用于自动检测交通交叉路口的异常的方法和系统技术方案

用于自动检测交通交叉路口的异常的方法、系统和处理器可读介质。标称车辆通路的聚类集合以及标称车辆路径中的标称轨迹的聚类集合能够在离线过程中得出。能够选择标称轨迹的聚类集合之中的各标称轨迹中的特征集合。能够得出指示标称轨迹中的标称车辆行为的特征的概率分布。能够接收输入视频序列，以及输入视频序列之内的车辆路径、轨迹和特征中的异常的存在能够利用所得出的路径聚类、轨迹聚类和特征分布来检测。

【技术实现步骤摘要】
用于自动检测交通交叉路口的异常的方法和系统
实施例一般涉及交通系统的管理。实施例还涉及基于视频的监控。实施例还涉及交通交叉路口的异常的检测以供管理交通中使用。
技术介绍
随着对治安和安全的增加需求，基于视频的监控系统正用于各种各样的城乡地区。例如，能够针对交通违规、事故、犯罪、恐怖主义、破坏行为和其它可疑活动来收集和分析大量录像。因为这类大量数据的人工分析费用高得惊人，所以存在对开发能够帮助视频数据的自动或半自动解释和分析以用于监控、执法以及交通控制和管理的有效软件工具的迫切需要。基于视频的异常检测表示识别数据中不符合预计行为并且可能使特殊注意或行动有正当理由的模式的问题。运输领域的异常的检测能够包括例如交通违规、不安全驾驶员/行人行为、事故等。图1-2示出例如从视频监测照相装置所捕获的示范运输相关异常的示图。在图1所示的场景中，无人看管的行李100被示出并且通过圆圈来标识。在图2所示的场景中，车辆示为接近行人130。车辆和行人130均示为通过圆圈围绕。该模式能够对应于整个视频流，和/或能够在空间或时间上定位。已提出若干方式来检测交通相关异常。一类技术基于对象跟踪。在一种现有技术方式中，得出标称车辆路径，并且在即时交通视频数据中搜索其偏差。车辆路径在训练阶段期间分类为通常遇到的(或标称)类。各种各样的聚类技术能够用于形成类，例如支持向量机(SVM)分类器、基于豪斯多夫距离的分类器、谱聚类或分级聚类。能够跟踪车辆，并且能够在测试或评估阶段期间将车辆路径针对标称类进行比较。与所有标称类的统计有效偏差指示异常路径。与仅表征空间轨迹路径关联的问题在于，无法识别沿给定路径的车辆轨迹中的变化和异常。为了应对这个问题，能够引入分析各路径类中的特征的第二阶段，以便采集各路径类中的速率统计。但是，对整个路径计算统计，使得无法识别在空间和时间上定位的异常。还能够引入第二特征分析阶段，以便采集沿该路径的各点的车辆速度统计。但是，在对象运动的方向可能是重要因素的一些情况下，这类车辆速度统计可能不充分。图3示出停车标志交叉路口150的图形视图。图3所示的停车标志交叉路口150包括共用同一路径的轨迹110和120。轨迹110表示从边道向大街左转弯、在停车标志处停靠的车辆。轨迹120表示从大街向边道右转弯、具有极小停靠概率的车辆。轨迹110和120能够分类为相同路径类；但是，沿各轨迹的运动特性极为不同，并且基于路径类中的速度/速率的汇总统计的任何异常检测可能产生不可靠的结果。能够想到其它类似场景，其中沿路径的运动的仔细辨别对于异常检测是必要的。基于前面所述，我们认为，存在对用于自动检测交通交叉路口的异常的改进系统和方法的需要，如本文将更详细进行描述。
技术实现思路
因此，所公开实施例的一个方面是提供改进的交通管理方法和系统。所公开实施例的另一方面是提供改进的基于视频的监控方法和系统。所公开实施例的另一方面是提供用于自动检测交通交叉路口的异常以供交通控制、管理和/或监控应用中使用的改进方法和系统。所公开实施例的又一方面是提供改进的轨迹聚类和轨迹异常检测技术。现在能够如本文所述来实现上述方面和其它目的及优点。本文中公开用于自动检测交通交叉路口的异常的方法和系统。标称车辆路径的聚类集合以及标称车辆路径中的标称轨迹的聚类集合能够在离线过程中得出。标称轨迹的聚类集合之中的各标称轨迹中的特征集合能够在离线过程中选择。能够得出指示标称轨迹中的标称车辆行为的特征的概率分布。能够接收输入视频序列，以及输入视频序列之内的车辆路径、轨迹和特征中的异常的存在能够利用所得出的路径聚类、轨迹聚类和特征分布来检测。车辆路径能够利用背景减除技术(例如高斯混合模型)来跟踪，以便识别和隔离视频序列的静止区域。然后，blob分析能够用于识别移动车辆的位置以及消除噪声影响。能够计算相关前景像素的数量，以及如果前景像素超过阈值，则能够假定相关段为车辆。blob的质心能够相对时间来计算，以便得到车辆轨迹。该过程能够对数据库中的每一个视频剪辑重复进行，以便提取所有车辆路径。路径能够通过对沿各路径的点进行取样并且定义两个路径上的点之间的对应性，利用基于长度的方式来分类。取样沿路径的长度是等距的。能够对聚类间距离设置阈值，以及如果路径之间的距离处于该阈值之内，则路径处于同一类中，否则将其指配到不同类。能够通过将单调增加的索引序列指配给沿路径的样本点(称作节点)的每个来执行轨迹聚类，以便基于预定义规则来区分相异车辆轨迹。车辆轨迹则能够按照某个顺序来表征，使得节点提供与车辆运动方向有关的信息。不同轨迹则能够利用聚类技术沿同一路径来分类。轨迹聚类能够用于检测更细微的异常，诸如(例如)超过停车标志然后倒车并且再次向前行驶的车辆、沿标称路径行驶但因另外某种故障/损坏而在停车标志附近之外停车的车辆。各特征能够基于场景来检测异常，以及各轨迹聚类包括若干单独轨迹。在与沿聚类中的单独轨迹的索引对应的位置所采集的速度数据的概率分布能够对于沿该轨迹的各索引来得出。数据能够利用统计分布(例如高斯混合模型(GMM))来建模。能够在测试阶段期间将在那个对应位置的测试轨迹的特征针对标称分布进行比较。能够识别异常的空间位置，因而向监控操作人员提供有用信息。如果对车辆路径而不是轨迹来执行速度分析，则沿相反方向(例如从大街到边道)移动的车辆的速度数据也能够包含在统计中。这种方式区分沿相同路径但以不同运动轨迹移动的两个车辆。因为轨迹距离定义是简单的，所以评估测试视频剪辑的计算复杂度比较低。附图说明图1-2示出运输相关异常的示范视图；图3示出停车标志交叉路口的透视图；图4示出按照所公开实施例的计算机系统的示意图；图5示出按照所公开实施例、包括基于视频的异常检测模块、操作系统和用户界面的软件系统的示意图；图6示出按照所公开实施例的基于视频的异常检测系统的框图；图7是示出按照所公开实施例、用于在训练阶段自动检测交通交叉路口的异常的方法的逻辑操作步骤的操作的高层流程图；图8示出按照所公开实施例的停车标志交叉路口的透视图；图9示出按照所公开实施例、利用背景减除和blob分析来识别车辆的经处理的视频图像；图10示出按照所公开实施例、利用blob质心计算和路径偏差来跟踪车辆路径的经处理的视频图像；图11示出按照所公开实施例的路径长度的等距取样的示意图；图12示出按照所公开实施例、利用基于路径的距离量度的经处理的视频图像；图13示出按照所公开实施例、在相似路径上但沿不同轨迹移动的两个车辆的透视图；图14是示出按照所公开实施例、图13的车辆运动的路径节点访问顺序的图表；图15是示出按照所公开实施例、在沿轨迹的特定位置的特征(速度)分析的图表；图16-17是示出按照所公开实施例、相对整个轨迹的速度曲线的图表；以及图18是示出按照所公开实施例、用于在评估阶段自动检测交通交叉路口的异常的方法的逻辑操作步骤的操作的高层流程图。具体实施方式现在将参照附图在下文中更全面地描述实施例，附图中示出本专利技术的说明性实施例。本文所公开的实施例能够通过许多不同形式来实施，而不应当被理解为局限于本文所述实施例；相反，提供这些实施例以使得本公开将是透彻和全面的，并且将向本领域的技术人员全面地传达本专利技术的范围。相似标号通篇表示相似元件。本文所使用的术语“本文档来自技高网...

