CN101388145A - 道路交通安全自动警示方法及装置 - Google Patents

Abstract

一种道路交通安全自动警示方法及装置，对摄像机输入的视频图像数据进行采集，利用采集到的场景图像建立背景模型，根据所建立的背景模型分割出前景图像，将分割出来的前景图像模型与预定范围内行人或车辆的特征比较，判断出运动目标是行人或车辆，如果判断在岔道和主路的交点附近没有运动目标物体或者该运动目标物体不是行人或车辆，则本装置发送正常信号；如果判断在岔道和主路的交点附近的运动目标物体是行人或车辆，则本装置发出警示信号，提示行人或车辆减速慢行、小心通过。

Description

道路交通安全自动警示方法及装置

技术领域

本发明涉及道路交通安全自动警示方法及装置。

背景技术

随着国家的经济的不断发展，人均收入不断增加，拥有汽车的人越来越多，汽车在给人们带来便利的同时也带来了痛苦，据统计每年因车祸死亡的人数在不断的增加，如何构建安全和谐的交通道路环境成为全社会关注的焦点。

交通主路与岔路垂直交界处是事故多发地带，一般在交界处设置一个交通行人标识牌提示主路上行驶汽车在通过交叉路段时减速慢行，防止行人或车辆突然从岔路出现，造成交通事故。

随着科技发展，交通行人标识牌在原有的传统技术实现手段水平上有很大的改进，一种是利用红外线技术，在岔道的两旁设置一对红外线对射报警装置，当行人或车辆阻断该报警装置发出的红外线时，报警装置就会报警，提示主路的汽车减速慢行，但是上述红外线报警装置的误报率很高，只要运动目标经过红外线形成阻挡，报警装置就会报警。

另一种报警方式是利用线圈感应器，当车辆通过线圈感应器时，报警装置就会报警，提醒主路上行驶汽车在通过交叉路段时减速慢行，但是线圈感应器报警装置安装时需要破开路面进行施工，将其埋设在地下，由于线圈长时间被雨水侵蚀，承载不断行驶经过的汽车重量的反复碾压，线路老化快，灵敏度下降，造成大量的漏检、漏报现象。

综合上述原因，目前还需进一步开发一种使用寿命周期长、安装简便、能够准确检测并且及时报警的交通道路标识牌报警系统。

发明内容

本发明要解决的问题在于，提供一种道路交通安全自动警示方法和装置，从而实现准确、快速的发出警示信号，提示行人和车辆减速慢行、小心通过，减少岔道与主路交叉路段的交通肇事事故的发生。

本发明实施例提供的一种道路交通安全自动警示方法包括：

采集视频图像的视频帧数据；

按照采集到的视频帧数据建立背景模型；

利用已建立的背景模型来进行针对当前所输入的视频帧的图像分割；

对分割后的数据进行运动目标物体检测；

对检测出来的运动目标物体进行判断，输出判断结果。

优选的，所述建立背景模型的方法包括：

在采集视频帧数据的初始化阶段把没有行人或车辆出现时的交通路口场景作为初始背景模型进行存储。

优选的所述图像分割的具体方法为：

利用当前视频输入图像的视频帧数据与背景模型图像视频帧进行相减，获得前景图像，其中前景图像视频帧中包括我们需要检测的运动目标物体的视频帧。

优选的，所述运动目标物体检测的方法包括：

在视频图像中利用连通区域分析得到若干目标的位置、大小、运动速度，根据分割出来的前景模型，在像素级上检测运动目标物体，同时将运动目标物体进行标注，获得每个运动目标物体的具体信息，包括运动目标的标识、大小、位置、运动速度。

优选的，所述运动目标物体判断的具体方法为：将检测出来的运动目标物体按运动速度、形状、大小特征分类，将每个分类结果与预设的正常行人或车辆在该场景下的相应特征信息进行匹配、判断，如果运动目标物体的运动速度、形状、大小特征在预设的正常行人或车辆的特征范围内，则输出警示信号；如果运动目标物体的运动速度、形状、大小特征不在预设的正常行人或车辆的特征范围内，则输出正常信号。

