[发明专利]基于ST-MRF模型的电动自行车与汽车交通冲突检测方法

摘要

本发明公开了基于ST‑MRF模型的电动自行车与汽车交通冲突检测方法，其特征在于，包括如下步骤：步骤1、交通摄像头拍摄三维视频图像，采用ST‑MRF模型同时跟踪单个的电动自行车与汽车，获得单个的电动自行车与汽车的交通信息；步骤2、通过坐标转换算法将交通摄像头拍摄的三维视频图像转换成二维坐标数据；步骤3、预测电动自行车与汽车在下一帧图像中的停车点；步骤4、根据停车点之间的距离建立驾驶员冲突判断准则。通过车辆运动轨迹跟踪，提供一种闯红灯的电动自行车与正常行驶的小汽车之间的交通冲突检测方法，能为交通管理部门提供实时、准确的交通信息用于事故鉴定。

主权项

1.基于ST‑MRF模型的电动自行车与汽车交通冲突检测方法，其特征在于，包括如下步骤：步骤1、交通摄像头拍摄三维视频图像，采用ST‑MRF模型同时跟踪单个的电动自行车与汽车，获得单个的电动自行车与汽车的交通信息；步骤2、通过坐标转换算法将交通摄像头拍摄的三维视频图像转换成二维坐标数据；步骤3、预测电动自行车与汽车在下一帧图像中的停车点；步骤4、根据停车点之间的距离建立驾驶员冲突判断准则；所述步骤1中，ST‑MRF模型的能量函数Ustmrf是：式中：第一部分a(N_yk‑μN_y)²表示在目标地图中，标号的相邻关系，第二部分b(M_xyk‑μM_xy)²表示在连续目标地图中的标号的遮挡关系，第三部分表示与运动矢量有关的连续图像中的纹理关系，第四部分表示在运动矢量地图中的运动矢量的相邻关系；Nyk：指一个像素块的相邻像素块和该像素块有相同标号的数目；Nxk：表示一个像素块的相邻像素块的数目；Dxyk：代表t‑1时刻的图像与t时刻的图像之间的纹理相关性，在发生遮挡时，分别计算属于各辆车的概率；Mxyk：部分遮挡的两个像素块中遮挡部分的像素个数；μNy：邻域基团，如果使用8‑邻域基团，则μNy＝8为最大值；Ck：当前像素块；Bk：相邻像素块；在(t‑1)时刻，当前像素块与相邻像素块的运动矢量之差；a、b、c、f和μMxy为设定的参数；根据前一时刻的目标地图、运动矢量和当前图像，同时考虑在相邻像素块中的运动矢量和连续图像中的纹理关系的相似性来最小化当前时刻的目标地图和运动矢量的最小能量，具体包括如下步骤：01)通过块匹配方法获得所有像素块的运动矢量，确定运动矢量地图的初始状态V(t‑1；t)＝V0，V(t‑1；t)表示时刻t‑1到t，每个像素块的运动矢量；02)根据运动矢量地图的初始状态，将每一像素块的候选标号设置为目标地图的初始状态X(t)＝y0；03)估算目标地图和运动矢量地图在进行X(t)＝yi和V(t‑1；t)＝Vi次迭代后的总能量，i为迭代次数；04)随机同时转换在当前状态下的目标地图X(t)＝yi和运动矢量地图V(t‑1；t)＝Vi到下一状态的目标地图X(t+1)＝yi+1和运动矢量地图V(t；t+1)＝Vi+1；05)在步骤03)和04)之间反复循环操作，直到X(t)和V(t‑1；t)收敛到能量函数值Ustmrf到极小值。