[发明专利]一种基于视频的交通缓驶检测方法及系统

说明书

本发明提出一种基于视频的交通缓驶检测方法及系统。本发明的技术方案首先解决了何时进行交通缓驶检测的问题，避免给服务器带来巨大负荷；其次，本发明的技术方案利用连续视频帧图片序列的前景数据的混合高斯模型特性，通过判断其是否符合混合高斯模型来判断是否出现缓驶，不需要任何先验参数，避免了人为主观因素的影响；最后，实现该方法的交通控制系统包含图像处理程序，并且所述处理程序是在前端系统判断可能出现了缓驶时才启动，能够极大的减轻后台服务器的负荷，从而整体上能够适应大流量的交通场景监控。

技术领域

本发明属于视频处理技术领域，尤其涉及一种基于视频的交通缓驶检测方法及系统。

背景技术

随着城市交通的快速发展和交通路网情况日趋复杂，交通拥堵状况日益增多，使整个路网的运行速度减慢、运行效率降低，由此造成的社会经济损失、人员伤亡和环境污染等问题日渐严重。由于交通拥堵中的非正常拥堵存在自身的不确定性和无法预知的特点，给道路交通带来的危害极其巨大。为了将非正常拥堵带来的损失最小化，交管部门和交通研究人员都在寻求准确有效的非正常拥堵的检测方法，以便能够及时地检测出路网中的非正常拥堵事件，并采取交管措施。

为此，现有技术提出了各种拥堵预测以及拥堵检测方法，试图通过图片识别算法、预测算法模型来对视频监控图片进行拥堵识别；或者实时识别各种违规驾驶行为，避免出现交通事故。例如，申请号 CN201810528426.2的中国发明专利申请提出一种违规驾驶行为警示装置与方法，针对可能会出现的违法事实，包括在车道内出现倒车、停车、缓行、逆行等行为，进行识别检测，利用中央控制器计算先后接收到位置信息表征位置相邻的两个车检器的发送车辆信号的间隔时间，并依据间隔时间及预设定的车检器间距计算行车速度，判断行车速度是否小于预设定的阈值，如果是，确定当前车辆发生缓慢行驶行为，并将缓慢驾驶行为作为违规驾驶行为；该方案并没有前置条件，需要一直不断的进行识别计算，因此长期运行状态下能耗较高，并且所属方案利用时间间隔计算的行车速度可能存在误判；公开号为 CN109191849A的中国发明专利申请提出一种使用包括固定检测器获取的数据，浮动车实时传递的GPS数据，道路特征数据及天气环境数据在内的多源数据集，使用考虑了道路特征的深度学习的方法，在预测交通拥堵事件状态的基础上对交通拥堵事件的持续时间进行预测的方法；该方法利用了深度学习网络以及学习模型，对交通拥堵状态的预测为多分类问题，采用指数预判，带有强烈的主观因素，结果客观性存疑；申请号CN201811157235.6的发明专利申请提出一种交通监测方法，将当前图像帧输入至车辆检测模型中，输出所述当前图像帧中的目标检测框，所述目标检测框用于标示所述当前图像帧中的车辆，根据所述目标检测框，确定指定跟踪目标在所述当前图像帧中的位置信息，并根据所述指定跟踪目标在所述当前图像帧中的位置信息，确定所有指定跟踪目标在所述当前图像帧对应时刻上的平均速度，所述指定跟踪目标为在所述当前图像帧对应时刻上指定跟踪的车辆；根据所述平均速度，判断所述当前图像帧对应的交通视频中是否出现交通拥堵。该方法依然是根据平均速度判断，并且需要时刻准确定位目标车辆，这在大流量的交通实际场景中事实上很难保证。

此外，现有技术的重点大部分都放在交通拥堵检测上，对交通拥堵的前一个状态即缓驶现象的研究较少；上述现有技术对于缓驶的检测依然停留在识别目标的平均速度上，并没有从整体上判断交通缓驶现象的产生；

更重要的是，由于交通流量监控数据的巨大和可持续性，进行不间断的时刻目标识别以及数据提取处理是不现实的，将会给服务器带来巨大的负荷，严重时将会导致系统宕机。

因此，对于交通缓驶检测和识别，现有技术并未提出有效并且适合于实际交通场景的技术方案。

发明内容