CN103236158B - 一种基于视频的交通事故实时预警方法 - Google Patents
一种基于视频的交通事故实时预警方法 Download PDFInfo
- Publication number
- CN103236158B CN103236158B CN201310099665.8A CN201310099665A CN103236158B CN 103236158 B CN103236158 B CN 103236158B CN 201310099665 A CN201310099665 A CN 201310099665A CN 103236158 B CN103236158 B CN 103236158B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- field picture
- angle point
- designated
- physical location
- 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
Abstract
本发明一种基于视频的交通事故实时预警方法,通过从任意第N帧图像开始连续跟踪n帧,得到第一车辆与第二车辆的运动轨迹,获取角点,记录图像中两辆车的两个角点的位置,根据映射表得到具体位置,获得车辆的实际行驶速度,再计算得到两辆车之间的安全时间,确定安全等级,实现实时预警。本发明的基于视频的交通事故实时预警方法,与现有技术相比,不受环境限制,能够对视频范围内所有车辆进行实时、可靠的预警。并且易于实现、准确性较高,很适合于实时交通预警,具有广阔的应用前景。
Description
技术领域
本发明属于视频检测领域,具体涉及一种基于视频的交通事故实时预警方法。
背景技术
近来,由交通事故引起的人员伤亡、交通堵塞、环境污染、以及经济损失,随着出行车辆的增加迅速增长。因而,快速有效的交通事故实时预警的研究越来越受到人们的关注。基于视频的交通事故实时预警方法提高了对运动车辆的实时监控和对交通异常状况的迅速反应能力的同时,有效的降低了道路的维护费用,另外,因为减少了大量繁琐枯燥的工作,可以大大的减少人力、物力的消耗,降低成本支出、提高工作效率和整个路网的运营水平。目前,交通事故实时预警方法仍是一个较新的课题,人们在不断探索着简单、方便、快速的预警方法。
现有的交通事故实时预警方法主要是人工观测,即驾驶员现场对道路上的交通信息进行观测判断从而实现交通预警,但结果易受到观测人员的主观影响,可靠性差,无法满足应用的要求。
发明内容
针对现有技术的不足和缺陷,本发明的目的在于,提供一种基于视频的交通事故实时预警检测方法,该方法可以对视频范围内所有的车辆实现实时、可靠的预警。
为了实现上述任务,本发明采用如下技术方案予以实现:
一种基于视频的交通事故实时预警方法,该方法按照以下步骤进行:
步骤一,获取视频序列图像,选取两辆车辆并对其编号,前一辆车辆记为第一车辆,后一辆车辆记为第二车辆,利用基于特征的目标车辆跟踪方法,从任意第N帧图像开始连续跟踪n帧,得到第一车辆与第二车辆的运动轨迹,其中:
所述的基于特征的目标车辆跟踪方法的具体过程为:采用基于像素块的帧间差分法检测运动车辆,对检测出的运动图像利用Moravec算法提取相应的角点作为目标位置,并对相应的角点进行匹配跟踪;
步骤二,在第N+n帧图像中利用Moravec算法提取第一车辆和第二车辆的角点,比较第一车辆各角点的兴趣值,筛选兴趣值最大的点,即该区域内特征最明显的点,作为第一车辆在第N+n帧图像的位置,比较第二车辆各角点的兴趣值,筛选兴趣值最大的点作为第二车辆在第N+n帧图像的位置,记录图像中两个角点的位置,采用相同的方法,在第N帧图像中提取第一车辆和第二车辆的角点,通过筛选选取第一车辆上的一个角点作为第一车辆在第N帧图像的位置,第二车辆上的一个角点作为第二车辆在第N帧图像的位置,记录图像中两个角点的位置;
步骤三,得到图像像素行和实际距离之间的映射关系,即映射表,根据映射表得出在第N+n帧图像中第一车辆和第二车辆的实际位置,第一车辆的实际位置记为S1,第二车辆的实际位置记为S2,即可确定在第N+n帧图像中第二车辆与第一车辆之间的实际距离,S2-S1,根据映射表得出在第N帧图像中第一车辆和第二车辆的实际位置,第一车辆的实际位置记为S3,第二车辆的实际位置记为S4;
步骤四,根据第N+n帧图像中第一车辆与第二车辆的实际位置和第N帧图像中第一车辆与第二车辆的实际位置以及视频播放速度,即可求出第一车辆与第二车辆的实际行驶速度,则有:
式中:
V1—第一车辆的实际行驶速度,单位:m/s;
