CN103236158B - 一种基于视频的交通事故实时预警方法 - Google Patents

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

一种基于视频的交通事故实时预警方法

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：

$V_1=\frac{(S_1-S_3)V_0}{n}$

$V_2=\frac{(S_2-S_4)V_0}{n}$

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：

$V_1=\frac{(S_1-S_3)V_0}{n}$

$V_2=\frac{(S_2-S_4)V_0}{n}$

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：

$V_1=\frac{(S_1-S_3)V_0}{n}$

$V_2=\frac{(S_2-S_4)V_0}{n}$

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。