CN111311918B - 一种基于视觉分析的交通管理方法及装置 - Google Patents

Abstract

本发明涉及交通技术领域，尤其涉及一种基于视觉分析的交通管理方法及装置。交通管理方法，步骤包括：对非结构化的视觉数据分析和处理，将所述视觉数据区分为静态信息要素和动态信息要素；获取目标对象在静态信息要素中的坐标位置；从动态信息要素中获取路口非机动混合数据，及路段动态数据；获取包括冲突点和安全风险区域的坐标范围的安全数据；通过在基础地图上叠加图元矢量数据、安全数据及动态信息要素，获得人机交互的交通电子地图。本实施例旨在基于计算机视觉技术从视频、图像等非结构化数据中提取精细化的道路交通要素，解决了传统的交通管理系统的缺点。

Description

一种基于视觉分析的交通管理方法及装置

技术领域

本发明涉及视觉交通管理技术领域，具体地，涉及基于视觉分析的交通管理方法及装置。

背景技术

数据驱动的交通运行智能化管控手段是当前城市道路交通信息化应用的重点。高清视频及图像交通采集设备当前已在广大城市路网中得到了广泛部署与应用。同时，以无人机为代表的现代化交通数据采集装备也开始在交警日常管控业务中发挥重要作用。

本发明发明人在实现本发明的过程中，发现：目前，多源海量动态交通视频及图像数据中隐藏重要的交通运行规律和模式，但受制于当前粗化的交通分析技术手段，这些数据往往未能充分发挥其重要作用。当前，交通视频及图像数据主要用于车辆号牌识别、车辆与行人目标检测，忽略了道路空间几何特征和交通设施等静态信息的识别与应用，导致最后的分析结果不够可靠。

发明内容

针对现有技术的上述缺陷，本发明的主要目的在于提供一种基于视觉分析的交通管理方法，主要步骤包括：

对非结构化的视觉数据分析和处理，将所述视觉数据区分为静态信息要素和动态信息要素；根据实际交通场景、标准规定及评价指标，计算出静态信息要素的图元矢量数据，并且建立标准评价模型，用于量化评估路口和路段渠化标线、交通设施的标准化水平；获取目标对象在静态信息要素中的坐标位置；

从动态信息要素中获取路口非机动混合数据，及路段动态数据；

基于动态信息要素中动态目标轨迹及图元矢量数据，获取包括冲突点和安全风险区域的坐标范围的安全数据；

通过在基础地图上叠加图元矢量数据、安全数据及动态信息要素，获得人机交互的交通电子地图；

其中，所述动态信息要素中的动态目标轨迹还进行运行轨迹重构处理。

进一步的，对所述视觉数据分析和处理的具体步骤：

构建动态目标检测图像数据集和动态目标跟踪视频图像数据集；

对动静态信息要素利用数据增强技术对数据集进行扩充；

数据集划分为训练集和测试集，用图像测试集和视频测试集分别对目标检测和目标跟踪模型进行性能评估，并根据反馈结果对模型进行参数优化和改进；

将待分析的目标对象放入训练后的目标检测模型提取目标对象所在图像的位置坐标；目标跟踪模型提取目标对象在视频中的轨迹。

进一步的，所述静态信息要素和所述动态信息要素包括静态目标特征、动态目标特征及坐标位置。

进一步的，所述静态目标特征包括路口渠化特征、路段标线、路缘石、安全岛、隔离设施、出入口及公交站；

所述动态目标特征包括机动车、非机动车及行人。

进一步的，动态目标轨迹的运行轨迹重构处理方法，是通过动态目标的时空连续性和邻近性，基于K最近邻算法计算出两两轨迹序列在时空维度属性上的相似度，再基于该相似度实现对动态目标运行轨迹的重构处理。

进一步的，获取路口非机动混合数据，并提取动态目标在路口路段和路口的基础动态参数指标，同时转为可视化指标图表。

进一步的，根据动态信息要素的机动车数据中获取机动车的轨迹，及量化评估后的路段渠化标线、交通设施的空间位置属性信息，识别出机动车冲突点、机动车与非机动车的冲突点和出入口冲突点；

