一种高速路场景自适应交通违法行为识别方法技术

本发明专利技术提供一种高速路场景自适应交通违法行为识别方法，其能够快速而准确地发现摄像头监控角度的调整变化，能够有效地降低高速公路违法行为识别误判的问题发生的概率

【技术实现步骤摘要】
一种高速路场景自适应交通违法行为识别方法


[0001]本专利技术涉及图像识别
，具体为一种高速路场景自适应交通违法行为识别的方法
。

技术介绍

[0002]基于监控视频的高速公路交通违法行为检测是在高速公路智能管控领域的一项重要技术
。
但是安装在高速公路的监控摄像机往往并非专用于特定的交通违法行为检测，存在频繁的监控场景转换
。
比如，道路管理人员会因为某些原因人工控制调整摄像头角度，则摄像头的拍摄区域由原设置的应急车道的区域变为行车道，如果没有切换摄像头的关注区域的设置的话，此时后台执行的算法还在按照应急车道的监控方式进行监控，这就会导致预设的监控场景模型和已存储的道路元素与当前监控的实际场景不一致，而将正常交通识别为交通违法行为
。
[0003]人工进行监控摄像头关注区域的切换显然从效率和准确率上来说无法满足实际工作的需要
。
而随着监控设备的采集数据量的急速增长，现有的监控设备自适应算法也逐渐无法满足大数据的数据流的计算需求，在监控设备发生角度调整时无法有效地进行监控场景的自动跟随调整，导致违法行为误判的发生
。

