[发明专利]一种交通监控方法及交通监控系统

说明书

本发明涉及一种交通监控方法及交通监控系统，该方法包括如下步骤：S1，通过摄像头采集道路的视频信息；S2，对步骤S1中采集到的视频信息进行多目标的检测识别，以检测出视频中的车辆和行人；S3，对步骤S2中检测识别到的多目标进行跟踪与轨迹分析；S4，根据步骤S3中的多目标跟踪与轨迹分析的结果，得到目标的速度与加速度，并判断是否发生交通碰撞事故，若判断发生了交通碰撞事故，则自动进行报警处理。本发明规范了视频采集，能够有效管理视频源；建立了视频结构化的自动分析，解放了依托人力的事后调阅；相对于现有传统的目标检测算法，其检测精度高，效果好；能够同时输入多流视频结构化分析并输出结果。

技术领域

本发明涉及交通监控领域，具体涉及一种交通监控方法及交通监控系统。

背景技术

目前，视频监控系统的规模和范围不断扩大，智慧城市视频监控系统已经进入了联网监控的时代，以高清监控为基础的视频结构化和大数据应用是未来智慧城市发展建设的一个重要方向。但是，目前的视频监控系统存在很多缺陷，例如：面对视频信息，非结构化的数据在案发后人工调阅方式耗时耗力，效率低下，使得监控系统在进行治安防控与侦查破案中的效果大打折扣；现有的传统目标检测算法主要有基于HOG或是DPM类别的算法，存在着检测速度比较慢，且精度比较低的问题，难以达到足够高的匹配精度；监控系统中会同时接入多个视频流，当前传统目标检测识别算法还难以同时处理多流视频输入。

因此，有必要设计一种新的交通监控方法及交通监控系统。

发明内容

针对背景技术中的问题，本发明的目的在于提供一种交通监控方法及交通监控系统。

为了解决上述技术问题，本发明采取的技术方案为：

一种交通监控方法，包括如下步骤：

S1，通过摄像头采集道路的视频信息；

S2，对步骤S1中采集到的视频信息进行多目标的检测识别，以检测出视频中的车辆和行人；

S3，对步骤S2中检测识别到的多目标进行跟踪与轨迹分析；

S4，根据步骤S3中的多目标跟踪与轨迹分析的结果，得到目标的速度与加速度，并判断是否发生交通碰撞事故，若判断发生了交通碰撞事故，则自动进行报警处理。

在一些实施例中，

步骤S1中，同时获取多个摄像头采集到的视频信息；

步骤S2前，通过多视频流的处理分析，输出多个输入流的高清的视频信息；

步骤S2中，对多个视频信息分别进行处理。

在一些实施例中，步骤S2中，以Yolov3网络作为深度学习的目标检测算法，来实现多目标的检测识别，并基于TensorRT来实现多目标的检测识别的推理优化。

在一些实施例中，步骤S3中，基于KLT角点跟踪算法，实现多目标的跟踪与轨迹分析。

在一些实施例中，步骤S4中，若目标的加速度超过预设阈值，则判定目标处于危险状态；对处于危险状态的目标，进一步判断其是否与其他目标的图像框重叠，若是，则判定该目标发生了交通碰撞事故。

在一些实施例中，步骤S2后，还包括步骤：定位到检测识别到的目标，对检测识别到的目标进行多神经网络叠加的属性分析。

在一些实施例中，步骤S2后，定位到检测识别到的车辆目标，对检测识别到的目标进行多神经网络叠加的属性分析，对检测识别到的车辆目标进行多神经网络叠加的属性分析，以获得对应车辆的颜色、车型属性。

在一些实施例中，步骤S2后，还包括步骤：对检测到的视频中的车辆和行人的数量进行统计，获得人流量、车流量具体数据，根据人流量、车流量数据判断是否会导致交通拥堵，并给出疏导建议。