[发明专利]基于交通监控视频的目标异常检测方法、装置及存储介质

说明书

本发明涉及交通监控视频检测领域，具体涉及一种基于交通监控视频的目标异常检测方法、装置及存储介质，检测消失的运动目标确定候选目标ID；提取候选目标ID出现的最后图像帧中预设区域范围内的运动目标ID为疑似目标ID，通过疑似目标ID与候选目标ID当量线段的距离判定疑似碰撞事件；根据疑似碰撞事件中的疑似碰撞ID及候选目标ID对应的速度参数判定所述疑似碰撞事件是否为交通事故事件；本发明实施例结合交通事故学和计算机视觉技术，建立基于先验知识的规则模型，能够准确、快速的对交通事故进行识别，适用于各类交通参与者和不同的交通流状态；而且本发明实施例逻辑紧凑，运算量小，能够满足实时运行的要求。

技术领域

本发明涉及交通监控视频检测领域，具体涉及一种基于交通监控视频的目标异常检测方法、装置及存储介质。

背景技术

随着智能交通系统的快速发展，基于计算机视觉技术和图像处理技术的交通事故检测系统的研究吸引了广泛的注意。造成交通事故发生的原因多种多样，由于车辆类型和事故严重程度的不同，交通事故发生的类型也具有很大差别。在不同的交通环境中，交通事故的发生一定伴随着物体间的碰撞等异常；当交通事故造成交通参与者之间的碰撞时，碰撞物体的行驶速度大小和方向会发生急剧变化；但正常交通情况下，物体改变方向也会发生行驶速度大小和方向的变化，故由于交通事故的严重程度不同，很难区分轻微交通事故和正常改变方向行为。

现在技术中有多种可以实现交通事故检测的方法，主要包括：一种是通过分析车辆运动轨迹判断是否发生交通事故，具体为：首先根据一系列车辆的运动轨迹进行轨迹聚类，将相似的运动行为分作一类；然后给同一类别的运动行为建立统一的行为模型；最后将实时获得的部分轨迹进行异常轨迹检测，若部分轨迹通过检测，可以根据概率得出车辆的驾驶行为；该方法计算量，且实时性及置信度低；另一种是通过监控交通流的异常变化判断是否发生交通事故。具体地，不考虑每一个单独车辆的行驶速度和行驶方向，不考虑车辆类型，也不用考虑运动目标是车辆还是行人，对全局交通流作一个宏观的数据统计，对交通流进行实时监控和分析，从而分析和理解交通事故对交通流的影响；此方法受限于不同的城市不同路段和每天的不同时间段里，交通流的各个基本参数数据都有着很大的差别。上述两种方法都存在各自的局限性，不能同时处理不同类型的交通参与者和交通流状态。

综上所述，由于交通环境的复杂性，目前提出的交通事故检测方法在实际应用中仍然存在交通参与者类型单一、交通流状态受限、系统实时性差等限制。现有技术的交通事故检测方法至少需要解决以下三个问题：一、处理不同的交通参与者；二、处理不同的交通流状态；三、实现实时运行。

发明内容

鉴于现有技术中存在的技术缺陷和技术弊端，本发明实施例提供克服上述问题或者至少部分地解决上述问题的一种基于交通监控视频的目标异常检测方法、装置及存储介质，保证对交通事故快速和精确地检测，且能够实现实时运行。

作为本发明实施例的一个方面，提供了一种基于交通监控视频的目标异常检测方法，所述方法包括：获取交通监控图像序列中运动目标的参数数据；所述参数数据包括目标ID、类别、位置、检测框、帧数；

检测消失的运动目标确定候选目标ID；

提取候选目标ID出现的最后图像帧中预设区域范围内的运动目标ID为疑似目标ID，通过疑似目标ID与候选目标ID当量线段的距离判定疑似碰撞事件；

根据疑似碰撞事件中的疑似碰撞ID及候选目标ID对应的速度参数判定所述疑似碰撞事件是否为交通事故事件。

进一步地，所述“检测消失的运动目标确定候选目标ID”方法包括：

获取由卡尔曼滤波算法得出的与第k图像帧相邻的第k+1图像帧的预测数据；

对比第k+1图像帧的预测数据与第k+1图像帧的参数数据，若参数数据中缺少目标ID，且消失的目标ID未在第k+n图像帧后出现，则将消失的目标ID确定为候选目标ID；和/或