CN103226891B - 一种基于视频的车辆碰撞事故检测方法及系统 - Google Patents
一种基于视频的车辆碰撞事故检测方法及系统 Download PDFInfo
- Publication number
- CN103226891B CN103226891B CN201310099258.7A CN201310099258A CN103226891B CN 103226891 B CN103226891 B CN 103226891B CN 201310099258 A CN201310099258 A CN 201310099258A CN 103226891 B CN103226891 B CN 103226891B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- target
- speed
- missing object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000008859 change Effects 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 230000008034 disappearance Effects 0.000 claims description 8
- 230000035772 mutation Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 3
- 206010039203 Road traffic accident Diseases 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 230000004069 differentiation Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及数字图像处理领域，更具体地，涉及一种基于视频的车辆碰撞事故检测方法及系统。所述方法包括如下步骤：采集视频流数据；将采集到的视频图像进行处理获取运动前景检测图像；对运动前景检测图像中的车辆进行跟踪；对跟踪车辆进行检测判定出发生车体粘连的车辆；对粘连在一起的车辆的车速进行判别，将车速发生突变的车辆判定为发生碰撞事故的车辆。本发明能够对道路交通进行实时监控，对事故的发生能够第一时间进行定位并提供事故报警，有效提高了交通事故的响应速度和处理速度，从而有效缓解因交通事故带来的交通压力。
Description
技术领域
本发明涉及数字图像处理领域，更具体地，涉及一种基于视频的车辆碰撞事故检测方法及系统。
背景技术
随着经济社会的快速发展，我国车辆拥有量也随着快速增长，道路交通压力非常大，交通阻塞成为交通运输系统中普遍存在的现象。而又由于道路交通活动异常活跃，道路道路交通事故也进入了高发期，道路交通事故的发生进一步加大了道路交通的通行压力。因此，对交通事故的及时处理提出了更高的要求。
现有车辆碰撞事故的发现和处理主要依赖于事故参与者的主动报警，一来影响到事故处理的时效，二来交通主管部门无法及时根据事故的发生对周边区域的交通状态进行掌控和调节。
发明内容
本发明所要解决的技术问题是提供一种能够实时检测道路交通车辆发生碰撞事故的一种基于视频的车辆碰撞事故检测方法。
本发明还提供一种能够实时检测道路交通车辆发生碰撞事故的一种基于视频的车辆碰撞事故检测系统。
为解决上述技术问题，本发明的技术方案如下：
一种基于视频的车辆碰撞事故检测方法，包括如下步骤：
采集视频流数据；
将采集到的视频图像进行处理获取运动前景检测图像；
对运动前景检测图像中的车辆进行跟踪；
对跟踪车辆进行检测判定出发生车体粘连的车辆；
对粘连在一起的车辆的车速进行判别，将车速发生突变的车辆判定为发生碰撞事故的车辆。
改进之一：采集到的视频图像进行运动前景检测前还通过透视投影变换进行拉伸处理。透视投影变换能够将二维图像按照一定的规则进行拉伸，使得拉伸后的图像能够较真实地反映图像中物体的实际位置关系，使得后续车速的检测更加准确。
改进之二：所述对运动前景检测图像中的车辆进行跟踪的具体步骤为：
对运动前景检测图像进行过滤，获取当前帧兴趣区域内各个车辆的信息；
