一种高速公路交通事件自动检测系统的制作方法
本发明涉及道路交通状态检测与管理技术领域，特别是涉及一种基于毫米波雷达与视频融合的高速公路交通事件自动检测系统。
背景技术：
随着国民经济的快速发展，我国已经形成了四通八达的高速公路网，高速公路总里程逐年增加。高速公路交通由于存在流量大、车速快、车辆类型多样等特点，使得高速公路事故往往损失程度大、伤亡率高，高速公路事故已成为交通管理的重点。在高速公路事故中，驾驶员的不文明驾驶行为是造成事故的主要原因，主要包括超速、低速、逆行、违停、非法占用应急车道、频繁变道等。及时、准确的对这些异常驾驶行为进行检测，对驾驶员进行提醒，并上传至交通管理部门进行执法监管，可以有效减少事故发生概率，提高高速公路管理水平。
现有的高速公路交通事件自动监测主要利用视频设备来实现，包括定点检测设备和高点视频监控设备。定点检测主要采用微波雷达或地感线圈与视频设备相结合的方案，利用微波雷达或地感线圈对车辆行驶速度进行检测，关联视频设备进行违法取证。传统的微波雷达无法对低速和静止的目标进行检测，且检测范围小，检测目标数量少。通过对每个车道部署测速和视频设备，仅能实现超速、低速和占用应急车道等较少类型事件自动监测，仅适用于小范围的断面交通事件采集。
高点视频监控设备虽然能够获取全面的交通事件信息，但主要是通过人工巡检的方式实现。通过管理人员对视频范围内的车辆进行违停、逆行等状态进行人工判别，实现高速公路事件管理。这种方式需耗费大量的人力，无法实现全天候全自动事件监测。此外，在大雾、雨天、背光、向光等光线不良的场景中，事件采集的准确性和可靠性会受到严重影响。
技术实现要素：
本发明的目的是提供一种高速公路交通事件自动检测系统，以更加全面和准确的自动监测高速公路交通事件。
为实现上述目的，本发明提供了一种高速公路交通事件自动检测系统，所述检测系统包括：
数据采集单元，包括毫米雷达和视频采集设备，用于采集车辆运动轨迹和车辆信息，所述车辆信息包括车牌和车身特征；
数据分析及事件判别单元，用于根据所述数据采集单元采集的车辆运动轨迹和车辆信息判别车辆状态是否属于异常行驶状态，所述异常行驶状态包括超速、低速、违停、逆行、占用应急车道或频繁变道；
现场告警单元，用于在所述数据分析及事件判别单元得到的判别结果为异常行驶状态时，对高速公路现场进行事件信息进行告警，并向驾驶员发出告警；
后台管理单元，用于协调控制所述数据采集单元、所述数据分析及事件判别单元和所述现场告警单元，并展示采集的数据信息、判别结果和告警信息。
可选的，所述数据分析及事件判别单元包括：
车辆运动轨迹数据预处理模块，用于根据预设阈值范围筛选有效车辆运动轨迹数据；所述预设阈值范围包括距离阈值、角度阈值、速度阈值和rcs阈值；
车辆目标轨迹提取模块，用于每次获取两个视频帧作为两个采样点，根据相似性原则计算所述两个采样点中车辆目标的相似度，确定相似度最大的为同一车辆目标，根据多次得到的同一车辆目标形成车辆轨迹；
车辆状态判别模块，用于根据所述车辆轨迹，对于同一车辆目标轨迹中的车辆状态按照最高限速阈值、最低限速阈值、速度为零、速度为负值、应急车道角度范围和行车道角度范围分别判断车辆状态，得到判别结果，所述判别结果包括正常行驶状态和异常行驶状态，所述异常行驶状态包括超速、低速、违停、逆行、占用应急车道或频繁变道；
车辆特征提取模块，用于将所述毫米波雷达采集的图像与所述视频采集设备采集的图像进行匹配，统一坐标，在所述毫米波雷达采集的图像中识别车辆特征信息，并将所述车辆特征信息与所述车辆轨迹关联存储和上传；
