本发明专利技术提供一种基于视频分析的多要素融合实时交通事故识别方法，针对城市道路场景下的交通事故识别准确性不高的问题，基于昇腾710高性能计算芯片，通过使用改进的Yolov5网络模型对车辆、行人目标进行检测，并采用Bytetrack实时跟踪技术判断目标的运动状态及运动轨迹，通过多要素融合的方法实现交通事故的识别，并实时上报给交通指挥中心，然后将交通事故事件自动下发给离事件发生位置最近的执勤交警进行处置，形成闭环，提高了城市道路的交通事故的处置效率，保障交通安全及交通畅通。通。通。
【技术实现步骤摘要】
一种基于视频分析的多要素融合实时交通事故识别方法
[0001]本专利技术涉及图像智能分析
，尤其涉及一种基于视频分析的多要素融合实时交通事故识别方法。
技术介绍
[0002]随着我国城镇化进程的推进，人民生活水平的提高，汽车成为人们生活的必须品，但也伴随着日益频发的交通事故。为了能够及时发现并快速处置交通事故，需要有一套完整的自动化的交通事故实时检测系统来完成，交通事故识别在交通视频识别领域中是一个难题，同时对于交通管理具有重要的意义，按照我国相关法律的规定，道路交通事故，是指车辆在道路上的行驶途中因过错或者意外造成的人身伤亡或者财产损失的事件。构成交通事故应当具备下列要素：(1)交通事故发生后必定存在静止车辆；(2)必须是车辆造成的；(3)是在道路上发生的；(4)在运动中发生；(5)有事态发生。指有碰撞、碾压、刮擦、翻车、坠车等现象发生；(6)造成事态的原因是人为的；(7)必须有损害后果的发生。
[0003]基于视频的交通事故检测主要为车辆辆的交通事故检测具体的来说，可以分为单车交通事故和多车交通事故两种类型。车辆在道路上发生交通事故后的主要特征通常表现为，车辆由运动状态到静止状态，交通事故当事人会打开车门下车，交通事故当事人检查车辆受损情况互相交涉等，以及出现车辆绕行等后续影响。
[0004]目前，基于视频的交通事故检测主要有两种方法，第一种是通过判断图像中是否含有静止车辆来判定是否发生交通事故，该方法仅使用车辆静止运动状态来识别交通事故，这会极易造成误检，因为如果发生拥堵，车辆也会处于一段时间的静止状态，这就造成了误检，将非交通事故误识别成了交通事故；第二种是通过获取道路特征、环境特征和车流特征，然后输入预先训练得到的交通事故识别模型，得到所述道路上的交通事故信息识别结果，这种方式通过交通事故识别模型进行识别，计算量较大，实时性差，并且由于城市道路的复杂性，如遮挡、监控设备角度问题等，对于未训练过的场景，泛化性较差，容易造成误检及漏检。
[0005]因此，有必要根据交通事故构成的要素辅助道路监控视频分析，以提高交通事故识别的准确率，及时自动上报交通事故警情。
技术实现思路
[0006]本专利技术提供一种基于视频分析的多要素融合实时交通事故识别方法，通过基于城市道路中间的电警以及路测监控设备，获取实时视频流，基于视频分析自动识别道路发生的交通事故的多个要素是否满足交通事故发生的要素条件，自动上报交通事故警情，使得交通监管部门及时发现交通事故事件并及时处理，能够有效保障交通安全和交通畅通。
[0007]本专利技术提供一种基于视频分析的多要素融合实时交通事故识别方法，包括：
[0008]配置交通事故检测区域：针对每一路监控视频，配置多个交通事故检测区域，其中，所述交通事故检测区域为任意多边形区域；
[0009]接入实时视频流：使用RTSP协议接入道路监控的实时视频流，然后输出码流至解码模块；
[0010]昇腾DVPP硬件解码：将接收的码流一帧一帧输入昇腾DVPP硬件解码模块，使用专用解码芯片进行解码并输出解码后的监控图像数据；
[0011]昇腾NPU目标检测：基于昇腾NPU，利用改进的Yolov5网络模型对解码后的每一帧监控图像数据进行目标检测，输出车辆和行人目标检测信息；
[0012]车辆和行人目标跟踪：利用Bytetrack跟踪算法对车辆和行人分别跟踪，获取每个目标的跟踪信息；
[0013]多要素融合计算交通事故概率：针对每一帧监控图像数据，根据预先设计的九个要素和每个目标的跟踪信息计算出要素值，然后对所有的要素值进行加权融合计算，得到交通事故发生的概率；
[0014]判定交通事故类型：根据一个监控场景中检测到交通事故的个数确定是否为多车交通事故；
[0015]识别交通事故车辆信息：利用车牌检测算法模型对发生交通事故的车辆进行车牌识别，若车牌被遮挡，则识别车辆类型信息；
[0016]上报交通事故信息：将识别出的交通事故类型、事故车辆信息以及交通事故位置上报给交通指挥中心，以使交通监管部门对交通事故及时处理。
[0017]可选实施例中，所述目标检测的预处理是通过NPU将监控图像数据的格式由YUV格式转换为RGB格式。
[0018]可选实施例中，所述改进的Yolov5网络模型采用shufflenet轻量级网络替换Yolov5中的cspdarknet主干网络。