根据各车辆的信息进行匹配跟踪。
改进之三：所述对跟踪车辆进行检测判定出发生车体粘连的车辆的具体步骤为：
检测当前帧图像中所跟踪的车辆是否有消失，若有，则将其标记为消失目标；
设定每个跟踪车辆的搜索范围，对每一个消失目标，在当前帧图像搜索出包含消失目标的搜索区域，根据该搜索区域所在的范围找到该范围对应的跟踪车辆，将该跟踪车辆与该消失目标进行配对标记；
对每一个消失目标配对，在当前帧图像中对消失目标进行搜索匹配，若在配对目标的图像中搜索到消失目标的图像，则判定该消失目标配对发生车体粘连，并标记为合并目标对，否则判断该消失目标配对没有发生车体粘连，释放配对标记。
改进之四：所述对粘连在一起的车辆的车速进行判别，将车速发生突变的车辆判定为发生碰撞事故的车辆的具体步骤为
检测当前帧图像中合并目标对存在时间是否超过时间阈值，若是则判定为正常图像重叠，并释放该合并目标对，在当前帧图像中结束对该合并目标对的检测，否则从合并目标对中分割出消失目标和被合并目标；
根据消失目标和被合并目标在当前帧图像和前一帧图像的位置求出两目标的速度；
将两目标在两帧图像中的速度进行对比，若合并目标对中任一目标的速度的改变大于预先设定的速度阈值，则判定所述合并目标对发生了碰撞事故，在当前帧图像中标记出事故区域；否则在当前帧图像中结束对该合并目标对的检测。
改进之五： 所述速度阈值包括角度阈值和速率阈值，当合并目标对中任一目标的速度的改变大于角度阈值和/或速率阈值即可判定所述合并目标对发生了碰撞事故。
一种基于视频的车辆碰撞事故检测系统，包括：
视频采集模块，用于采集视频流数据；
运动前景检测模块，用于将采集到的视频图像进行处理获取运动前景检测图像；
车辆跟踪模块，用于对运动前景检测图像中的车辆进行跟踪；
车体粘连检测模块，用于对跟踪车辆进行检测判定出发生车体粘连的车辆；
车速突变检测模块，用于对粘连在一起的车辆的车速进行判别，将车速发生突变的车辆判定为发生碰撞事故。
所述车辆跟踪模块具体用于：
对运动前景检测图像进行过滤，获取当前帧兴趣区域内各个车辆的信息；
根据各车辆的信息进行匹配跟踪。
改进之二：所述车体粘连检测模块具体包括：
消失目标检测模块，用于检测当前帧图像中所跟踪的车辆是否有消失，若有，则将其标记为消失目标；
配对模块，用于设定每个跟踪车辆的搜索范围，对每一个消失目标，在当前帧图像搜索出包含消失目标的搜索区域，根据该搜索区域所在的范围找到该范围对应的跟踪车辆，将该跟踪车辆与该消失目标进行配对标记；
合并目标模块，用于对每一个消失目标配对，在当前帧图像中对消失目标进行搜索匹配，若在配对目标的图像中搜索到消失目标的图像，则判定该消失目标配对发生车体粘连，并标记为合并目标对，否则判断该消失目标配对没有发生车体粘连，释放配对标记。
改进之三：所述车速突变检测模块具体包括：
分割模块，用于检测当前帧图像中合并目标对存在时间是否超过时间阈值，若是则判定为正常图像重叠，并释放该合并目标对，在当前帧图像中结束对该合并目标对的检测，否则从合并目标对中分割出消失目标和被合并目标；
速度计算模块，用于根据消失目标和被合并目标在当前帧图像和前一帧图像的位置求出两目标的速度；
事故判定模块，用于将两目标在两帧图像中的速度进行对比，若合并目标对中任一目标的速度方向大于角度阈值和/或车速大小改变大于速率阈值，则判定该合并目标对发生了碰撞事故，在当前帧图像中标记出事故区域，否则在当前帧图像中结束对该合并目标对的检测。
与现有技术相比，本发明技术方案的有益效果是：
（1）本发明能够对道路交通进行实时监控，对事故的发生能够第一时间进行定位并提供事故报警，有效提高了交通事故的响应速度和处理速度，从而有效缓解因交通事故带来的交通压力。
（2）本发明基于图像信息的包含关系进行车体粘连判定，能够直接而有效地对碰撞事故的发生进行准确的判断。
（3）本发明还基于车辆速度突变的判别模块对发生车体粘连的车辆进行进一步的判断，有效区分车辆碰撞发生的车体粘连与车辆位置相近而发生的图像重叠，进一步提高了检测车辆碰撞事故发生的准确率。
附图说明
图1为本发明中一种基于视频的车辆碰撞事故检测方法具体实施例的流程图。
图2为本发明具体实施例中经透视投影变换前的原始视频图像示意图。
图3为本发明具体实施例中原始视频图像经透视投影变换后的二维图像示意图。
图4为对图3进行处理得到的运动前景检测图像。