根据冲突点划分出包括事故隐患区域、慢行交通事故易发区域的安全风险区域，并输出冲突点及安全风险区域的坐标范围。

进一步的，所述非结构化的视觉数据，是通过对接交通系统的视频流数据从而获取到非结构化数据，以及对接交通信号控制系统，接入信号配时方案。

进一步的，静态信息要素中的静态目标特征及坐标位置分解为矢量瓦片，并将矢量瓦片叠加到基础地图，获得电子地图；

在电子地图上，叠加动态信息要素的动态目标运行轨迹，路口非机动混合数据，及路段动态数据及安全数据，得到人机交互的交通电子地图。

实施例还提供了一种基于视觉分析的交通管理装置，包括：

计算机视觉分析模块，用于对非结构化的视觉数据分析和处理，将所述视觉数据区分为静态信息要素和动态信息要素；

组织分析模块，用于根据实际交通场景、标准规定及评价指标，计算出静态信息要素的图元矢量数据，并且建立标准评价模型，用于量化评估路口和路段渠化标线、交通设施的标准化水平；获取目标对象在静态信息要素中的坐标位置；

运行分析模块，用于从动态信息要素中获取路口非机动混合数据，及路段动态数据；

安全风险研判模块，用于基于动态目标轨迹及图元矢量数据，获取包括冲突点和安全风险区域的坐标范围的安全数据；

电子地图可视化交互模块，用于通过在基础地图上叠加图元矢量数据、安全数据及动态信息要素，获得人机交互的交通电子地图；

其中，还包括动态目标轨迹重构模块，用于所述动态信息要素中的动态目标轨迹还进行运行轨迹重构处理。

实施例中通过接入交通监控视频、电子警察系统采集图像、无人机采集视频和图像等交通新兴感知非结构化数据，利用计算机视觉分析技术提取数据中呈现的道路空间几何结构数据和行人车辆动态目标属性数据，在此基础上构建模型对交通组织渠化规范性、交通运行状态以及交通安全风险隐患进行智能研判分析，最终通过可视化交互操作和自动化报表实现道路交通管控关键要素挖掘，为交警日常管控业务、交通安全隐患治理提供精准可靠决策支撑。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1是一种实施环境的结构示意图；

图2是本发明中一实施例的基于视觉分析的交通管理方法的流程图；

图3是本发明中一实施例的基于视觉分析的交通管理方法的所述视觉数据分析和处理的流程图；

图4是本发明中一实施例的基于视觉分析的交通管理装置的结构图；

图5是本发明中一实施例的所述计算机视觉分析模块的结构图；

图6是本发明中另一实施例的基于视觉分析的交通管理方法的流程图；

图7是本发明中实施例的非结构化的视觉数据的示意图；

图8是本发明中实施例的结构化的动态信息要素的示意图；

图9是本发明中实施例的结构化的静态信息要素的示意图；

图10是本发明中实施例的用户报告的示意图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。

参考附图1是一种实施环境的结构示意图。该实施环境包括：包括交通系统的视觉获取设备120，及包括服务器110，其中服务器110可以执行上述基于视觉分析的交通管理方法。

交通系统的视觉获取设备120包括交通视频监控系统、电子警察系统和采集视频和图像的无人机等。

服务器110可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。

服务器从交通视频监控系统、电子警察系统和采集视频和图像的无人机等中获取到非机构化的视频和/或图像，服务器用于是能够利用计算机视觉分析技术提取数据中呈现的道路空间几何结构数据和行人车辆动态目标属性数据，在此基础上构建模型对交通组织渠化规范性、交通运行状态以及交通安全风险隐患进行智能研判分析，最终通过可视化交互操作和自动化报表实现道路交通管控关键要素挖掘，为交警日常管控业务、交通安全隐患治理提供精准可靠决策支撑的。

首先需要说明的是，在本发明各实施例中，所涉及的术语为：

非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。包括所有格式的办公文档、文本、图片、XML,HTML、各类报表、图像和音频/视频信息等等。非结构化的视觉数据是交通系统中采集到的各种各类非结构化的视频或图像数据。

