[发明专利]道路交通异常事件实时检测方法及装置

权利要求书

1.一种道路交通异常事件实时检测方法，其特征在于，包括以下步骤：

A.对道路进行监控，获取连续多帧监控图像；

B.从所述监控图像中提取亮白色线段，并基于所述亮白色线段处理得到车道线和车道消失点，并建立车道模型；

C.根据所述车道模型确定车道的双向检测区域，采用高斯混合模型背景差的方法检测所述双向检测区域中的运动目标，并确定所述运动目标的位置；

D.根据所述连续多帧监控图像中所述运动目标的位置，采用后验概率的分裂合并算法以及特征点匹配跟踪方法，建立所述运动目标和实际车辆的映射关系，得到所述实际车辆的行驶轨迹与行驶速度；

E.根据预存的道路交通异常行为的语义模型，对所述车道模型以及所述实际车辆的行驶轨迹与行驶速度进行检测，判断是否存在道路交通异常事件。

2.如权利要求1所述的方法，其特征在于，所述步骤B包括以下步骤：

B1.采用梯度十字模板提取所述监控图像中的亮白色线段，依据所述亮白色线段的共线性与连续性将断续的亮白色线段连接为长线段，然后仅保留最长的X个所述长线段,X为正整数；

B2.将所述监控图像的上方区域作为消失点搜索区域，计算所述消失点搜索区域内每个像素点到各条保留下来的所述长线段的距离，将所述距离小于预设距离阈值的次数最多的像素点作为帧图像消失点；

B3.将重复B1-B2多次以完成连续多帧所述监控图像的处理，将出现次数最多的所述帧图像消失点作为最终的实际消失点；

B4.将所述监控图像中通过所述实际消失点的出现次数最多的Y条所述长线段作为候选车道线，Y为正整数；

B5.计算相邻两条所述候选车道线的夹角,将所述夹角小于预设夹角阈值的相邻两条所述候选车道线中斜率较大者剔除，剩下的作为实际车道线；

B6.将多条所述实际车道线按相邻每两条所述实际车道线组成一个车道，以建立车道模型。

3.如权利要求1所述的方法，其特征在于，所述步骤C包括以下步骤：

C1.采用高斯混合模型从连续多帧所述监控图像中提出背景模型；

C2.将所述监控图像与所述背景模型进行绝对值差分处理，绝对值小于预设差分阈值的像素点作为运动目标像素点；

C3.将所述监控图像中所述运动目标像素点进行八连通域搜索，框定每个区域最小外接矩形；

C4.将所述区域最小外接矩形的中心作为运动目标的质心位置。

4.如权利要求1所述的方法，其特征在于，所述步骤D包括以下步骤：

D1.根据同一帧所述监控图像中的所述运动目标位置，建立空间上的区域交叠关系，对所述运动目标进行区域合并；

D2.根据连续多帧所述监控图像中运动目标位置，建立时间上的区域交叠关系，对所述运动目标进行区域分裂合并；

D3.建立所述区域分裂合并后的所述运动目标和实际车辆的一一对应映射关系，确定所述实际车辆的行驶轨迹和行驶速度。

5.如权利要求1所述的方法，其特征在于，所述道路交通异常行为包括：逆向行驶、撞车事故、车辆超速和停车事件。

6.一种道路交通异常事件实时检测装置，其特征在于，包括以下部分：

监控图像获取模块，用于对道路进行监控，获取连续多帧监控图像；

车道模型建模模块，用于从所述监控图像中提取亮白色线段，并基于所述亮白色线段处理得到车道线和车道消失点，并建立车道模型；

运动目标定位模块，用于根据所述车道模型确定车道的双向检测区域，采用高斯混合模型背景差的方法检测所述双向检测区域中的运动目标，并确定所述运动目标的位置；

运动目标追踪模块，用于根据所述连续多帧监控图像中所述运动目标的位置，采用后验概率的分裂合并算法以及特征点匹配跟踪方法，建立所述运动目标和实际车辆的映射关系，得到所述实际车辆的行驶轨迹与行驶速度；

语义判断模块，用于根据预存的道路交通异常行为的语义模型，对所述车道模型以及所述实际车辆的行驶轨迹与行驶速度进行检测，判断是否存在道路交通异常事件。