一种用于虚拟实景视频融合的大数据分析系统及方法技术方案

本发明专利技术涉及图像分析技术领域，具体为一种用于虚拟实景视频融合的大数据分析系统及方法，包括：采集目标车辆的历史行驶路线轨迹，对各道路节点位置进行采集，利用

【技术实现步骤摘要】
一种用于虚拟实景视频融合的大数据分析系统及方法


[0001]本专利技术涉及图像分析
，具体为一种用于虚拟实景视频融合的大数据分析系统及方法
。

技术介绍

[0002]AR
导航是一种导航模式，它利用虚拟实景视频融合技术将真实世界中的一切呈现在手机屏幕上，同时卡通人物
、
指示箭头等虚拟模型会叠加在现有图像上，这个虚拟模型可为行人指引方向
。
[0003]随着
AR
导航的不断发展，
AR
导航已可以根据实时检测结果确定目标车辆满足障碍物规避条件，并对目标车辆进行有效绕行车道的检测；目前利用
AR
视觉效果设置虚拟路障可以达到更加逼真的警示作用，然而当目标车辆转换行驶方向时，用户一般会查看
AR
导航信息，这导致用户存在分心驾驶的状况，而当
AR
导航未提供足够的警示，比如动态物体移动
、
静态物体突然出现等现象时，极易发生交通事故，无法提供用户安全保障
。

