人车冲突预警方法、预警分析方法、电子设备及存储介质技术

本发明专利技术提出涉及人车冲突预警方法、预警分析方法、电子设备及存储介质，属于深度学习技术领域。包括边缘端预警装置、行人和车辆目标检测模块、判断行人和车辆发生冲突模块和预警模块；所述边缘端预警装置用于获取道路转弯区行人和车辆视频数据；所述行人和车辆目标检测模块用于检测行人和车辆目标；所述判断行人和车辆发生冲突模块用于判断行人和车辆是否发生冲突；所述预警模块用于播报预警信息，提示车辆慢行。本发明专利技术实现了立即调动预警设备立即响应，解决了现有技术中存在的预警方式不够智能化，云平台远程响应过慢和无效响应的问题，为过往车辆提供有效的智能化预警服务，保障行人过街和车辆行驶安全。人过街和车辆行驶安全。人过街和车辆行驶安全。

【技术实现步骤摘要】
人车冲突预警方法、预警分析方法、电子设备及存储介质


[0001]本专利技术涉及一种预警方法，尤其涉及人车冲突预警方法、预警分析方法、电子设备及存储介质，属于深度学习


技术介绍

[0002]随着我国经济的不断发展，机动车数量逐年递增，每年都会发生大量的交通事故，造成大量的经济损失。智能交通系统的需求日益强烈，如何减少交通事故，为机动车驾驶人提供安全的出行服务，也是智能交通当下急需解决的问题。
[0003]从以往的交通事故来看，交叉转弯路口是最严重的事故频发地。在机动车行驶的过程中，交叉转弯路口由于存在视野盲区，驾驶人未能提前预知路况，一旦碰到紧急情况，很容易发生严重的交通事故，造成不可挽回的损失。
[0004]面对路口交通盲区的突发情况，传统的预警方式，常在转弯路口处设立一些临时警告牌，或者喇叭提示行人注意或者车辆慢行。
[0005]这种方式存在监察不及时，管理困难等问题，导致服务效率低下，不能有效避免交通事故发生的问题。
[0006]随着传统预警方式的缺点逐渐暴露，一些较为智能的预警方式出现了，如在转弯路口安装一些传感器设备检测过往的车辆，比如摄像头、激光雷达等设备，检测到车辆之后，将车辆信息发送到远程的云平台，云平台再下发预警操作给预警设备，比如喇叭、信息屏等。
[0007]但是这种由边端传感器检测，云平台远程响应，再下发预警信息到预警设备的方式，会因为网络延迟和中途调度转换过多的问题，不能及时在车辆和行人发生冲撞之前进行告警；而且，由于没有判断行人和车辆是否发生冲突就告警，存在很多无效报警情况。
[0008]因此，亟需人车冲突预警系统或方法，解决不能及时在车辆和行人发生冲撞之前进行告警而产生的无效报警的问题。