本发明实施例还提供的一种道路交通安全自动警示装置包括：

固定杆、基座、太阳能电池板、警示牌、摄像机和黄闪灯，其特征在于：摄像机内部还包括：

采集卡：用于采集视频图像的视频帧数据；

处理器：用于按照采集到的视频帧数据建立背景模型，利用已建立的背景模型进行针对当前所输入的视频帧的图像分割，然后对分割后的数据进行运动目标物体检测，对运动目标物体进行判断；

输出电路：用于输出上述对运动目标的判断结果；

触发器：将所述采集卡采集的图像信息通过处理器分析转换成相应的电信号，由输出电路将分析转换后的电信号输出到触发器，触发器根据收到的电信号触发黄闪灯和警示牌预警。

优选的，所述太阳能电池板收集的电能储存在储能电池内，储能电池将储存的电能提供给摄像机、警示牌和黄闪灯以保持正常的工作。

优选的，所述处理器内部包括背景模型建模模块、图像分割模块、图像识别模块和信号输出模块，所述背景模型建模模块将采集到的场景图像进行背景模型的建立，图像分割模块将当前输入的图像进行图像分割，将分割后的图像发送到图像识别模块进行识别处理，识别处理后的结果通过信号转换输出模块输出。

优选的，所述图像分割模块是利用当前图像数据与对应的背景模型相减，获得前景图像。

优选的，所述图像识别模块包括：

目标检测单元：根据背景模型，在像素级上判断运动目标物体，同时将运动目标物体进行标注，获得每个运动目标物体的大小、位置、运动速度信息；

目标分类单元：根据目标检测单元检测出来的信息与预设的正常行人或车辆的特征范围内的相应信息进行匹配、对照，基于概率统计的方法，进行运动目标的分类，主要区分出行人、车辆或二者以外的其他运动目标物体。

目标判断单元：如果分类的目标符合行人或车辆的特征则发出预警信号，如果分类的目标不符合行人或车辆的特征则发出正常信号。

采用本发明提供的一种道路交通安全自动警示方法，对摄像机所输入的视频图像进行场景图像的背景模型的建立，根据所建立的背景模型来分割出当前的前景图像，将分割出来的前景模型与预定范围内行人或车辆的特征进行匹配和比较，判断出运动目标是否为行人或车辆，如果判断在岔道和主路的交点附近的没有运动目标物体或者改运动目标物体不是行人或车辆，发送正常信号；如果判断在岔道和主路的交点附近有行人或车辆，发出警示信号，提示行人或车辆减速慢行。为了使该警示方法更好的得以实现，本发明还提供了一种道路交通安全自动警示装置。

本发明的其它优点在后续的文字中有详尽的叙述。

附图说明

图1是交通道路行人检测警示方法的流程图；

图2是图1中运动目标物体检测方法流程图；

图3是图1中运动目标物体判断输出方法流程图；

图4是交通道路行人检测警示装置外观图；

图5是图4实施例中摄像机内部元件实施框图；

图6是图5实施例处理器结构的实施例框图；

图7是图6实施例图像识别模块结构的实施例框图。

具体实施方式

产品安装输入：

(1)根据场景设置感兴趣区域，一般为多边形，如四边形、五边形等边数通常大于三条的图形，目前多边形个数可以限定为一个。

(2)触发报警规则及相关参数：在感兴趣区域内的停留时间，目标类型比如：行人、车辆，运动目标的行进方向限制等。

(3)根据场景条件和用户需求设置的算法参数。

(4)定标信息：反映运动目标物体尺寸大小的实际物理测量值与图像像素点阵区域测量值的关系，例如，普通行人的实际大小的物理测量值与各个测量值在摄像机摄入的图像中的位置所对应的像素点阵的测量值的对应关系。