技术实现思路

[0004]为了解决如何准确地发现摄像头关注场景的变化，使监控摄像头能够自适应地进行交通违法行为识别的技术问题，本专利技术提供一种高速路场景自适应交通违法行为识别的方法，其能够快速而准确地发现摄像头监控角度的调整变化，能够有效地降低高速公路违法行为识别误判的问题发生的概率
。<br/>[0005]本申请技术方案是这样的：一种高速路场景自适应交通违法行为识别方法，其包括以下步骤：
S1
：基于
HRnet V2
构建道路分割模型；所述道路分割模型的数据为视频帧图像，输出为视频帧图像中包括的道路元素；所述道路元素包括：行车道
、
应急车道
、
虚线
、
实线和导流线；
S2
：在监控设备中存储判断车辆违法行为用的基础道路图像，并基于所述道路分割模型提取所述基础道路图像中的道路元素，作为
:
违法判断用道路元素；
S3
：基于监控设备获取监控视频数据，按照预设的间隔提取视频图像，对提取的每一帧所述视频图像数据进行图像识别，检测图像中的所有车辆的位置信息；
S4
：通过关联分析前后帧的所述视频图像数据里的车辆位置信息，形成车辆的运动轨迹和连续空间坐标；
S5
：在监控设备对车辆违法行为进行监控的同时，根据前后帧的所述视频图像数据的背景变化，判断监控设备的监控角度是否发生调整；如果发生调整，则将两帧数据分别记作：前帧图像和后帧图像，并执行步骤
S6
；
否则，执行步骤
S9
；
S6
：基于所述道路分割模型，分别提取所述前帧图像和所述后帧图像中的道路元素，记作：前帧道路元素和后帧道路元素；
S7
：根据所述前帧道路元素和所述后帧道路元素的差异，基于道路元素差异判断监控设备的监控角度是否发生调整；如果发生调整，则执行步骤
S8
；否则，执行步骤
S9
；
S8
：所述监控设备中存储的所述基础道路图像更新为所述后帧图像，并更新所述违法判断用道路元素；同时循环执行步骤
S3~S7
；
S9
：基于多帧融合算法，将所述后帧图像与所述监控设备中当前存储的所述基础图道路图像进行融合，将融合后的图像作为基础道路图像保存到所述监控设备中，并更新所述违法判断用道路元素，循环执行步骤
S3~S7。
[0006]其进一步特征在于：其还包括：车辆违法行为回验检测，具体包括以下步骤：
c1
：获取被判断为存在车辆违法行为的视频图像，记作：待回验图像数据；
c2
：基于所述道路分割模型提取所述待回验图像数据中的道路元素，记作：待回验道路元素；
c3
：提取将所述待回验图像数据与所述基础道路图像的背景，并比较两帧视频图像数据的背景，根据背景变化判断相机的监控角度是否发生调整；如果判断相机的监控角度发生了调整，则执行步骤
c4
；否则，如果判断相机的监控角度没有发生调整，则判断所述待回验图像数据中确实发生了车辆交通违法行为；结束本次回验；
c4
：基于所述道路分割模型，提取将所述待回验图像数据与所述基础道路图像的道路元素，并比较得到道路元素差异；根据两帧视频图像数据的道路元素差异，判断监控设备的监控角度是否发生调整；如果相机的监控角度发生了调整，则，判断所述待回验图像数据中并未发生车辆交通违法行为；结束本次回验；否则，如果相机的监控角度没有调整，判断所述待回验图像数据中确实发生了车辆交通违法行为；结束本次回验；根据视频图像数据的背景，判断相机的监控角度是否发生调整的方法，具体包括以下步骤：
a1
：获取需要比较的两帧的视频图像数据，分别对车辆以外的背景进行边缘检测，提取得到背景元素图；
a2: 将两个所述二值图像数据的对应的所述背景元素图进行差分比较，将存在差异的背景元素记作：背景差异元素；
a3
：找到所有的所述背景差异元素后，计算所述背景差异元素的总个数和视频图像数据总像素点的比值，记作：背景差异百分比；
a4
：将所述背景差异百分比与预设的背景差异阈值进行比较；当所述背景差异百分比大于预设的背景差异阈值时，则判断监控设备的监控角度
发生变化；否则，判断监控设备的监控角度没有发生变化；基于道路元素差异判断监控设备的角度是否发生变化，具体包括以下步骤：
b1
：获取需要比较的两帧的视频图像数据，比较两帧视频图像数据的道路元素，将存在差异的道路元素记作：差异元素；
b2
：找到所有的所述差异元素后，计算所述差异元素的总数与预设在监控设备中的所述基础道路图像的所述道路元素的总数的比值，记作：道路元素差异百分比；
b3
：将所述道路元素差异百分比与预设的道路元素差异阈值进行比较；如果所述道路元素差异百分比大于所述道路元素差异阈值，则判断监控设备的监控角度发生变化；否则，判断监控设备的监控角度没有发生变化
。
[0007]本申请提供的一种高速路场景自适应交通违法行为识别的方法，其在监控设备对车辆违法行为进行监控的同时，通过视频图像数据的背景变化对监控设备的监控角度进行第一次判断，然后将判断监控角度发生变化的视频图像数据，再调用道路分割模型提取道路元素，基于道路元素对监控角度是否发生变化进行精准判断；本方法中，第一次判断是基于图像背景进行判断，基于图像背景比较两幅图的差异速度很快，可以达到每秒几十张图像，所以能够快速地找到有差异的前后帧视频图像，将需要二次精准判断的数据量有效地降低，然后再基于速度较慢的道路分割模型提取道路元素，进行精准判断本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种高速路场景自适应交通违法行为识别方法，其包括以下步骤：
S1
：基于
HRnet V2
构建道路分割模型；所述道路分割模型的数据为视频帧图像，输出为视频帧图像中包括的道路元素；所述道路元素包括：行车道
、
应急车道
、
虚线
、
实线和导流线；
S2
：在监控设备中存储判断车辆违法行为用的基础道路图像，并基于所述道路分割模型提取所述基础道路图像中的道路元素，作为
:
违法判断用道路元素；
S3
：基于监控设备获取监控视频数据，按照预设的间隔提取视频图像，对提取的每一帧所述视频图像数据进行图像识别，检测图像中的所有车辆的位置信息；
S4
：通过关联分析前后帧的所述视频图像数据里的车辆位置信息，形成车辆的运动轨迹和连续空间坐标；
S5
：在监控设备对车辆违法行为进行监控的同时，根据前后帧的所述视频图像数据的背景变化，判断监控设备的监控角度是否发生调整；如果发生调整，则将两帧数据分别记作：前帧图像和后帧图像，并执行步骤
S6
；否则，执行步骤
S9
；
S6
：基于所述道路分割模型，分别提取所述前帧图像和所述后帧图像中的道路元素，记作：前帧道路元素和后帧道路元素；
S7
：根据所述前帧道路元素和所述后帧道路元素的差异，基于道路元素差异判断监控设备的监控角度是否发生调整；如果发生调整，则执行步骤
S8
；否则，执行步骤
S9
；
S8
：所述监控设备中存储的所述基础道路图像更新为所述后帧图像，并更新所述违法判断用道路元素；同时循环执行步骤
S3~S7
；
S9
：基于多帧融合算法，将所述后帧图像与所述监控设备中当前存储的所述基础图道路图像进行融合，将融合后的图像作为基础道路图像保存到所述监控设备中，并更新所述违法判断用道路元素，循环执行步骤
S3~S7。2.
根据权利要求1所述一种高速路场景自适应交通违法行为识别方法，其特征在于：其还包括：车辆违法行为回验检测，具体包括以下步骤：
c1
：获取被判断为存在车辆违法行为的视频图像，记作：待回验图像数据；
c2
：基于所述道路分割模型提取所述待回验图像数据中的道路元素，...

【专利技术属性】
技术研发人员：张森，蔡岗，尤冬海，朱骏飞，杨卓敏，莫子兴，许帆，
申请(专利权)人：公安部交通管理科学研究所，
类型：发明
国别省市：