瓦片是WEB电子地图里的固定名词，是组成地图的基础组分，完整地图是有若干瓦片拼合而成。

下面，将通过几个具体的实施例对发明实施例提供的智能镜面设备护肤进行详细介绍和说明。

一种基于视觉分析的交通管理方法，主要步骤包括：

步骤210：对非结构化的视觉数据分析和处理，将所述视觉数据区分为静态信息要素和动态信息要素；

进一步的，所述视觉数据分析和处理的具体步骤：

步骤310：构建动态目标检测图像数据集和动态目标跟踪视频图像数据集；

步骤320：对动静态信息要素利用数据增强技术对数据集进行扩充；

步骤330：数据集划分为训练集和测试集，用图像测试集和视频测试集分别对目标检测和目标跟踪模型进行性能评估，并根据反馈结果对模型进行参数优化和改进；

步骤340：将待分析的目标对象放入训练后的目标检测模型提取目标对象所在图像的位置坐标；目标跟踪模型提取目标对象在视频中的轨迹。

进一步的，所述静态信息要素和所述动态信息要素包括静态目标特征、动态目标特征及坐标位置和动态目标运行轨迹。

进一步的，所述静态目标特征包括路口渠化特征、路段标线、路缘石、安全岛、隔离设施、出入口及公交站；

所述动态目标特征包括机动车、非机动车及行人。

进一步的，所述非结构化的视觉数据，是通过对接交通系统的视频和图像数据从而获取到非结构化数据，以及对接交通信号控制系统，接入信号配时方案。

可以理解的，接入交通系统中的非结构化的视频和图像数据，以及交通信号控制系统中的信号配时方案。

再将接入的非结构化的视频和图像数据，进行分类处理，主要是区分这些数据中的静态信息要素和动态信息要素，具体的是：在接入的交通系统的视频和图像数据中区分出静态信息要素包括：包括路口渠化特征、路段标线、路缘石、安全岛、隔离设施、出入口、公交站；动态信息要素包括：机动车、非机动车及行人。

同时，还将上述非结构化的视频和图像数据，进行分析处理，主要的是，首先，通过开放或主动获取的视频和图像进行标注构建成两类数据集，其中包括用于动态目标的检测图像数据集和动态目标的跟踪视频图像数据集。再，数据增强技术对得到的检测图像数据集和跟踪视频图像数据集进行扩充。接着，将扩充后的检测图像数据集和跟踪视频图像数据集，划分为训练数据集和测试数据集；通过不同的算法将训练数据集和测试数据集构建成目标检测模型和目标跟踪模型，用于对目标对象进行检测和跟踪的性能评估，并根据反馈结果对模型进行参数优化和改进。最后，通过训练后的目标检测模型和目标跟踪模型用于分别提取目标对象的位置坐标和轨迹。

实际实施方式中，通过利用API系统获取到交通系统中的接非结构化的视频的图像数据，包括路侧固定的监控视频系统、路口的电子警察系统、无人机采集系统提供的视频流数据，以及路口、路段安装的固定卡口类交通检测设备采集的非结构化图像数据和车辆号牌识别数据。同时，包括交通信号控制系统的信号配时方案。

再将获得的非结构化的视频和图像数据，进行分类处理，主要是区分这些数据中的静态信息要素和动态信息要素，具体的是：在获取的交通系统的视频和图像数据中分别提取出静态信息要素包括：包括路口渠化特征、路段标线、路缘石、安全岛、隔离设施、出入口、公交站；动态信息要素包括：机动车、非机动车及行人。

同时，还将上述非结构化的视频和图像数据，进行分析处理，主要的是，首先，一些实施例中通过人工收集和整理联网开放的实际交通场景想的图像和视频数据进行构建处理，如VOC/COCO/H3D/ApolloCar3D/Oxford Robotic Car等；另一些实施例中，主动的通过无人机设备和交通视频检测设备采集图像和视频数据，然后人工手动标注并构建数据集。也就是将获得视频和图像数据构建成两类数据集，其中包括用于动态目标的检测图像数据集和动态目标的跟踪视频图像数据集。

再，通过数据增强技术对得到的检测图像数据集和跟踪视频图像数据集进行扩充，具体的数据增强技术是对图像进行角度旋转、缩放、平移、裁剪和对小目标对象进行过采样处理和图像复制添加等技术。

