一种车辆连续变道检测方法及电子设备技术

本发明专利技术公开了一种车辆连续变道检测方法及电子设备，包括如下步骤：S1、训练车辆连续变道检测模型得到训练好的车辆连续变道检测模型；S2、训练好的车辆连续变道检测模型追踪得到各个车辆的运行轨迹，并记录各个目标运行轨迹与车道线发生相交的时间和坐标点；S3、根据目标运行轨迹与车道线发生相交的时间和坐标点判断目标是否发生连续变道，若是则报警，否则继续追踪。本发明专利技术采用前脸数据集合和后脸数据集分别进行数据训练并且设置连续变道的判断逻辑，有效克服了现有方法容易将未连续变道的情形识别为连续变道情形的问题，降低了匹配时间，提高了实际检测时的准确率和召回率。提高了实际检测时的准确率和召回率。提高了实际检测时的准确率和召回率。

【技术实现步骤摘要】
一种车辆连续变道检测方法及电子设备


[0001]本专利技术涉及图像识别领域，特别是涉及一种车辆连续变道检测方法及电子设备。

技术介绍

[0002]据调查显示随意变道是出现刮碰事故的主要原因之一，不仅给自己的出行带来危险，也影响了后方车辆的正常通行，干扰了交通秩序，稍有不慎就会造成连续追尾。为了尽量避免这类危险行为的发生，除了提高司机的安全意识之外，目前也出现了各种车辆变道检测方法，基于卷积神经网络、基于opencv采用背景减法来提取运动目标，基于区域特征对目标进行跟踪，如专利技术申请CN 110688954 A公开的一种基于向量运算的车辆变道检测方法等。
[0003]但是现有方法由于其进行跟踪匹配时，对车辆前脸和后脸的所有图像均进行匹配，且匹配方法通常为IOU匹配，此外，当被跟踪车辆车速过快时，单位时间内，车辆行驶的距离更远，前后两帧车辆出现的位置框相隔距离增加，此时IOU重叠度匹配方式容易失效，车辆跟踪算法无法将该车辆识别为同一辆车，无法有效的做出判断；而且当目标车辆在大车后方行驶时，车辆会被大车进行遮挡，连续变道中间过程会被遮挡，此外从车辆前面看和从后面看两者外形相差很大，仅用一个特征提取模型难以有效的区分不同车辆的不同前面身形，一个训练集中同时包含不同外形的车身数据，数据分布差异较大，模型区分难度增加，导致匹配不准确，使得车辆追踪时无法做出有效的判断，这些导致对车辆的检测和跟踪精度不高，造成了误检和漏检的情况。