图5为本发明具体实施例中合并目标对检测过程示意图。
图6为本发明具体实施例1中步骤S106的检测流程图。
图7为本发明中一种基于视频的车辆碰撞事故检测系统具体实施例的架构图。
具体实施方式
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示，为本发明中一种基于视频的车辆碰撞事故检测方法具体实施例的流程图。参见图1，本具体实施例一种基于视频的车辆碰撞事故检测方法的具体步骤如下：
步骤S101：采集视频流数据；视频流数据可以通过安装在交通道路边的摄像头拍摄获得，对摄像头拍摄到道路状况的视频流数据进行远程采集即可。
步骤S102：将采集到的视频图像进行处理获取运动前景检测图像；
步骤S103：对运动前景检测图像中的车辆进行跟踪；
步骤S104：对跟踪车辆进行检测判定出发生车体粘连的车辆；
步骤S105：对粘连在一起的车辆的车速进行判别，将车速发生突变的车辆判定为发生碰撞事故的车辆，并进行事故报警。
据此，本实施例通过对采集到的实时交通道路图像进行运动前景检测，根据运动前景检测图像中的车辆进行跟踪，然后基于图像信息的车体粘连进行判定，并通过基于车速突变的事故判定剔除因车辆相近而发生的图像重叠情况，准确判断出实时发生的碰撞事故，为交通部门提供事故告警，提高交通事故的响应速度和处理速度。
在具体实施过程中，本具体实施例的步骤S102对采集到的视频图像进行运动前景检测前还通过透视投影变换进行拉伸处理。透视投影变换能够将二维图像按照一定的规则进行拉伸，使得拉伸后的图像能够较真实地反映图像中物体的实际位置关系，使得后续车速的检测更加准确，具体步骤为：
从采集视频流数据中提取出视频图像；
对视频图像进行标定，计算出透视投影矩阵；其中对视频图像的具体标定可以根据先验知识进行人工标定；
根据透视投影矩阵对视频图像进行投影、插值处理转变为投影图像，得到拉伸后的图像。
如图2和3所示，为对视频图像进行标定的示意图，其中图2为变换前的原始视频图像，图上斑马线处的4个黑点为透视变换标定点，图3为经过透视投影变换后的图像，图上的4个黑点代表标定点经过透视投影变换后的相应位置；为了方便标定工作的进行，图2和图3中的标定点为现实场景中的一个矩形区的4个角点，从而计算出透视投影矩阵；由于透视投影可使图像的长度比例接近实景，方便了车辆长度、速度测量。
在具体实施过程中，本具体实施例的步骤S102中可以采用背景差法进行运动前景检测，具体步骤为：
步骤S1021：根据先前获取的视频流数据提取出背景图像；
步骤S1022：将拉伸后的当前帧图像与背景图像进行差分计算得到背景差分图；
步骤S1023：将背景差分图经去噪、二值化操作后得到二值化的运动前景检测图像。如图3和4所示，其中图3为经过透视投影变换后的当前帧图像，图4为运动前景检测图像。
在具体实施过程中，本具体实施例的步骤S103可以采用波门跟踪加线性预测的方法对车辆进行跟踪。在本具体实施例中，步骤S103的具体步骤为：
S1031：对运动前景检测图像进行过滤，获取当前帧兴趣区域内各个车辆的信息；其中兴趣区域可以通过人工的方式选取一定的区域作为兴趣区域。
S1032：根据各车辆的信息进行匹配跟踪。进行车辆跟踪时可以对兴趣区域内各个车辆的位置信息、图像信息序列进行实时记录，便于后续图像的处理。
车辆碰撞事故会伴随着车体粘连同时发生，所以检测车体粘连是一种有效且直接的判断车辆碰撞事故是否发生的方法。车体粘连发生时，车辆目标会合并。本具体实施例中即是通过检测车辆合并筛选出疑似发生车体粘连的目标，再通过分析车辆发生合并前和合并后的图像信息，用以判断车体是否发生粘连，因此，本具体实施例的步骤S104的具体步骤为：
步骤S1041：检测当前帧图像中所跟踪的车辆是否有消失，若有，则将其标记为消失目标；此处的消失可以指一辆车辆与另一车辆靠近使得图像上显示为合并车辆的情况，合并在一起的两辆车在检测时会被当做一辆，即另一辆没被检测到，即为消失。
步骤S1042：设定每个跟踪车辆的搜索范围，对每一个消失目标，在当前帧图像搜索出包含消失目标的搜索区域，根据该搜索区域所在的范围找到该范围对应的跟踪车辆，将该跟踪车辆与该消失目标进行配对标记；其中如消失目标没有找到相配对的跟踪车辆，则表示该消失目标为正常消失，对其释放标记；
