1.一种应用在高速公路上基于视频的异常事件检测方法,包括获取视频图像,其特征在于,还包括以下步骤:
对获取的视频图像做帧差运算,划分视频图像的运动区域;
对已划分的各运动区域进行检测,识别物体是车辆或是行人;
根据识别到的物体对象,识别异常事件为逆行或拥堵或抛洒或行人闯入。
2.根据权利要求1所述的一种应用在高速公路上基于视频的异常事件检测方法,其特征在于,在识别异常事件时,当识别到的物体是行人时,采用最近邻方法进行关联和跟踪计算,对已识别的物体进行对象关联跟踪,统计每个轨迹中该物体出现的次数,若次数大于预设值,判别为行人闯入事件。
3.根据权利要求1所述的一种应用在高速公路上基于视频的异常事件检测方法,其特征在于,在识别异常事件时,当识别到的物体是车辆时,统计同一时刻出现的车辆的轨迹数目和位置,若轨迹数目大于预设值且在当前视频图像的预设面积值的每块区域内均有车辆时,判别为拥堵事件。
4.根据权利要求1所述的一种应用在高速公路上基于视频的异常事件检测方法,其特征在于,在识别异常事件时,当识别到的物体是车辆时,在当前车辆周围启用抛洒物检测算子或训练一个车窗往外伸胳膊的动作检测算子,若检测到抛洒物或车窗往外伸胳膊的动作事件,则判别为抛洒事件。
5.根据权利要求1所述的一种应用在高速公路上基于视频的异常事件检测方法,其特征在于,在识别异常事件时,当识别到的物体是车辆时,获取车辆轨迹出现图像的每帧的位置,获取车辆的运动方向,若运动方向跟设置的方向相反,则判别为逆行事件。
6.根据权利要求1所述的一种应用在高速公路上基于视频的异常事件检测方法,其特征在于,对获取的视频图像做帧差运算,划分视频图像的运动区域的具体步骤为:
1)运动差分:存储获取的视频图像的前n帧的图片,n为正整数,然后跟获取的视频图像的当前帧图片进行像素值差分运算,以根据像素点的差分绝对值与预设阈值t的比较,判断像素点为运动点或者静止点;
2)形态学操作:将像素点判断为运动点的视频图像转换为二值图像,再对二值图像进行形态学操作,取操作后的连通区域,并将连通区域面积较大的区域作为运动区域。
7.根据权利要求6所述的一种应用在高速公路上基于视频的异常事件检测方法,其特征在于,预设阈值t的设置方式为将获取的视频图像进行分块,每块采用不同的阈值。
8.根据权利要求7所述的一种应用在高速公路上基于视频的异常事件检测方法,其特征在于,在各块视频图像区域内选取任一像素点的前后两帧图像进行差值运算,当像素点的差分绝对值小于预设阈值t时,判别为静止点;当像素点的差分绝对值等于或大于预设阈值t时,判别为运动点。
9.根据权利要求1所述的一种应用在高速公路上基于视频的异常事件检测方法,其特征在于,对各运动区域进行检测时,采用基于yolo-v3的深度学习模型对车辆或者行人进行检测。
10.一种应用在高速公路上基于视频的异常事件检测装置,基于权利要求1-9任一项所述的应用在高速公路上基于视频的异常事件检测方法,其特征在于,
包括视频图像获取模块,以用于获取高速公路上的视频图像;
运动区域检测模块,以接收获取的视频图像并对视频图像做帧差运算,划分视频图像的运动区域;
物体检测模块,以接收已划分的运动区域,对各运动区域进行检测,识别物体是车辆或是行人;
异常事件判别模块,以根据识别物体的对象识别异常事件为逆行或拥堵或抛洒或行人闯入。