录像取证模块，用于记录并存储包含所述车辆特征信息的视频流。
可选的，所述车辆运动轨迹数据预处理模块具体包括：
距离阈值设置子模块，用于根据雷达的安装高度h、雷达检测范围俯仰角δ、天线倾斜角θ、车辆平均高度hc，计算雷达的最大检测距离和最小检测距离范围[dmin,dmax]，剔除不在所述距离阈值范围内的检测距离数据；其中，最大检测距离、最小检测距离计算如下所示：
角度阈值设置子模块，用于根据雷达水平角检测范围[-σmax,σmax]，剔除不在所述雷达水平角检测范围内的检测角度数据；其中，σmax为雷达水平最大检测角度；
速度阈值设置子模块，用于根据车辆的行驶特征，设定速度检测范围[vmin,vmax]，剔除不在所述速度检测范围内对检测速度数据；其中，vmin为车辆逆行时最大速度，为负值，vmax为160％倍高速公路限速；
rcs阈值设置子模块，用于确定车辆目标的rcs分布范围[rmin,rmax]，剔除在所述rcs分布范围内对检测rcs数据，其中，rmin、rmax为车辆目标rcs统计值的最小值和最大值。
可选的，所述车辆目标轨迹提取模块具体包括：
预测值计算子模块，用于利用公式
相异度计算子模块，用于利用公式
最大相异度计算子模块，用于根据公式maxdif＝maxdif(m,n)计算历史时间段t内所有采样帧样本的最大相异度；
相似度计算子模块，用于根据公式sim(m,n)＝maxdif-dif(m,n)计算相似度；
轨迹生成子模块，用于根据所述相似度，在第p帧和第q帧中，选择相似度最大的目标归为一类，形成同一辆车的轨迹。
可选的，所述车辆状态判别模块具体包括：
超速判别子模块，用于在同一车辆目标轨迹中，将存在速度超过最高限速阈值的车辆目标判定为超速；
低俗判别子模块，用于在同一车辆目标轨迹中，将存在速度低于最低限速阈值的车辆目标判定为低速；
违停判别子模块，用于在同一车辆目标轨迹中，将存在速度为零的车辆目标判定为违停；
逆行判别子模块，用于在同一车辆目标轨迹中，将存在速度为负值的车辆目标判定为逆行；
非法占用应急车道判别子模块，用于在同一车辆目标轨迹中，将车辆目标角度位于应急车道角度范围时，判定为非法占用应急车道，所述的应急车道角度范围需根据毫米波雷达设备安装角度标定；
频繁变道判别子模块，用于在同一车辆目标轨迹中，将车辆目标角度在检测范围内连续变换于不同的行车道角度范围时，判定为频繁变道，所述的行车道角度范围需根据毫米波雷达设备安装角度标定。
可选的，所述车辆特征提取模块具体包括：
图像融合子模块，用于对毫米波雷达采集的图像与视频采集的图像进行匹配，统一坐标系；
投影子模块，用于对毫米波雷达检测车辆目标信息，在视频采集的图像中进行投影，识别兴趣点区域，兴趣点区域代表车辆目标的位置；
特征识别子模块，用于根据兴趣点区域划定车辆目标提取边界，识别提取边界内的车辆特征，包括车牌身份特征、车身特征、车辆类型和车身颜色；
关联匹配子模块，用于视频图像识别的车辆特征信息与毫米波雷达识别的轨迹信息进行关联匹配，存储在处理单元中，并实时上传至所述后台管理单元。
可选的，所述后台管理单元包括数据展示平台、系统运维管理平台和异常事件审查管理平台。
可选的，所述数据展示平台，用于结合大数据可视化和gis应用，对系统概括、监测点分布、实时交通事件上报情况、交通事件统计情况、交通流状态、视频监控状态、雷达检测目标轨迹展示状态进行动态展示。
可选的，所述系统运维管理平台，用于对路口雷达和视频检测设备、处理单元设备、广播设备、显示设备、网络设备的在线管理，包括设备基础信息维护、设备故障报警或人员权限管理。
