使用多普勒雷达检测非正常事件的方法与流程

本发明涉及智能交通技术领域，尤其涉及使用多普勒雷达检测非正常事件的方法。

背景技术：

近年来，随着交通量的不断增加，交通拥挤问题变得日益突出。道路上的交通事件(含交通事故)逐渐增多,给人们的日常出行带来很大不便,甚至威胁着人们的生命财产。同时,交通事件也使道路的运输效率降低,车辆平均车速下降,严重影响了道路的运营。因此,一旦道路上发生了交通事件,需要迅速发现事件并做出响应,尽可能地降低事件造成的危害。交通事件检测是指使用各种检测方法对道路上的交通事件进行判别,是智能运输系统中的一项重要内容。目前智能交通领域的事件检测主要使用视频检测超速、逆行、行人、停车等非正常事件。视频检测检测范围比较广，可检测多种事件，成本低，维护比较简单，但由于受到不利天气、光线变化、摄像头抖动等的干扰，摄像头可能出现误差较大的甚至不能工作的情况，对后期的规则判断会造成很大的困难。基于上述陈述，本发明提出了使用多普勒雷达检测非正常事件的方法。

技术实现要素：

本发明的目的是为了解决现有技术中存在的缺点，而提出的使用多普勒雷达检测非正常事件的方法。

使用多普勒雷达检测非正常事件的方法，包括以下步骤：

s1、在摄像机架旁边安装多普勒雷达，利用多普勒雷达对道路进行监控，获取雷达数据；

s2、根据步骤s1中获取的雷达数据转换获取相应时刻的速度，通过计算两两速度之间的转移概率函数，从而确定不同时刻速度之间的对应关系，并将同一时刻的不同速度分别分解为各自独立的随机过程；

s3、通过采集一辆车在一段时间内正常情况下的雷达数据构造出状态转移网络，即m（x,y）=｛px,y（停车），px,y（超速），px,y（慢速），px,y（逆行），……｝为包含非正常事件状态概率的集合；

s4、查找状态转移网络，计算随机过程相邻两个时刻速度a1转移到速度a3的状态转移概率，即：m（a1,a3）=｛pa1,a2（停车）﹒pa2,a3（停车），pa1,a2（超速）﹒pa2,a3（超速），pa1,a2（慢速）﹒pa2,a3（慢速），pa1,a2（逆行）﹒pa2,a3（逆行），……｝从而得出最有可能出现的情况，即给出预警。

优选的，所述步骤s1中多普勒雷达的安装角度与摄像机的安装角度相同。

优选的，所述步骤s1中的雷达数据范围为-128～127，其中正数代表物体的移动方向是靠近雷达，负数代表物体的移动方向远离雷达，所述雷达数据与速度为一一对应关系。

优选的，所述步骤s2中转移概率的计算公式为：，式中z是归一化因子，α是调整因子。

优选的，所述步骤s3中的非正常事件包括停车、超速、慢速和逆行事件。

本发明提出的使用多普勒雷达检测非正常事件的方法，使用多普勒雷达检测，有效的解决了现有技术中视频检测不受环境限制，受天气、光照、抖动等干扰的影响的弊端，可以在不利条件下辅助摄像机进行智能事件检测，本发明能够实时有效的检测出道路车辆异常停车、超速、慢速和逆行事件，检测效率高，应用前景。

附图说明

图1为本发明提出的使用多普勒雷达检测非正常事件的方法中实施例步骤s1中多普勒雷达输出示意图；

图2为本发明提出的使用多普勒雷达检测非正常事件的方法中实施例步骤s2中不同时刻雷达速度示意图；

图3为本发明提出的使用多普勒雷达检测非正常事件的方法中实施例步骤s2中不同时刻雷达速度的转移状态示意图；

图4为本发明提出的使用多普勒雷达检测非正常事件的方法中实施例步骤s2中两个独立的随机过程示意图；

图5为本发明提出的使用多普勒雷达检测非正常事件的方法中实施例步骤s3中局部状态转移网络示意图。

具体实施方式

参照图1-5，下面结合具体实施例对本发明作进一步解说。

实施例

本发明提出的使用多普勒雷达检测非正常事件的方法，包括以下步骤：

s1、在摄像机架旁边安装多普勒雷达，利用多普勒雷达对道路进行监控，获取雷达数据，如图1所示：横坐标范围是-128～127，共256个离散值，它们不同频率的快速傅里叶变换值(fft)，这里代表不同的速度，测量范围是0～128，正数代表物体的移动方向是靠近雷达，负数代表物体的移动方向远离雷达，b代表fft的值，a代表相应的阈值，若fft的值超过阈值表示该点对应的横坐标和移动物体的速度之间是线性关系，为了表述方便，将下标值和速度是一一对应的关系，即0表示速度为0，127表示移动物体以127km/h的速度靠近雷达，-128表示移动物体以128km/h的速度远离雷达，将雷达的输出看做是两组包含128项数据的一位数组，数组的下标是0-127，现将这两个数组表示为a[0]～a[127]（表示左半边的-1～128），b[0]～b[127]（表示右半边的0～127）；

s2、根据步骤s1中获取的雷达数据转换获取相应时刻的速度，假设雷达每秒输出15组数据，如图2所示，为了确定不同时刻速度之间的对应关系，假设不同时刻移动物体的速度符合马尔科夫随机过程，即系统下一时刻的状态仅由当前状态决定，不依赖于以往的任何状态，则时刻一组数据中若项为1，则时刻项为1的转移概率由以下公式计算：

公式（1）中z是归一化因子，α是调整因子，假设时刻有、、三个速度，时刻有、、三个速度，通过计算两两速度之间的转移概率函数可以以最大可能性确定不同时刻速度之间的对应关系，得到的结果见图3所示，通过步骤s2，将同一时刻的多个速度在时间尺度上分解为各自独立的随机过程，如图4所示，以方便后续处理；

s3、通过采集一辆车在一段时间内不同情况下停车、超速、慢速、逆行等非正常情况下的雷达数据构造出状态转移网络，即m（x,y）=｛px,y（停车），px,y（超速），px,y（慢速），px,y（逆行），……｝为包含非正常事件状态概率的集合，如图5所示；

s4、查找状态转移网络，计算随机过程相邻两个时刻速度a[31]转移到速度a[34]的状态转移概率，从状态转移网络可以得到最短路径是和两条，分别计算两条路径的状态概率，即：

找出二者中概率最大的状态，作为的状态转移概率从而得出最有可能出现的情况，即给出预警。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。