V2—第二车辆的实际行驶速度,单位:m/s;
V0—视频播放速度,单位:帧/s;,
n—连续跟踪的图像帧数,单位:帧;
步骤五,根据在第N+n帧图像中第二车辆与第一车辆之间的实际距离和第一车辆与第二车辆的实际行驶速度,得到第N+n帧后的连续图像中第一车辆相对于第二车辆的安全时间,记为t,则有:
根据安全时间的长短,将交通预警程度分为A,B,C,D四个等级,其中:
当t<5s时,预警等级为A;
当5s≤t<10s时,预警等级为B;
当t≥10s时,预警等级为C;
当t≤0s时,预警等级为D。
本发明的基于视频的交通事故实时预警方法,与现有技术相比,不受环境限制,能够对对视频范围内所有车辆进行实时、可靠的预警。并且易于实现、准确性较高,很适合于实时交通预警,具有广阔的应用前景。
附图说明
图1为第N帧图像中第一车辆与第二车辆经过同一路段。
图2为第N+20帧图像中第一车辆与第二车辆经过同一路段。
图3为第一车辆与第二车辆进行目标检测的二值化效果图。
图4为第一车辆和第二车辆从第N帧图像到第N+20帧图像的运动轨迹,图中:1表示第一车辆的运动轨迹,2表示第二车辆的运动轨迹。
图5为第一车辆与第二车辆在第N帧图像中选取的角点。
图6为第一车辆与第二车辆在第N+20帧图像中选取的角点
以下结合附图和实施例对本发明的内容作进一步详细说明。
具体实施方式
本实施例给出一种基于视频的交通事故实时预警方法,利用视频检测以及图像处理的相关技术,求出相对距离较近的车辆的实际距离和实际行驶速度,对其安全时间进行准确判定,从而实现实时的交通预警。需要说明的是本实施例中的映射表采用发明专利“一种线性模型下的摄像机几何标定方法”(公开(公告)号:CN102222332A)中所述的摄像机几何标定方法得到。
如图1至图6所示,本实施例的方法具体按下列步骤进行:
步骤一,获取视频序列图像,选取两辆车辆并对其编号,前一辆车辆记为第一车辆,后一辆车辆记为第二车辆,利用基于特征的目标车辆跟踪方法,从任意第N帧图像开始连续跟踪n帧,得到第一车辆与第二车辆的运动轨迹,其中:
所述的基于特征的目标车辆跟踪方法的具体过程为:采用基于像素块的帧间差分法检测运动车辆,对检测出的运动图像利用Moravec算法提取相应的角点作为目标位置,并对相应的角点进行匹配跟踪;
步骤二,在第N+n帧图像中利用Moravec算法提取第一车辆和第二车辆的角点,比较第一车辆各角点的兴趣值,筛选兴趣值最大的点,即该区域内特征最明显的点,作为第一车辆在第N+n帧图像的位置,比较第二车辆各角点的兴趣值,筛选兴趣值最大的点作为第二车辆在第N+n帧图像的位置,记录图像中两个角点的位置,采用相同的方法,在第N帧图像中提取第一车辆和第二车辆的角点,通过筛选选取第一车辆上的一个角点作为第一车辆在第N帧图像的位置,第二车辆上的一个角点作为第二车辆在第N帧图像的位置,记录图像中两个角点的位置;
步骤三,得到图像像素行和实际距离之间的映射关系,即映射表,根据映射表得出在第N+n帧图像中第一车辆和第二车辆的实际位置,第一车辆的实际位置记为S1,第二车辆的实际位置记为S2,即可确定在第N+n帧图像中第二车辆与第一车辆之间的实际距离,S2-S1,根据映射表得出在第N帧图像中第一车辆和第二车辆的实际位置,第一车辆的实际位置记为S3,第二车辆的实际位置记为S4;
步骤四,根据第N+n帧图像中第一车辆与第二车辆的实际位置和第N帧图像中第一车辆与第二车辆的实际位置以及视频播放速度,即可求出第一车辆与第二车辆的实际行驶速度,则有:
式中:
V1—第一车辆的实际行驶速度,单位:m/s;
V2—第二车辆的实际行驶速度,单位:m/s;
V0—视频播放速度,单位:帧/s;
n—连续跟踪的图像帧数,单位:帧;
步骤五,根据在第N+n帧图像中第二车辆与第一车辆之间的实际距离和第一车辆与第二车辆的实际行驶速度,得到第N+n帧后的连续图像中第一车辆相对于第二车辆的安全时间,记为t,则有:
根据安全时间的长短,将交通预警程度分为A,B,C,D四个等级,其中:
当t<5s时,预警等级为A;
当5s≤t<10s时,预警等级为B;
当t≥10s时,预警等级为C;
当t≤0s时,预警等级为D。
以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例1:
