System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于交通安全,特别涉及一种交通事故的识别方法,可用于高速公路管理。
技术介绍
0、
技术介绍
:
1、公开号为cn 114882393 b的专利文献公开了“一种基于目标检测的道路逆行与交通事故事件检测方法”。其将道路监控视频帧输入到目标检测模型,得到车辆位置信息,并通过deepsort追踪算法得到车辆的id编号,将每个id在视频帧中对应的位置信息输入到逆行的逻辑判断算法,判断是否逆行或者发生事故。该方法由于过分依赖目标检测和追踪的结果,然而在实际的高速公路拥堵场景下车辆往往会被大面积遮挡,目标检测失效,因而容易产生较多的误报与漏报。
2、
3、
4、公开号为cn112509315 b的专利文献公开了“一种基于视频分析的交通事故检测方法”。该方法首先通过将目标路段的视频流数据输入到yolov3模型进行车辆的识别与检测,并通过对产生的定位框进行预处理获得轨迹信息,进而通过车辆相遇信息、停车时间的累计值、停车车辆周围是否出现行人信息,判断事故是否发生。由于在实际交通中视频抖动会导致目标检测和追踪的不准确,以及车辆拥堵、遮挡的情况,因而该方法会产生较多的漏检和误检事故。
5、2018年ieee的一篇文章deep spatio-temporal representation for detectionof road accidents using stacked autoencoder,提出了一种新的道路交通事故自动检测框架,其是从监控视频中学习事故的时空特征,而不是传统的
技术实现思路
1、本专利技术的目的在于克服上述现有技术的缺陷,提出一种基于车辆绕行超车的高速公路交通事故识别方法,以解决在高速路拥挤的复杂场景下,目标检测和追踪算法容易不稳定,导致无法检测或持续追踪到异常车辆的问题。
2、为了实现上述目的,本专利技术的技术方案包括如下:
3、(1)获取高速公路目标路段的交通事故监控视频数据,对其首帧图像进行多点标注,得到车道位置信息,每个车道位置信息为一系列点组成的多边形;
4、(2)对监控视频的每一帧进行目标检测,得到车辆的位置信息,再通过目标追踪算法得到车辆的id编号,并用车辆id在视频中对应的位置信息组成该车辆的轨迹信息;
5、(3)对静止超过设定时长的车辆进行筛选和判断,以产生潜在异常区域;
6、(4)根据车辆轨迹信息通过车辆轨迹在潜在异常区域的周围出现绕行的轨迹特征判定潜在异常区域是否存在绕行超车,并记录被绕行超车的次数,当潜在异常区域被绕行超车达到设定的次数后,将其变更为异常区域;
7、(5)对潜在异常区域和异常区域进行筛选,删除其中的假异常区域:
8、(5a)将区域的位置信息及产生该区域的车辆id编号存入异常区域字典,将车辆的轨迹信息存入车辆轨迹字典;
9、(5b)遍历异常区域字典,判断当前视频帧中是否存在产生该区域的车辆id编号:
10、如果存在,则计算该区域中心点与该车辆检测框中心点之间的距离,若该距离大于设定的筛选阈值λ,则说明该车辆已经离开该区域,删除该区域;否则保留该区域;
11、如果不存在,则遍历车辆轨迹字典,根据车辆轨迹信息判断该车辆是否在区域所在车道内经过该区域:若是,则说明该区域不可能发生交通事故,删除该区域;否则,保留该区域;
12、(6)将异常区域和静止车辆进行匹配,确定出异常车辆:
13、(6a)将静止超过设定时长阈值γ,且与异常区域字典中的异常区域之间的交并
14、比大于设定的交并比阈值θ的车辆存入潜在异常车辆列表;
15、(6b)遍历潜在异常车辆列表,判断该车辆的id编号是否与产生该异常区域的id编号相同:
16、如果相同,则说明该异常区域由该车辆产生,将该车辆判定为异常车辆;
17、如果不同,判断该车辆的id编号首次被检测到的位置与该异常区域的位置之间的交并比是否大于θ:
18、若是,则说明由于目标检测和追踪的不稳定导致该车辆的id编号在区域内发生了变化,将该车辆判定为异常车辆;
