面向高速公路场景的轻量化车辆异常行为检测方法和系统技术方案

本发明专利技术公开了面向高速公路场景的轻量化车辆异常行为检测方法，包括如下步骤：(1)在高速公路路侧高杆上设置监控摄像头，获取监控视频流数据；(2)使用基于YOLOv5s改进的轻量级车辆检测算法MG

【技术实现步骤摘要】
面向高速公路场景的轻量化车辆异常行为检测方法和系统


[0001]本专利技术属于计算机视觉技术和智能交通
，具体地，利用目标检测和目标跟踪技术设计了一种面向高速公路场景的轻量化车辆异常行为检测方法。

技术介绍

[0002]近年来，我国加大交通基础设施的投资力度，使得我国拥有了全球最大的高速公路网。随着路网的不断完善，高速公路逐渐成为了道路交通的主动脉，承担相对快速的交通流量。然而，行驶车辆的平均车速较快，遇到异常情况时，驾驶员反应时间短，容易导致交通安全问题。因此，如何采用车辆异常行为检测的方法发现车辆异常行为，并通知相关人员做出预警提醒，提高交通运行的稳定性和效率，预防交通事故的发生，成为我国高速公路车辆异常检测中所面临的一个重要问题。
[0003]目前，高速公路管理公司建立了较为完善的视频监控系统，路侧监控视野辽阔，能够放大和缩小监控范围，部分道路的监控范围基本可以覆盖整条道路。这些监控视频汇聚到高速公路集团的监控室，主要是管理人员对摄像头进行巡查，了解各路视频中车辆的状况。随着监控摄像头的数量在不断增加，监控管理人员并不能保证对所有摄像头进行实时巡检，若存在漏检情况，没有对相关车辆进行及时的引导处理从而引发了交通事故，受伤的人员需要救治，事故现场需要清理，若事故现场处理不及时，导致高速公路通行能力下降，甚至会引发二次事故，造成一定的经济损失和资源浪费。
[0004]根据研究应用场景的不同，对车辆异常检测的精度和速度要求也不同。在高速公路场景下，仍然存在车辆异常行为检测的实时性和误报率较高等问题。此外，视频中还存在车辆多尺度和小目标车辆漏检的情况，这些问题需要得到进一步研究。