在视频序列中,选取两辆车辆并对其编号,前一辆车辆记为第二车辆,后一辆车辆记为第一车辆。从第10帧图像到第30帧图像对第一车辆进行检测跟踪得到一条稳定的轨迹线,对第二车辆进行检测跟踪得到一条稳定的轨迹线。在第30帧中通过筛选选取第一车辆上的一个角点作为第一车辆的目标位置,选取第二车辆上的一个角点作为第二车辆的目标位置。根据映射表得到S1=983米,S2=1003米,两个车辆之间的实际相距距离为20米。在第10帧中过筛选选取第一车辆上的一个角点作为第一车辆的目标位置,选取第二车辆上的一个角点作为第二车辆的目标位置,根据映射表得到S3=959米,S4=983米。因此连续跟踪的图像帧数n=20帧,两辆车辆通过20帧所用的时间t0为20×0.04=0.8秒。从而求出第一车辆的速度V1=30米/秒,第二车辆的速度V2=25米/秒,安全时间t=4秒。根据判断等级为A,系统自动报警,提醒第一车辆驾驶员注意。
实施例2:
在视频序列中,选取两辆车辆并对其编号,前一辆车辆记为第二车辆,后一辆车辆记为第一车辆。从第10帧图像到第30帧图像对第一车辆进行检测跟踪得到一条稳定的轨迹线,对第二车辆进行检测跟踪得到一条稳定的轨迹线。在第30帧中通过筛选选取第一车辆上的一个角点作为第一车辆的目标位置,选取第二车辆上的一个角点作为第二车辆的目标位置。根据映射表得到S1=900米,S2=940米,两个车辆之间的实际相距距离为40米。在第10帧中过筛选选取第一车辆上的一个角点作为第一车辆的目标位置,选取第二车辆上的一个角点作为第二车辆的目标位置。根据映射表得到S3=880米,S4=924米。因此连续跟踪的图像帧数n=20帧,两辆车辆通过20帧所用的时间t0为20×0.04=0.8秒。从而求出第一车辆的速度V1=25米/秒,第二车辆的速度V2=20米/秒,安全时间t=8秒。根据判断等级为B,系统自动报警,提醒第一车辆驾驶员注意。
实施例3:
在视频序列中,选取两辆车辆并对其编号,前一辆车辆记为第二车辆,后一辆车辆记为第一车辆。从第10帧图像到第20帧图像对第一车辆进行检测跟踪得到一条稳定的轨迹线,对第二车辆进行检测跟踪得到一条稳定的轨迹线。在第20帧中通过筛选选取第一车辆上的一个角点作为第一车辆的目标位置,选取第二车辆上的一个角点作为第二车辆的目标位置。根据映射表得到S1=750米,S2=800米,两个车辆之间的实际相距距离为50米。在第10帧中过筛选选取第一车辆上的一个角点作为第一车辆的目标位置,选取第二车辆上的一个角点作为第二车辆的目标位置,根据映射表得S3=741米,S4=792米。因此连续跟踪的图像帧数n=10帧,两辆车辆通过10帧所用的时间t0为10×0.04=0.4秒。从而求出第一车辆的速度V1=22.5米/秒,第二车辆的速度V2=20米/秒,安全时间t=20秒。根据判断等级为C,第一车辆相对安全。
实施例4:
在视频序列中,选取两辆车辆并对其编号,前一辆车辆记为第二车辆,后一辆车辆记为第一车辆。从第10帧图像到第20帧图像对第一车辆进行检测跟踪得到一条稳定的轨迹线,对第二车辆进行检测跟踪得到一条稳定的轨迹线。在第20帧中通过筛选选取第一车辆上的一个角点作为第一车辆的目标位置,选取第二车辆上的一个角点作为第二车辆的目标位置。根据映射表得到S1=1000米,S2=1025米,两个车辆之间的实际相距距离为25米。在第10帧中过筛选选取第一车辆上的一个角点作为第一车辆的目标位置,选取第二车辆上的一个角点作为第二车辆的目标位置,根据映射表得S3=992米,S4=1015米。因此连续跟踪的图像帧数n=10帧,两辆车辆通过10帧所用的时间t0为10×0.04=0.4秒。从而求出第一车辆的速度V1=20米/秒,第二车辆的速度V2=25米/秒,安全时间t=-5秒。根据判断等级为D,第一车辆相对安全。
Claims (1)
1.一种基于视频的交通事故实时预警方法,其特征在于,该方法按照以下步骤进行:
步骤一,获取视频序列图像,选取两辆车辆并对其编号,前一辆车记为第一车辆,后一辆车记为第二车辆,利用基于特征的目标车辆跟踪方法,从任意第N帧图像开始连续跟踪n帧,得到第一车辆与第二车辆的运动轨迹,其中:
所述的基于特征的目标车辆跟踪方法的具体过程为:采用基于像素块的帧间差分法检测运动车辆,对检测出的运动图像利用Moravec算法提取相应的角点作为目标位置,并对相应的角点进行匹配跟踪;
步骤二,在第N+n帧图像中利用Moravec算法提取第一车辆和第二车辆的角点,比较第一车辆各角点的兴趣值,筛选兴趣值最大的点,即第一车辆的各角点在第N+n帧图像中形成的区域内特征最明显的点,作为第一车辆在第N+n帧图像的位置,比较第二车辆各角点的兴趣值,筛选兴趣值最大的点作为第二车辆在第N+n帧图像的位置,记录图像中两个角点的位置,采用相同的方法,在第N帧图像中提取第一车辆和第二车辆的角点,通过筛选选取第一车辆上的一个角点作为第一车辆在第N帧图像的位置,第二车辆上的一个角点作为第二车辆在第N帧图像的位置,记录图像中两个角点的位置;
