基于微波和视频数据融合的交通检测方法及装置与流程

技术特征：

1.一种基于微波和视频数据融合的交通检测装置，其特征在于：所述装置包括视频传感器、微波传感器、A/D转换模块、处理器模块、网络通信模块、交通流参数数据融合模块、交通流管理平台、目标跟踪模块、交通事件与信息管理平台；

所述视频传感器和所述微波传感器分别与所述A/D转换模块相连接，视频传感器和微波传感器输出的不同特征的非电量信号，然后经过所述A/D转换模块将它们转换为能由计算机处理的数字量；所述A/D转换模块与所述处理器模块连接，所述处理器模块与所述网络通信模块连接，所述处理器模块对经由所述A/D转换模块处理转换成数字量的数据进行处理，滤除一些异常数据以便得到有用信号，有用信号再由所述网络通信模块进行传输；

所述网络通信模块分别与所述交通流参数数据融合模块、所述目标跟踪模块相连接，所述网络通信模块将有用信号传输给所述交通流参数数据融合模块、所述目标跟踪模块；

所述交通流参数数据融合模块和所述交通流管理平台连接，所述交通流参数数据融合模块对有用信号进行时空统一、特征提取，并按一定的规则对特征量进行数据融合计算，最后将融合结果输出给所述交通流管理平台；

所述目标跟踪模块和交通事件与信息管理平台连接，所述目标跟踪模块对有用信号进行时空统一、特征提取，并按一定的规则对特征量进行数据融合计算，最后将融合结果输出给所述信息管理平台。

2.一种基于微波和视频数据融合的交通检测方法，其特征在于，包含以下步骤：

第一步：检测，两组传感器检测区域内分别进行背景噪声抑制，输出交通流量、平均速度、占有率、排队长度及其他即时信息；

第二步：原始数据预处理，对输入的多组传感器数据进行标准化并进行预处理，满足后续估计及处理器模块对计算量和计算顺序的要求；

对于异常数据预处理方法采用格拉布斯统计方法；

第三步：时空校准，校准统一各传感器的时间和空间参考点，在时间上对齐到同一时间基准、在空间上转换到同一坐标系，建立坐标对应关系，使得处理后的结果好像是数据融合处理中心站所采集的一样；若各传感器在时间和空间上是独立地异步工作，则必须进行时间搬移和坐标变换，以形成融合所需的统一的时间和空间参考点；通过对单个传感器获得的位置与身份类别的估计信息进行融合，获得更加准确的目标位置、状态与身份类别的估计；

第四步：基础动态交通参数融合，把来自视频传感器和微波传感器能够同时检测路段上的交通流量、平均速度、占有率、排队长度等基础交通参数进行融合处理，得出更准确可靠的交通流参数；同时这一层次的融合结果是下一个融合系统的输入；

第五步：数据关联，判别不同时间空间的数据是否来自同一目标，雷达与视频目标进行匹配，能成功匹配确定为真实的目标，按设定方式处理，不能匹配的目标，认为不能确定的目标，不能排除可能性；以目标的距离、方位、相对速度作为参数，计算雷达目标与视频目标的关联度值，当关联度值大于设定的阈值时，认为匹配；对同一传感器相继测报的相关数据进行综合及状态估计，并参照其他信息源的测报对数据进行修改验证把各个传感器传送来的点迹进行关联，保持对目标进行连续跟踪；

第六步：目标识别与跟踪；根据不同传感器测得的某一目标特征形成一个N维的特征向量，每一维代表目标的一个独立特征，与一致的特征进行比较，从而确定目标的类别。每次扫描结束就将新数据集与原有的数据进行融合，根据传感器的观测值估计目标参数，并用这些估计预测下一次扫描中目标的位置；

第七步：交通行为估计；雷达检测到目标，输出三维坐标，控制视频监控输出图像，根据视频坐标模型以及雷达与视频的位置关系，以A、B两点最小距离值d作为匹配条件，使得两个传感器探测到的同一目标物的信息对应，以从同步图像中匹配识别出为同一目标。将所有目标的数据集与先前确定的可能态势的行为模式相比较，以确定哪种行为模式与监视区域内所有目标的状态最匹配，将这些信息同一保存到交通信息平台。

3.根据权利要求2所述的一种基于微波和视频数据融合的交通检测方法，其特征在于：在所述第二步中，所述对于异常数据预处理方法用格拉布斯统计方法具体如下：

计算输出的各检测数据Z_i的均值

计算标准差

计算格拉布斯统计量

给定根据数据量n，显著水平a＝0.05，通过查表法找出格拉布斯统计量的临界值T(n，a)，与T进行比较；按照P[T≥T(n，a)]＝a为小概率事件，舍弃T≥T(n，a)的数据。

4.根据权利要求2所述的一种基于微波和视频数据融合的交通检测方法，其特征在于：在所述第三步中，坐标对应关系的建立步骤如下：

首先，利用标定技术计算视频传感器的内部参数，建立视频传感器坐标模型；

其次，根据视频传感器坐标模型、以及微波传感器与视频传感器之间的位置关系，建立世界坐标系下微波传感器所监测到的目标在视频传感器所采集的图像平面中的坐标对应关系；

最后，根据坐标对应关系就可以实现微波传感器的信息与视频信息进行融合，实现微波传感器探测的3D世界坐标转换成视频图像中对应的2D图像坐标p′(u′，v′)，以充分利用微波传感器监测到的位置信息对应至视频图像中。

5.根据权利要求2所述的一种基于微波和视频数据融合的交通检测方法，其特征在于：在所述第四步中，对于同一观测对象，不同传感器输出的结果会有所不同，在没有先验知识的情况下，采取以下方法来进行数据融合：

采用自适应最优加权融合模型，设两个传感器的交通流数据方差分别为σ₁、σ₂，所要估计的真值为X，各个传感器的测量值分别为X₁、X₂，他们彼此互相独立，并且是X的无偏估计；各个传感器的加权因子分别为W₁、W₂，则融合后的测量值为：

其中

该方法应用多传感器提供的检测数据，融合出均值误差最小的数据融合值。

6.根据权利要求2所述的一种基于微波和视频数据融合的交通检测方法，其特征在于：所述第七步中采用模糊综合决策模型构造一个交通事件识别算法，步骤如下：

A1、交通行为估计，建立模型库，对通常出现的交通异常状态建模，便于将测得的行为模式与数据库中的模式匹配；

A2、实时监控路面状态，通过微波传感器2和视频传感器1进行实时监控；

A3、通过雷达在监测范围内发生事件情况的判断，若为否，则返回A2继续进行实时监控路面状态，若为是，则进入下一步骤；

A4、输出事件目标的三维坐标，视频采集当前的同步图像；雷达和视频信息融合，将三维坐标映射到同步图像中的雷达探测坐标，发出预警信息，并通过视频传感器1进行视频采集当前的同步图像；

A5、雷达和视频信息融合，将三维坐标映射得到同步图像中的雷达探测坐标；

A6、在世界坐标系中，建立雷达探测坐标与图像检测目标的匹配关系，从同步图像中识别出事件信息；

A7、输出交通事件类型及事件车辆的图片、车牌号等信息至交通事件与信息管理管理平台。