步骤S1043：对每一个消失目标配对，在当前帧图像中对消失目标进行搜索匹配，若在配对目标的图像中搜索到消失目标的图像，则判定该消失目标配对发生车体粘连，并标记为合并目标对，否则判断该消失目标配对没有发生车体粘连，释放配对标记。车辆靠近形成合并车辆的图像时，合并车辆的图像中仍然会存在消失目标的图像，因此，在当前帧图像中对消失目标进行搜索时，会在与消失目标合并的配对图像区域中找到消失目标。如图5所示，左边图像为合并目标对的图像，中间图像为消失目标的图像，右边图像为在合并目标对图像中搜索匹配的消失目标的图像的结果，其中右边图像中白色框为匹配的位置结果，为了能够直观地显示匹配结果，白色框内的图像内容为合并目标该区域的图像信息与合并目标图像信息的差分结果。
为了区分车辆碰撞发生的车辆粘连和位置相近而发生的图像重叠，从而提高对车辆碰撞事故检测的准确率，本具体实施例还还对碰撞事故的其他特征进行检测。根据分析，车速突变也是检测车辆碰撞直接有效的判别特征。本具体实施例利用图像搜索将合并目标对中的消失目标与被合并目标分离出来，分别获取两个目标的当前位置，将相邻两帧图像中目标所在的中心位置进行差分，即可求出两目标的速度，从而进行车速突变的判别。因此，如图6所示，本具体实施例的步骤S105的具体步骤为：
S1051：检测当前帧图像中合并目标对存在时间是否超过时间阈值，若是则判定为正常图像重叠，并释放该合并目标对，在当前帧图像中结束对该合并目标对的检测，否则从合并目标对中分割出消失目标和被合并目标；本具体实施例中，为了减少误检，车辆发生粘连后，只对发生粘连开始的时间阈值内的合并目标对进行事故判别，因此，根据先验知识，时间阈值设置为1s时检测结果最佳；如1s内没有检测到碰撞事故发生，则认为该此粘连为正常的图像重叠。
S1052：根据消失目标和被合并目标在当前帧图像和前一帧图像的位置求出两目标的速度；其中被合并目标指的是合并目标对中除消失目标外所包含的车辆目标。
S1053：将两目标在两帧图像中的速度进行对比，若合并目标对中任一目标的速度的改变大于预先设定的速度阈值则判定所述合并目标对发生了碰撞事故，在当前帧图像中标记出事故区域，并进行事故报警，否则在当前帧图像中结束对该合并目标对的检测。其中，为了减少误检，本具体实施例中的速度阈值包括角度阈值和速率阈值，当合并目标对中任一目标的速度方向的改变大于角度阈值和/或速度大小的改变大于速率阈值，则可判定所述合并目标对发生了碰撞事故并进行事故报警。其中，速率阈值设置为40%～70%和/或角度阈值设置为45度～90度时，车辆事故的判定准确率更高。
本具体实施例能够在碰撞事故发生的第一时间提供事故告警，提高了事故响应速度和处理速度。
实施例2
如图7所示，为本发明中一种基于视频的车辆碰撞事故检测系统具体实施例的架构图。参见图7本具体实施例的一种基于视频的车辆碰撞事故检测系统具体包括：
视频采集模块201，用于采集视频流数据；视频流数据可以通过安装在道路边的摄像头拍摄获得，视频采集模块与摄像头连接，对摄像头拍摄到道路状况的视频流数据进行远程采集即可；其中视频采集模块可以采用视频采集卡实现，也可以是直接接收数字视频信号码流。
运动前景检测模块203，用于对采集的视频图像进行处理获取运动前景检测图像；其具体用于：根据先前获取的视频流数据提取出背景图像；将采集到的当前帧图像与背景图像进行差分计算得到背景差分图；将背景差分图经去噪、二值化操作后得到二值化的运动前景检测图像；
车辆跟踪模块204，用于对运动前景检测图像中的车辆进行跟踪；其具体用于：对运动前景检测图像进行过滤，获取当前帧兴趣区域内各个车辆的信息，然后根据各车辆的信息进行匹配跟踪。
车体粘连检测模块205，用于对跟踪车辆进行检测判定出发生车体粘连的车辆；车辆碰撞事故会伴随着车体粘连同时发生，所以检测车体粘连是一种有效且直接的判断车辆碰撞事故是否发生的方法。车体粘连发生时，车辆目标会合并。本具体实施例中即是通过车体粘连检测模块205检测车辆合并筛选出疑似发生车体粘连的目标，再通过分析车辆发生合并前和合并后的图像信息，用以判断车体是否发生粘连。其具体包括：
消失目标检测模块，用于检测当前帧图像中所跟踪的车辆是否有消失，若有，则将其标记为消失目标；
配对模块，用于设定每个跟踪车辆的搜索范围，对每一个消失目标，在当前帧图像搜索出包含消失目标的搜索区域，根据该搜索区域所在的范围找到该范围对应的跟踪车辆，将该跟踪车辆与该消失目标进行配对标记；