接着，将扩充后的检测图像数据集和跟踪视频图像数据集，划分为训练数据集和测试数据集。基于训练数据集和EfficientDet算法构建目标检测模型，利用视频训练集和上述获得的目标检测模型，再结合粒子滤波算法和匈牙利匹配算法，构建目标跟踪模型。目标检测模型和目标跟踪模型对目标对象进行检测和跟踪的性能评估，并根据反馈结果对模型进行参数优化和改进。

最后，通过训练后的目标检测模型对待分析的图像中的目标对象进行识别，并提取目标对象所在图像的位置坐标；目标跟踪模型对待分析的视频中的目标对象进行跟踪，提取目标对象的轨迹。

步骤220：根据实际交通场景、标准规定及评价指标，计算出静态信息要素的图元矢量数据，并且建立标准评价模型，用于量化评估路口和路段渠化标线、交通设施的标准化水平；获取目标对象在静态信息要素中的坐标位置；

可以理解的，经过测量实际的交通场景的交通设备和路口的实际的空间位置信息，并结合官方发布的各类交通标志线，就算出静态信息要素中的静态目标特征的空间位置属性信息，通过空间位置属性信息构建出道路交通标志标线与组织渠化标准度评价模型，用于量化评估静态信息要素中的路口和路段渠化标线、交通设施的标准化水平，并且获取目标对象在静态信息要素中的坐标位置。

具体实施方式中，根据测量的实际交通场景下静态目标特征的空间几何信息，然后计算和提取静态目标特征中的路口、路段渠化标线和交通设施的空间位置属性信息，所述空间位置属性信息包括长度、宽度和间距等信息。将上述实测的空间位置属性信息结合官方发布的各类交通标志线计算出静态目标特征中的路口、路段渠化标线和交通设施的空间位置属性信息。再用路口、路段渠化标线和交通设施的空间位置属性信息，构建道路交通标志标线与组织渠化标准度评价模型，用于量化评估静态信息要素中的路口和路段渠化标线、交通设施的标准化水平，并且获取目标对象在静态信息要素中的坐标位置。

步骤230：从动态信息要素中获取路口非机动混合数据，及路段动态数据；

获取路口非机动混合数据，并提取动态目标在路口路段和路口的基础动态参数指标，同时转为可视化指标图表。

实际实施方式中，对路口位置进行分析具体的是：根据路口车辆轨迹提取个体机动车目标对象的基础动态参数，基础动态参数包括行驶速度、转弯半径、停车时间和行驶速度；基于获取的信号配时方案，进行路口的基础动态参数的时间聚合(例如，以5min为聚合时间基本单位)，生成车道级流量、平均行驶速度、排队长度、饱和度和绿时利用率；在路口的基础动态参数基础上，计算生成路口各转向的流量指数、平均延误指数、利用率指数、交通供需匹配度指数和公交优先指数；在路口的基础动态参数基础上，提取出入口流量指数、转弯半径指数和出入口干扰度指数；提取方向不均衡系数指数、交通供需匹配度指数和高峰运行时段指数；在动态信息要素的非机动车数据，提取路口非机动车流量和人流量，并在路口层级分析机非混合指数和慢行交通指数，获得路口的动态参数指标。

对路段位置进行分析具体的是：所述路段动态数据，在动态信息要素的机动车数据，从中获取机动车的轨迹，并且根据机动车的轨迹提取路段平均行驶速度、行程时间、方向不均衡系数，获得路段的动态参数指标。

将路口的动态参数指标和路段的动态参数指标转化为可视化的图表。

步骤240：基于动态目标轨迹及图元矢量数据，获取包括冲突点和安全风险区域的坐标范围的安全数据；

进一步的，根据动态信息要素的机动车数据中获取机动车的轨迹，及量化评估后的路口、路段渠化标线和交通设施的空间位置属性信息，从而识别出机动车的冲突点、机动车与非机动车的冲突点和出入口的冲突点；

