一种基于规则与学习的交通场景异常目标检测方法技术

本发明专利技术公开了一种基于规则与学习的交通场景异常目标检测方法，所述方法包括：获取实时采集的交通场景视频数据；对所述交通场景视频数据进行统计和运算，得到目标物体的疑似异常运动信息；根据所述疑似异常运动信息和交通规则，确定交通场景异常运动的目标。本发明专利技术实施例通过将采集的交通场景视频数据进行统计和运算，得到目标物体的疑似异常运动信息，再根据疑似异常运动信息和交通规则确定出交通场景异常运动的目标，运算量小，实现高实时性，对交通场景异常运动目标的确定更加精准。对交通场景异常运动目标的确定更加精准。对交通场景异常运动目标的确定更加精准。

【技术实现步骤摘要】
一种基于规则与学习的交通场景异常目标检测方法


[0001]本专利技术涉及通信
，尤其涉及的是一种基于规则与学习的交通场景异常目标检测方法。

技术介绍

[0002]现有技术检测交通场景异常目标的方法是利用生成对抗网络(GAN,Generative Adversarial Networks)预测连续四帧视频的后一帧视频。训练时，利用正常视频样本训练生成器，使其能够很好地预测正常视频；测试时，生成器对正常视频生成的预测帧与原始视频之间的误差较小，而生成器不能很好地对异常视频进行预测，其预测帧与原始帧之间有较大的误差。因此，利用预测帧与原始帧之间的误差来检测异常行为的缺陷是：该算法是在假定用于有限的正常样本训练的生成器能够对所有的正常样本都能很好的预测的基础上设计的。然而，现实中不可能收集到所有的类型的正常行为，对于非典型的正常样本效果并不理想。此外，该类方法是基于深度学习的端到端的异常行为检测方法，复杂的深度神经网络结构使得该算法不能满足实际应用中的实时性要求。
[0003]因此，现有技术还有待改进和发展。