可选的，所述异常事件审查管理平台，用于对现场采集的交通异常事件进行审核执法，根据毫米波雷达上报的事件类型，以及视频设备采集的录像取证信息，进行人工审核，明确违法车辆、违法类型、时间和处罚标准，并将所得信息传输至交通管控平台进行执法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
1、本发明采用毫米波雷达为主，视频为辅的高速公路事件检测方案，检测事件类型更加全面准确。此外，本发明可以减少传统的视频方式对光线条件的依赖，及时光线不良条件下仍可以实现事件判别并进行现场告警提示，达到交通管理的目的；
2、本发明将毫米波雷达检测目标与视频图像相融合，可以减少视频分析数据处理量，提高车辆特征提取效率。此外，基于事件触发的视频录像采集方式，也可以极大减少不必要的数据传输量，节省网络带宽；
3、本发明不仅在关键核心技术方面提出了高速公路事件自动检测方法，而且为高速交通管理提供了系统的解决方案，通过前段告警提示与后台执法管理相结合的方式，降低事故发生概率，提高管理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的高速公路交通事件自动检测系统的系统框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种高速公路交通事件自动检测系统，以更加全面和准确的自动监测高速公路交通事件。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本实施例提供的高速公路交通事件自动检测系统包括数据采集单元1、数据分析及事件判别单元2、现场告警单元3和后台管理单元4。
其中，数据采集单元1包括毫米雷达和视频采集设备，数据采集单元1用于采集车辆运动轨迹和车辆信息，所述车辆信息包括车牌和车身特征。
毫米波雷达工作频段介于光波和厘米波，具有优良的探测性能。尤其地，fmcw可调频连续毫米波雷达具有测速精度高、多目标检测、高分辨率和成像能力、检测范围广、抗干扰能力强等优势，而且对低速运动物体和静止物体亦具有良好的探测性能，较好地弥补了传统微波雷达存在的不足。本实施例采用毫米波雷达与视频采集相结合的方式，以毫米波雷达追踪车辆运动轨迹进行事件判别为主，视频采集为辅，提出一种基于全天候高速公路事件检测及预警系统。
在实际应用中，毫米波雷达和视频设备安装在路侧立杆上，毫米波雷达主要对车辆目标的运动轨迹特征进行检测，雷达天线方向与车流方向一致。所用毫米波雷达可以同时实现150m范围内3-4车道多个车辆目标进行连续轨迹跟踪，跟踪帧率为50ms/次，其中，在第k帧中，第i个车辆目标的跟踪信息如下所示：
＜dk(i),vk(i),ak(i),rk(i)＞
其中，
dk(i)表示目标i与雷达的直线距离，单位m；
vk(i)表示目标i的行驶速度，单位m/s；
ak(i)表示目标i的方位角；
rk(i)表示目标i的rcs返回能量值强度，单位db。
视频设备主要对车辆的车牌和车身特征进行检测，同时对所判定的异常事件进行录像取证，为交通执法管理提供依据。
数据分析及事件判别单元2用于根据所述数据采集单元采集的车辆运动轨迹和车辆信息判别车辆状态是否属于异常行驶状态，所述异常行驶状态包括超速、低速、违停、逆行、占用应急车道或频繁变道；