合并目标模块，用于对每一个消失目标配对，在当前帧图像中对消失目标进行搜索匹配，若在配对目标的图像中搜索到消失目标的图像，则判定该消失目标配对发生车体粘连，并标记为合并目标对，否则判断该消失目标配对没有发生车体粘连，释放配对标记。
车速突变检测模块206，用于对粘连在一起的车辆的车速进行判别，将车速发生突变的车辆判定为发生碰撞事故，并进行事故报警；为了区分车辆碰撞发生的车辆粘连和位置相近而发生的图像重叠，从而提高对车辆碰撞事故检测的准确率，本具体实施例还还对碰撞事故的其他特征进行检测。根据分析，车速突变也是检测车辆碰撞直接有效的判别特征。本具体实施例利用车速突变检测模块206设置一个基于车速突变的事故判别模型，通过图像搜索将合并目标对中的消失目标与被合并目标分离出来，分别获取两个目标的当前位置，将相邻两帧图像中目标所在的中心位置进行差分，即可求出两目标的速度，从而进行车速突变的判别。其具体包括：
分割模块，用于检测当前帧图像中合并目标对存在时间是否超过时间阈值，若是则判定为正常图像重叠，并释放该合并目标对，在当前帧图像中结束对该合并目标对的检测，否则从合并目标对中分割出消失目标和被合并目标；
速度计算模块，用于根据消失目标和被合并目标在当前帧图像和前一帧图像的位置求出两目标的速度；
事故判定模块，用于将两目标在两帧图像中的速度进行对比，若合并目标对中任一目标的速度方向改变大于角度阈值和/或车速大小改变大于速率阈值，则判定该合并目标对发生了碰撞事故，并进行事故报警，在当前帧图像中标记出事故区域，否则在当前帧图像中结束对该合并目标对的检测。其中，速率阈值设置为40%～70%和/或角度阈值设置为45度～90度时，车辆事故的判定准确率更高。
在本具体实施例中，为了使图像的长度比例接近实景，方便了车辆长度、速度测量，还设置了投影变换模块202，用于将采集到的视频图像先进行拉伸处理，在输入到运动前景检测模块中进行处理；其投影变换模块202用于从采集到的视频流数据中提取出视频图像，对视频图像进行标定，计算出透视投影矩阵，根据透视投影矩阵对视频图像进行投影、插值处理转变为投影图像，得到二维图像；由于透视投影可使图像的长度比例接近实景，方便了车辆长度、速度测量。
据此，本具体实施例通过视频采集模块201采集到视频流数据，通过投影变化模块202将采集到的视频流数据进行拉伸处理，然后利用运动前景检测模块203将拉伸后的当前帧图像进行处理，去掉背景部分，获取二值化的运动前景检测图像；接着利用车辆跟踪模块204对运动前景检测图像中的车辆进行跟踪，再结合车体粘连检测模块205对跟踪的车辆进行检测判断所跟踪的车辆中是否有发生车体粘连的，若有再利用车速突变检测模块206对发生车体粘连的车辆进行进一步的排除，通过对车速突变的检测来排除因车辆位置相近发生图像重叠而被判断为车体粘连的误检情况，最后提取出因车辆碰撞事故而发生车体粘连的情况，从而判断发生该车体粘连的车辆发生了碰撞事故。本具体实施例能够在碰撞事故发生的第一时间提供事故告警，提高了事故响应速度和处理速度。
Claims (8)
1.一种基于视频的车辆碰撞事故检测方法，其特征在于，包括如下步骤：
采集视频流数据；
将采集到的视频图像进行处理获取运动前景检测图像；
对运动前景检测图像中的车辆进行跟踪；
对跟踪车辆进行检测判定出发生车体粘连的车辆；
对粘连在一起的车辆的车速进行判别，将车速发生突变的车辆判定为发生碰撞事故的车辆，并进行事故报警；
采集到的视频图像进行运动前景检测前还通过透视投影变换进行拉伸处理。
2.根据权利要求1所述的基于视频的车辆碰撞事故检测方法，其特征在于，所述对运动前景检测图像中的车辆进行跟踪的具体步骤为：
对运动前景检测图像进行过滤，获取当前帧兴趣区域内各个车辆的信息；
根据各车辆的信息进行匹配跟踪。
3.根据权利要求1所述的基于视频的车辆碰撞事故检测方法，其特征在于，所述对跟踪车辆进行检测判定出发生车体粘连的车辆的具体步骤为：
根据检测当前帧图像中所跟踪的车辆是否有消失，若有，则将其标记为消失目标；
设定每个跟踪车辆的搜索范围，对每一个消失目标，在当前帧图像搜索出包含消失目标的搜索区域，根据该搜索区域所在的范围找到该范围对应的跟踪车辆，将该跟踪车辆与该消失目标进行配对标记；