根据冲突点划分出包括事故隐患区域、慢行交通事故易发区域的安全风险区域，并输出冲突点及安全风险区域的坐标范围。

需要指出的是，这里冲突类型包括：机动车和非机动车，机动车和行人，机动车和机动车，非机动车和行人，非机动车和非机动车。具体的机动车的冲突点指的是机动车相互之间在道路上可能出现的冲突点，如转弯机动车与直行机动车的冲突点；在路口红绿灯处机动车与行人可能出现相遇的冲突点。

步骤260：通过在基础地图上叠加图元矢量数据、安全数据及动态信息要素，获得人机交互的交通电子地图。

进一步的，静态信息要素中的静态目标特征和坐标位置分解为矢量瓦片，并将矢量瓦片叠加到基础地图，获得电子地图；

在电子地图上，叠加动态信息要素的动态目标运行轨迹，路口非机动混合数据，及路段动态数据及安全数据，得到人机交互的交通电子地图。

可以理解的，将获取到完整的静态信息要素中静态目标特征和坐标位置的均匀的分割为多个矢量瓦片，该矢量瓦片与基础地图叠加在一起即可以构成一个具有静态目标特征的电子地图。为了实现，人机交互，并且更加直观的反应动态目标对象在电子地图上的实现动态反映，实施例是，在电子地图上，叠加动态信息要素的动态目标运行轨迹，路口非机动混合数据，及路段动态数据及安全数据，得到人机交互的交通电子地图。

实施例是，将步骤220所输出的目标对象在静态信息要素中的坐标位置，步骤240所输出的可视化指标图表数据，及步骤250输出的安全数据，按照预算的报告模板和用户配置的基础信息，输出用户报告给用户。这里的用户报告包括分析结论、数据图表、电子地图的交通运行分析报告、交通安全诊断报告和绿色/慢行交通报告。其中，用户配置基础信息包括时间、路口名、路段名等时空分析范围。

实施例中，旨在基于计算机视觉技术从视频、图像等非结构化数据中提取精细化的道路交通要素，从而克服传统道路交通感知技术手段的局限性，突破交通组织规范性评价、交通运行管控、交通安全风险研判建模中数据无法支撑交通精细化建模的瓶颈。同时，通过研发智能交通辅助决策功能，实现城市道路交通分析决策的自动化水平和业务操作便捷性，为交通规划和管控部门提供智能化报告报表，提升交通信息管理及服务效率。

实施例中，是通过接入道路交通视频及图像采集数据，利用计算机视觉技术分析和提取道路交通动静态信息要素，包括交通组织渠化信息要素、车辆与行人目标、交通运行状态信息，进而对道路交通运行的畅通性、安全性展开多维度分析，通过研发系统软件提供可视化人机交互和自动报表生成功能，最终精确量化和提取车道级精细化交通运行状态，为交通管理与控制、交通安全治理提供决策支撑。

请参考附图6实施例中还可以，通过动态信息要素对动态目标的运行轨迹进行重构处理，获得目标对象的动态目标轨迹；

进一步的，动态目标的运行轨迹的重构处理方法，是通过动态目标的时空连续性和邻近性，基于K最近邻算法计算出两两轨迹序列在时空维度属性上的相似度，再基于该相似度实现对动态目标运行轨迹的重构处理。

可以理解的，步骤210提取的动态信息要素中的动态目标包括机动车、非机动车和行人，以及目标对象的位置坐标和轨迹。这里获取到的动态目标的轨迹由于在视频或图像中有可能未能捕捉动态目标的完整轨迹出现轨迹不完整的问题，这里是根据动态目标的时空连续性和邻近性，基于K最近邻算法计算出两两轨迹序列在时空维度属性上的相似度，再基于该相似度实现对动态目标运行轨迹的重构处理。

以下，具体的通过车辆为例进行说明：

(1)根据车辆轨迹提取功能收集和构建轨迹数据集。从获取的历史轨迹数据集中提取出具有完整车辆轨迹信息的轨迹，生成训练数据集。车辆在每个轨迹点的信息包括其在图像中的横纵坐标位置、所在车道组(按交叉口方向进行统一编号)和车辆瞬时速度。由此，一条完整车辆轨迹由多个四元组(横坐标、纵坐标、车道组、速度)构成；

