与汽车，获得单个的电动自行车与汽车的交通信息；步骤2、通过坐标转换算法将交通摄像头拍摄的三维视频图像转换成二维坐标数据；步骤3、预测电动自行车与汽车在下一帧图像中的停车点；步骤4、根据停车点之间的距离建立驾驶员冲突判断准则。

【技术特征摘要】
1.基于ST-MRF模型的电动自行车与汽车交通冲突检测方法，其特征在于，包括如下步骤：步骤1、交通摄像头拍摄三维视频图像，采用ST-MRF模型同时跟踪单个的电动自行车与汽车，获得单个的电动自行车与汽车的交通信息；步骤2、通过坐标转换算法将交通摄像头拍摄的三维视频图像转换成二维坐标数据；步骤3、预测电动自行车与汽车在下一帧图像中的停车点；步骤4、根据停车点之间的距离建立驾驶员冲突判断准则。2.根据权利要求1所述的基于ST-MRF模型的电动自行车与汽车交通冲突检测方法，其特征在于，步骤1中，ST-MRF模型的能量函数Ustmrf是：式中：第一部分a(Nyk-μNy)2表示在目标地图中，标号的相邻关系，第二部分b(Mxyk-μMxy)2表示在连续目标地图中的标号的遮挡关系，第三部分表示与运动矢量有关的连续图像中的纹理关系，第四部分表示在运动矢量地图中的运动矢量的相邻关系；Nyk：指一个像素块的相邻像素块和该像素块有相同标号的数目；Nxk：表示一个像素块的相邻像素块的数目；Dxyk：代表t-1时刻的图像与t时刻的图像之间的纹理相关性，在发生遮挡时，分别计算属于各辆车的概率；Mxyk：部分遮挡的两个像素块中遮挡部分的像素个数；μNy：邻域基团，如果使用8-邻域基团，则μNy＝8为最大值；Ck：当前像素块；Bk：相邻像素块；在(t-1)时刻，当前像素块与相邻像素块的运动矢量之差；a、b、c、f和μMxy为设定的参数。3.根据权利要求2所述的基于ST-MRF模型的电动自行车与汽车交通冲突检测方法，其特征在于，根据前一时刻的目标地图、运动矢量和当前图像，同时考虑在相邻像素块中的运动矢量和连续图像中的纹理关系的相似性来最小化当前时刻的目标地图和运动矢量的最小能量，具体包括如下步骤：01)通过块匹配方法获得所有像素块的运动矢量，确定运动矢量地图的初始状态V(t-1；t)＝V0，V(t-1；t)表示时刻t-1到t，每个像素块的运动矢量；02)根据运动矢量地图的初始...

【专利技术属性】
技术研发人员：周君，高尚兵，包旭，常绿，夏晶晶，陈涛，储莉，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：江苏;32