一种交通异常事件检测系统及方法技术方案

本发明专利技术公开了一种交通异常事件检测系统及方法，系统包括监控数据获取模块：用于对道路进行监控，获取在一定监测时长范围内连续的监控数据；目标特征提取模块：用于基于所述监控数据提取车辆的行驶特征；预测模块：用于将所述行驶特征输入至车辆检测模型中进行可疑车辆检测，获得所述可疑车辆的位置信息；可疑车辆追踪模块：用于根据所述可疑车辆的位置信息，采用特征点匹配跟踪方法，获取可疑车辆的行驶轨迹及行驶速度，并判断所述可疑车辆是否为异常车辆，获取判断结果；异常事件检测模块：用于根据所述判断结果对异常事件类别进行检测。本发明专利技术进一步提高了交通异常事件检测的准确性。确性。确性。

【技术实现步骤摘要】
一种交通异常事件检测系统及方法


[0001]本专利技术涉及智能交通
，尤其涉及一种交通异常事件检测系统及方法。

技术介绍

[0002]随着城市化进程的不断推进，视频监控被广泛的应用。智能监控系统相比于传统的人工监控，具有很多优势，例如，能够实现全天连续监视，花费较少且能够保护个人信息。通过智能监控系统检测交通异常事件并通知交通管理人员或车辆驾驶员，能够减少和避免交通事故的发生。
[0003]基于视频监控的高速公路车辆异常事件检测技术能够极大地减轻监控人员的劳动强度，降低漏检率，提高检测的实时性，在高速公路安全方面具有良好的应用前景。目前的检测异常事件都是基于识别出异常目标，进一步判断异常类型。但是当车辆发生严重事故如侧翻、变形、起火时，现有的方法进行图像分析时无法检测出实际事故车辆，或者，由于图像采集设备能采集到的区域有限，当事故发生在监测盲区无法被检测时，会造成异常事件的漏检和盲区难检。
[0004]目前的技术方案中，要么是检测交通场景存在异常事件的检测时效性较低，无法针对紧急的交通场景中的异常事件进行危险提示；要么是检测交通场景存在异常事件的检测时效性过高，对不紧急的交通场景中的异常事件进行过于频繁的异常提示，造成信息干扰。
[0005]因此，如何能够及时有效且准确地检测交通异常事件，是本领域技术人员目前亟需解决的问题。