对每一个消失目标配对，在当前帧图像中对消失目标进行搜索匹配，若在配对目标的图像中搜索到消失目标的图像，则判定该消失目标配对发生车体粘连，并标记为合并目标对，否则判断该消失目标配对没有发生车体粘连，释放配对标记。
4. 根据权利要求3所述的基于视频的车辆碰撞事故检测方法，其特征在于，所述对粘连在一起的车辆的车速进行判别，将车速发生突变的车辆判定为发生碰撞事故的车辆的具体步骤为：
检测当前帧图像中合并目标对存在时间是否超过时间阈值，若是则判定为正常图像重叠，并释放该合并目标对，在当前帧图像中结束对该合并目标对的检测，否则从合并目标对中分割出消失目标和被合并目标；
根据消失目标和被合并目标在当前帧图像和前一帧图像的位置求出两目标的速度；
将两目标在两帧图像中的速度进行对比，若合并目标对其中任一目标的速度的改变大于预先设定的速度阈值，则判定所述合并目标对发生了碰撞事故，在当前帧图像中标记出事故区域，并进行事故报警；否则在当前帧图像中结束对该合并目标对的检测。
5.根据权利要求4所述的基于视频的车辆碰撞事故检测方法，其特征在于，所述速度阈值包括角度阈值和速率阈值，当合并目标对中任一目标的速度的改变大于角度阈值和/或速率阈值即可判定所述合并目标对发生了碰撞事故。
6.一种基于视频的车辆碰撞事故检测系统，其特征在于，包括：
视频采集模块，用于采集视频流数据；
运动前景检测模块，用于将采集到的视频图像进行处理获取运动前景检测图像；
车辆跟踪模块，用于对运动前景检测图像中的车辆进行跟踪；
车体粘连检测模块，用于对跟踪车辆进行检测判定出发生车体粘连的车辆；
车速突变检测模块，用于对粘连在一起的车辆的车速进行判别，将车速发生突变的车辆判定为发生碰撞事故，并进行事故报警；
所述车辆跟踪模块具体用于：
对运动前景检测图像进行过滤，获取当前帧兴趣区域内各个车辆的信息；
根据各车辆的信息进行匹配跟踪。
7.根据权利要求6所述的基于视频的车辆碰撞事故检测系统，其特征在于，所述车体粘连检测模块具体包括：
消失目标检测模块，用于检测当前帧图像中所跟踪的车辆是否有消失，若有，则将其标记为消失目标；
配对模块，用于设定每个跟踪车辆的搜索范围，对每一个消失目标，在当前帧图像搜索出包含消失目标的搜索区域，根据该搜索区域所在的范围找到该范围对应的跟踪车辆，将该跟踪车辆与该消失目标进行配对标记；
合并目标模块，用于对每一个消失目标配对，在当前帧图像中对消失目标进行搜索匹配，若在配对目标的图像中搜索到消失目标的图像，则判定该消失目标配对发生车体粘连，并标记为合并目标对，否则判断该消失目标配对没有发生车体粘连，释放配对标记。
8.根据权利要求7所述的基于视频的车辆碰撞事故检测系统，其特征在于，所述车速突变检测模块具体包括：
分割模块，用于检测当前帧图像中合并目标对存在时间是否超过时间阈值，若是则判定为正常图像重叠，并释放该合并目标对，在当前帧图像中结束对该合并目标对的检测，否则从合并目标对中分割出消失目标和被合并目标；
速度计算模块，用于根据消失目标和被合并目标在当前帧图像和前一帧图像的位置求出两目标的速度；
事故判定模块，用于将两目标在两帧图像中的速度进行对比，若合并目标对中任一目标的速度方向大于角度阈值和/或车速大小改变大于速率阈值，则判定该合并目标对发生了碰撞事故，并进行事故报警，在当前帧图像中标记出事故区域，否则在当前帧图像中结束对该合并目标对的检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310099258.7A CN103226891B (zh) | 2013-03-26 | 2013-03-26 | 一种基于视频的车辆碰撞事故检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310099258.7A CN103226891B (zh) | 2013-03-26 | 2013-03-26 | 一种基于视频的车辆碰撞事故检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103226891A CN103226891A (zh) | 2013-07-31 |
| CN103226891B true CN103226891B (zh) | 2015-05-06 |
Family