[0019]可选实施例中，所述预先设计的九个要素包括车辆静止时长、车辆静止前的运动状态、静止车辆与运动车辆相交状态、静止车辆静止前运动轨迹与运动车辆轨迹相交状态、静止车辆与其他静止车辆相交时长、静止车辆静止前的加速度变化状态、静止车辆静止前的运动方向变化状态、静止车辆周围人第一次出现状态以及静止车辆周围有行人状态；
[0020]相应的，所述根据预先设计的九个要素和每个目标的跟踪信息计算出要素值，然后对所有的要素值进行加权融合计算，得出交通事故发生的概率，包括：
[0021]根据每个目标的跟踪信息确定监控场景中的静止车辆和车辆静止时长作为第一要素，并判断第一要素是否大于预设时长阈值；
[0022]若是，则计算第二要素～第九要素，具体如下：
[0023]根据静止车辆的跟踪信息计算车辆静止前的运动时长作为第二要素MT；
[0024]根据静止车辆的跟踪信息和运动车辆的跟踪信息计算静止车辆与运动车辆相交的次数作为第三要素MN；
[0025]根据静止车辆的跟踪信息和运动车辆的跟踪信息计算静止车辆静止前运动轨迹与运动车辆轨迹相交的次数作为第四要素TN；
[0026]根据静止车辆的跟踪信息计算静止车辆与其他静止车辆相交时长作为第五要素ST；
[0027]根据静止车辆的跟踪信息计算静止车辆静止前的加速度变化值作为第六要素MA；
[0028]根据静止车辆的跟踪信息计算静止车辆静止前的运动方向变化值作为第七要素
MD；
[0029]根据静止车辆的跟踪信息和行人的跟踪信息计算静止车辆周围是否有人第一次出现作为第八要素FN；
[0030]根据静止车辆的跟踪信息和行人的跟踪信息计算静止车辆周围检测到行人的次数作为第九要素PN；
[0031]根据得到的监控场景要素向量V＝[MT MN TN ST MA MD FN PN]和预设要素系数向量W＝[w1 w2 w3 w4 w5 w6 w7 w8]计算交通事故发生的概率P＝V*Transpose(W)；
[0032]判断P大于预设交通事故阈值PT，则确定发生了交通事故，否则，确定未发生交通事故。
[0033]可选实施例中，所述根据每个目标的跟踪信息确定监控场景中的静止车辆和车辆静止时长作为第一要素之后，还包括：
[0034]若识别出原静止车辆状态由静止状态转换为运动状态，则根据静止车辆当前帧和前一帧的跟踪信息确定静止车辆是否发生运动，具体如下：选取静止车辆在当前帧的检测框的宽度和高度较小的作为基准值，并计算基准值与第一本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于视频分析的多要素融合实时交通事故识别方法，其特征在于，包括：配置交通事故检测区域：针对每一路监控视频，配置多个交通事故检测区域，其中，所述交通事故检测区域为任意多边形区域；接入实时视频流：使用RTSP协议接入道路监控的实时视频流，然后输出码流至解码模块；昇腾DVPP硬件解码：将接收的码流一帧一帧输入昇腾DVPP硬件解码模块，使用专用解码芯片进行解码并输出解码后的监控图像数据；昇腾NPU目标检测：基于昇腾NPU，利用改进的Yolov5网络模型对解码后的每一帧监控图像数据进行目标检测，输出车辆和行人目标检测信息；车辆和行人目标跟踪：利用Bytetrack跟踪算法对车辆和行人分别跟踪，获取每个目标的跟踪信息；多要素融合计算交通事故概率：针对每一帧监控图像数据，根据预先设计的九个要素和每个目标的跟踪信息计算出要素值，然后对所有的要素值进行加权融合计算，得到交通事故发生的概率；判定交通事故类型：根据一个监控场景中检测到交通事故的个数确定是否为多车交通事故；识别交通事故车辆信息：利用车牌检测算法模型对发生交通事故的车辆进行车牌识别，若车牌被遮挡，则识别车辆类型信息；上报交通事故信息：将识别出的交通事故类型、事故车辆信息以及交通事故位置上报给交通指挥中心，以使交通监管部门对交通事故及时处理。2.根据权利要求1所述的基于视频分析的多要素融合实时交通事故识别方法，其特征在于，所述目标检测的预处理是通过NPU将监控图像数据的格式由YUV格式转换为RGB格式。3.根据权利要求1所述的基于视频分析的多要素融合实时交通事故识别方法，其特征在于，所述改进的Yolov5网络模型采用shufflenet轻量级网络替换Yolov5中的cspdarknet主干网络。4.根据权利要求1所述的基于视频分析的多要素融合实时交通事故识别方法，其特征在于，所述预先设计的九个要素包括车辆静止时长、车辆静止前的运动状态、静止车辆与运动车辆相交状态、静止车辆静止前运动轨迹与运动车辆轨迹相交状态、静止车辆与其他静止车辆相交时长、静止车辆静止前的加速度变化状态、静止车辆静止前的运动方向变化状态、静止车辆周围人第一次出现状态以及静止车辆周围有行人状态；相应的，所述根据预先设计的九个要素和每个目标的跟踪信息计算出要素值，然后对所有的要素值进行加权融合计算，得出交通事故发生的概率，包括：根据每个目...
【专利技术属性】
技术研发人员：冯栋，范超，刘浩，张鹏程，刘治宇，
申请(专利权)人：青岛图灵科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。