This paper presents a method for predicting the collision between pedestrians and vehicles at intersections based on video detection. By combining with image processing technology, the trajectory information and speed information of vehicles and pedestrians at intersections can be extracted quickly. By establishing an appropriate probability model, the probability of collision between vehicles and pedestrians can be predicted. The intersection safety assessment provides appropriate data support.
【技术实现步骤摘要】
一种基于视频检测的交叉口行人与机动车碰撞预测方法
本专利技术涉及数字图像处理
,具体而言涉及一种基于视频检测的交叉口行人与机动车碰撞预测的方法。
技术介绍
城市交叉口是城市道路的重要连结点,交叉口处人、车、路、环境往往比普通路段更加复杂多变,属交通事故的频发地点。相关资料显示,美国、德国每年分别约有40%、70%的交通事故在城市交叉口发生。在日本,发生于交叉口的死亡事故约占死亡事故总数的40%。而在交叉口处,存在着严重的混合交通现象,由于各种机动车交通流与非机动车交通流特性各异,不但影响了交叉口的运行效率,而且极易诱发交通事故。行人与机动车的交互作用就属于较危险的一类情况。相关研究数据显示,2012年中国行人事故死亡人数近6万人,占所有交通事故死亡人数的1/4,行人事故受伤人数占所有交通事故受伤人数的近1/5。其中,80%的行人事故发生在交叉口。可以说,大多数行人事故都是行人与机动车辆相冲突引起的。现有的针对交叉口机动车与行人冲突的研究主要集中于对冲突事件的检测与判别,鲜少有针对机动车和行人冲突前冲突预测的研究。为了解决上述问题,本文专利技术了一种基于视频检测的交叉口行人与机动车碰撞预测的方法。
技术实现思路
本专利技术目的在于提供一种基于视频检测的交叉口行人与机动车碰撞预测的方法,通过结合图像处理技术,可以快速提取机动车和行人在交叉口的轨迹信息、速度信息等,通过建立合适的概率模型,预测机动车和行人冲突发生的概率,为交叉口安全评估提供合适的数据支持。为达成上述目的,本专利技术所采用的技术方案如下:一种基于视频检测的交叉口行人与机动车碰撞预测的方法,包括以 ...
【技术保护点】
1.一种基于视频检测的交叉口行人与机动车碰撞预测方法,其特征在于,包括以下步骤:步骤1:基于预定的交叉口,通过视频采集装置拍摄并检测预定交叉口所有情况下机动车和行人的运动信息、速度信息、加速度信息以及行进轨迹信息;步骤2:提取机动车和行人在当前交叉口下的标准轨迹集合
【技术特征摘要】
1.一种基于视频检测的交叉口行人与机动车碰撞预测方法,其特征在于,包括以下步骤:步骤1:基于预定的交叉口,通过视频采集装置拍摄并检测预定交叉口所有情况下机动车和行人的运动信息、速度信息、加速度信息以及行进轨迹信息;步骤2:提取机动车和行人在当前交叉口下的标准轨迹集合及步骤3:在连续时间序列下,按照规定时间间隔分别计算视频数据中机动车和行人偏离标准轨迹的距离之和Xc;步骤4:根据步骤3所计算的机动车和行人偏离标准轨迹的距离之和XC,判断机动车或行人是否偏离标准轨迹,如偏离则执行步骤5,没有偏离则重复执行步骤1;步骤5:根据机动车或行人偏离标准轨迹,分别获得机动车和行人偏离标准轨迹后的可能轨迹集合TA、TB;步骤6:基于机动车和行人偏离标准轨迹的可能轨迹集合TA、TB,构建碰撞概率函数;步骤7:基于步骤6构建的碰撞概率函数,提取视频数据中机动车和行人在机动车或行人轨迹偏离标准轨迹的t0时刻的运动方向、速度及加速度;步骤8:基于前述步骤构建的碰撞概率函数及计算的机动车和行人的运动方向、速度及加速度进行碰撞概率预测:得出结论。2.根据权利要求1所述的一种基于视频检测的交叉口行人与机动车碰撞预测方法,其特征在于,步骤1中所述的通过视频采集装置拍摄并检测预定交叉口所有情况下机动车和行人的运动信息、速度信息、加速度信息以及行进轨迹信息的具体步骤为:步骤1.1:将视频采集装置拍摄到的视频信息进行分帧处理,得到一个图像集合序列F={f1,f2,f3,...fn},fi为视频帧;步骤1.2:基于步骤1.1所得到一个图像集合序列,利用经过行人HOG特征训练得到的线性SVM分类器进行行人检测;利用经过机动车Haar-like特征训练得到的AdaBoost分类器进行机动车检测;步骤1.3:基于步骤1.2的行人和机动车检测,将检测得到的机动车和行人进行标记,并利用最小外接矩形将检测得到的机动车和行人位置标记出来;步骤1.4:基于步骤1.3标记的机动车和行人的最小外接矩形,利用Harris角点检测分别检测最小外接矩形范围内机动车和行人的“关键特征点”(keypointfeature),即“角点”,选择合适的阈值Y,分别选取合适的“角点”作为机动车和行人的追踪点DV、DP;步骤1.5:基于步骤1.4选取的机动车和行人的追踪点DV、DP,利用Lucas-Kanade法,对机动车和行人进行轨迹追踪,并绘制轨迹,同时得到机动车和行人的速度矢量及速度方向θ。3.根据权利要求1所述的一种基于视频检测的交叉口行人与机动车碰撞预测方法,其特征在于,步骤2中所述的提取机动车和行人在当前交叉口下的标准轨迹集合及的具体步骤为:针对机动车,在预定交叉口抽取足够大的不同车道对之间不受过街行人影响时的视频检测样本提取行车轨迹,通过拟合确定每一个车道对之间的标准轨迹得到机动车标准轨迹集合对于行人,在预定交叉口抽取足够多个起点区域以及终点区域相同的行人标准轨迹得到行人标准轨迹集合4.根据权利要求1所述的一种基于视频检测的交叉口行人与机动车碰撞预测方法,其特征在...
【专利技术属性】
技术研发人员:周竹萍,倪皓,彭云龙,蔡逸飞,周泱,张蔚,黄锐,李磊,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。