(2)计算车辆行驶轨迹的总体行程时间；

(3)根据总体时间将训练集中的车辆轨迹进行分组，行程时间相同的分为一组；

(4)构建一个KNN分类器，以上述四元组中的四个指标为特征；

(5)当有新的车辆轨迹需要重构的时候，首先根据行程时间找到对应分组的训练车辆轨迹数据集，然后基于KNN分类器从中找出最相似的一条轨迹为其模版轨迹，并基于该轨迹车辆对不完整轨迹进行补全重构；若无法获取待重构车辆轨迹的总体行程时间，则计算其可能的最长行程时间，并基于该时间和四元组构成5个特征，利用KNN找到与其最相似的一条完整轨迹作为模版轨迹，在此基础上进行轨迹补全重构。

实施方式中还公开了一种基于视觉分析的交通管理装置，包括：

计算机视觉分析模块101，用于对非结构化的视觉数据分析和处理，将所述视觉数据区分为静态信息要素和动态信息要素；

组织分析模块102，用于根据实际交通场景、标准规定及评价指标，计算出静态信息要素的图元矢量数据，并且建立标准评价模型，用于量化评估路口和路段渠化标线、交通设施的标准化水平；获取目标对象在静态信息要素中的坐标位置；

运行分析模块104，用于从动态信息要素中获取路口非机动混合数据，及路段动态数据；安全风险研判模块105，用于基于动态目标轨迹及图元矢量数据，获取包括冲突点和安全风险区域的坐标范围的安全数据；

电子地图可视化交互模块106，用于通过在基础地图上叠加图元矢量数据、安全数据及动态信息要素，获得人机交互的交通电子地图；

其中，还包括动态目标轨迹重构模块103，用于所述动态信息要素中的动态目标轨迹还进行运行轨迹重构处理。

进一步的，所述计算机视觉分析模块，包括：

数据集构建模块1011，用于构建动态目标检测图像数据集和动态目标跟踪视频图像数据集；

数据扩充模块1012，用于对动静态信息要素利用数据增强技术对数据集进行扩充；

数据划分和评估模块1013，用于数据集划分为训练集和测试集，用图像测试集和视频测试集分别对目标检测和目标跟踪模型进行性能评估，并根据反馈结果对模型进行参数优化和改进；

数据提取模块1014，将待分析的目标对象放入训练后的目标检测模型提取目标对象所在图像的位置坐标；目标跟踪模型提取目标对象在视频中的轨迹。

进一步的，所述静态信息要素和所述动态信息要素包括静态目标特征、动态目标特征及坐标位置。

进一步的，所述静态目标特征包括路口渠化特征、路段标线、路缘石、安全岛、隔离设施、出入口及公交站；

所述动态目标特征包括机动车、非机动车及行人。

进一步的，动态目标轨迹重构模块103，用于通过动态信息要素对动态目标的运行轨迹进行重构处理，获得目标对象的动态目标轨迹；

进一步的，动态目标的运行轨迹的重构处理方法，是通过动态目标的时空连续性和邻近性，基于K最近邻算法计算出两两轨迹序列在时空维度属性上的相似度，再基于该相似度实现对动态目标运行轨迹的重构处理。

进一步的，运行分析模块还包括指标图表转化模块，用于获取路口非机动混合数据，并提取动态目标在路口路段和路口的基础动态参数指标，同时转为可视化指标图表。

进一步的，安全风险研判模块还包括冲突点划分，用于根据动态信息要素的机动车数据中获取机动车的轨迹，及量化评估后的路段渠化标线、交通设施的空间位置属性信息，识别出机动车冲突点、机动车与非机动车的冲突点和出入口冲突点；

根据冲突点划分出包括事故隐患区域、慢行交通事故易发区域的安全风险区域，并输出冲突点及安全风险区域的坐标范围。

进一步的，还包括视觉数据获取模块，用于获取非结构化的视觉数据，所述非结构化的视觉数据，是通过对接交通系统的视频流数据从而获取到非结构化数据，以及对接交通信号控制系统，接入信号配时方案。