技术实现思路

[0004]本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于规则与学习的交通场景异常目标检测方法，旨在解决现有技术中确定交通场景异常运动目标不准确，运算量大，且无法实现实时性的问题。
[0005]本专利技术解决问题所采用的技术方案如下：
[0006]第一方面，本专利技术实施例提供一种基于规则与学习的交通场景异常目标检测方法，其中，所述方法包括：
[0007]获取实时采集的交通场景视频数据；
[0008]对所述交通场景视频数据进行统计和运算，得到目标物体的疑似异常运动信息；
[0009]根据所述疑似异常运动信息和交通规则，确定交通场景异常运动的目标。
[0010]在一种实现方式中，其中，所述对所述交通场景视频数据进行统计和运算，确定目标物体的疑似异常运动信息包括：
[0011]根据所述交通视频数据确定出目标物体在预设时间段的运动速度、目标物体在预设时间段的运动方向、目标物体在预设时间段的运动轨迹、目标物体当前的交通场景和在当前交通场景的目标物体数量；
[0012]根据所述交通场景，所述目标物体数量、对所述运动速度进行统计和运算，确定疑似异常运动速度；
[0013]根据所述运动方向，对所述运动方向进行判别，确定疑似异常运动方向；
[0014]根据所述运动轨迹，对所述运动轨迹进行判别，确定疑似异常运动轨迹。
[0015]在一种实现方式中，其中，所述根据所述交通场景，所述目标物体数量、对所述运
动速度进行统计和运算，确定疑似异常运动速度包括：
[0016]根据所述交通场景、所述运动速度和所述目标物体数量，经过统计和运算确定出目标物体运动速度阈值；其中，当所述交通场景为市区限速路段时，所述运动速度为第一运动速度，所述目标物体数量为第一目标物体数量；当所述交通场景为限制低速的高速路段时，所述运动速度为第二运动速度，所述目标物体数量为第二目标物体数量；当所述交通场景为同时限制高速和低速的高速路段时，所述运动速度为第三运动速度，所述目标物体数量为第三目标物体数量；
[0017]根据所述目标物体运动速度阈值，确定疑似异常运动速度。
[0018]在一种实现方式中，其中，所述根据所述交通场景、所述运动速度和所述目标物体数量确定出目标物体运动速度阈值包括：
[0019]当所述交通场景为市区限速路段时，根据所述第一运动速度和所述第一目标物体数量确定出目标物体运动速度第一阈值；
[0020]当所述交通场景为限制低速的高速路段时，根据所述第二运动速度和所述第二目标物体数量确定出目标物体运动速度第二阈值；
[0021]当所述交通场景为同时限制高速和低速的高速路段时，根据所述第三运动速度和所述第三目标物体数量确定出目标物体运动速度第三阈值和目标物体运动速度第四阈值，其中，目标物体运动速度第三阈值小于目标物体运动速度第四阈值。
[0022]在一种实现方式中，其中，所述根据所述目标物体运动速度阈值，确定疑似异常运动速度包括：
[0023]当所述交通场景为市区限速路段时，且当所述第一运动速度大于所述目标物体运动速度第一阈值时，则确定所述第一运动速度为疑似异常运动速度；
[0024]当所述交通场景为限制低速的高速路段时，且当所述第二运动速度小于所述目标物体运动速度第二阈值时，则确定所述第二运动速度为疑似异常运动速度；
[0025]当所述交通场景为同时限制高速和低速的高速路段时，且当所述第三运动速度小于目标物体运动速度第三阈值或者当所述第三运动速度大于目标物体运动速度第四阈值时，则确定所述第三运动速度为疑似异常运动速度。
[0026]在一种实现方式中，其中，所述根据所述运动方向，对所述运动方向进行判别，确定疑似异常运动方向包括：
[0027]获取目标物体的最大平均运动方向变化值v
max
；
[0028]获取目标物体的平均运动方向变化值
[0029]当所述运动方向大于时，所述运动方向为疑似异常运动方向；其中，β为大于0.8并且小于1的参数，根据当前交通场景进行调整。
[0030]在一种实现方式中，其中，所述根据所述运动轨迹，对所述运动轨迹进行判别，确定疑似异常运动轨迹包括：
[0031]根据所述运动轨迹，获取目标物体的最大运动方向变化值direction
max
；
[0032]当direction
max
>γ时，则所述运动轨迹为疑似异常运动轨迹；其中，γ为预设运动方向阈值。
[0033]在一种实现方式中，其中，所述根据所述疑似异常运动信息和交通规则，确定异常
运动目标包括：
[0034]获取系统中根据交通规则设定的先验值；
[0035]根据所述疑似异常运动速度，所述疑似异常运动方向，所述疑似异常运动轨迹和所述先验值，确定异常运动目标。
[0036]第二方面，本专利技术实施例还提供一种基于规则与学习的交通场景异常目标检测装置，其中，装置包括：
[0037]交通场景视频数据获取单元，用于获取实时采集的交通场景视频数据；
[0038]疑似异常运动信息获取单元，用于对所述交通场景视频数据进行统计和运算，得到目标物体的疑似异常运动信息；
[0039]交通场景异常运动目标确定单元，用于根据所述疑似异常运动信息和交通规则，确定交通场景异常运动的目标。
[0040]第三方面，本专利技术实施例还提供一种智能终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如上述任意一项所述的基于规则与学习的交通场景异常目标检测方法。
[0041]第四方面，本专利技术实施例还提供一种非临时性计算机可读存储介质，当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于规则与学习的交通场景异常目标检测方法，其特征在于，所述方法包括：获取实时采集的交通场景视频数据；对所述交通场景视频数据进行统计和运算，得到目标物体的疑似异常运动信息；根据所述疑似异常运动信息和交通规则，确定交通场景异常运动的目标。2.根据权利要求1所述的基于规则与学习的交通场景异常目标检测方法，其特征在于，所述对所述交通场景视频数据进行统计和运算，确定目标物体的疑似异常运动信息包括：根据所述交通视频数据确定出目标物体在预设时间段的运动速度、目标物体在预设时间段的运动方向、目标物体在预设时间段的运动轨迹、目标物体当前的交通场景和在当前交通场景的目标物体数量；根据所述交通场景，所述目标物体数量、对所述运动速度进行统计和运算，确定疑似异常运动速度；根据所述运动方向，对所述运动方向进行判别，确定疑似异常运动方向；根据所述运动轨迹，对所述运动轨迹进行判别，确定疑似异常运动轨迹。3.根据权利要求2所述的基于规则与学习的交通场景异常目标检测方法，其特征在于，所述根据所述交通场景，所述目标物体数量、对所述运动速度进行统计和运算，确定疑似异常运动速度包括：根据所述交通场景、所述运动速度和所述目标物体数量，经过统计和运算确定出目标物体运动速度阈值；其中，当所述交通场景为市区限速路段时，所述运动速度为第一运动速度，所述目标物体数量为第一目标物体数量；当所述交通场景为限制低速的高速路段时，所述运动速度为第二运动速度，所述目标物体数量为第二目标物体数量；当所述交通场景为同时限制高速和低速的高速路段时，所述运动速度为第三运动速度，所述目标物体数量为第三目标物体数量；根据所述目标物体运动速度阈值，确定疑似异常运动速度。4.根据权利要求3所述的基于规则与学习的交通场景异常目标检测方法，其特征在于，所述根据所述交通场景、所述运动速度和所述目标物体数量确定出目标物体运动速度阈值包括：当所述交通场景为市区限速路段时，根据所述第一运动速度和所述第一目标物体数量确定出目标物体运动速度第一阈值；当所述交通场景为限制低速的高速路段时，根据所述第二运动速度和所述第二目标物体数量确定出目标物体运动速度第二阈值；当所述交通场景为同时限制高速和低速的高速路段时，根据所述第三运动速度和所述第三目标物体数量确定出目标物体运动速度第三阈值和目标物体运动速度第四阈值，其中，目标物体运动速度第三阈值小于目标物体运动速度第四阈值。5.根据权利要求4所述的基于规则与学习的交通...

【专利技术属性】
技术研发人员：徐勇，黄超，王耀威，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：