技术实现思路

[0009]在下文中给出了关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本理解。应当理解，这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关键或重要部分，也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
[0010]鉴于此，为解决现有技术中存在的不能及时在车辆和行人发生冲撞之前进行告警而产生的无效报警的问题的技术问题，本专利技术提供人车冲突预警方法、预警分析方法、电子设备及存储介质。
[0011]方案一：人车冲突预警方法，包括以下步骤：S1.接入摄像头实时视频流数据，对视频中的行人和车辆进行目标检测和跟踪，获取行人和车辆在视频画面内的属性信息；
S2.根据视频流每帧图片中行人和车辆在视频画面内的属性信息，使用人车冲突算法计算和判断在转弯区域范围内的行人和车辆是否发生冲突情况；S3.发生人车冲突情况，控制广播设备和RSU设备广播播放预先设置的MP3预警提示语音；控制RSU设备向周围车辆的发送预警信息，提示车辆慢行。
[0012]优选的，所述对视频中的行人和车辆进行目标检测的方法是，对图片中的行人和车辆进行识别、定位，给出行人和车辆在原图片中的位置坐标（left, top, width, height）的形式给出，其中，left, top, width, height分别为矩形区域的左上角横坐标、左上角纵坐标、宽度及高度。
[0013]优选的，所述对视频中的行人和车辆进行目标检测跟踪的方法是，获取行人和车辆的位移量D，实现过程是：使用KLT算法进行对目标进行唯一ID标记，KLT算法定义同一目标出现在两帧图像I、J中，如果图像中两点匹配，那么以这两点为中心，W为窗口存在极小的灰度平方差，当解得的残差e小于设定的阈值，认为跟踪到角点，获得位移向量D。
[0014]优选的，所述计算和判断在转弯区域范围内的行人和车辆是否发生冲突情况的方法是，包括以下步骤：S21. 将视频画面定义为二维平面的第一象限坐标系，在视频画面上，画一个n边形包围道路转弯区域，并将n边形各个边线段的坐标点按照固定的格式保存到坐标点文件；S22. 读取n边形坐标点文件各个边线段的起点坐标（StartX，StartY），得到n边形顶点坐标集合{{x[0], y[0]}，{x[1], y[1]}...{x[n
‑
1], y[n
‑
1]}}，根据视频图片帧数据里面的行人和车辆的矩形二维坐标信息（left, top, width, height），判断行人和车辆这两个是否同时出现在n边形区域范围内；S23.在路口转弯区范围内，根据连续帧图片上目标车辆的时空关系计算车辆行驶速度，判断车辆行驶速度是否大于设定的阈值；S24.在路口转弯区范围内，根据连续帧图片上目标车辆和行人的空间关系，判断车辆是否在不断向行人驶进；S25.当行人和车辆之间的距离不断缩短，并且车辆移动速度大于阈值，则判定车辆在不断向行人驶进，发生了人车冲突的情况。
[0015]优选的，所述计算判断行人和车辆这两个是否同时出现在n边形区域范围内的方法是，包括以下步骤：S221. 计算当前目标的中心点坐标(obj_x，obj_y)；obj_x = left + width/2，obj_y = top+ height/2；S222. 将(obj_x，obj_y)与n边形顶点坐标集合{{x[0], y[0]}，{x[1], y[1]}...{x[n
ꢀ‑
1], y[n
‑
1]}}做比较，计算求取中心点坐标(obj_x，obj_y)延x轴正方向的水平延长线与n边形边的交点个数，具体方法是，S2221.初始另i = 0， j = n
ꢀ‑ꢀ
1，c = 0；S2222.如果i < n，循环计算步骤S2213和步骤S2214，否则退出；S2223.如果(obj_y < y[i]) != (obj_y < y[j])且obj_x < (x[j]ꢀ‑ꢀ
x[i]) * (obj_y
ꢀ‑ꢀ
y[i]) / (y[j]ꢀ‑ꢀ
y[i] ) + x[i] 都为真，则交点存在，交点个数c = c + 1；S2224.j = i；i = i + 1；跳转到步骤S2212；S223.根据得到交点个数c判断行人和车辆这两个是否同时出现在n边形区域范围
