一种车辆逆行检测方法及系统与流程

本发明涉及计算机视觉技术技术领域，尤其涉及一种车辆逆行检测方法及系统。

背景技术：

随着交通领域的发展，我国道路交通标志、标线等交通安全设施的日臻完善，市民遵守交通法规的意识逐渐增强。然而少数机动车驾驶人偏偏“反其道而行之”，将交通法规抛之脑后。车辆逆行是道路交通中比较严重的一种主观违法行为，轻则引起交通堵塞，降低道路通行能力；重则引发交通事故，甚至造成车毁人亡的恶性后果。据我国交警部门对每年发生的重大交通事故统计数据分析，多数都是因为司机逆行造成。

传统的交通视频监控系统，在城市主要交通干道、高速公路、国道等重要位置都安装有监控摄像头，由人工进行实时监视道路状况，但在海量的视频大数据形势下，采用人工监视的不足日渐显著，如视觉疲劳、实时性不够、人力耗费量大等。因此，智能交通视频监控技术应运而生。

随着基于视频的智能分析技术发展，智能视频监控系统越来越受欢迎，它即能够实时地识别出道路异常状况，及时预防或者处理交通事故，也能够降低视频监控的人力成本。因此，应用于对车辆逆行检测的视频分析技术必不可少。

技术实现要素：

本发明所解决的技术问题在于提供一种车辆逆行检测方法及系统，以解决上述背景技术中的问题。

本发明所解决的技术问题采用以下技术方案来实现：

一种车辆逆行检测方法，具体步骤如下：

s0：采集视频图像，对前端获取的视频流使用解码器进行解码，获取rgb格式的三通道图像；

s1：对步骤s0)获取的三通道图像通过颜色空间转换，得到一通道的灰度图像；

gray＝r×0.299+g×0.587+b×0.114(1)

s2：设定监控摄像头中需要检测车辆是否逆行的感兴趣区域；

采用人工标记法，在步骤s0)获取的三通道图像中使用左、右两条曲线将图像中需要监控的单向行驶道路进行标注分割，两条分割线分别记为ln,左＝{(x1,y1),(x2,y2),......,(xn,yn)}、ln,右＝{(x1,y1),(x2,y2),......,(xn,yn)}，其中(x,y)表示像素的位置信息，两条分割线之间的区域则为需要进行车辆逆行检测的感兴趣区域，即将ln,左、ln,右之间的区域设定为感兴趣区域；

s3：根据预训练的车辆检测模型与多尺度滑动窗口法，对灰度图像各区域进行车辆检测分析，获得车辆目标候选集p；

采集大量道路车辆样本图像，并将道路车辆样本图像裁剪到256×256尺寸，而后在裁剪后的道路车辆样本图像中标记车辆目标位置信息与大小，得到车辆样本集，再利用caffe工具采用基于cnn的深度学习技术对车辆样本集进行训练，得到车辆检测模型；

对车辆目标进行检测时，采用cnn网络中的多尺度滑动窗口方法进行候选目标区域提取，同时采用基于cnn的深度学习目标检测技术对所有候选目标进行分类检测，再根据分类将所有不具有车辆特征的候选目标剔除，保留车辆目标，并记录当前时刻车辆位置信息，得到车辆候选目标集p＝{(xt,yt)}t∈{1,2,3.......∞}，其中，t表示第t帧图像；

s4：在步骤s3)车辆目标候选集p中剔除步骤s1)中感兴趣区域以外的车辆目标，得到车辆最终目标候选集q；

判断车辆候选目标集p中位于(xa,ya)处的某一车辆是否处于分割曲线ln,左、ln,右之间，首先将车辆a先与ln,左曲线进行比较，将xa与ln,左曲线上相同位置ln,左(x左,ya)处的x左进行比较，同时将xa与ln,右线上相同位置ln,右(x右,ya)处的x右进行比较，若满足x左≤xa≤x右条件，则判定车辆a处于分割曲线的感兴趣区域内，保留该候选目标，否则剔除；对车辆目标候选集p中所有目标均做此判断，最终得到车辆候选目标集q＝{(xt,yt)}t∈{1,2,3.......∞}；