进一步的，电子地图可视化交互模块包括电子地图构建模块，用于将静态信息要素中的静态目标特征及坐标位置分解为矢量瓦片，并将矢量瓦片叠加到基础地图，获得电子地图；

在电子地图上，叠加动态信息要素的动态目标运行轨迹，路口非机动混合数据，及路段动态数据及安全数据，得到人机交互的交通电子地图。

本实施例还提供了一种计算机可读存储介质，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令由处理器加载并执行本实施例上述的一种肌肤健康报告的展示方法。

可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本实施例还提供了一种基于视觉分析的交通管理系统，包括交通系统的视觉获取设备，及包括服务器，其中服务器可以执行上述基于视觉分析的交通管理方法，以及用户端。

本实施例的交通管理系统是通过接入交通监控视频、电子警察系统采集图像、无人机采集视频和图像等交通新兴感知非结构化数据的交通系统的视觉获取设备，利用服务器上的计算机视觉分析技术提取数据中呈现的道路空间几何结构数据和行人车辆动态目标属性数据，在此基础上构建模型对交通组织渠化规范性、交通运行状态以及交通安全风险隐患进行智能研判分析，最终通过可视化交互操作和自动化报表实现道路交通管控关键要素挖掘，为交警日常管控业务、交通安全隐患治理提供精准可靠决策支撑。同时还可以将分析的结果报告发送给用户端，这里的用户端包括手机、移动电脑等设备，用户可以通过用户端直观的观察到报告的内容。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。

Claims (7)

1.一种基于视觉分析的交通管理方法，其特征在于，步骤包括：

对非结构化的视觉数据处理和分析，将所述视觉数据区分为静态信息要素和动态信息要素；

根据实际交通场景、标准规定及评价指标，计算出所述静态信息要素的图元矢量数据，具体的计算包括方法：经过测量实际的交通场景的交通设备和路口的实际的空间位置信息，并结合官方发布的各类交通标志线，就算出静态信息要素中的静态目标特征的空间位置属性信息，从而获得所述静态信息要素的图元矢量数据；并且通过所述静态信息要素建立标准评价模型，其中建立标准评价模型方法包括通过静态目标特征中的路口、路段渠化标线和交通设施的空间位置属性信息，将空间位置属性信息结合官方发布的各类交通标志线计算出静态目标特征中的路口、路段渠化标线和交通设施的空间位置属性信息；再用路口、路段渠化标线和交通设施的空间位置属性信息，构建道路交通标志标线与组织渠化标准评价模型，用于量化评估路口和路段渠化标线、交通设施的标准化水平；获取目标对象在静态信息要素中的坐标位置；

从动态信息要素中获取路口的非机动混合数据，及路段动态数据；

基于动态信息要素中动态目标轨迹及图元矢量数据，获取包括冲突点和安全风险区域的坐标范围的安全数据，其中安全数据的获取包括根据动态信息要素的机动车数据中获取机动车的轨迹，及量化评估后的路口、路段渠化标线和交通设施的空间位置属性信息，从而识别出机动车的冲突点、机动车与非机动车的冲突点和出入口的冲突点；根据冲突点划分出包括事故隐患区域、慢行交通事故易发区域的安全风险区域，并输出冲突点及安全风险区域的坐标范围；

通过在基础地图上叠加图元矢量数据、安全数据及动态信息要素，获得人机交互的交通电子地图；

其中，所述动态信息要素中的动态目标轨迹还进行运行轨迹重构处理，轨迹重构是通过动态目标的时空连续性和邻近性，基于K最近邻算法计算出两两轨迹序列在时空维度属性上的相似度，再基于该相似度实现对动态目标运行轨迹的重构处理；

其中，对所述视觉数据分析和处理的具体步骤：

构建动态目标检测图像数据集和动态目标跟踪视频图像数据集；

对动静态信息要素利用数据增强技术对数据集进行扩充；

数据集划分为训练集和测试集，用图像测试集和视频测试集分别对目标检测模型和目标跟踪模型进行性能评估，并根据反馈结果对模型进行参数优化和改进；

将待分析的目标对象放入训练后的目标检测模型提取目标对象所在图像的位置坐标；目标跟踪模型提取目标对象在视频中的轨迹。

2.根据权利要求1所述的基于视觉分析的交通管理方法，其特征在于，所述静态信息要素包括静态目标特征和坐标位置；

所述动态信息要素包括动态目标特征及坐标位置。

3.根据权利要求2所述的基于视觉分析的交通管理方法，其特征在于，所述静态目标特征包括路口渠化特征、路段标线、路缘石、安全岛、隔离设施、出入口及公交站；

所述动态目标特征包括机动车、非机动车及行人。

4.根据权利要求1所述的基于视觉分析的交通管理方法，其特征在于，获取路口的非机动混合数据，并提取动态目标在路口路段和路口的基础动态参数指标，同时转为可视化指标图表。

