[发明专利]基于双视角学习的山区高速公路车辆事件检测方法

摘要

本发明提供了一种基于双视角学习的山区高速公路车辆事件检测方法，用于智能交通监控。本方法通过两个相互独立的视角——运动目标时空轨迹模式学习和基于外极面图的车辆运动态势分析，来检测车辆各自独立行为和交通断面车流整体特征；利用这两类特征分别检测交通事故、交通拥堵、车辆逆行及违法停车等事件，通过关联处理进行决策层融合判决，最终获得联合推断结果，从而在双视角融合框架下完成山区高速公路车辆事件鲁棒检测。实验结果表明，本发明所提出检测方法复杂性低，实时性好，针对多种交通事件而言都有比较高的性能表现。

主权项

一种基于双视角学习的山区高速公路车辆事件检测方法，其特征在于，包括以下步骤：步骤1，视角一：运动目标时空轨迹模式学习，包括步骤1.1～步骤1.3；步骤1.1，交通视频初始化设置，包括设定车道线和工作区域；步骤1.2，基于背景建模的运动车辆检测与轨迹跟踪；步骤1.3，基于车辆运动轨迹模式学习的交通事件识别；步骤2，视角二：基于外极面图的车辆运动态势分析，包括步骤2.1～步骤2.3；步骤2.1，基于Hough变换及场景动态图的高速路车道自动检测；步骤2.2，基于跟踪线的分车道运动车辆时空外极面图生成；根据提取的车道线为各分车道设置贯通摄像机视野范围的跟踪线，保证车辆行驶通过摄像机视野范围内的任意时刻，都必须通过某一条跟踪线；分别将每条跟踪线上的像素沿时间轴累积，生成外极面图；步骤2.3，基于分车道外极面图的车辆运动态势特征提取；计算外极面图所检测线段的斜率，获得车辆行驶速度，并求得车辆行驶方向以及车辆行驶加速度；步骤3，基于双视角学习的决策层融合，包括两个结果：检测交通事件是否发生；发生交通事件时，定位交通事件所在的图像区域；包括步骤3.1～步骤3.2；步骤3.1，在每个视角对交通事件检测目标做出识别后，将两个视角的检测结果进行决策层融合，获得最终决策；步骤3.2，进行图像融和定位；设交通事件在图像中的发生位置用一个矩形框来表示，该矩形框由四元组(x,y,w,h)表达，(x,y)为矩形框左上角的图像坐标，w和h分别为矩形框的宽和高；设第j个视角下检测交通事件发生位置的矩形框为(x_j,y_j,w_j,h_j)，j＝1,2；将多视角交通事件图像融合定位问题简化为多个平面四边形的求并集问题，所求得的多边形就是交通事件所在图像区域的融合定位结果。