[发明专利]一种隧道内车辆运动路径的预测方法

说明书

技术领域

本发明涉及一种隧道内车辆运动路径的预测方法，主要用于解决隧道中车辆的下一个位置预测问题，属于计算机视觉和数字图像处理以及数据挖掘交叉技术应用领域。

背景技术

计算机视觉，也就是计算机数字图像处理，是用计算机实现部分人类视觉的功能，把所测对象映射成数字图像，并模拟人的判别准则去理解图像和识别图像，进而对所测对象进行分类或分级。立体匹配是计算机视觉和非接触测量研究中最基本的关键问题之一，该技术通过像点的视差来获取深度或距离信息，它是一个迅速发展的新领域，涉及到人工智能、神经生物学、心理物理学、计算机科学、图象处理、图象理解、模式识别等多个领域，是一门多学科交叉的边缘科学。

数字图像处理作为一门学科形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。数字图像处理技术在国内外发展十分迅速，应用也非常广泛。农林部门通过遥感图像了解植物生长情况，进行估产，监视病虫害发展及治理。水利部门通过遥感图像分析，获取水害灾情的变化。气象部门用以分析气象云图，提高预报的准确程度。国防及测绘部门，使用航测或卫星获得地域地貌及地面设施等资料。机械部门可以使用图像处理技术，自动进行金相图分析识别。医疗部门采用各种数字图像技术对各种疾病进行自动诊断。但是就其学科建设来说，还不成熟，还没有广泛适用的研究模型和齐全的质量评价体系指标，多数方法的适用性都随分析处理对象而各异。

数据挖掘就是是对数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取关键性的数据。数据挖掘可分为两类:预言性数据挖掘和描述性数据挖掘。预言性数据挖掘是进行数据分析，建立一个或一组模型，并根据模型产生关于数据的预测；描述性数据挖掘是以概要的方式对数据信息进行描述，提供数据的有趣的一般性质。数据挖掘技术的应用领域十分广阔，它可以从关系数据库、数据仓库、文本和多媒体数据库、事务数据库和互联网等各种数据源上设法获取诸如分类模型、聚类模型、回归模型、关联模型和时间序列模型等多种知识模型。

发明内容

技术问题：本发明的目的是提供一种隧道内车辆运动路径的预测方法，在基于跟踪算法的考虑下，把隧道内车辆运动下一位置的概率进行估计，并及时给驾驶员反馈，以解决降低交通车祸发生率的问题。

技术方案：本发明所述的一种隧道内车辆运动路径的预测方法，通过摄像头拍取隧道内的过往车辆，然后将照片信息进行处理，利用跟踪算法对车辆流的状况进行估计，达到对车辆进行跟踪的目的。

本发明所述的一种隧道内车辆运动路径的预测方法包括以下步骤：

步骤1：在隧道内每隔一段用户指定的距离布置一个摄像头，摄像头在每隔用户指定的时间内拍取照片，根据这些照片识别出用户设定的目标车辆，获取每一张照片中目标车辆的位置。

对每张照片的处理过程如下：

步骤11：将照片映射为带权无向图G＝<V，E>，其中，G代表无向图，V代表节点的集合，E代表无向图的边，图中每个节点N∈V对应于照片中的每个像素，每条边连接着一对相邻的像素，边的权值表示相邻像素之间在颜色方面的相似度。所述相似度是指像素内容的相似程度。

步骤12：将带权无向图G划分为子图，这样将照片进行分割，被分割的每个区域对应着图中的一个子图，划分过程为：将无向图G的顶点集V分成为两个子集V1和V2，使得图G中任意一条边都有两个端点。

步骤13：根据带权无向图G的子图，将属于车辆的信息聚集起来，对一辆整车进行信息提取，信息包括子图大小、图G中顶点的个数，这样实现从照片信息到车辆信息的转换，使用户得到所需的各种车辆信息，为进一步跟踪运动车辆提供必要的特征信息。

步骤14：将带权无向图G的子图信息与照片库中用户指定存储的目标车辆特征信息进行匹配，这些特征信息包括车辆的体积大小，车辆的轮廓等，判断目标车辆的外形大小信息，获得所处理这张照片中目标车辆在照片中位置。

步骤2：根据照片拍摄时间顺序，依次从每张照片的灰度直方图中目标车辆前方任意指定一个点，分别计算目标车辆在每张照片中到达前方该点位置的概率大小。

在第m照片中获得目标车辆到达相应点位置概率的具体过程见步骤21～步骤24，这里m取1到k之间的值，包括1和k，k是步骤1所处理的照片中有目标车辆照片数。