s5：根据步骤s4)中获得的车辆最终目标候选集q对车辆目标进行跟踪，并将目标车辆的位置信息进行统计，获取车辆运动轨迹；

采用粒子滤波算法对车辆进行轨迹跟踪，每辆被跟踪的目标车辆均保存前m帧的位置信息，轨迹信息记为γm＝{(x1,y1),(x2,y2),......,(xm,ym)}；

s6：根据步骤s5)中的轨迹信息γm对车辆运动轨迹进行行驶方向分析，再根据预先定义的逆向行驶方向判断其行驶方向是否与逆向行驶的方向一致；

预先定义逆向行驶方向，以获取的图像左上角为二维坐标的轴心、向右为x轴、向下为y轴，图像中车辆面向前端摄像头设备逆向行驶，即面向-y轴行驶为正向行驶方向，逆向行驶方向定义为y轴方向；

判定车辆逆行的准则为，计算被跟踪目标车辆轨迹信息γm中{yi}i＝1,2,......,m之差，差之和记为diffsum＝∑t＝2,....,m(yt-yt-1)，若是diffsum大于0，则认为车辆正在逆行，否则为正常行驶。

还提供一种车辆逆行检测系统，该系统包括视频采集模块、模型训练模块、感兴趣区域设定模块、车辆检测模块、目标跟踪模块、逆行判定模块及语音报警模块，具体如下：

所述视频采集模块，包括监控摄像头、交换机、服务终端，交换机从网络摄像头中获取视频流，而后在服务终端通过视频解码技术提取视频图像；

所述监控摄像头，安装时对准正向行驶的车尾、逆向行驶的车头，且仅对一侧单向行驶道路进行监控；

所述模型训练模块，使用专业数据集采集设备收集车辆样本后，得到车辆样本集后，采用深度学习技术训练车辆检测模型；

所述感兴趣区域设定模块，从监控摄像头中获取一帧图像，然后在其中设定感兴趣区域，即需要对所监控道路的车辆进行逆行检测的区域；

所述车辆检测模块，从监控图像的感兴趣区域中提取出所有车辆目标，并保存车辆目标的位置信息和大小信息；

所述目标跟踪模块，根据检测到的车辆目标位置信息进行跟踪，统计行驶路径，得到跟踪轨迹信息；

所述逆行判定模块，用于判断车辆是否处于逆行行驶状态，通过车辆轨迹信息计算车辆的行驶方向，而后与预设的逆行方向进行对比，以此判断车辆是否逆行；

所述语音报警模块中设置有语音播报器或警报器，用于检测到车辆逆行时发出语音报警，及时提醒驾驶人。

有益效果：本发明通过对监控摄像头监控道路行驶车辆的实际位置与方向分析，有效地解决自主设定逆行方向的问题，同时利用深度学习技术对车辆目标进行分类检测和多目标跟踪技术以获得车辆的行驶轨迹进行实时跟踪，从而实现检测车辆逆行事件的实时性和准确性，有效降低逆行检测的误检率，也能够在事件发生第一时间内及时制止逆行车辆行驶人的违规行为，预防交通事故发生。

附图说明

图1为本发明的较佳实施例的流程示意图。

图2为本发明的较佳实施例的逆向行驶方向定义示意图。

图3为本发明的较佳实施例中的车辆逆行检测系统连接示意图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。

参见图1的一种车辆逆行检测方法，具体步骤如下：

s0：采集视频图像，对前端获取到的视频流使用解码器进行解码，获取rgb格式的三通道图像；

s1：对步骤s0)获取的三通道图像通过颜色空间转换，得到一通道的灰度图像；

gray＝r×0.299+g×0.587+b×0.114(1)

s2：设定监控摄像头中需要检测车辆是否逆行的感兴趣区域；

采用人工标记法，在步骤s0)获取的三通道图像中使用左、右两条曲线将图像中需要监控的单向行驶道路进行标注分割，两条分割线分别记为ln,左＝{(x1,y1),(x2,y2),......,(xn,yn)}、ln,右＝{(x1,y1),(x2,y2),......,(xn,yn)}，其中(x,y)表示像素的位置信息，两条分割线之间的区域则为需要进行车辆逆行检测的感兴趣区域，即将ln,左、ln,右之间的区域设定为感兴趣区域；

s3：根据预训练的车辆检测模型与多尺度滑动窗口法，对灰度图像各区域进行车辆检测分析，获得车辆目标候选集p；

本实施例首先需要采集大量道路车辆样本图像，并将道路车辆样本图像裁剪到256×256尺寸，而后在裁剪后的道路车辆样本图像中标记车辆目标位置信息与大小，得到车辆样本集，再利用caffe工具采用基于cnn的深度学习技术对车辆样本集进行训练，得到车辆检测模型；