步骤三,得到图像像素行和实际距离之间的映射关系,即映射表,根据映射表得出在第N+n帧图像中第一车辆和第二车辆的实际位置,第一车辆的实际位置记为S1,第二车辆的实际位置记为S2,即确定在第N+n帧图像中第二车辆与第一车辆之间的实际距离,S2-S1,根据映射表得出在第N帧图像中第一车辆和第二车辆的实际位置,第一车辆的实际位置记为S3,第二车辆的实际位置记为S4;
步骤四,根据第N+n帧图像中第一车辆与第二车辆的实际位置和第N帧图像中第一车辆与第二车辆的实际位置以及视频播放速度,即求出第一车辆与第二车辆的实际行驶速度,则有:
式中:
V1—第一车辆的实际行驶速度,单位:m/s;
V2—第二车辆的实际行驶速度,单位:m/s;
V0—视频播放速度,单位:帧/s;
n—连续跟踪的图像帧数,单位:帧;
步骤五,根据在第N+n帧图像中第二车辆与第一车辆之间的实际距离和第一车辆与第二车辆的实际行驶速度,得到第N+n帧后的连续图像中第一车辆相对于第二车辆的安全时间,记为t,则有:
根据安全时间的长短,将交通预警程度分为A,B,C,D四个等级,其中:
当4s≤t<5s时,预警等级为A;
当5s≤t<10s时,预警等级为B;
当t≥10s时,预警等级为C;
当t≤0s时,预警等级为D。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310099665.8A CN103236158B (zh) | 2013-03-26 | 2013-03-26 | 一种基于视频的交通事故实时预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310099665.8A CN103236158B (zh) | 2013-03-26 | 2013-03-26 | 一种基于视频的交通事故实时预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103236158A CN103236158A (zh) | 2013-08-07 |
CN103236158B true CN103236158B (zh) | 2015-06-24 |
Family
ID=48884195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310099665.8A Active CN103236158B (zh) | 2013-03-26 | 2013-03-26 | 一种基于视频的交通事故实时预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103236158B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761500B (zh) | 2016-05-10 | 2019-02-22 | 腾讯科技(深圳)有限公司 | 交通事故处理方法及交通事故处理装置 |
CN109003455B (zh) * | 2018-06-22 | 2021-03-30 | 安徽科力信息产业有限责任公司 | 一种提醒车主违法停车行为的方法及装置 |
CN108932851B (zh) * | 2018-06-22 | 2021-03-30 | 安徽科力信息产业有限责任公司 | 一种记录机动车违法停车行为的方法及装置 |
CN109243150A (zh) * | 2018-09-30 | 2019-01-18 | 深圳市金豪泰科技有限公司 | 一种车辆预警方法及终端 |
CN109543598A (zh) * | 2018-11-20 | 2019-03-29 | 哈尔滨工程大学 | 一种基于图像识别的公路事故响应与警示系统及方法 |
CN109493604A (zh) * | 2018-11-30 | 2019-03-19 | 平安科技(深圳)有限公司 | 利用大数据的交通调控方法、装置和计算机设备 |
CN112836626B (zh) * | 2021-01-29 | 2023-10-27 | 北京百度网讯科技有限公司 | 事故确定方法及装置、模型训练方法及装置、电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622895A (zh) * | 2012-03-23 | 2012-08-01 | 长安大学 | 一种基于视频的车辆速度检测方法 |
CN102622886A (zh) * | 2012-03-23 | 2012-08-01 | 长安大学 | 一种基于视频的车辆违章变道事件检测方法 |
CN102637360A (zh) * | 2012-04-01 | 2012-08-15 | 长安大学 | 一种基于视频的道路停车事件检测方法 |