技术实现思路

[0006]为解决上述技术问题，本专利技术提出了一种交通异常时间检测系统及方法，已能够有效地检测出交通场景中是否存在异常事件。
>[0007]一方面为实现上述目的，本专利技术提供了一种交通异常事件检测系统，包括：
[0008]监控数据获取模块：用于对道路进行监控，获取在一定监测时长范围内连续的监控数据；
[0009]目标特征提取模块：用于基于所述监控数据提取车辆的行驶特征；
[0010]预测模块：用于将所述行驶特征输入至车辆检测模型中进行可疑车辆检测，获得所述可疑车辆的位置信息；
[0011]可疑车辆追踪模块：用于根据所述可疑车辆的位置信息，采用特征点匹配跟踪方法，获取所述可疑车辆的行驶轨迹及行驶速度，并判断所述可疑车辆是否为异常车辆，获取判断结果；
[0012]异常事件检测模块：用于根据所述判断结果对异常事件类别进行检测；
[0013]其中，所述监控数据获取模块、所述目标特征提取模块、所述预测模块、所述可疑车辆追踪模块、所述异常事件检测模块依次连接。
[0014]优选地，所述监控数据获取模块包括：
[0015]监测时长设定单元：用于设定目标监测时长；
[0016]监控数据提取单元：用于提取目标交通场景对应的视频流；
[0017]所述监测时长设定单元、所述监控数据提取单元分别与所述目标特征提取模块连接。
[0018]优选地，所述目标特征提取模块包括：
[0019]行驶特征获取单元：用于获取在任意历史时刻中的历史行驶参数，基于所述历史行驶参数，提取历史行驶特征，将所述历史行驶特征输入循环神经网络中进行确认，确定在目标时刻车辆的行驶特征，其中所述车辆的行驶特征包括行驶速度和形式方向。
[0020]优选地，所述预测模块包括：
[0021]模型预测单元：用于设置所述车辆检测模型的平均周期，对所述监控数据进行采样，获得帧图像集，并对所述帧图像集进行计算，获取平均帧图像，将所述平均帧图像和所述车辆的行驶特征输入至所述车辆检测模型中，用于检测出可疑车辆；
[0022]位置信息确定单元：用于采用高斯混合模型从连续监控数据中提取背景模型，确定所述可疑车辆的位置信息；
[0023]其中，所述模型预测单元与所述位置信息确定单元依次连接。
[0024]优选地，所述可疑车辆追踪模块包括：
[0025]差分处理单元：用于将所述监控数据与背景模型进行绝对值差分处理，绝对值小于预设差分阈值的像素点为运动目标像素点；
[0026]外接矩形获取单元：用于对所述运动目标像素点进行八连通域搜索，确定每个区域最小外接矩形；
[0027]目标位置获取单元：用于将所述最小外接矩形区域的中心作为目标位置；
[0028]所述差分处理单元、所述外接矩形获取单元、所述目标位置获取单元依次连接。
[0029]优选地，所述可疑车辆追踪模块还包括目标跟踪单元，所述目标跟踪单元用于根据连续的监控数据中运动目标的位置，采用特征点匹配跟踪方法，建立可疑车辆和其他车辆的映射关系，获得所述可疑车辆的行驶轨迹与行驶速度。
[0030]优选地，所述可疑车辆追踪模块还包括异常车辆判定单元，所述异常车辆判定单元用于对所述可疑车辆位置信息进行聚类，获得聚类结果，根据所述聚类结果判定所述可疑车辆是否为异常车辆，所述异常车辆判定单元与所述目标位置获取单元相连。
[0031]优选地，所述异常事件检测模块包括异常事件判定单元，所述异常事件判定单元用于根据预存的道路交通异常行为的语义模型，对判断出的异常车辆的行驶轨迹与行驶速度进行检测，判断是否存在道路交通异常事件。
[0032]另一方面，本专利技术还提供了一种交通异常事件检测方法，包括：
[0033]通过监控数据获取模块获取在一定监测时长范围内连续的道路监控数据，并采用目标特征提取模块提取车辆的行驶特征；
[0034]基于预测模块将所述行驶特征输入至车辆检测模型中进行可疑车辆检测，获得所述可疑车辆的位置信息；
[0035]根据所述可疑车辆的位置信息，通过可疑车辆追踪模块获取所述可疑车辆的行驶轨迹及行驶速度，并判断所述可疑车辆是否为异常车辆，获取判断结果；
[0036]基于异常事件检测模块根据所述判断结果对异常事件进行检测。
[0037]与现有技术相比，本专利技术具有如下优点和技术效果：
[0038]本专利技术能够避免正常车辆信息的干扰，突出异常车辆信息，进一步提高交通异常事件检测的准确性，并通过对位置信息进行聚类处理，以判断可疑车辆是否为异常车辆，相比直接将可疑车辆进行异常事件检测，本专利技术可避免将正常行驶的可疑车辆进行异常事件类别检测，从而进一步提高交通异常事件检测的准确性。
附图说明
[0039]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0040]图1为本专利技术实施例的一种交通异常事件检测系统结构示意图；
[0041]图2为本专利技术实施例的一种交通异常事件检测方法流程图。
具体实施方式
[0042]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0043]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通异常事件检测系统，其特征在于，包括：监控数据获取模块：用于对道路进行监控，获取在一定监测时长范围内连续的监控数据；目标特征提取模块：用于基于所述监控数据提取车辆的行驶特征；预测模块：用于将所述行驶特征输入至车辆检测模型中进行可疑车辆检测，获得所述可疑车辆的位置信息；可疑车辆追踪模块：用于根据所述可疑车辆的位置信息，采用特征点匹配跟踪方法，获取所述可疑车辆的行驶轨迹及行驶速度，并判断所述可疑车辆是否为异常车辆，获取判断结果；异常事件检测模块：用于根据所述判断结果对异常事件类别进行检测；其中，所述监控数据获取模块、所述目标特征提取模块、所述预测模块、所述可疑车辆追踪模块、所述异常事件检测模块依次连接。2.根据权利要求1所述的交通异常事件检测系统，其特征在于，所述监控数据获取模块包括：监测时长设定单元：用于设定目标交通场景的监测时长；监控数据提取单元：用于提取目标交通场景对应的视频流；所述监测时长设定单元、所述监控数据提取单元分别与所述目标特征提取模块连接。3.根据权利要求1所述的交通异常事件检测系统，其特征在于，所述目标特征提取模块包括：行驶特征获取单元：用于获取在任意历史时刻中的历史行驶参数，基于所述历史行驶参数，提取历史行驶特征，将所述历史行驶特征输入循环神经网络中进行确认，确定在目标时刻车辆的行驶特征，其中所述车辆的行驶特征包括行驶速度和形式方向。4.根据权利要求1所述的交通异常事件检测系统，其特征在于，所述预测模块包括：模型预测单元：用于设置所述车辆检测模型的平均周期，对所述监控数据进行采样，获得帧图像集，并对所述帧图像集进行计算，获取平均帧图像，将所述平均帧图像和所述车辆的行驶特征输入至所述车辆检测模型中，用于检测出可疑车辆；位置信息确定单元：用于采用高斯混合模型从连续监控数据中提取背景模型，确定所述可疑车辆的位置信息；其中，所述模型预测单元与所述位置信息确定单元依次连接。5.根据...

【专利技术属性】
技术研发人员：李娜，贺晓龙，金风叶，闫鹏勃，
申请(专利权)人：陕西翼遥科技有限公司，
类型：发明
国别省市：