识别算法软件的运行输入：

(1)为RGB或YUV图像格式，图像分辨率不低于320x240，

(2)传入视频图像的帧速率(fps)与算法处理速度有关，通常不低于10fps。为了满足上述要求，则要求针对每帧图像的算法处理时间小于100ms。

(3)传入图像的同时也应传入系统时间(精确到毫秒ms)。

信号输出：

(1)检测出目标的相关信息：

运动目标的个体标识ID、运动轨迹、运动目标类型信息(如：行人、车辆)、所在位置、运动速度等；

(2)产生报警信号，输出给道路行人标识牌的黄闪灯或其他装置进行显示或发出报警信息。

如图1所示，道路交通安全自动警示方法：

步骤101进行视频数据采集：

步骤102按照采集到的视频帧数据建立背景模型；

步骤103利用所建立的背景模型进行针对当前图像的图像分割；

步骤104对分割后的前景图像进行运动目标物体检测；

步骤105对检测出来的运动目标物体进行判断，输出判断结果；

步骤106根据所述判断结果，发出预警信号。

如图2所示，步骤201在视频图像中利用连通区域分析得到若干目标的位置、大小等属性，根据分割出来的前景模型，在像素级上检测运动目标物体，步骤202将运动目标物体进行标注，步骤203获得每个运动目标物体的具体信息，包括运动目标的标识、大小、位置、运动速度等信息。

如图3所示，步骤301将检测出来的运动目标物体按运动速度、形状、大小等特征分类，步骤302将每个分类结果与预设的正常行人或车辆在该场景下的相应特征信息进行匹配、判断，如果运动目标物体的运动速度、形状、大小等特征在预设的正常行人或车辆的特征范围内，则步骤304输出警示信号；如果运动目标物体的运动速度、形状、大小等特征不在预设的正常行人或车辆的特征范围内，则步骤303输出正常信号。

背景模型：描述场景的背景情况，需要对于摄像机输入的视频信号进行多帧缓存，基于统计进行背景模型的建立；在实际应用中，由于图像噪声、光照变化等影响，背景图像并非固定不变。因此把背景和前景差异小于一定阈值的像素集合作为前景区域。

为了解决阈值取值问题，利用统计模型来描述背景图像的颜色变化。在假设噪声为高斯分布的前提下，背景图像在位置(x，y)上t时刻的像素值I_(x，y)(t)的分布可以用颜色的均值和协方差矩阵来描述。该分布函数h_x，y(X_t)描述了该像素位置(x，y)，某个颜色Xt属于背景的概率。每个像素位置的可以通过对多幅背景图像进行统计获得。

在系统初始化阶段，获得大约20～40帧时长的多帧视频数据后，就可以建立背景模型。具体方法如下：

假设V代表N幅连续图像，Vⁱ(x)是第i帧图像中x位置上像素的灰度，σ(x)和λ(x)是V中所有图像x位置上像素灰度的标准方差和中值。则针对x位置上像素灰度值Vⁱ(x)，我们来定义一下 $\left[\begin{array}{c}m\left(x\right)\\ n\left(x\right)\\ d\left(x\right)\end{array}\right]$ 的含义： $\left[\begin{array}{c}m\left(x\right)\\ n\left(x\right)\\ d\left(x\right)\end{array}\right]=\left[\begin{array}{c}{\min }_Z\left\{V^Z\left(x\right)\right\}\\ {\max }_Z\left\{V^Z\left(x\right)\right\}\\ {\max }_Z\left\{\right|V^Z\left(x\right)-V^{Z-1}\left(x\right)\left|\right\}\end{array}\right],$ 公式(1)

其中，m(x)代表第Z帧图像中x位置上像素的最小灰度值；n(x)代表代表第Z帧图像中x位置上像素的最大灰度值；d(x)代表代表第Z帧图像与第(Z-1)帧图像中x位置上像素的灰度差值的最大值。

在实时运行阶段，采用公式(2)对视频帧I执行像素级上的运动目标物体检测。

$B\left(x\right)=\left\{\begin{array}{cc}0& \left\{\begin{array}{c}(I^t\left(x\right)-m\left(x\right))<{\mathrm{kd}}_u\\ (I^t\left(x\right)-n\left(x\right))<{\mathrm{kd}}_u\end{array}\right.\\ 1& \mathrm{otherwise}\end{array}\right.$ 公式(2)

