1.基于ST-MRF模型的电动自行车与汽车交通冲突检测方法,其特征在于,包括如下步骤:
步骤1、交通摄像头拍摄三维视频图像,采用ST-MRF模型同时跟踪单个的电动自行车与汽车,获得单个的电动自行车与汽车的交通信息;
步骤2、通过坐标转换算法将交通摄像头拍摄的三维视频图像转换成二维坐标数据;
步骤3、预测电动自行车与汽车在下一帧图像中的停车点;
步骤4、根据停车点之间的距离建立驾驶员冲突判断准则。
2.根据权利要求1所述的基于ST-MRF模型的电动自行车与汽车交通冲突检测方法,其特征在于,步骤1中,ST-MRF模型的能量函数Ustmrf是:
式中:第一部分a(Nyk-μNy)2表示在目标地图中,标号的相邻关系,第二部分b(Mxyk-μMxy)2表示在连续目标地图中的标号的遮挡关系,第三部分表示与运动矢量有关的连续图像中的纹理关系,第四部分表示在运动矢量地图中的运动矢量的相邻关系;
Nyk:指一个像素块的相邻像素块和该像素块有相同标号的数目;
Nxk:表示一个像素块的相邻像素块的数目;
Dxyk:代表t-1时刻的图像与t时刻的图像之间的纹理相关性,在发生遮挡时,分别计算属于各辆车的概率;
Mxyk:部分遮挡的两个像素块中遮挡部分的像素个数;
μNy:邻域基团,如果使用8-邻域基团,则μNy=8为最大值;
Ck:当前像素块;
Bk:相邻像素块;
在(t-1)时刻,当前像素块与相邻像素块的运动矢量之差;
a、b、c、f和μMxy为设定的参数。
3.根据权利要求2所述的基于ST-MRF模型的电动自行车与汽车交通冲突检测方法,其特征在于,根据前一时刻的目标地图、运动矢量和当前图像,同时考虑在相邻像素块中的运动矢量和连续图像中的纹理关系的相似性来最小化当前时刻的目标地图和运动矢量的最小能量,具体包括如下步骤:
01)通过块匹配方法获得所有像素块的运动矢量,确定运动矢量地图的初始状态V(t-1;t)=V0,V(t-1;t)表示时刻t-1到t,每个像素块的运动矢量;
02)根据运动矢量地图的初始状态,将每一像素块的候选标号设置为目标地图的初始状态X(t)=y0;
03)估算目标地图和运动矢量地图在进行X(t)=yi和V(t-1;t)=Vi次迭代后的总能量,i为迭代次数;
04)随机同时转换在当前状态下的目标地图X(t)=yi和运动矢量地图V(t-1;t)=Vi到下一状态的目标地图X(t+1)=yi+1和运动矢量地图V(t;t+1)=Vi+1;
05)在步骤03)和04)之间反复循环操作,直到X(t)和V(t-1;t)收敛到能量函数值Ustmrf到极小值。
4.根据权利要求1所述的基于ST-MRF模型的电动自行车与汽车交通冲突检测方法,其特征在于,步骤3中,电动自行车与汽车在下一帧图像中的制动距离S为:
式中,ξ是速度;是附着系数;ψ是道路纵坡度,%,上坡为正,下坡为负。
5.根据权利要求1所述的基于ST-MRF模型的电动自行车与汽车交通冲突检测方法,其特征在于,步骤4中,驾驶员冲突判断准则分为4级冲突:1级,闯红灯行为;2级,轻微冲突;3级,危险冲突;4级,严重冲突或发生事故,判据分别如下:
当交叉路口是黄灯时,且电动自行车的二维坐标落入交叉路口坐标范围内,则判定为1级的闯红灯行为;
当交叉路口是红灯时,首先,通过对图像中的电动自行车与汽车跟踪获得车辆中心X,Y坐标,用公式2预测电动自行车与小汽车的制动距离;然后,估算两辆车在下一帧图像中的停车点,并求出两辆车停车点之间的距离;最后,将两辆车的停车点标记在二维坐标轴上,并映射在实际道路上:
如果两辆车的停车点的延长线不相交,则判定为2级的轻微冲突;
如果两辆车的停车点之间的距离不在安全范围内且当标记在坐标上的两辆车的运动轨迹相交时,则判定为3级的危险冲突;
如果两辆车的停车点之间的距离小于等于0,则判定为4级的严重冲突或发生事故。
6.根据权利要求2所述的基于ST-MRF模型的电动自行车与汽车交通冲突检测方法,其特征在于,a=1/2,b=1/256,c=32/1000000,f=1/4,μMxy=0。