技术实现思路

[0004]为解决上述技术问题，本专利技术提出了一种车辆连续变道检测方法及电子设备。本专利技术的目的通过以下技术方案实现：一种车辆连续变道检测方法，包括如下步骤：S1、训练车辆连续变道检测模型得到训练好的车辆连续变道检测模型；所述车辆连续变道检测模型包括目标识别网络和特征匹配网络，特征匹配网络包括前脸特征匹配网络和后脸特征匹配网络；目标识别网络识别视频流中每个图片帧中的车辆得到车辆目标框、目标类别、置信度和车辆目标框中心点坐标，并且将车辆目标框分为前脸目标框和后脸目标框；训练好的车辆连续变道检测模型按照视频流时间顺序建立各车辆的跟踪链，并分成前脸跟踪链集合与后脸跟踪链集合；建立跟踪链时，首先识别将当前的车辆目标框中车辆图片为前脸还是后脸，为前脸则与前脸跟踪链集合中的车辆目标框进行IOU匹配，为后脸则与后脸跟踪链集合中的车辆目标框IOU匹配；若IOU匹配不到对应的跟踪链，则将前脸的车辆目标框内图像输入前脸特征匹配网络，后脸的车辆目标框内图像输入后脸特征匹配网络，分别输出前脸匹配特征和后脸匹配特征；前脸匹配特征与前脸跟踪链集合中的图片进行特征匹配，后脸匹配特征与后脸跟踪链集合匹配；若能匹配上则加入对应跟踪链，否则新
建一个跟踪链；S2、训练好的车辆连续变道检测模型追踪得到各个车辆的运行轨迹，并记录各个目标运行轨迹与车道线发生相交的时间和坐标点；S3、根据目标运行轨迹与车道线发生相交的时间和坐标点判断目标是否发生连续变道，若是则报警，否则继续追踪。
[0005]其中每个跟踪链的第一帧图片必然有特征匹配网络输出的匹配特征，每个跟踪链有固定的长度，如100帧，当跟踪链第一帧需要丢掉时，直接将第一帧的匹配特征赋予第二帧，即当前的第一帧，以节省运算资源。目标类别包括前脸、后脸和未知，对于未知的图像舍弃处理。
[0006]进一步的改进，步骤S3中，判断判断目标是否发生连续变道的方法如下：根据跟踪链得到目标运行轨迹，判断在预设时间段内，目标运行轨迹是否与两个以上不同的车道线发生相交并且横跨两个以上车道，是则判断目标发生了连续变道，否则未发生连续变道。
[0007]进一步的改进，判断目标是否发生连续变道的方法如下：设目标和车道线第一次相交点的横坐标与目标和车道线第二次相交点的横坐标之差为a，在预设时间内若a＜0，且目标的目标检测框左下角横坐标小于第二次与车道线相交点坐标的横坐标则目标发生了向左连续变道；a＞0，且目标的目标检测框右下角横坐标大于第二次与车道线相交点坐标的横坐标，则目标发生了向右连续变道。
[0008]进一步的改进，若a=0，则判断未变道。
[0009]进一步的改进，所述S3中报警的同时输出报警图片。
[0010]进一步的改进，所述目标识别网络为YOLOv5网络，特征匹配网络为resnet50网络。
[0011]进一步的改进，所述resnet50网络特征信息进行目标匹配，所述特征信息包括目标的外观信息和目标的跟踪链。
[0012]进一步的改进，所述训练集包含若干文件夹，每个文件夹存放同一个车辆前脸或后脸的小图图片集。
[0013]进一步的改进，对训练集进行数据增强，所述数据增强的方法包括进行Mosaic、MixUp、水平翻转、缩放和裁剪处理。
[0014]一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述所述方法的步骤。
[0015]本专利技术的有益效果在于：1.本专利技术采用跟踪同一目标车辆的运动轨迹时，考虑到车辆连续变道是指发生两次以上变道，且变道时间间隔应在合理范围内。因此本方案通过判断目标切入并切出同一车道，且切入和切出的时间间隔超过给定阈值则认为该车辆发生了连续变道，能够提高检测的准确率和召回率。
[0016]2.本专利技术采用前脸数据集合和后脸数据集分别进行数据训练，提高了实际检测时的准确率和召回率，并且匹配时前脸只与前脸数据集匹配，后脸只与后脸数据集匹配，有效减少了匹配对象，降低了匹配时间，提高了匹配效率。
[0017]3.本专利技术设置连续变道的判断逻辑，有效克服了现有方法容易将未连续变道的情形识别为连续变道情形的问题。
附图说明
[0018]利用附图对本专利技术做进一步说明，但附图中的内容不构成对本专利技术的任何限制。
[0019]图1为本专利技术的总体流程示意图；图2为获得数据集的流程示意图；图3为进行车辆连续变道检测模型的训练以及车辆连续变道识别的流程示意图；图4为判断车辆是否发生连续变道的流程示意图；图5为现有方法容易出现误报情况的示意图一；图6为现有方法容易出现误报情况的示意图二；图7为向左连续变道的示意图；图8为向右连续变道的示意图；图9为监控图像中存在车辆前脸和车辆后脸的图片一；图10为监控图像中存在车辆前脸和车辆后脸的图片二。
具体实施方式
[0020]为了使专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实例，对本专利技术进行进一步的详细说明。
[0021]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0022]在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆连续变道检测方法，其特征在于：包括如下步骤：S1、训练车辆连续变道检测模型得到训练好的车辆连续变道检测模型；所述车辆连续变道检测模型包括目标识别网络和特征匹配网络，特征匹配网络包括前脸特征匹配网络和后脸特征匹配网络；目标识别网络识别视频流中每个图片帧中的车辆得到车辆目标框、目标类别、置信度和车辆目标框中心点坐标，并且将车辆目标框分为前脸目标框和后脸目标框；训练好的车辆连续变道检测模型按照视频流时间顺序建立各车辆的跟踪链，并分成前脸跟踪链集合与后脸跟踪链集合；建立跟踪链时，首先识别将当前的车辆目标框中车辆图片为前脸还是后脸，为前脸则与前脸跟踪链集合中的车辆目标框进行IOU匹配，为后脸则与后脸跟踪链集合中的车辆目标框IOU匹配；若IOU匹配不到对应的跟踪链，则将前脸的车辆目标框内图像输入前脸特征匹配网络，后脸的车辆目标框内图像输入后脸特征匹配网络，分别输出前脸匹配特征和后脸匹配特征；前脸匹配特征与前脸跟踪链集合中的图片进行特征匹配，后脸匹配特征与后脸跟踪链集合匹配；若能匹配上则加入对应跟踪链，否则新建一个跟踪链；S2、训练好的车辆连续变道检测模型追踪得到各个车辆的运行轨迹，并记录各个目标运行轨迹与车道线发生相交的时间和坐标点；S3、根据目标运行轨迹与车道线发生相交的时间和坐标点判断目标是否发生连续变道，若是则报警，否则继续追踪。2.如权利要求1所述的车辆连续变道检测方法，其特征在于：步骤S3中，判断判断目标是否发生连续变道的方法如下：根据跟踪链得到目标运行轨迹，判断在预设时间段内，目标运行轨迹是否与两个以上不同的车道线发生相交并且横跨两个以上车道，是则判断...

【专利技术属性】
技术研发人员：孟宪，徐宇峰，闾凡兵，吴婷，
申请(专利权)人：长沙海信智能系统研究院有限公司，
类型：发明
国别省市：