一种基于计算机视觉技术的车辆异常行驶检测方法技术

本发明专利技术提供一种基于计算机视觉技术的车辆异常行驶检测方法，涉及高速公路车辆异常行驶检测领域，包括以下步骤：

【技术实现步骤摘要】
一种基于计算机视觉技术的车辆异常行驶检测方法


[0001]本专利技术涉及高速公路车辆异常行驶检测领域，尤其涉及一种基于计算机视觉技术的车辆异常行驶检测方法
。

技术介绍

[0002]目前，通过计算机视觉技术对高速公路车辆异常事件的识别技术仍出于十分不完备的状态
。
在实际应用中，类似的技术很少被实际应用于高速公路管理
。
在有限的先例中，对监控摄像头视角进行分块并使用光流法进行检测是一种方法
。
但是，光流法的计算过程需要对摄像头画面中的每一个像素进行遍历
。
当摄像头的分辨率过高时，运算量会过大导致无法对事件进行实时检测
。
[0003]理论上讲，使用目前的人工智能模型
(
如
transformer
等
)
是可以很好地解决这个问题的
。
但在实际应用中，这些人工智能模型需要大量的已标注数据进行训练得出一组参数
。
目前，对于车辆异常行驶事件视频的数据集数量稀少且质量不高，难以整合足够质量的标注数据集对这些模型进行有效的训练
。
[0004]此外，使用额外的硬件设备对车辆行驶状态进行检测也有应用的先例
。
比如，业界已经有学者提出过使用
GPS
系统对车辆进行定位进而判断车辆行驶状态的方案
。
但是这种方案需要额外的硬件，成本更高，而且
GPS
系统在车辆位置检测本身的精确度难以达到令人满意的状态
。

