买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浪潮通信信息系统有限公司

摘要：本发明公开了公路场景理解及交通事件判定方法及系统，属于图像处理领域，本发明要解决的技术问题为如何提供适用于不固定监控区域的交通事件判定，实现球型监控摄像机场景下的交通事件的分析和研判，技术方案为：具体如下：对监控场景中设定时间内出现的车辆目标进行目标检测和目标跟踪，并保存车辆目标检测结果和跟踪结果；对目标检测结果进行聚类，挑选聚类结果中元素数据达到阈值的类；分析车辆目标跟踪结果，在每个近似车道区域中挑选出跟踪轨迹长度达到阈值的跟踪结果，并计算车辆的行驶方向，作为该近似车道区域的车道方向向量；基于近似车道区域和车道方向向量实现车流量统计、逆行、违停及事故的交通事件研判。

主权项：1.一种公路场景理解及交通事件判定方法，其特征在于，该方法具体如下：对监控场景中设定时间内出现的车辆目标进行目标检测和目标跟踪，并保存车辆目标检测结果和跟踪结果；对目标检测结果进行聚类，挑选聚类结果中元素数据达到阈值的类；其中，元素数据达到阈值的类中元素覆盖的区域就是近似车道区域；分析车辆目标跟踪结果，在每个近似车道区域中挑选出跟踪轨迹长度达到阈值的跟踪结果，并计算车辆的行驶方向，作为该近似车道区域的车道方向向量；通过近似车道区域的极大值和极小值生产车流量统计线，并基于近似车道区域和车道方向向量实现车流量统计、逆行、违停及事故的交通事件研判；其中，对目标检测结果进行聚类，挑选聚类结果中元素数据达到阈值的类；其中，元素数据达到阈值的类中元素覆盖的区域就是近似车道区域具体如下：定义车辆目标中心坐标集P，并将目标队列Tj中全部的车辆目标中心点坐标xj,k,yj,k存入车辆目标中心坐标集P中，计算P的元素总数为Sum；其中，P中元素为二维向量x,y；x表示车辆目标中心横坐标；y表示车辆目标中心纵坐标；xj,k,yj,k表示第j个目标队列Tj中的第k个元素；通过密度聚类算法将车辆目标中心坐标集P中的元素聚类成K类，并找到包含元素最多的t个类，使得这t个类包含的元素总数大于Class_rate*Sum，且t-1个类包含的元素总数小于Class_rate*Sum；针对找到的t个类，计算每个类所包含的元素组成的近似车道区域Rect1、Rect2、…、Rectt；其中，每个Recti为若干的顶点组成的多边形区域,Recti中元素为二维向量x,y；其中，x为顶点横坐标，y为顶点纵坐标；计算每个类所包含的元素组成的近似车道区域Rect1、Rect2、…、Rectt，具体如下：找到一个类Ci中横坐标最小、横坐标最大、纵坐标最小及纵坐标最大的元素，分别记为xleft,yleft、xright,yright、xup,yup、xdown,ydown，并加入至近似车道区域Recti；挑选Ci中纵坐标介于yup和yright之间且横坐标介于xup和xright之间的元素，挑选的元素中存在如下情况：①、若每一个元素的纵坐标都不相同，则将挑选的所有元素加入至近似车道区域Recti；②、若存在多个元素的纵坐标相同，则剔除这多个元素中横坐标非最大的元素，将剩下的元素加入至近似车道区域Recti；挑选Ci中纵坐标介于yright和ydown之间且横坐标介于xright和xdown之间的元素；挑选的元素中存在如下情况：①、若每一个元素的纵坐标都不相同，则将挑选的所有元素加入至近似车道区域Recti；②、若存在多个元素的纵坐标相同，则剔除这多个元素中横坐标非最大的元素，将剩下的元素加入至近似车道区域Recti；挑选Ci中纵坐标介于ydown和yleft之间且横坐标介于xdown和xleft之间的元素；挑选的元素中存在如下情况：①、若每一个元素的纵坐标都不相同，则将挑选的所有元素加入至近似车道区域Recti；②、若存在多个元素的纵坐标相同，则剔除这多个元素中横坐标非最小的元素，将剩下的元素加入至近似车道区域Recti；挑选Ci中纵坐标介于yleft和yup之间且横坐标介于xleft和xup之间的元素；挑选的元素中存在如下情况：①、若每一个元