[发明专利]一种高速公路服务区全景监控方法及系统

权利要求书

1.一种高速公路服务区全景监控方法，其特征在于，包括：

S1：安装全景监控设备：全景监控设备由一对鱼眼相机背靠背固定而成，单只鱼眼镜头的视场角在180°以上；

S2：全景图像获取：获取全景监控设备拍摄的图像，对两幅鱼眼图像进行预处理、拼接得到360°视场角的全景图像；

S3：数据存储：将拼接好的全景图像保存下来；

S4：系统检测识别：识别出全景图像中的行人、车辆以及遗留物；分别对行人及车辆进行跟踪及行为分析，当分析出有危险行为的行人或车辆时便发出报警；对遗留物的数量及停留时间进行分析，若数量大于设定数量或停留时间大于设定时间则通知工作人员进行清理；

遗留物是指区别于行人和车辆的前景物件；

所述系统检测识别步骤包括：

步骤S41：提前在某一张包含人和车的全景图像中分别提取出人和车的HOG特征；

步骤S42：利用人和车的HOG特征训练一个SVM分类器，用以识别出人、车以及区别于人和车的前景物件；

步骤S43：以理想的干净的没有任何人和车的服务区的初始状态的地面全景图像作为物件识别的背景；

步骤S44：利用背景差法提取出当前全景图像相对于物件识别背景的前景；

步骤S45：提取出前景图像中的HOG特征；

步骤S46：以提取出的当前前景图像的HOG特征输入先前训练好的SVM分类器；

步骤S47：如果检测识别到当前全景图像中有人，则对行人进行数量统计、行人行为分析；

如果检测识别到有车，则对车辆进行数量统计、车辆行为分析；如果检测识别到有遗留物，则对服务区环境清洁进行监控分析；

对行人进行跟踪及行为分析的步骤进一步包括：

Sb1：行人跟踪：在连续的全景图像之间跟踪行人，得到行人的行动轨迹，并统计行人数量；如果行人数量大于设定的行人数量，则发出拥挤警报，并给出相应减轻该服务区拥挤度的建议；

所述Sb1中，利用Kalman滤波对全景图像中的人进行跟踪；

Sb2：行人行为分析：将行人的行动轨迹输入到预先训练好的行人行为分析模型，行人行为分析模型对行人行为进行分类并输出分类结果，行人的行为类型至少包括：休息、喝茶、住宿、使用厕所、到便利店买东西及危险行为；

Sb3：统计不同行为类型的行人数量，如果某一类型的行为数量在一定时间内都小于设定数量，则给出减少对应基础设施的建议；当分类结果出现危险行为，则发出警报；

对车辆进行跟踪及行为分析的步骤进一步包括：

Sc1：车辆跟踪：在连续的全景图像之间跟踪车辆，得到车辆的行动轨迹并统计车辆的数量；如果车辆数量大于设定的车辆数量，则发出拥挤警报，并给出相应减轻该服务区拥挤度的建议；

所述Sb3中，利用Kalman滤波对全景图像中的车辆进行跟踪；

Sc2：车辆行为分析：将车辆的行动轨迹输入到预先训练好的车辆行为分析模型，车辆行为分析模型对车辆行为进行分类并输出分类结果，车辆行为类型至少包括：洗车、维修、停车及危险行为；

Sc3：统计不同行为类型的车辆数量，如果某一行为类型的车辆数量大于设定值，则发出拥挤警报并给出减轻拥挤程度的建议；如果某一行为类型的车辆在一定时间内都小于设定数量，则给出减少对应基础设施的建议；

Sc4：统计行为类型为“停留”的车辆的停留时间，如果车辆停留时间大于某设定值，则发出警报，并输出该车辆的停留时间；停留时间统计方式为：以停留第一张全景图像的时间开始，停留时间累加；

Sc5：当分类结果出现危险行为，则发出警报；

如果预测哪有危险行为的车辆，发出警报。

2.根据权利要求1所述的一种高速公路服务区全景监控方法，其特征在于，识别出全景图像中的行人、车辆以及遗留物的步骤进一步包括：

Sa1：建立全景图像的背景模型：以没有任何行人和车辆的服务区的初始状态的全景图像作为物件识别背景；

Sa2：前景分离：利用背景差法提取出当前全景图像相对于所述物件识别背景的前景图像；

Sa3：提取出当前前景图像中特征值；

Sa4：将提取出的当前前景图像的特征值输入预先训练好的物件识别模型，把人、车辆以及遗留物识别出来。