对车辆目标进行检测时，采用cnn网络中的多尺度滑动窗口方法进行候选目标区域提取，同时采用基于cnn的深度学习目标检测技术对所有候选目标进行分类检测，再根据分类将所有不具有车辆特征的候选目标剔除，保留车辆目标，并记录当前时刻车辆位置信息，得到车辆候选目标集p＝{(xt,yt)}t∈{1,2,3.......∞}，其中，t表示第t帧图像；

s4：在步骤s3)车辆目标候选集p中剔除步骤s1)中感兴趣区域以外的车辆目标，得到车辆最终目标候选集q；

判断车辆候选目标集p中位于(xa,ya)处的某一车辆是否处于分割曲线ln,左、ln,右之间，首先将车辆a先与ln,左曲线进行比较，将xa与ln,左曲线上相同位置ln,左(x左,ya)处的x左进行比较，同时将xa与ln,右线上相同位置ln,右(x右,ya)处的x右进行比较，若满足x左≤xa≤x右条件，则判定车辆a处于分割曲线的感兴趣区域内，则保留该候选目标，否则剔除。对车辆候选目标集p中所有目标均做此判断，最终得到车辆候选目标集q＝{(xt,yt)}t∈{1,2,3.......∞}；

s5：根据步骤s4)中获得的车辆最终目标候选集q对车辆目标进行跟踪，并将目标车辆的位置信息进行统计，获取车辆运动轨迹；

采用粒子滤波算法对车辆进行轨迹跟踪，每辆被跟踪的目标车辆均保存前m帧的位置信息，轨迹信息记为γm＝{(x1,y1),(x2,y2),......,(xm,ym)}；

s6：根据步骤s5)中的轨迹信息γm对车辆运动轨迹进行行驶方向分析，再根据预先定义的逆向行驶方向判断其行驶方向是否与逆向行驶的方向一致；

预先定义逆向行驶方向，如图2所示，以获取的图像左上角为二维坐标的轴心、向右为x轴、向下为y轴，图像中车辆面向前端摄像头设备逆向行驶，即面向-y轴行驶为正向行驶方向，逆向行驶方向定义为y轴方向；

判定车辆逆行的准则为：计算被跟踪目标车辆轨迹信息γm中{yi}i＝1,2,......,m之差，差之和记为diffsum＝∑t＝2,....,m(yt-yt-1)，若是diffsum大于0，则认为车辆正在逆行，否则为正常行驶。

本实施例提供一种车辆逆行检测系统，该系统包括视频采集模块、模型训练模块、感兴趣区域设定模块、车辆检测模块、目标跟踪模块、逆行判定模块及语音报警模块，具体如下：

所述视频采集模块，包括监控摄像头、交换机、服务终端，监控摄像头通过交换机将视频信息进行网络传输，而后将视频流信息传送至服务器终端，服务终端通过视频解码技术提取视频图像；

所述监控摄像头，安装在道路的立杆上，不宜过高或过低，监控摄像头安装时将监控探头对准正向行驶的车尾、逆向行驶的车头，且仅对一侧的单向行驶道路进行监控；

所述模型训练模块，使用专业数据集采集设备收集大量车辆样本后，得到车辆样本集后，采用深度学习技术训练车辆检测模型；

所述感兴趣区域设定模块，从监控摄像头中获取一帧图像，然后在其中设定感兴趣区域，即需要对所监控道路的车辆进行逆行检测的区域；

所述车辆检测模块，从监控图像的感兴趣区域中提取出所有车辆目标，并保存车辆目标的位置信息和大小信息；

所述目标跟踪模块，根据检测到的车辆目标位置信息进行跟踪，统计行驶路径，得到跟踪轨迹信息；

所述逆行判定模块，用于判断车辆是否处于逆行行驶状态，通过车辆轨迹信息计算车辆的行驶方向，而后与预设的逆行方向进行对比，以此判断车辆是否逆行；

所述语音报警模块，用于检测到车辆逆行时发出语音报警，及时提醒驾驶人。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。