CN108256380A - 道路交通异常自动检测方法 - Google Patents

道路交通异常自动检测方法 Download PDF

Info

Publication number
CN108256380A
CN108256380A CN201611231967.6A CN201611231967A CN108256380A CN 108256380 A CN108256380 A CN 108256380A CN 201611231967 A CN201611231967 A CN 201611231967A CN 108256380 A CN108256380 A CN 108256380A
Authority
CN
China
Prior art keywords
traffic
image
road
characteristic value
threshold value
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.)
Withdrawn
Application number
CN201611231967.6A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanning Haofa Technology Co Ltd
Original Assignee
Nanning Haofa Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanning Haofa Technology Co Ltd filed Critical Nanning Haofa Technology Co Ltd
Priority to CN201611231967.6A priority Critical patent/CN108256380A/zh
Publication of CN108256380A publication Critical patent/CN108256380A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection

Abstract

本发明公开了一种道路交通异常自动检测方法，包括以下步骤：S1：通过安装在道路的CCD摄像头对道路交通进行视频采集，对视频图像进行预处理，将处理后的图像转化为二值图像，并将图像进行8*8分块，并对每块进行滤波处理；S2：利用二值图像进行车辆检测与跟踪；S3：提取出加速度、车辆方向变化、车辆位置特征值；S4：计算特征值AF、DF、PF；S5：估算特征值总和（AF+DF+PF），然后与阈值T作比较，如果AF+DF+PF≥阈值T，则判断交通事件发生，否则没有。

Description

道路交通异常自动检测方法
技术领域
本发明涉及一种道路交通异常自动检测方法。
背景技术
城市道路是城市中组织生产、安排生活所必须的车辆、行人交通往来的道路，是连接城市各个组成部分的交通纽带。主干道承担了城市的主要客、货车流，是城市的交通走廊。道路交通在为社会发展做出巨大贡献的同时，也因交通量增长过快引发了许多问题，主要表现为交通事件数量日益增加以及其严重程度日益加剧。城市道路交通环境由于交通流量大，易发生诸如闯红灯、违章转弯、拥堵以及拖尾等交通违章行为，因此对城市交通进行监测尤为重要。
为了能够在发生交通事件后对交通流进行有效的疏导并对受伤人员进行及时救援，快速准确发现道路上发生的交通事件是非常重要的。任何交通事件管理系统的快速反应能力都在很大程度上依赖于高效、快速、可靠的交通事件检测技术。快速发现道路上的交通事件不仅可以为交通管理者制定和采取及时、有效的交通管理措施提供最佳时机，避免交通拥挤扩散范围增大，而且可以对受伤人员进行及时救助，减少人员伤亡，还可以为出行者提供有效的出行信息，使出行者能够合理选择出行路线与时间，从各个方面把事件的影响程度降到最低。 早期的城市道路交通管理部门依靠人工方式来发现道路上的交通事件，交通管理的主要目的是快速疏导由事件引起的交通阻滞。由于当时路网规模较小、交通需求与供给矛盾尚未激化。因此，这种依据人工方法发现道路交通运行故障的管理模式在很长时期内能够维持道路交通的正常运转。随着社会经济的快速发展，城市道路网络的不断扩大，道路需求的迅速增长，依据人工发现道路上的交通事件的方法已经不能满足交通管理的需要。
发明内容
本发明要解决的技术问题是提供一种道路交通异常自动检测方法。
道路交通异常自动检测方法，包括以下步骤：
S1：通过安装在道路的CCD摄像头对道路交通进行视频采集，对视频图像进行预处理，将处理后的图像转化为二值图像，并将图像进行8*8分块，并对每块进行滤波处理；
S2：利用二值图像进行车辆检测与跟踪；
S3：提取出加速度、车辆方向变化、车辆位置特征值；
S4：计算特征值AF、DF、PF；
S5：估算特征值总和（AF+DF+PF），然后与阈值T作比较，如果AF+DF+PF≥阈值T，则判断交通事件发生，否则没有。
进一步的，所述特征值加速度的计算方法如下：
。
进一步的，所述车辆方向变化的计算方法如下：
车辆行驶出发点坐标(x1,y1)和终点坐标(x2,y2)，则，
。
进一步的，所述车辆位置信息利用二值图像连通成分标记方法进行图像中车辆的几何中心位置进行提取。
进一步的，根据特征值AF、DF、PF判断交通异常算法如下：
1）加速度变化：
式中，AF为交通异常事件判定指数，d为阈值；
2）车辆方向变化率：
式中，DF为交通异常事件判断指数；f为阈值；
3）车辆位置变化率：
式中，SF为交通异常事件判定指数；h，j为阈值。
本发明的有益效果是：
具体实施方式
以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。
道路交通异常自动检测方法，包括以下步骤：
S1：通过安装在道路的CCD摄像头对道路交通进行视频采集，对视频图像进行预处理，将处理后的图像转化为二值图像，并将图像进行8*8分块，并对每块进行滤波处理；
S2：利用二值图像进行车辆检测与跟踪；
S3：提取出加速度、车辆方向变化、车辆位置特征值；
S4：计算特征值AF、DF、PF；
所述特征值加速度的计算方法如下：
。
所述车辆方向变化的计算方法如下：
车辆行驶出发点坐标(x1,y1)和终点坐标(x2,y2)，则，
。
所述车辆位置信息利用二值图像连通成分标记方法进行图像中车辆的几何中心位置进行提取。
S5：估算特征值总和（AF+DF+PF），然后与阈值T作比较，如果AF+DF+PF≥阈值T，则判断交通事件发生，否则没有。
根据特征值AF、DF、PF判断交通异常算法如下：
1）加速度变化：
式中，AF为交通异常事件判定指数，d为阈值；
2）车辆方向变化率：
式中，DF为交通异常事件判断指数；f为阈值；
3）车辆位置变化率：
式中，SF为交通异常事件判定指数；h，j为阈值。