技术实现思路

[0004]本专利技术的目的在于提供一种用于虚拟实景视频融合的大数据分析系统及方法，以解决上述
技术介绍
中提出的问题
。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种用于虚拟实景视频融合的大数据分析方法，包括以下步骤：
[0006]步骤
S100
：采集目标车辆的历史行驶路线轨迹，形成历史路线集；将历史路线集的各行驶路线中目标车辆发生方向转变的所有位置设为道路节点位置，并对各道路节点位置进行采集，分别形成各行驶路线相应的道路节点集；利用
AR
导航系统采集目标车辆经过各道路节点集时的
AR
导航指引视频，形成
AR
导航指引视频集；
[0007]上述步骤中各道路节点集采集的是目标车辆方向转变前后的相同长度的一段距离，使数据更具有对比性；
[0008]步骤
S200
：实时获取目标车辆在各行驶路线上的行驶状态参数构建状态变化曲线；对状态变化曲线中各道路节点相应的状态变化区间进行极小值计算；根据极小值大小判断各状态变化区间对应的道路节点是否发生行驶状态突变；对行驶状态发生突变的所有道路节点进行标记，并提取
AR
导航指引视频集中进行标记的道路节点的
AR
导航指引视频，形成筛选视频集；
[0009]步骤
S300
：对筛选视频集中各视频数据进行分帧，分别形成各图像序列；分别提取各图像序列的信息特征，捕捉各图像序列中所有相同信息特征的轮廓大小，分别形成相同特征轮廓集合；根据相同特征轮廓集合中不同图像数据的相同信息特征轮廓大小构建筛选预判公式，并根据筛选预判公式分析信息特征变化的规律性；
[0010]步骤
S400
：对信息特征变化不规律的所有相同特征轮廓集合进行筛选，形成筛选集合；对筛选集合中任意相同特征轮廓集合的图像数据构建二维平面坐标系，捕捉各张图
像数据相应的轮廓区域中心位置；根据轮廓区域中心位置依次进行位置拟合，得到相应的向量轨迹；进一步根据向量轨迹和
y
轴正方向的单位向量的夹角分析信息特征变化不规律的影响因素属于主观因素还是客观因素；对判定属于客观因素的向量轨迹进行提取，则根据向量轨迹匹配对应的信息特征，构成分心特征集；
[0011]步骤
S500
：实时获取目标车辆在当前行驶路线上的视频数据，将视频数据和分心特征集进行相似度匹配，则若相似度大于关联阈值时，判定当前目标车辆会发生分心可能性，进行语音提醒
。
[0012]进一步的，步骤
S200
包括：
[0013]步骤
S210
：实时获取目标车辆在各行驶路线上的行驶状态参数；其中，所述行驶状态参数包括车速和车轮转角；根据不同时间点时目标车辆在各行驶路线上的车速和车轮转角构建状态变化曲线
T
‑
Y
，其中
T
表示各时间节点，
Y
表示不同时间节点时对目标车辆的车速和车轮转角进行加权形成的状态值；
[0014]上述步骤中对目标车辆的车速和车轮转角进行加权的方式可以根据目标车辆的类型进行转变，不同的车辆类型，相应的加权方式也不同；
[0015]比如设定车速为
v
，车轮转角为
x
，进行加权后得到的状态值
Y
＝
α
1*v+
α
2*x
；其中
α1表示车速的权重值，
α2表示车轮转角的权重值；
[0016]步骤
S220
：由于一个道路节点位置是由一段距离组成，则一个道路节点位置产生一个状态变化区间；此时根据各道路节点位置对状态变化曲线
T
‑
Y
中各道路节点相应的状态变化区间进行提取；则根据各状态变化区间中的所有坐标点信息进行极小值计算；
[0017]上述步骤中的极小值表示在极短的一段时间内目标车辆的行驶状态较差；
[0018]步骤
S230
：捕捉存在极小值且极小值低于阈值
α
的状态变化区间，判定所述状态变化区间对应道路节点的行驶状态发生突变；此时对行驶状态发生突变的所有道路节点进行标记，并提取
AR
导航指引视频集中进行标记的道路节点的
AR
导航指引视频，形成筛选视频集；
[0019]上述步骤中判定极小值且极小值低于阈值
α
时，对应目标车辆的行驶状态发生突变，表示目标车辆经过该状态变化区间对应的道路节点时，发生车辆行驶异常；
[0020]通过根据目标车辆的车速和车轮转角进行加权构建状态变化曲线，并根据状态变化曲线分析各状态变化区间是否存在极小值，捕捉存在极小值且极小值低于阈值的状态变化区间，判定所述状态变化区间的车辆行驶状态异常，有利于对行驶异常的
AR
导航指引视频进行提取，为后续根据视频数据分析图像变化做铺垫
。
[0021]进一步的，步骤
S300
包括：
[0022]步骤
S310
：对筛选视频集中各
AR
导航指引视频进行分帧处理，分别形成各
AR
导航指引视频相应的图像序列；获取任意图像序列
A
＝
{a1,a2,
…
,an}
，其中
a1,a2,
…
,an
表示图像序列中的第
1,2,
…
,n
张图像数据；对任意图像序列中的各张图像数据进行图像特征提取，则分别提取出各张图像数据相应的信息特征集合；
