[发明专利]基于雷达与视频相融合的交通事件检测方法及系统

说明书

本发明公开了一种基于雷达与视频相融合的交通事件检测方法及系统，涉及交通事件检测技术领域。具体步骤包括如下：获取雷达数据与视频数据，构建车辆检测数据集；利用所述车辆检测数据集训练YOLOv5网络，得到异常目标检测网络；通过所述异常目标检测网络检测可疑车辆；对所述可疑车辆的信息进一步处理，判断是否为异常车辆；确定所述异常车辆后，融合所述雷达数据进行异常事件的判断。本发明通过融合雷达与视频数据，完成对隧道中异常事件测检测，相比于人工监控和云端处理而言，将极大地解放人力，节约劳动成本，避免了工作人员因疲劳等原因在监控处理中产生疏漏，也避免了云端处理数据带来的较大时延。

技术领域

本发明涉及交通事件检测技术领域，更具体的说是涉及一种基于雷达与视频相融合的交通事件检测方法及系统。

背景技术

随着近些年，人工智能技术、图像处理技术、传感器技术等领域迅速的崛起，融合了上述诸多先进技术的高速公路监测系统应运而生。但其中大部分主要依靠视觉技术监测各类交通事件。但由于高速公路隧道几乎涵盖了交通道路环境中的种种复杂情况，仅依靠视觉技术无法满足人们对高速公路隧道智能监测系统可靠性、完备性的要求，所以必须要求高速公路隧道智能监测系统能够高效地对所监测的隧道路段的交通信息、环境信息等进行全面地采集。但视觉技术存在探测距离短、易受外界环境影响等缺点，无法采集到全面的隧道信息。

毫米波雷达传感器具有测量精度高、测量距离远等优点，可以鲁棒地应对各种恶劣的天气环境，但其本身易受到杂波影响且在隧道密闭环境中会出现部分区域检测不到的现象，并不适合单独在隧道中使用。因此，对本领域技术人员来说，如何将雷达与视觉相融合进行交通事件检测是亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种基于雷达与视频相融合的交通事件检测方法及系统，以解决背景技术中的问题。

为了实现上述目的，本发明采用如下技术方案：一种基于雷达与视频相融合的交通事件检测方法，其特征在于，具体步骤包括如下：

获取雷达数据与视频数据，构建车辆检测数据集；

利用所述车辆检测数据集训练YOLOv5网络，得到异常目标检测网络；

通过所述异常目标检测网络检测可疑车辆；

对所述可疑车辆的信息进一步处理，判断是否为异常车辆；

确定所述异常车辆后，融合所述雷达数据进行异常事件的判断。

可选的，还包括训练好YOLOv5网络后，对YOLOv5网络与权重进行编译，生成相应的引擎文件。

可选的，所述异常车辆的判断方式为：对于所述可疑车辆的信息，读取车辆位置数据，对所述车辆位置数据进行K均值聚类操作；根据肘部法则，当聚类中心存在6个以上的可疑车辆位置数据，则所述可疑车辆被认为是异常车辆。

可选的，融合所述雷达数据进行异常事件的判断的具体方式为：当前检测周期内雷达数据中存在车辆速度为正值，则当前检测周期内存在逆行异常事件；当检测周期内车辆平均速度低于20m/s，则存在交通拥挤事件；当前检测周期内确定有异常车辆后，雷达数据中存在加速度值超过15m/s^2，认为存在交通事故异常事件；确定异常车辆之后，若异常车辆位置信息在应急车道区域，认为是应急车道停车异常事件；若异常车辆位置信息不在应急车道区域，认为是违章停车事件。

可选的，所述视频数据被处理成平均帧图像，利用异常目标检测网络对所述平均帧图像进行推理，判断是否为可疑车辆。

可选的，构建车辆检测数据集的方式为：从coco数据集中提取公交车、卡车、汽车、摩托车、行人类别，搜集火灾数据集，并把火灾数据集的标注转换为coco数据集的格式，将这六类图像拼凑成一个车辆检测数据集。