5.根据权利要求1所述的基于视觉分析的交通管理方法，其特征在于，所述非结构化的视觉数据，是通过对接交通系统的视频流数据从而获取到非结构化数据，以及对接交通信号控制系统，接入信号配时方案。

6.根据权利要求1所述的基于视觉分析的交通管理方法，其特征在于，静态信息要素中的静态目标特征及坐标位置分解为矢量瓦片，并将矢量瓦片叠加到基础地图，获得电子地图；

在电子地图上，叠加动态信息要素中的动态目标运行轨迹，路口的非机动混合数据，及路段动态数据及安全数据，得到人机交互的交通电子地图。

7.一种基于视觉分析的交通管理装置，其特征在于，包括：

计算机视觉分析模块，用于对非结构化的视觉数据处理和分析，将所述视觉数据区分为静态信息要素和动态信息要素；

组织分析模块，用于根据实际交通场景、标准规定及评价指标，计算出所述静态信息要素的图元矢量数据，具体的计算包括方法：经过测量实际的交通场景的交通设备和路口的实际的空间位置信息，并结合官方发布的各类交通标志线，就算出静态信息要素中的静态目标特征的空间位置属性信息，从而获得所述静态信息要素的图元矢量数据；并且通过所述静态信息要素建立标准评价模型，其中建立标准评价模型方法包括通过静态目标特征中的路口、路段渠化标线和交通设施的空间位置属性信息，将空间位置属性信息结合官方发布的各类交通标志线计算出静态目标特征中的路口、路段渠化标线和交通设施的空间位置属性信息；再用路口、路段渠化标线和交通设施的空间位置属性信息，构建道路交通标志标线与组织渠 化标准评价模型，用于量化评估路口和路段渠化标线、交通设施的标准化水平；获取目标对象在静态信息要素中的坐标位置；

运行分析模块，用于从动态信息要素中获取路口的非机动混合数据，及路段动态数据；

安全风险研判模块，用于基于动态信息要素中动态目标轨迹及图元矢量数据，获取包括冲突点和安全风险区域的坐标范围的安全数据，其中安全数据的获取包括根据动态交通信息要素的机动车数据中获取机动车的轨迹，及量化评估后的路口、路段渠化标线和交通设施的空间位置属性信息，从而识别出机动车的冲突点、机动车与非机动车的冲突点和出入口的冲突点；根据冲突点划分出包括事故隐患区域、慢行交通事故易发区域的安全风险区域，并输出冲突点及安全风险区域的坐标范围；

电子地图可视化交互模块，用于通过在基础地图上叠加图元矢量数据、安全数据及动态信息要素，获得人机交互的交通电子地图；

其中，还包括动态目标轨迹重构模块，用于所述动态信息要素中的动态目标轨迹还进行运行轨迹重构处理，轨迹重构是通过动态目标的时空连续性和邻近性，基于K最近邻算法计算出两两轨迹序列在时空维度属性上的相似度，再基于该相似度实现对动态目标运行轨迹的重构处理；

其中，计算机视觉分析模块包括：

数据集构建模块，用于构建动态目标检测图像数据集和动态目标跟踪视频图像数据集；

数据扩充模块，用于对动静态信息要素利用数据增强技术对数据集进行扩充；

数据划分和评估模块，用于数据集划分为训练集和测试集，用图像测试集和视频测试集分别对目标检测模型和目标跟踪模型进行性能评估，并根据反馈结果对模型进行参数优化和改进；

数据提取模块，将待分析的目标对象放入训练后的目标检测模型提取目标对象所在图像的位置坐标；目标跟踪模型提取目标对象在视频中的轨迹。

Images