[0023]上述步骤中任意图像数据相应的信息特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于虚拟实景视频融合的大数据分析方法，其特征在于：包括以下步骤：步骤
S100
：采集目标车辆的历史行驶路线轨迹，形成历史路线集；将历史路线集的各行驶路线中目标车辆发生方向转变的所有位置设为道路节点位置，并对各道路节点位置进行采集，分别形成各行驶路线相应的道路节点集；利用
AR
导航系统采集目标车辆经过各道路节点集时的
AR
导航指引视频，形成
AR
导航指引视频集；步骤
S200
：实时获取目标车辆在各行驶路线上的行驶状态参数构建状态变化曲线；对状态变化曲线中各道路节点相应的状态变化区间进行极小值计算；根据极小值大小判断各状态变化区间对应的道路节点是否发生行驶状态突变；对行驶状态发生突变的所有道路节点进行标记，并提取
AR
导航指引视频集中进行标记的道路节点的
AR
导航指引视频，形成筛选视频集；步骤
S300
：对筛选视频集中各视频数据进行分帧，分别形成各图像序列；分别提取各图像序列的信息特征，捕捉各图像序列中所有相同信息特征的轮廓大小，分别形成相同特征轮廓集合；根据相同特征轮廓集合中不同图像数据的相同信息特征轮廓大小构建筛选预判公式，并根据筛选预判公式分析信息特征变化的规律性；步骤
S400
：对信息特征变化不规律的所有相同特征轮廓集合进行筛选，形成筛选集合；对筛选集合中任意相同特征轮廓集合的图像数据构建二维平面坐标系，捕捉各张图像数据相应的轮廓区域中心位置；根据轮廓区域中心位置依次进行位置拟合，得到相应的向量轨迹；进一步根据向量轨迹和
y
轴正方向的单位向量的夹角分析信息特征变化不规律的影响因素属于主观因素还是客观因素；对判定属于客观因素的向量轨迹进行提取，则根据向量轨迹匹配对应的信息特征，构成分心特征集；步骤
S500
：实时获取目标车辆在当前行驶路线上的视频数据，将视频数据和分心特征集进行相似度匹配，则若相似度大于关联阈值时，判定当前目标车辆会发生分心可能性，进行语音提醒
。2.
根据权利要求1所述的一种用于虚拟实景视频融合的大数据分析方法，其特征在于：所述步骤
S200
包括：步骤
S210
：实时获取目标车辆在各行驶路线上的行驶状态参数；其中，所述行驶状态参数包括车速和车轮转角；根据不同时间点时目标车辆在各行驶路线上的车速和车轮转角构建状态变化曲线
T
‑
Y
，其中
T
表示各时间节点，
Y
表示不同时间节点时对目标车辆的车速和车轮转角进行加权形成的状态值；步骤
S220
：根据各道路节点位置对状态变化曲线
T
‑
Y
中各道路节点相应的状态变化区间进行提取；则根据各状态变化区间中的所有坐标点信息进行极小值计算；步骤
S230
：捕捉存在极小值且极小值低于阈值
α
的状态变化区间，判定所述状态变化区间对应道路节点的行驶状态发生突变；此时对行驶状态发生突变的所有道路节点进行标记，并提取
AR
导航指引视频集中进行标记的道路节点的
AR
导航指引视频，形成筛选视频集
。3.
根据权利要求2所述的一种用于虚拟实景视频融合的大数据分析方法，其特征在于：所述步骤
S300
包括：步骤
S310
：对筛选视频集中各
AR
导航指引视频进行分帧处理，分别形成各
AR
导航指引视频相应的图像序列；获取任意图像序列
A
＝
{a1,a2,
…
,an}
，其中
a1,a2,
…
,an
表示图像序列中的第
1,2,
…
,n
张图像数据；对任意图像序列中的各张图像数据进行图像特征提取，则
分别提取出各张图像数据相应的信息特征集合；步骤
S320
：将各张图像数据相应的信息特征集合中相同的信息特征利用相同的颜色进行标识，不同的信息特征利用不同的颜色进行标识，此时，根据颜色的标记对各张图像数据中的信息特征进行轮廓划分，并分别确认各信息特征的轮廓大小；遍历
n
张图像数据，分别对不同图像数据中任意相同信息特征的轮廓大小进行提取，分别形成相同特征轮廓集合
Bi
＝
{b1,b2,
…
,bm}
，其中
b1,b2,
…
,bm
分别表示提取的任意相同信息特征，在第
1,2,
…
,m
张图像数据中的信息特征轮廓大小值，
m≤n
；步骤
S330
：对相同特征轮廓集合
Bi
中各信息特征轮廓大小进行直线拟合，确认拟合直线斜率为
ki
；将各拟合直线斜率
ki
差值小于阈值
β
的相同特征轮廓集合
Bi
归为一类，分别形成不同类型的特征变化集；分别获取各类特征变化集中相同特征轮廓集合
Bi
的数量在所有特征变化集中的数量占比
h
，并获取各类特征变化集中各拟合直线斜率
ki
的均值
k
，此时得到筛选预判公式
Y
＝
σ
*k/h
，其中
σ
表示预判因子；当筛选预判公式
Y
大于阈值
δ
时，判定各类特征变化集中的信息特征变化不规律并进行筛选，形成筛选集合
。4.
根据权利要求3所述的一种用于虚拟实景视频融合的大数据分析方法，其特征在于：所述步骤
S400
包括：步骤
...

【专利技术属性】
技术研发人员：张世勇，
申请(专利权)人：广州方驰信息科技有限公司，
类型：发明
国别省市：