其中，d_μ是背景模型建立过程中所采用的图像集合V中所有相邻两帧差分最大绝对值集合的中值，k是一个经验参数，根据现场大量视频数据进行的反复实验，当k值取为2时，图像分割的主观效果较好。当B(x)＝0，则表示该x位置的像素点属于背景模型；当B(x)＝1，则表示该x位置的像素点属于前景图像；从而完成了图像分割，并实现了运动目标物体的初步检测，该检测结果会在后续的运动目标分类匹配的过程中进行分类识别。

在获得像素级上的运动目标物体检测结果后，采用区域标注的方法得到运动目标物体的位置信息，进而获取运动目标物体的图像信息，例如：有一个行人出现在摄像机视野中，经过计算，其所对应的图像像素点的B(x)＝1，本算法软件就把该行人视为前景，从而将该行人作为一个运动目标物体从背景模型中分割识别出来，达到运动目标物体检测的效果。

对运动目标物体进行分类的匹配算法：

首先需要对场景进行定标：利用现场某行人，进行该行人在图像各个位置中的对应像素构成的区域大小进行尺寸定标。例如：一个行人身高为180cm，身宽为45cm，在摄像机视野内的某一个位置上，假设对应到摄像机摄入的图像是一个占有60*15个像素的影像区域，则表示该60*15的像素区域在该图像场景就代表了该位置该行人的图像大小，那么，定标过程就是把这二者的量化关系一一对应起来的过程。

然后基于运动目标检测结果，把所检测出来的运动目标进行运动速度、形状、大小(高度、宽度的绝对值、高宽比的相对值等)等信息与预设的正常行人在该场景下的相应信息进行匹配、对照，基于概率统计的方法，进行运动目标的分类，主要区分出行人、车辆或二者以外的其他运动目标物体。

当摄像机不断输入新的视频信号，本系统采集到新的图像数据，则背景模型和前景图像都会实时发生相应的变化，此时本系统就会循环上述的背景模型建立、运动目标物体检测和分类过程，从而有效地持续工作下去。

如图4和图5所示，太阳能电池板401利用光电效应原理将太阳能转换成电能，转换后的电能一部分存储在摄像机402储能电池501内，另一部分电能直接提供给摄像机402、黄闪灯403和警示牌404工作，当道路交通安全自动警示装置处在阴天或黑夜时，太阳能电池板401停止电能转换工作，这时，由摄像机402内部的储能电池501提供能电能维持各电子器件的正常工作，一般储能电池存储的电量能持续供能4至5天。太阳能电池板401、摄像机402、黄闪灯403、警示牌404都固定在固定杆405上，固定杆405可以固定在位于路旁的基座406上。

如图4和图5所示摄像机402内部的采集卡502采集当前的图像信息，采集到的图像信息通过处理器503进行处理，处理后的信息通过输出电路504输出电信号，触发器505接收输出电路504发出的电信号，触发黄闪灯403和警示牌404对行人或车辆发出预警信号。

如图5和图6所示，背景模型建模模块601根据采集卡502采集的图像信息建立背景模型，将已建立的背景模型传输到图像分割模块602，图像分割模块602将系统采集到的当前图像分割成前景图像和背景图像，前景图像经过图像识别模块603的检测，如果检测前景图像内运动物体的形状、大小和运动速度在预设的行人或车辆的行为规则范围内，则信号转换输出模块将检测的图像信息转换成相应的电信号并且输出该转换后的电信号。

如图6和图7，目标检测单元701根据图像分割模块602分割后得到的前景图像，在像素级上判断运动目标物体，同时将运动目标物体进行标注，获得每个运动目标物体的大小、位置、运动速度等信息，目标分类单元702根据目标检测单元检测出来的信息与正常行人或车辆的特征范围内的相应信息进行匹配、对照，基于概率统计的方法，进行运动目标的分类，主要区分出行人、车辆或二者以外的其他运动目标物体，目标判断单元703根据目标分类单元702分类出来的结果判断，如果分类的目标符合行人或车辆的特征则发出预警信号，如果分类的目标不符合行人或车辆的特征则发出正常信号。