内，如果1=c%2，说明目标在n边形区域范围内；如果车辆和行人目标再区域范围内的数量都大于0，则确定行人和车辆同时出现在n边形区域范围内；所述判断车辆行驶速度是否大于设定的阈值的方法是，包括以下步骤：S231.假设设定一个跳帧值为k，速度阈值为v_thread，视频二维画面分辨率与现实道路长度的比例为scale；S232.在第n帧图片中，某个车辆中心点的坐标为(car_x0,car_y0)，记录它的唯一ID；S233.在第n+k帧图片中，某个车辆中心点的坐标为(car_x1,car_y1)，对比它的ID是否和第n帧图片里面的车辆id相同，如果相同，进行下一步；S234.从n帧到n+k帧图片，共花费时间t，那么速度为：；S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.人车冲突预警方法，其特征在于，包括以下步骤：S1.接入实时视频流数据，对视频中的行人和车辆进行目标检测和跟踪，获取行人和车辆在视频画面内的属性信息；S2. 根据视频流每帧图片中行人和车辆在视频画面内的属性信息，使用人车冲突算法计算和判断在转弯区域范围内的行人和车辆是否发生冲突情况；S3. 发生人车冲突情况，控制广播设备和RSU设备广播播放预先设置的MP3预警提示语音；控制RSU设备向周围车辆的发送预警信息，提示车辆慢行。2.根据权利要求1所述的人车冲突预警方法，其特征在于，所述对视频中的行人和车辆进行目标检测的方法是，对图片中的行人和车辆进行识别、定位，给出行人和车辆在原图片中的位置坐标（left, top, width, height）的形式给出，其中，left, top, width, height分别为矩形区域的左上角横坐标、左上角纵坐标、宽度及高度。3.根据权利要求2所述的人车冲突预警方法，其特征在于，所述对视频中的行人和车辆进行目标检测跟踪的方法是，获取行人和车辆的位移量D，实现过程是：使用KLT算法进行对目标进行唯一ID标记，KLT算法定义同一目标出现在两帧图像I、J中，如果图像中两点匹配，那么以这两点为中心，W为窗口存在极小的灰度平方差，当解得的残差e小于设定的阈值，认为跟踪到角点，获得位移向量D。4.根据权利要求3所述的人车冲突预警方法，其特征在于，所述计算和判断在转弯区域范围内的行人和车辆是否发生冲突情况的方法是，包括以下步骤：S21. 将视频画面定义为二维平面的第一象限坐标系，在视频画面上，画一个n边形包围道路转弯区域，并将n边形各个边线段的坐标点按照固定的格式保存到坐标点文件；S22. 读取n边形坐标点文件各个边线段的起点坐标（StartX，StartY），得到n边形顶点坐标集合{{x[0], y[0]}，{x[1], y[1]}...{x[n
‑
1], y[n
‑
1]}}，根据视频图片帧数据里面的行人和车辆的矩形二维坐标信息（left, top, width, height），判断行人和车辆这两个是否同时出现在n边形区域范围内；S23. 在路口转弯区范围内，根据连续帧图片上目标车辆的时空关系计算车辆行驶速度，判断车辆行驶速度是否大于设定的阈值；S24. 在路口转弯区范围内，根据连续帧图片上目标车辆和行人的空间关系，判断车辆是否在不断向行人驶进；S25. 当行人和车辆之间的距离不断缩短，并且车辆移动速度大于阈值，则判定车辆在不断向行人驶进，发生了人车冲突的情况。5.根据权利要求4所述的人车冲突预警方法，其特征在于，所述计算判断行人和车辆这两个是否同时出现在n边形区域范围内的方法是，包括以下步骤：S221. 计算当前目标的中心点坐标(obj_x，obj_y)；obj_x = left + width/2，obj_y = top+ height/2；S222. 将(obj_x，obj_y)与n边形顶点坐标集合{{x[0], y[0]}，{x[1], y[1]}...{x[n
ꢀ‑
1], y[n
‑
1]}}做比较，计算求取中心点坐标(obj_x，obj_y)延x轴正方向的水平延长线与n边形边的交点个数，具体方法是，S2221.初始另i = 0， j = n
ꢀ‑ꢀ
1，c = 0；S2222.如果i < n，循环计算步骤S2213和步骤S2214，否则退出；
S2223.如果(obj_...

【专利技术属性】
技术研发人员：吕国林，周益辉，黄振宇，胡鹏，黄丽萍，朱述宝，修科鼎，丘建栋，
申请(专利权)人：深圳市城市交通规划设计研究中心股份有限公司，
类型：发明
国别省市：