【技术保护点】
一种用于检测车辆交通的录像中的异常的多阶段方法，所述方法包括：????在离线过程中得出标称车辆路径的聚类集合以及所述标称车辆路径中的标称轨迹的聚类集合；????在离线过程中选择标称轨迹的所述聚类集合之中的各标称轨迹中的特征集合，并且得出指示所述标称轨迹中的标称车辆行为的特征的概率分布；以及????在三个连续阶段中检测输入视频序列中的异常，所述异常分别对应于路径、轨迹和特征分布。

【技术特征摘要】
2012.04.25 US 13/455,6871.一种用于检测车辆交通的录像中的异常的多阶段方法，所述方法包括：在离线过程中得出标称车辆路径的聚类集合以及所述标称车辆路径中的标称轨迹的聚类集合；在离线过程中选择标称轨迹的所述聚类集合之中的各标称轨迹中的特征集合，并且得出指示所述标称轨迹中的标称车辆行为的特征的概率分布；其中，所述标称轨迹包括空间位置和运动方向；得出并分类沿所述标称轨迹的一个或多个特征；以及在三个连续阶段中检测输入视频序列中的异常，所述异常分别对应于路径、轨迹和特征分布，其中沿所述标称轨迹的所述特征包括速率幅度、速率方向和对象大小。2.如权利要求1所述的方法，还包括经由用户界面来报告所述异常。3.如权利要求1所述的方法，其中，在所述离线过程中得出标称车辆路径的聚类集合还包括：利用背景减除来将静止物与所述输入视频序列的移动部分区别开；利用blob分析来消除噪声并且识别移动车辆；跟踪blob质心以识别车辆路径；定义两个路径之间的基于长度的距离量度；以及利用所述距离量度来聚集车辆路径。4.如权利要求1所述的方法，其中，所述得出所述标称车辆路径中的标称轨迹的所述聚类集合还包括：将单调增加的索引序列指配给沿车辆路径的样本点；将轨迹定义为由车辆沿所述车辆路径来访问所述索引序列的顺序；定义两个轨迹之间的距离量度；以及按照所述距离量度来聚集轨迹。5.如权利要求1所述的...

【专利技术属性】
技术研发人员：Z范，R巴拉，X莫，
申请(专利权)人：施乐公司，
类型：发明
国别省市：