技术实现思路

[0005]本专利技术的目的在于提供一种基于计算机视觉技术的车辆异常行驶检测方法，以解决上述
技术介绍
提出的技术问题
。
[0006]本专利技术为解决上述技术问题，采用以下技术方案来实现：
[0007]一种基于计算机视觉技术的车辆异常行驶检测方法，包括以下步骤：
[0008]S1、
获取高速公路视频监控设备内的实时视频帧；
[0009]S2、
对高速公路道路构成进行识别划分；
[0010]S3、
设定车辆与车道划分线和道路边缘的距离阈值范围及车辆处于阈值范围时间；
[0011]S4、
对视频中所有的车辆进行定位追踪；
[0012]S5、
获取车辆行驶方向及车辆行驶速度；
[0013]S6、
对车辆与车道划分线和道路边缘的阈值及车辆处于阈值范围时间进行检测，并结合
S2
和
S5
对车辆行驶方向进行判断，得到车辆追踪结果；
[0014]S7、
对追踪结果进行分析，目标追踪结果判定为异常，则输出警报信息，判定为正常重复上述步骤，持续检测视频监控区域车辆行驶情况
。
[0015]优选的，所述
S2
中高速公路道路构成进行识别划分包括：
[0016]S2.1、DRIVE
数据集训练的
unet
模型模拟视频监控区域；
[0017]S2.2、
语义分割技术识别并划分处道路边缘
、
车道划分线及道路标识；
[0018]优选的，所述
S4
中车辆追踪包括车辆的识别
、
车辆坐标
。
[0019]优选的，所述车辆的识别包括车辆型号
、
车辆宽度
w
和高度
h
，所述车辆坐标为车辆的
x、y
坐标
。
[0020]优选的，所述
S5
中车辆行驶速度为相邻两次检测中所得坐标的相对速度
。
[0021]优选的，所述
S3
中阈值为车辆行驶时与车道划分线的夹角角度和道路边缘和车道划分线夹角正切值，且所述阈值的分隔线为
0.3
，所述车辆处于阈值范围时间分隔线为
120
帧
。
[0022]优选的，所述车辆的相对速度分割线为
0.6。
[0023]本专利技术的有益效果是：
[0024]1.
本专利技术将基于计算机视觉技术的车辆异常行驶检测方法部署在高速公路的监控摄像头和服务器上，并根据负载状况决定是否将数据传送至服务器进行计算，使高速监控设备在不使用额外的硬件设备的前提下使用纯计算机视觉算法实现了对高速公路车辆行驶状态的判断
。
[0025]2.
本专利技术通过将阈值检测法和路径拟合法两项创新，实现过程主要分为车辆行驶轨迹检测和道路边缘检测两部分，同时，对车辆的行驶速度与方向的检测依赖于车辆检测和车辆追踪两项技术的数据，将这几项技术进行优化和整合运用于高速公路车辆异常行驶检测
。
附图说明
[0026]图1为本专利技术提供的高速公路车辆异常行驶检测方法示意图；
[0027]图2为本专利技术的高速公路模拟示意图；
具体实施方式
[0028]为了使本专利技术实现的技术手段
、
创作特征
、
达成目的与功效易于明白了解，下面结合具体实施例和附图，进一步阐述本专利技术，但下述实施例仅仅为本专利技术的优选实施例，并非全部
。
基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其它实施例，都属于本专利技术的保护范围
。
[0029]下面结合附图描述本专利技术的具体实施例
。
[0030]实施例1[0031]一种基于计算机视觉技术的车辆异常行驶检测方法，包括以下步骤：
[0032]S1、
获取高速公路视频监控设备内的实时视频帧；
[0033]S2、
道路边缘检测：在车辆追踪模块中，可以识别车辆行驶的方向，但无法确定道路走向，故无法判断车辆行驶方向是否处于正常状态，并通过使用语义分割技术以检测道路的边缘，再结合车辆行驶方向判断车辆的行驶状态，而语义分割模型的准确率尚不能达到十分理想的状态，需要对语义分割所得的道路边界进行曲线拟合，以得出近似的道路方向，通过使用经过
DR IVE
数据集训练的
unet
模型实现这一功能，另外，通过高速公路监控录像的视角对
unet
模型的参数进行调整，使其能够适应高速公路监控摄像头的视角，在通过使用
unet
模型对高速公路路面上的标志线进行检测，其方向即为高速公路路面边缘的走
向，同时将识别出的边缘和标志线进行拟合，拟合出一条或多条曲线，将这些曲线的走向作为高速公路路面的走向，以此来作为判断车辆行驶方向是否异常的依据
。
[0034]S3、
设定车辆与车道划分线和道路边缘的距离阈值范围及车辆处于阈值范围时间；其中，阈值设置为
0.3(
测试阈值设置为
0.4
时效果较好
...

【技术保护点】

【技术特征摘要】
1.
一种基于计算机视觉技术的车辆异常行驶检测方法，其特征在于，包括以下步骤：
S1、
获取高速公路视频监控设备内的实时视频帧；
S2、
对高速公路道路构成进行识别划分；
S3、
设定车辆与车道划分线和道路边缘的距离阈值范围及车辆处于阈值范围时间；
S4、
对视频中所有的车辆进行定位追踪；
S5、
获取车辆行驶方向及车辆行驶速度；
S6、
对车辆与车道划分线和道路边缘的阈值及车辆处于阈值范围时间进行检测，并结合
S2
和
S5
对车辆行驶方向进行判断，得到车辆追踪结果；
S7、
对追踪结果进行分析，目标追踪结果判定为异常，则输出警报信息，判定为正常重复上述步骤，持续检测视频监控区域车辆行驶情况
。2.
根据权利要求1所述的一种基于计算机视觉技术的车辆异常行驶检测方法，其特征在于：所述
S2
中高速公路道路构成进行识别划分包括：
S2.1、DRIVE
数据集训练的
unet
模型模拟视频监控区域；
S2.2、
语义分割技术识别并划分处道路边缘
、
车道划分...

【专利技术属性】
技术研发人员：柯巍，阎立，高泽，杨胜强，范登勇，
申请(专利权)人：甘肃新视能科技有限公司，
类型：发明
国别省市：