素的纵坐标都不相同，则将挑选的所有元素加入至近似车道区域Recti；②、若存在多个元素的纵坐标相同，则剔除这多个元素中横坐标非最小的元素，将剩下的元素加入至近似车道区域Recti；车道方向向量是通过对周期内Frame内的车辆运动轨迹及车道区域Recti进行分析计算得到，车道方向向量Directix1,y1,x2,y2；具体如下：利用角度和判别法计算目标队列Tj中的元素xj,Frame-1,yj,Frame-1与近似车道区域Recti的位置关系；其中，若xj,Frame-1,yj,Frame-1在Recti的内部或者边上，则判定目标队列Tj属于近似车道区域Recti；对于每一个近似车道区域Recti，从属于该近似车道区域的目标队列中挑选元素最多的Num_d个目标队列；对于近似车道区域Recti的每一个被挑选的目标队列Tixi,0,yi,0,xi,1,yi,1,…,xi,Frame-1,yi,Frame-1，定义向量akxi,0,yi,0,xi,k,yi,k；并计算a1和每一个akkkk∈[2,Frame-1]的夹角θ；并统计θAngle的个数，作为该目标队列Ti的方向累计值；其中，k∈[1,Frame-1]；选择方向累计值最高的目标队列Ti，并将向量aFrame-1作为近似车道区域Recti的车道方向向量，赋值如下：Directix1＝xi,0；Directiy1＝yi,0；Directix2＝xi,Frame-1；Directiy2＝yi,Frame-1；基于通过近似车道区域的极大值和极小值生产车流量统计线，并基于近似车道区域和车道方向向量实现车流量统计、逆行、违停及事故的交通事件研判具体如下：动态生成近似车道区域Recti的车流量统计线Li，将status置2，进入交通事件判定模式；基于近似车道区域、车道方向向量及近似车道区域的车流量统计线统计经过该监控区域的车流量，对逆行、违停及事故的交通事件进行研判，情况如下：①、若任一车辆的目标队列Tc属于近似车道区域Recti，且存在xc,k,yc,k和xc,k+1,yc,k+1分别位于Li两侧，则该近似车道区域的车流量统计增加1；②、若任一车辆的目标队列Tc属于近似车道区域Recti，且存在向量xc,0,yc,0,xc,Frame-1,yc,Frame-1和车道方向向量Directi的夹角大于90度，则判定该车辆存在逆行行为；③、若任一车辆的目标队列Tc属于近似车道区域Recti，且满足如下条件：则判定该车辆存在违停行为；其中，Stop_value表示有效位移判定阈值，k∈[1,Frame-1]；④、若任两辆车辆的目标队列Tc及Td属于近似车道区域Recti，且满足如下条件： 则判定该两辆车辆存在事故行为；其中，Stop_value表示有效位移判定阈值；Accident_value表示有效事故判定阈值，kc∈[1,Frame-1]，kd∈[1,Frame-1]，k∈[Frame-1-A_n,Frame-1],A_n为事故判定信心阈值；上传车流量统计信息及交通事件告警信息至交通视频监控系统的管理模块；动态生成近似车道区域Recti的车流量统计线Li具体如下：对于每一个近似车道区域Recti，找到该区域中横坐标最小、横坐标最大、纵坐标最小及纵坐标最大的元素分别记为xi,left,yi,left、xi,right,yi,right、xi,up,yi,up、xi,down,yi,down；计算车道方向向量Directi和向量xi,left,yi,left,xi,right,yi,right之间的夹角θ1；计算车道方向向量Directi和向量xi,up,yi,up,xi,down,yi,down的之间夹角θ2；情况如下：①、当θ1≥θ2时，则近似车道区域Recti的车流量统计线Li为xi,left,yi,left,xi,right,yi,right；②、当θ1＜θ2时，则近似车道区域Recti的车流量统计线Li为xi,up,yi,up,xi,down,yi,down。

全文数据：

权利要求：

百度查询： 浪潮通信信息系统有限公司 公路场景理解及交通事件判定方法及系统