一种基于视频检测的交叉口行人与机动车碰撞预测方法技术

本文公开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，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。

A prediction method for pedestrian and vehicle collision at intersection based on video detection

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。更进一步的，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。更进一步的，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更进一步的，步骤3中所述的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，所述规定时间间隔为0.1S。更进一步的，步骤5中所述的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的具体步骤为：对于机动车驾驶员和行人，将其改变当前轨迹的措施划分为改变方向以及改变加减速度；对于给定的轨迹ΓA，在轨迹偏离时刻t0，通过改变方向和加速度可以得到无穷多个可能轨迹组TA，TA＝∪ΓA，同理可得TB，TB＝∪ΓB。更进一步的，步骤6中所述的基于机动车和行人偏离标准轨迹的可能轨迹集合TA、TB，构建碰撞概率函数的具体步骤为：步骤6.1：构建碰撞判断函数coll(ΓA,ΓB)，其中：定义碰撞为人和机动车的矩形边界有重合点；将所有可能轨迹集合TA以及TB进行分别比对，确定两者可能冲突概率Pcollision；当视频中实际已经发生碰撞时认为Pcollision为1，当两者都没有改变轨迹时刻出现时认为Pcollision为0；其他情况下时：步骤6.2：计算时刻t0，以机动车和行人的行进方向及其加速度大小作为控制变量对机动车和行人以后的轨迹进行预测控制；将机动车或行人的当前方向前方180°每隔15°进行划分；将加速度大小从amax到amin等分为6个部分；机动车或行人在这个选择区域内对离散的角度和加速度进行选择，组成有限的决策变量；步骤6.3：计算方向选择概率：定义驾驶员和行人的角度相位差，其范围为[-π,π]，当相位差为负值时表示两者之间已经脱离，不会发生碰撞；当为正值时则表示两者正在相互靠近；当相位角为π时两者相向而行，-π时则相反；机动车与行人当前的相位角为α；正常情况下，机动车或行人在选取轨迹角度时应尽可能的保持与原方向一致，其次，为了避免碰撞，应使相位角尽可能小的以避免与对方发生碰撞，机动车驾驶员选取轨迹方向Γ1的角度α1的概率小于轨迹方向Γ2；角度选择概率的效用函数为：式中θ表示所选的方向与当前方向的夹角，θ∈[-π，π]，γ表示选取新的方向后与对方形成的相位角大小，γ∈[0，π]，β1为标定系数,β2，β3为控制系数；步骤6.4：计算加速度选择概率：计算机动车和行人二者的相对速度vrea；设当前速度为vcur，选择的加速度大小为a；选取加速度的效用函数为：式中β1为标定系数；β5，β6为控制系数；步骤6.5：计算碰撞概率：对于离散的选择效用函数，利用logit模型分别计算选择方向以及选择加速度大小的概率；备选方向α，选择方向αi的概率P(αiα)为：式中θ为模型系数，为选取第i个角度的效用函数；同理，对于所有的加速度大小备选方案a，选择加速度ai的概率P(aia)：其中λ为模型系数，为选取第i个加速度大小的效用函数；将步骤6.4和步骤6.5中公式带入步骤6.1中，得到的碰撞概率Pcollision计算公本文档来自技高网...

【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