因此，本项发明的技术性范围并不局限于说明书上的内容，还有很多根据其权利要求确定的具体的技术性应用方案。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1、一种道路交通安全自动警示方法，其特征在于包括:

采集视频图像的视频帧数据；

按照采集到的视频帧数据建立背景模型；

利用已建立的背景模型进行针对当前所输入的视频帧的图像分割；

对分割后的前景图像进行运动目标物体检测；

对检测出来的运动目标物体进行判断，输出判断结果；

根据判断结果，发出预警信号。

2、根据权利要求1所述警示方法，其特征在于:所述建立背景模型的方法包括:

在采集视频帧数据的初始化阶段把没有行人或车辆出现时的交通路口场景作为初始背景模型进行存储。

3、根据权利要求1所述警示方法，其特征在于:所述图像分割的具体方法为:

利用当前输入的的视频帧数据与背景模型图像进行相减，获得当前的前景图像，其中前景图像视频帧中即包括我们需要检测的运动目标物体的视频帧。

4、根据权利要求1所述警示方法，其特征在于:所述运动目标物体检测的方法包括:

在视频图像中利用连通区域分析得到若干目标的位置、大小，根据分割出来的前景模型，在像素级上检测运动目标物体，同时将运动目标物体进行标注，获得每个运动目标物体的具体信息，包括运动目标的标识、大小、位置、运动速度。

5、根据权利要求1所述警示方法，其特征在于:所述运动目标物体判断的具体方法为:优选的，所述运动目标物体判断的具体方法为:将检测出来的运动目标物体按运动速度、形状、大小特征分类，将每个分类结果与预设的正常行人或车辆在该场景下的相应特征信息进行匹配、判断，如果运动目标物体的运动速度、形状、大小特征在预设的正常行人或车辆的特征范围内，则输出警示信号；如果运动目标物体的运动速度、形状、大小特征不在预设的正常行人或车辆的特征范围内，则输出正常信号。

6、一种道路交通安全自动警示装置，包括固定杆、基座、太阳能电池板、警示牌、摄像机和黄闪灯，其特征在于:摄像机内部还包括:

采集卡:用于采集视频图像的视频帧数据；

处理器:用于按照采集到的视频帧数据建立背景模型，利用已建立的背景模型进行针对当前所输入的视频帧的图像分割，然后对分割后的数据进行运动目标物体检测，对运动目标物体进行判断；

输出电路:用于输出上述对运动目标的判断结果；

触发器:将所述采集卡采集的图像信息通过处理器分析转换成相应的电信号，由输出电路将分析转换后的电信号输出到触发器，触发器根据收到的电信号触发黄闪灯和警示牌预警。

7、根据权利要求6所述一种道路交通安全自动警示装置，其特征在于:还包括一个储能电池，所述太阳能电池板收集的电能储存在储能电池内，储能电池将储存的电能提供给摄像机、警示牌和黄闪灯以保持正常的工作。

8、根据权利要求6所述道路交通安全自动警示装置，其特征在于:所述处理器内部包括背景模型建模模块、图像分割模块、图像识别模块和信号输出模块，所述背景模型建模模块将采集到的场景图像进行背景模型的建立，图像分割模块将建模后的图像进行图像分割，将分割后的图像发送到图像识别模块进行识别处理，识别处理后的结果通过信号转换输出模块进行输出。

9、根据权利要求8所述一种道路交通安全自动警示装置，其特征在于:所述图像分割模块是利用当前图像与对应的背景模型相减，获得前景图像。

10、根据权利要求9所述道路交通安全自动警示装置，其特征在于:所述图像识别模块包括:

目标检测单元:根据背景模型，在像素级上判断运动目标物体，同时将运动目标物体进行标注，获得每个运动目标物体的大小、位置、运动速度信息；

目标分类单元:根据目标检测单元检测出来的信息与预设的正常行人或车辆的特征范围内的相应信息进行匹配、对照，基于概率统计的方法，进行运动目标的分类，主要区分出行人、车辆或二者以外的其他运动目标物体。

目标判断单元:如果目标分类的结果符合行人或车辆的特征则发出预警信号，如果目标分类的结果不符合行人或车辆的特征则发出正常信号。

Images