ID=48837320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310099258.7A Active CN103226891B (zh) | 2013-03-26 | 2013-03-26 | 一种基于视频的车辆碰撞事故检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103226891B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105206055B (zh) * | 2015-09-24 | 2018-09-21 | 深圳市哈工大交通电子技术有限公司 | 一种交通监控视频识别车辆碰撞的事故检测方法 |
| CN105930833B (zh) * | 2016-05-19 | 2019-01-22 | 重庆邮电大学 | 一种基于视频监控的车辆跟踪与分割方法 |
| CN106385640B (zh) * | 2016-08-31 | 2020-02-11 | 北京旷视科技有限公司 | 视频标注方法及装置 |
| CN106851132A (zh) * | 2017-01-20 | 2017-06-13 | 安徽达尔智能控制系统股份有限公司 | 交通事故智能检测系统 |
| CN109934075A (zh) * | 2017-12-19 | 2019-06-25 | 杭州海康威视数字技术股份有限公司 | 异常事件检测方法、装置、系统及电子设备 |
| CN108458691B (zh) * | 2018-02-02 | 2019-04-19 | 新华智云科技有限公司 | 一种碰撞检测方法及设备 |
| CN111951604B (zh) * | 2019-04-29 | 2022-05-10 | 北京百度网讯科技有限公司 | 车辆速度确定方法、装置、设备和存储介质 |
| CN111091061B (zh) * | 2019-11-20 | 2022-02-15 | 浙江工业大学 | 一种基于视频分析的车辆刮蹭检测方法 |
| CN112242058B (zh) * | 2020-05-29 | 2022-04-26 | 北京国家新能源汽车技术创新中心有限公司 | 基于交通监控视频的目标异常检测方法、装置及存储介质 |
| CN112241974B (zh) * | 2020-05-29 | 2024-05-10 | 北京国家新能源汽车技术创新中心有限公司 | 交通事故检测方法及处理方法、系统、存储介质 |
| CN112651377B (zh) * | 2021-01-05 | 2023-06-09 | 河北建筑工程学院 | 一种冰雪运动事故检测方法、装置及终端设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7248718B2 (en) * | 2004-02-19 | 2007-07-24 | Siemens Corporate Research, Inc. | System and method for detecting a passing vehicle from dynamic background using robust information fusion |
| US7493202B2 (en) * | 2004-11-12 | 2009-02-17 | Takata Corporation | Vehicle safety control system by image processing |
| CN101667342A (zh) * | 2008-10-31 | 2010-03-10 | 交通部公路科学研究所 | 公路事故监测系统 |
| CN102945603B (zh) * | 2012-10-26 | 2015-06-03 | 青岛海信网络科技股份有限公司 | 检测交通事件的方法及电子警察装置 |
-
2013
- 2013-03-26 CN CN201310099258.7A patent/CN103226891B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN103226891A (zh) | 2013-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103226891B (zh) | 一种基于视频的车辆碰撞事故检测方法及系统 | |