Family Cites Families (1)
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 |
-
2013
- 2013-03-26 CN CN201310099665.8A patent/CN103236158B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622895A (zh) * | 2012-03-23 | 2012-08-01 | 长安大学 | 一种基于视频的车辆速度检测方法 |
CN102622886A (zh) * | 2012-03-23 | 2012-08-01 | 长安大学 | 一种基于视频的车辆违章变道事件检测方法 |
CN102637360A (zh) * | 2012-04-01 | 2012-08-15 | 长安大学 | 一种基于视频的道路停车事件检测方法 |
Non-Patent Citations (2)
Title |
---|
拜佩,李金屏.一种基于视频的交通事故检测方法.《济南大学学报(自然科学版)》.2012,第26卷(第3期),第282-286页. * |
雷云,王夏黎,孙华.基于视频的交通目标跟踪方法研究.《计算机技术与发展》.2010,第20卷(第7期),第44-47页. * |
Also Published As
Publication number | Publication date |
---|---|
CN103236158A (zh) | 2013-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103236158B (zh) | 一种基于视频的交通事故实时预警方法 | |
CN102765365B (zh) | 基于机器视觉的行人检测方法及行人防撞预警系统 | |
CN103236191B (zh) | 一种基于视频的高速公路匝道车辆并入安全预警方法 | |
CN104992145B (zh) | 一种矩采样车道跟踪检测方法 | |
CN102096803B (zh) | 基于机器视觉的行人安全状态识别系统 | |
CN104029680B (zh) | 基于单目摄像头的车道偏离预警系统及方法 | |
CN109064495A (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
CN102360525A (zh) | 基于判别分析的快速道路实时交通事故风险预测方法 | |
CN202793389U (zh) | 一种高铁接触网在线巡检装置 | |
CN103177584B (zh) | 一种基于枚举试探的车速检测方法 | |
CN103646534A (zh) | 一种道路实时交通事故风险控制方法 | |
CN105260712A (zh) | 一种车辆前方行人检测方法及系统 | |
CN102288121A (zh) | 一种基于单目视觉的车道偏离距离测量及预警方法 | |
CN103465857A (zh) | 一种基于手机的汽车主动安全的预警方法 | |
CN103129468A (zh) | 基于激光成像技术的车载路障识别系统和方法 | |
US20210350699A1 (en) | Method for Vehicle Classification Using Multiple Geomagnetic Sensors | |
CN103577809A (zh) | 一种基于智能驾驶的地面交通标志实时检测的方法 | |
CN104574993B (zh) | 一种道路监控的方法及装置 | |
CN105438183A (zh) | 一种驾驶员激进驾驶状态的识别装置及方法 | |
CN106114505A (zh) | 一种车辆辅助驾驶系统的前车碰撞预警方法 | |
CN105336217A (zh) | 一种基于机器视觉和安卓平台的行车安全预警系统 | |
WO2023020004A1 (zh) | 一种车辆距离探测方法、系统、设备及介质 | |
CN105718904A (zh) | 基于组合特征与车载摄像头的盲人检测与识别方法与系统 | |
CN103440771A (zh) | 模糊隶属度和反馈修正在夜间交通视频车辆检测的应用 | |
CN201429904Y (zh) | 一种交通流量统计系统 |
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 |