[发明专利]一种基于跟踪轨迹分析的车辆逆行智能检测方法

说明书

本发明公开了一种基于跟踪轨迹分析的车辆逆行智能检测方法，其利用一级分类器和二级分类器对视频图像中的目标车辆进行检测，提取出目标车辆区域，并为目标车辆分配核相关滤波跟踪器，每个目标车辆匹配一个核相关滤波跟踪器，利用核相关滤波跟踪器获取目标车辆的跟踪区域，进而依据跟踪区域得到目标车辆的运动轨迹生长方向，将其与初始标记的逆行方向进行比较，若相同，目标车辆发生逆行；若不同，目标车辆未发生逆行。本发明通过该方式实现了对车辆逆行的实时检测，解决了人工检测所存在的问题；同时利用级联分类器提高了车辆检测识别的可靠性，以及实现了多车辆目标的同时跟踪。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种基于跟踪轨迹分析的车辆逆行智能检测方法。

背景技术

随着社会的不断发展，道路上的车辆越来越多，交通安全问题日益突出，每年因为交通事故伤亡人数触目惊心，而在道路上因逆行导致的交通事故往往会造成极大的危害。现在对于道路安全的重视不断提高，道路上安装了大量的摄像头用于监控，对于这些海量的监控视频数据，以前多是通过人工来进行判断是否出现异常，这样不仅会消耗大量人力且不可能24小时无间断的进行工作。随着智能视频监控技术的发展，一些基本的道路交通异常事件可以实现自动检测。

目前已有的车辆逆行检测方法多是使用光流法、背景建模等方法提取出运动目标，然后通过相似度匹配来实现车辆的跟踪，进而利用车辆轨迹信息判断车辆是否逆行。这种方法实现简单，但是对于光流法来说如果运动目标速度缓慢检测是个难题，背景建模更是容易受到环境的影响。目前在车辆检测跟踪的研究方法中，针对检测部分传统的方法有基于先验知识，利用车底部阴影、车尾灯等先验知识来检测车辆；或者使用更高级的Haar_like特征、HOG特征训练分类器来检测车辆，但是使用单一的特征训练出的单一分类器难以适用复杂多变的交通场景；或者，使用目前比较流行的基于卷积神经网络的检测方法，虽然效果显著提高，但因其计算量大、难以在普通的硬件设备终端上实时运行。针对车辆目标的跟踪，以往的方法大都是使用卡尔曼滤波、粒子滤波等，这些方法一般只能对单目标进行跟踪，且一旦跟踪出错不能及时修正，效果不可靠。

因此，针对现有技术缺少一种高效，可靠的车辆逆行检测方法以及现有车辆检测技术中单一分类器的分类可靠性有待提高以及现有车辆跟踪方法是对单目标进行跟踪方面的缺陷问题，急需一种基于可靠的车辆检测与跟踪技术基础上实现的车辆逆行检测的方法。

发明内容

本发明提供一种基于跟踪轨迹分析的车辆逆行智能检测方法，可以实现在公路上逆行车辆的快速准确识别，同时在车辆检测过程中，利用两个离线训练的分类器进行二次识别，提高车辆检测结果的可靠性；同时实现对多车辆目标的跟踪，扩大其应用范围。

一方面，本发明提供的一种基于跟踪轨迹分析的车辆逆行智能检测方法，包括如下步骤：

S1：获取摄像头拍摄区域图像上的逆行检测区域和逆行方向标记以及实时获取摄像头的视频数据；

其中，逆行检测区域为包含车辆行驶车道的四边形区域，逆行方向标记为有方向线段；

S2：基于离线训练的一级分类器以及二级分类器从视频数据的当前一帧图像中提取逆行检测区域内的目标车辆区域；

其中，利用一级分类器对当前帧图像进行分类识别获取目标车辆候选区域，再利用二级分类器对所述目标车辆候选区域进行分类识别得到当前帧图像上的目标车辆区域；

其中，所述一级分类器与所述二级分类器离线训练过程的输入数据分别是正样本图像、负样本图像，所述正样本图像中包含车辆，所述负样本图像不包含车辆；

S3：基于步骤S2提取的目标车辆区域分配相关滤波跟踪器，每个核相关滤波跟踪器基于当前帧图像中目标车辆区域以及视频数据中其他帧图像跟踪目标车辆得到对应目标车辆的跟踪信息；

一个核相关滤波跟踪器跟踪一个目标车辆，当前所有核相关滤波跟踪器及对应目标车辆构成当前跟踪队列；