技术实现思路

[0005]专利技术目的：为了克服高速公路场景下的车辆异常行为检测方法的不足，本专利技术提供了一种面向高速公路场景的轻量化车辆异常行为检测方法，提高监管理人员工作效率，预防交通事故的发生，提高出行安全，实现交通监管的智能化。
[0006]技术方案：面向高速公路场景的轻量化车辆异常行为检测方法，包括如下步骤：
[0007](1)在高速公路路侧高杆上设置监控摄像头，获取监控视频流数据；
[0008](2)使用基于YOLOv5s改进的轻量级车辆检测算法MG
‑
YOLOv5s对监控视频流数据中的车辆进行检测，获取车辆目标所在视频中的坐标位置；该算法通过改进MobileNetv3轻量级网络、双向特征金字塔和注意力机制模块，提高了车辆检测速度和小目标车辆的检测效果；
[0009](3)使用车辆跟踪算法BoT
‑
SORT对车辆进行跟踪并获取车辆的运动轨迹，随后对车辆轨迹进行预处理；为了获取车辆的具体位置，利用车辆检测算法得到车辆目标位置以及外观特征信息，并采用卡尔曼滤波预测下一帧车辆状态位置信息，将获取的车辆跟踪框位置形成轨迹，随后对车辆轨迹进行预处理；
[0010](4)分析车辆的运动轨迹建立车辆的轨迹模型，通过设定的判断条件，来检测车辆是否存在车辆停车、车辆逆行异常行为；
[0011](5)重复步骤(2)至(4)获取车辆的运动轨迹，对车辆的运动轨迹进行检测，若检测为停车轨迹，则将该轨迹设置为异常轨迹，并判定车辆存在停车行为；
[0012](6)重复步骤(2)至(4)获取车辆的运动轨迹，对车辆的运动轨迹进行检测，若检测为逆行轨迹，则将该轨迹设置为异常轨迹，并判定车辆存在逆行行为。
[0013]进一步的，所述步骤(3)对车辆轨迹进行预处理步骤如下：
[0014](3.1)以监控画面的左上角为坐标系的顶点，并将图像的横向水平方向作为X轴，图像的纵向垂直方向作为Y轴建立图像二维直角坐标系；车辆轨迹点模型公式如下所示：
[0015][0016]tn为时刻，id为车辆ID；
[0017](3.2)采用均值滤波的方法，对轨迹数据进行平滑处理；选择一个滑动窗口，即选用车辆ID为id的轨迹中相邻两个坐标点位，求取其平均值作为新的轨迹点，具体运算方法如下所示：
[0018][0019]其中，轨迹点(x
t
,y
t
)和(x
t+1
,y
t+1
)为相邻前后时刻的轨迹。
[0020]进一步的，所述步骤(5)中重复步骤(2)至(4)获取车辆轨迹，车辆停车所对应的轨迹点在一定时间内聚集在某个区域，坐标点之间的距离小于阈值，则将该轨迹设置为异常轨迹，并判定车辆存在停车行为。
[0021]进一步的，所述步骤(5)包括：
[0022]按照停车轨迹模型，对停车轨迹进行以下判定，具体公式如下所示：
[0023]Dis
last3
<D1
[0024][0025][0026]其中，Dis
last3
表示的是最后三帧轨迹的欧式距离之和，当该距离小于阈值D1时，则对该轨迹的临近n帧的车辆轨迹点进行计算平均距离，若计算的平均距离小于阈值D2时，并且需要满足Stop
num
的次数所占总帧数的比值大于阈值M；其中，Stop
num
为两个临近轨迹点小于阈值D2的个数。
[0027]进一步的，步骤(6)包括：
[0028](6.1)选取数量为D的轨迹点，当轨迹点数量超出D时，则将最远的轨迹点删除，增加最近的轨迹点；在D个轨迹点中，使用每一个轨迹点都与它之前的轨迹点进行比较；
[0029](6.2)当所占比例大于M时，则认为该轨迹是属于逆行轨迹，判定为逆行。
[0030]进一步的，所述步骤(6)中设置垂直向下为正方向时，当存在逆行行为的车辆轨迹点的y轴坐标值会逐渐减小；当设置垂直向上为正方向时，车辆轨迹点的y轴坐标会逐渐增大。
[0031]进一步的，当设定不同区域时，判断该轨迹点属于正向车道还是逆向车道，再判断坐标值的大小，建立逆行轨迹模型；由此根据逆行轨迹模型，对逆行轨迹具体判定公式如下所示；
[0032][0033]其中Direction
num
为两个轨迹点y轴坐标值对比得到的个数，当以垂直向下方向为正方向时，若y轴轨迹点中y1>y2，则Direction
num
加1，其中N为比较总次数；M为阈值。
[0034]面向高速公路场景的轻量化车辆异常行为检测系统，包括：数据获取模块、车辆轨迹处理模块、车辆轨迹模型模块、车辆异常判断模块；
[0035]所述数据获取模块在高速公路路侧高杆上设置监控摄像头，获取监控视频流数据；
[0036]所述车辆轨迹处理模块使用基于YOLOv5s改进的轻量级车辆检测算法MG
‑
YOLOv5s对监控视频流数据中的车辆进行检测，获取车辆目标所在视频中的坐标位置；该算法通过改进MobileNetv3轻量级网络、双向特征金字塔和注意力机制模块，提高了车辆检测速度和小目标车辆的检测效果；
[0037]使用车辆跟踪算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面向高速公路场景的轻量化车辆异常行为检测方法，其特征在于，包括如下步骤：(1)在高速公路路侧高杆上设置监控摄像头，获取监控视频流数据；(2)使用基于YOLOv5s改进的轻量级车辆检测算法MG
‑
YOLOv5s对监控视频流数据中的车辆进行检测，获取车辆目标所在视频中的坐标位置；(3)使用车辆跟踪算法BoT
‑
SORT对车辆进行跟踪并获取车辆的运动轨迹，随后对车辆轨迹进行预处理；(4)分析车辆的运动轨迹建立车辆的轨迹模型；(5)重复步骤(2)至(4)获取车辆的运动轨迹，对车辆的运动轨迹进行检测，若检测为停车轨迹，则将该轨迹设置为异常轨迹，并判定车辆存在停车行为；(6)重复步骤(2)至(4)获取车辆的运动轨迹，对车辆的运动轨迹进行检测，若检测为逆行轨迹，则将该轨迹设置为异常轨迹，并判定车辆存在逆行行为。2.根据权利要求1所述面向高速公路场景的轻量化车辆异常行为检测方法，其特征在于，所述步骤(3)对车辆轨迹进行预处理步骤如下：(3.1)以监控画面的左上角为坐标系的顶点，并将图像的横向水平方向作为X轴，图像的纵向垂直方向作为Y轴建立图像二维直角坐标系；车辆轨迹点模型公式如下所示：tn为时刻，id为车辆ID；(3.2)采用均值滤波的方法，对轨迹数据进行平滑处理；选择一个滑动窗口，即选用车辆ID为id的轨迹中相邻两个坐标点位，求取其平均值作为新的轨迹点，具体运算方法如下所示：其中，轨迹点(x
t
,y
t
)和(x
t+1
,y
t+1
)为相邻前后时刻的轨迹。3.根据权利要求1所述面向高速公路场景的轻量化车辆异常行为检测方法，其特征在于，所述步骤(5)中重复步骤(2)至(4)获取车辆轨迹，车辆停车所对应的轨迹点在一定时间内聚集在某个区域，坐标点之间的距离小于阈值，则将该轨迹设置为异常轨迹，并判定车辆存在停车行为。4.根据权利要求1所述面向高速公路场景的轻量化车辆异常行为检测方法，其特征在于，所述步骤(5)包括：按照停车轨迹模型，对停车轨迹进行以下判定，具体公式如下所示：Dis
last3
<D1<D1其中，Dis
last3
表示的是最后三帧轨迹的欧式距离之和，当该距离小于阈值D1时，则对该轨迹的临近n帧的车辆轨迹点进行计算平均距离，若计算的平均距离小于阈值D2时，并且需要满足Stop
num
的次数所占总帧数的比值大于阈值M；其中，Stop
num
为两个临近轨迹点小于阈
值D2的个数。5.根据权利要求1所述面向高速公路场景的轻量化车辆异常行为检测方法，其特征在于，步骤(6)包括：(6.1)选取数量为D的轨迹点，当轨迹点数量超出D时，则将最远的轨迹点删除，增加最近的轨迹点；在D个轨迹点中，使用每一个轨迹点都与它之前的轨迹点进行比较；(6.2)当所占比例大于M时，则认为该轨迹是属于逆行轨迹，判定为逆行。6.根据权利要求1所述面向高速公...

【专利技术属性】
技术研发人员：王池社，颜新云，王洁，杨孟星，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：