| CN109887281B (zh) | 一种监控交通事件的方法及系统 | |
| KR100969995B1 (ko) | 영상처리기법을 이용한 신호교차로의 교통상충 판단 시스템및 방법 | |
| Tseng et al. | Real-time video surveillance for traffic monitoring using virtual line analysis | |
| TWI452540B (zh) | 影像式之交通參數偵測系統與方法及電腦程式產品 | |
| EP1796043B1 (en) | Object detection | |
| CN105702048B (zh) | 基于行车记录仪的高速公路前车违法占道识别系统及方法 | |
| KR101742490B1 (ko) | 끼어들기 위반차량 단속 시스템 및 그 방법 | |
| CN101510356B (zh) | 视频检测系统及其数据处理装置、视频检测方法 | |
| EP2709066A1 (en) | Concept for detecting a motion of a moving object | |
| CN101739809A (zh) | 行人闯红灯自动报警监控系统 | |
| CN111126171A (zh) | 一种车辆逆行检测方法及系统 | |
| CN104537841A (zh) | 无牌车辆违章检测方法及其检测系统 | |
| CN201307337Y (zh) | 行人闯红灯自动报警监控装置 | |
| CN102496285A (zh) | 基于视频检测的路口车辆闯红灯判别方法与信号控制系统 | |
| CN104378539A (zh) | 场景自适应的视频结构化语义提取摄像机及其方法 | |
| CN103164958A (zh) | 车辆监控方法及系统 | |
| CN106557754A (zh) | 一种夜间车辆检测和状态判断方法 | |
| CN210667171U (zh) | 一种基于激光检测道路车辆抓拍识别系统 | |
| CN112560546A (zh) | 抛洒行为检测方法、装置及存储介质 | |
| CN114049306A (zh) | 一种基于图像摄像机和高性能显卡的交通异常检测系统设计 | |
| CN112991769A (zh) | 基于视频的交通量调查方法和装置 | |
| Munajat et al. | Vehicle detection and tracking based on corner and lines adjacent detection features | |
| Kanhere et al. | Traffic monitoring of motorcycles during special events using video detection | |
| EP2709065A1 (en) | Concept for counting moving objects passing a plurality of different areas within a region of interest |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 510275 No. 135 West Xingang Road, Guangzhou, Guangdong, Haizhuqu District Patentee after: SUN YAT-SEN University Patentee after: GUANGDONG FUNDWAY TECHNOLOGY Co.,Ltd. Address before: 510275 No. 135 West Xingang Road, Guangdong, Guangzhou Patentee before: SUN YAT-SEN University Patentee before: GUANGZHOU FUNDWAY TRAFFIC TECHNOLOGY Co.,Ltd. |