19、否则,判定该车辆不是异常车辆;
20、(7)根据6)得到的异常车辆,在监控视频中进行可视化显示并发出警告。
21、本专利技术与现有的技术相比具有以下优点:
22、第一,本专利技术由于使用了对交通监控视频进行目标检测和追踪后的车辆轨迹信息,弥补了大多数事故识别方法忽略事故区域后方车辆轨迹存在绕行超车这一重要表征信息的不足,提高了该方法的普适性,即可直接添加到任何一个基于目标检测的事故识别的方案中作为补充条件使用。
23、第二,本专利技术由于使用了潜在异常区域和异常区域代替车辆,相较于仅基于目标检测的事故识别方法,解决了在高速路拥挤的复杂场景下,由于目标检测和追踪算法不稳定而导致无法检测或持续追踪到异常车辆的问题,实现对异常车辆的检测和持续追踪。
24、第三,本专利技术由于提供了一个完整的基于绕行超车识别交通事故异常车辆的逻辑,包括:产生潜在异常区域、更新潜在异常区域被绕行超车的次数、将潜在异常区域变更为异常区域、删除假异常区域、将异常区域与静止车辆进行匹配,确定出异常车辆、根据异常车辆,在监控视频中进行可视化显示并发出警告,可以有效降低异常车辆漏检率和误检率。
本文档来自技高网...【技术保护点】
1.一种基于车辆绕行超车的高速公路交通事故识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于:步骤(1)中对交通事故监控视频数据进行多点标注,是首先获取交通事故监控视频的首帧图像,使用现有的标注工具的创建多边形功能,对其首帧图像上的每个车道分别进行一个多边形形式的标注,再将标注的点集存储在json格式的文件中。
3.根据权利要求1所述的方法,其特征在于:步骤(2)中对监控视频的每一帧进行目标检测,是遍历监控视频的每一帧,将该帧图像输入到现有的目标检测算法,获取车辆的目标检测框和置信度分数。
4.根据权利要求1所述的方法,其特征在于:步骤(2)中通过目标追踪算法得到车辆的id编号,是将目标检测的结果输入到现有的多目标追踪算法将提取出车辆目标检测框中的特征,计算前后两帧目标检测框之间的匹配程度,得到每辆车对应的id编号、类别及位置信息。
5.根据权利要求1所述的方法,其特征在于,步骤(3)对静止超过设定时长的车辆进行筛选和判断,以产生潜在异常区域,实现如下:
6.根据权利要求1所述的方法,其特征在
7.根据权利要求1所述的方法,其特征在于,所述步骤(5b)中设定的距离阈值λ是根据异常区域的宽或高的参数设置,将取两者中较小的一个参数作为距离阈值λ。
8.根据权利要求1所述的方法,其特征在于,所述步骤(5b)中根据车辆轨迹信息判断该车辆是否在区域所在车道内经过该区域,实现如下:
9.根据权利要求1所述的方法,其特征在于,所述步骤(6a)中设定时长阈值μ和交并比阈值θ均是经验阈值。
...【技术特征摘要】
1.一种基于车辆绕行超车的高速公路交通事故识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于:步骤(1)中对交通事故监控视频数据进行多点标注,是首先获取交通事故监控视频的首帧图像,使用现有的标注工具的创建多边形功能,对其首帧图像上的每个车道分别进行一个多边形形式的标注,再将标注的点集存储在json格式的文件中。
3.根据权利要求1所述的方法,其特征在于:步骤(2)中对监控视频的每一帧进行目标检测,是遍历监控视频的每一帧,将该帧图像输入到现有的目标检测算法,获取车辆的目标检测框和置信度分数。
4.根据权利要求1所述的方法,其特征在于:步骤(2)中通过目标追踪算法得到车辆的id编号,是将目标检测的结果输入到现有的多目标追踪算法将提取出车辆目标检测框中的特征,计算前后两帧目标检测框之间的匹配程度,得到每辆...
【专利技术属性】
技术研发人员:秦浩,王富灵,宋彬,
申请(专利权)人:西安电子科技大学杭州研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。