该数据分析及事件判别单元2主要由部署在路侧的处理单元执行，该处理单元可以是工控机、服务器、嵌入式处理器及其他满足数据处理性能的运算设备。处理单元接收来自毫米波雷达和视频设备传输的实时数据，执行如下步骤：通过对毫米波雷达数据进行清洗，剔除背景噪声点，获得车辆运动轨迹点集合；对车辆运动轨迹点进行分类，提取单个车辆的运动轨迹数据；根据单个车辆的运动轨迹，对超速、低速、频繁变道、占用应急车道、违停、逆行等事件类型进行判别；利用视频设备采集道路数据，并与毫米波采集数据进行融合，实现车辆特征提取，主要包括车牌号、车辆类型、车身颜色等；最后，通过视频录像取证子模块，当交通事件发生时，存储相应时间段内的视频数据，作为执法依据。
具体的，该数据分析及事件判别单元2包括车辆运动轨迹数据预处理模块、车辆目标轨迹提取模块、车辆状态判别模块、车辆特征提取模块和录像取证模块。
毫米波雷达采集数据中，包含了大量的噪声信息，主要来源于雷达设备本身和道路环境，如旁瓣干扰、虚警噪声、道路护栏等金属物体干扰目标等。对上述噪声进行阈值分析并剔除，筛选有效的车辆轨迹数据十分必要。该车辆运动轨迹数据预处理模块用于根据预设阈值范围筛选有效车辆运动轨迹数据；所述预设阈值范围包括距离阈值、角度阈值、速度阈值和rcs阈值。所述车辆运动轨迹数据预处理模块具体包括：
距离阈值设置子模块，用于根据雷达的安装高度h、雷达检测范围俯仰角δ、天线倾斜角θ、车辆平均高度hc，计算雷达的最大检测距离和最小检测距离范围[dmin,dmax]，剔除不在所述距离阈值范围内的检测距离数据；其中，最大检测距离、最小检测距离计算如下所示：
角度阈值设置子模块，用于根据雷达水平角检测范围[-σmax,σmax]，剔除不在所述雷达水平角检测范围内的检测角度数据；其中，σmax为雷达水平最大检测角度；
速度阈值设置子模块，用于根据车辆的行驶特征，设定速度检测范围[vmin,vmax]，剔除不在所述速度检测范围内对检测速度数据；其中，vmin为车辆逆行时最大速度，为负值，vmax为160％倍高速公路限速；
rcs阈值设置子模块，用于确定车辆目标的rcs分布范围[rmin,rmax]，剔除在所述rcs分布范围内对检测rcs数据，其中，rmin、rmax为车辆目标rcs统计值的最小值和最大值。
该车辆目标轨迹提取模块用于每次获取两个视频帧作为两个采样点，根据相似性原则计算所述两个采样点中车辆目标的相似度，确定相似度最大的为同一车辆目标，根据多次得到的同一车辆目标形成车辆轨迹；该车辆目标轨迹提取模块具体包括：
预测值计算子模块，用于利用公式
相异度计算子模块，用于利用公式
最大相异度计算子模块，用于根据公式maxdif＝maxdif(m,n)计算历史时间段t内所有采样帧样本的最大相异度；
相似度计算子模块，用于根据公式sim(m,n)＝maxdif-dif(m,n)计算相似度；
轨迹生成子模块，用于根据所述相似度，在第p帧和第q帧中，选择相似度最大的目标归为一类，形成同一辆车的轨迹。
该车辆状态判别模块用于根据所述车辆轨迹，对于同一车辆目标轨迹中的车辆状态按照最高限速阈值、最低限速阈值、速度为零、速度为负值、应急车道角度范围和行车道角度范围分别判断车辆状态，得到判别结果，所述判别结果包括正常行驶状态和异常行驶状态，所述异常行驶状态包括超速、低速、违停、逆行、占用应急车道或频繁变道；该车辆状态判别模块具体包括：
超速判别子模块，用于在同一车辆目标轨迹中，将存在速度超过最高限速阈值的车辆目标判定为超速；
低俗判别子模块，用于在同一车辆目标轨迹中，将存在速度低于最低限速阈值的车辆目标判定为低速；
违停判别子模块，用于在同一车辆目标轨迹中，将存在速度为零的车辆目标判定为违停；
逆行判别子模块，用于在同一车辆目标轨迹中，将存在速度为负值的车辆目标判定为逆行；