Claims (5)

1.道路交通异常自动检测方法，其特征在于，包括以下步骤：
S1：通过安装在道路的CCD摄像头对道路交通进行视频采集，对视频图像进行预处理，将处理后的图像转化为二值图像，并将图像进行8*8分块，并对每块进行滤波处理；
S2：利用二值图像进行车辆检测与跟踪；
S3：提取出加速度、车辆方向变化、车辆位置特征值；
S4：计算特征值AF、DF、PF；
S5：估算特征值总和（AF+DF+PF），然后与阈值T作比较，如果AF+DF+PF≥阈值T，则判断交通事件发生，否则没有。
2.根据权利要求1所述的道路交通异常自动检测方法，其特征在于，所述特征值加速度的计算方法如下：
。
3.根据权利要求1所述的道路交通异常自动检测方法，其特征在于，所述车辆方向变化的计算方法如下：
车辆行驶出发点坐标(x1,y1)和终点坐标(x2,y2)，则，
。
4.根据权利要求1所述的道路交通异常自动检测方法，其特征在于，所述车辆位置信息利用二值图像连通成分标记方法进行图像中车辆的几何中心位置进行提取。
5.根据权利要求1所述的道路交通异常自动检测方法，其特征在于，根据特征值AF、DF、PF判断交通异常算法如下：
1）加速度变化：
式中，AF为交通异常事件判定指数，d为阈值；
2）车辆方向变化率：
式中，DF为交通异常事件判断指数；f为阈值；
3）车辆位置变化率：
式中，SF为交通异常事件判定指数；h，j为阈值。
CN201611231967.6A 2016-12-28 2016-12-28 道路交通异常自动检测方法 Withdrawn CN108256380A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611231967.6A CN108256380A (zh) 2016-12-28 2016-12-28 道路交通异常自动检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611231967.6A CN108256380A (zh) 2016-12-28 2016-12-28 道路交通异常自动检测方法

Publications (1)

Publication Number Publication Date
CN108256380A true CN108256380A (zh) 2018-07-06

Family

ID=62718994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611231967.6A Withdrawn CN108256380A (zh) 2016-12-28 2016-12-28 道路交通异常自动检测方法

Country Status (1)

Country Link
CN (1) CN108256380A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112053563A (zh) * 2020-09-16 2020-12-08 北京百度网讯科技有限公司 用于云控平台的事件检测方法、装置、设备和存储介质
WO2022078353A1 (zh) * 2020-10-14 2022-04-21 深圳壹账通智能科技有限公司 车辆行使状态判断方法、装置、计算机设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105427606A (zh) * 2015-12-24 2016-03-23 重庆云途交通科技有限公司 路面状况信息采集及发布方法
CN105809954A (zh) * 2014-12-30 2016-07-27 清华大学 交通事件检测方法以及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809954A (zh) * 2014-12-30 2016-07-27 清华大学 交通事件检测方法以及系统
CN105427606A (zh) * 2015-12-24 2016-03-23 重庆云途交通科技有限公司 路面状况信息采集及发布方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
万福才 等: ""城市道路交通异常事件自动检测方法"", 《沈阳大学学报（自然科学版）》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112053563A (zh) * 2020-09-16 2020-12-08 北京百度网讯科技有限公司 用于云控平台的事件检测方法、装置、设备和存储介质
WO2022078353A1 (zh) * 2020-10-14 2022-04-21 深圳壹账通智能科技有限公司 车辆行使状态判断方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
CN112837535B (zh) 交通信息处理方法、装置、系统、设备及存储介质
CN102881169B (zh) 套牌车的检测方法
CN106846792B (zh) 城市交通违章智能预警系统及其方法
CN110533885A (zh) 城市内涝监测预警系统及预警方法
CN111710177B (zh) 智慧交通信号灯组网协同优化控制系统及控制方法
CN107543580A (zh) 一种城市内涝监控预警系统
CN105825684A (zh) 一种智慧城市云路灯系统
CN106097744B (zh) 一种基于gis系统的高速公路团雾实时监测系统及方法
CN108510762A (zh) 一种快速路多线交汇区智能信号灯优化控制方法
CN105741566A (zh) 基于智能交通管理系统控制的交通信息显示系统
CN104539882A (zh) 一种智慧城市的安全预防系统
CN113313943B (zh) 一种基于路侧感知的路口通行实时调度方法与系统
CN107221175B (zh) 一种行人意图检测方法和系统
CN106373399B (zh) 一种公交线路站点间运行瓶颈识别系统
CN109935076A (zh) 一种城市快速路常发性交通瓶颈识别方法
CN105117683A (zh) 一种公共场所密集人群检测及预警方法
CN105307309A (zh) 一种照明控制方法及系统
CN108256380A (zh) 道路交通异常自动检测方法
CN205656766U (zh) 一种智慧城市云路灯系统
CN110827537A (zh) 一种潮汐车道的设置方法、装置及设备
KR102254767B1 (ko) 차량 영상인식 기반 교통량 조사 장치 및 방법
TW201822168A (zh) 車輛行駛方向預測系統及方法
KR20110117576A (ko) 영상기반의 사고 검지 시스템 및 방법
CN207731470U (zh) 一种基于图像处理的智能交通控制系统
CN105953868A (zh) 一种基于路灯物联网的积水监测系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20180706