非法占用应急车道判别子模块，用于在同一车辆目标轨迹中，将车辆目标角度位于应急车道角度范围时，判定为非法占用应急车道，所述的应急车道角度范围需根据毫米波雷达设备安装角度标定；
频繁变道判别子模块，用于在同一车辆目标轨迹中，将车辆目标角度在检测范围内连续变换于不同的行车道角度范围时，判定为频繁变道，所述的行车道角度范围需根据毫米波雷达设备安装角度标定。
该车辆特征提取模块用于将所述毫米波雷达采集的图像与所述视频采集设备采集的图像进行匹配，统一坐标，在所述毫米波雷达采集的图像中识别车辆特征信息，并将所述车辆特征信息与所述车辆轨迹关联存储和上传；该车辆特征提取模块具体包括：
图像融合子模块，用于对毫米波雷达采集的图像与视频采集的图像进行匹配，统一坐标系；
投影子模块，用于对毫米波雷达检测车辆目标信息，在视频采集的图像中进行投影，识别兴趣点区域，兴趣点区域代表车辆目标的位置；
特征识别子模块，用于根据兴趣点区域划定车辆目标提取边界，识别提取边界内的车辆特征，包括车牌身份特征、车身特征、车辆类型和车身颜色；
关联匹配子模块，用于视频图像识别的车辆特征信息与毫米波雷达识别的轨迹信息进行关联匹配，存储在处理单元中，并实时上传至所述后台管理单元。
录像取证模块，用于记录并存储包含所述车辆特征信息的视频流。当毫米波雷达检测到异常事件时，结合视频融合方法对车辆特征进行提取，同时，记录现场视频流数据，将记录的视频流数据存储本地并上传至后台，为执法管理提供依据。本发明提出，只有道路发生异常事件实时，才触发视频数据录像存储功能，以此，有效节省网络带宽资源，尤其针对车流量较小的路段，减少不必要的数据上传。
该现场告警单元3用于在所述数据分析及事件判别单元得到的判别结果为异常行驶状态时，对高速公路现场进行事件信息进行告警，并向驾驶员发出告警。当识别雷达覆盖区域内发生异常事件后，对高速公路现场进行事件信息告警，提醒驾驶员注意安全驾驶。告警方式主要有两种：广播方式，通过在路侧安装扩音设备，对驾驶员实行声音提醒；诱导屏提醒方式：通过在路侧安装led诱导屏等显示设备，对车辆信息和违法信息进行展示，提醒驾驶员安全驾驶。
该后台管理单元4用于协调控制所述数据采集单元、所述数据分析及事件判别单元和所述现场告警单元，并展示采集的数据信息、判别结果和告警信息。该后台管理单元4包括数据展示平台、系统运维管理平台和异常事件审查管理平台。
所述数据展示平台用于结合大数据可视化和gis应用，对系统概括、监测点分布、实时交通事件上报情况、交通事件统计情况、交通流状态、视频监控状态、雷达检测目标轨迹展示状态进行动态展示。
所述系统运维管理平台，用于对路口雷达和视频检测设备、处理单元设备、广播设备、显示设备、网络设备的在线管理，包括设备基础信息维护、设备故障报警或人员权限管理。
所述异常事件审查管理平台，用于对现场采集的交通异常事件进行审核执法，根据毫米波雷达上报的事件类型，以及视频设备采集的录像取证信息，进行人工审核，明确违法车辆、违法类型、时间和处罚标准，并将所得信息传输至交通管控平台进行执法
本实施例利用毫米波雷达与视频融合的方式，提高事件检测范围，事件检测类型更全面，实现高速公路事件全天候自动检测与预警提醒。解决了传统微波雷达无法识别静止车辆以及不能检测车辆轨迹信息，以及单一视频采集方式受光线影响等缺陷，从导致现有的高速公路事件检测系统存在检测事件类型少、范围小等不足。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
- 还没有人留言评论。精彩留言会获得点赞！