CN112686941B - 一种车辆运动轨迹合理性识别方法、装置及电子设备 - Google Patents
一种车辆运动轨迹合理性识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112686941B CN112686941B CN202011555279.1A CN202011555279A CN112686941B CN 112686941 B CN112686941 B CN 112686941B CN 202011555279 A CN202011555279 A CN 202011555279A CN 112686941 B CN112686941 B CN 112686941B
- Authority
- CN
- China
- Prior art keywords
- track
- motion
- vehicle
- trail
- preset
- 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
Landscapes
- Traffic Control Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明的实施例公开一种车辆运动轨迹合理性识别方法，包括：针对待识别的车辆运动轨迹，从车辆运动轨迹中选取关键轨迹点；按照关键轨迹点将车辆运动轨迹划分为前后两段运动轨迹，分别为第一运动轨迹和第二运动轨迹；分别识别第一运动轨迹和第二运动轨迹表示的车辆行驶类别，得到第一识别结果和第二识别结果；当第一识别结果与第二识别结果为预设情况时，确定车辆运动轨迹异常，其中，预设情况表示第一识别结果与第二识别结果之间矛盾。采用本方案，实现了对于车辆运动轨迹是否异常的识别。进一步，也减少了因车辆运动轨迹异常导致的车辆违章误判的情况。
Description
技术领域
本发明涉及计算机技术领域中运动轨迹识别技术领域，尤其涉及一种车辆运动轨迹合理性识别方法、装置及电子设备。
背景技术
电子警察可以理解为是一种智能交通违章监管系统，其可以通过对车辆检测、光电成像、自动控制、网络通信、计算机等多种技术，对机动车闯红灯、逆行、超速、越线行驶、违例停靠等违章行为，实现全天候监视，捕捉车辆违章图文信息，电子警察识别的车辆违章信息可用于对肇事者进行事后处理。
但目前的电子警察识别技术并不十分完善，尤其在车辆运动轨迹识别方面，可能由于跟踪算法的原因造成所生成的车辆运动轨迹异常，从而导致基于该异常的车辆运动轨迹对于车辆是否违章的误判，因此，如何识别出异常的车辆运动轨迹是目前需要解决的一个问题。
发明内容
有鉴于此，本发明实施例提供一种车辆运动轨迹合理性识别方法、装置及电子设备，以解决相关技术中存在的无法识别车辆运动轨迹是否异常的问题。
第一方面，本发明实施例提供一种车辆运动轨迹合理性识别方法，所述方法包括：
针对待识别的车辆运动轨迹，从所述车辆运动轨迹中选取关键轨迹点，所述关键轨迹点表示所述车辆运动轨迹中轨迹变化相对明显的位置，所述车辆运动轨迹为包括多个时刻的车辆轨迹点的集合；
按照所述关键轨迹点将所述车辆运动轨迹划分为前后两段运动轨迹，分别为第一运动轨迹和第二运动轨迹；
分别识别所述第一运动轨迹和所述第二运动轨迹表示的车辆行驶类别，得到第一识别结果和第二识别结果；
当所述第一识别结果与所述第二识别结果为预设情况时，确定所述车辆运动轨迹异常，其中，所述预设情况表示所述第一识别结果与所述第二识别结果之间矛盾。
根据本发明实施例的一种具体实现方式，在所述针对待识别的车辆运动轨迹，从所述车辆运动轨迹中选取关键轨迹点之前，还包括：
获取车辆运动原始轨迹，所述车辆运动原始轨迹为包括多个时刻的车辆原始轨迹点的集合；
基于所述车辆原始轨迹点的坐标，将坐标不位于预设范围内的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点；或者
基于所述车辆原始轨迹点的坐标，将与前一个保留的车辆原始轨迹点之间的距离不满足预设距离要求的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点，所述车辆运动原始轨迹中的第一个车辆原始轨迹点保留；或者
基于所述车辆原始轨迹点的坐标，将坐标不位于预设范围内的车辆原始轨迹点，以及与前一个保留的车辆原始轨迹点之间的距离不满足预设距离要求的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点，所述车辆运动原始轨迹中的第一个坐标位于所述预设范围内的车辆原始轨迹点保留。
根据本发明实施例的一种具体实现方式，所述针对待识别的车辆运动轨迹，从所述车辆运动轨迹中选取关键轨迹点，包括：
针对待识别的车辆运动轨迹，生成所述车辆运动轨迹的首尾两个端点的端点向量；
从所述车辆运动轨迹中选出距离所述端点向量最远的车辆轨迹点，作为关键轨迹点。
根据本发明实施例的一种具体实现方式，所述分别识别所述第一运动轨迹和所述第二运动轨迹表示的车辆行驶类别，得到第一识别结果和第二识别结果，包括：
分别提取所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值；
按照预设识别规则，基于所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，分别对所述第一运动轨迹和所述第二运动轨迹表示的车辆行驶类别进行识别，得到第一识别结果和第二识别结果。
根据本发明实施例的一种具体实现方式，所述分别提取所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，包括：
将所述第一运动轨迹拆分为第一运动x坐标轨迹和第一运动y坐标轨迹，以及将所述第二运动轨迹拆分为第二运动x坐标轨迹和第二运动y坐标轨迹；
分别对所述第一运动x坐标轨迹、所述第一运动y坐标轨迹、所述第二运动x坐标轨迹和所述第二运动y坐标轨迹进行曲线拟合，得到所述第一运动x坐标轨迹的第一x坐标参数方程、所述第一运动y坐标轨迹的第一y坐标参数方程、所述第二运动x坐标轨迹的第二x坐标参数方程，以及所述第二运动y坐标轨迹的第二y坐标参数方程；
基于所述第一x坐标参数方程和所述第一y坐标参数方程，计算得到所述第一运动轨迹的第一运动平滑轨迹，以及基于所述第二x坐标参数方程和所述第二y坐标参数方程，计算得到所述第二运动轨迹的第二运动平滑轨迹；
分别提取所述第一运动平滑轨迹和所述第二运动平滑轨迹的各轨迹特征的特征值，作为所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值。
根据本发明实施例的一种具体实现方式，所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，包括：所述第一运动轨迹和所述第二运动轨迹的轨迹曲率、曲率半径、角度和角度变化，分别对应为第一轨迹曲率、第一曲率半径、第一角度和第一角度变化，以及第二轨迹曲率、第二曲率半径、第二角度和第二角度变化；
所述按照预设识别规则，基于所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，分别对所述第一运动轨迹和所述第二运动轨迹表示的车辆行驶类别进行识别，得到第一识别结果和第二识别结果，包括：
针对所述第一运动轨迹，当所述第一角度变化小于预设角度变化阈值、所述第一轨迹曲率小于预设轨迹曲率阈值，以及所述第一角度小于预设角度阈值或所述第一角度大于360减去所述预设角度阈值的差值时，确定所述第一运动轨迹的第一识别结果为向左直行；
针对所述第一运动轨迹，当所述第一角度变化小于所述预设角度变化阈值、所述第一轨迹曲率小于所述预设轨迹曲率阈值，以及所述第一角度大于180减去所述预设角度阈值的差值，且小于180加上所述预设角度阈值的和值时，确定所述第一运动轨迹的第一识别结果为向右直行；
针对所述第一运动轨迹，当所述第一角度变化大于所述预设角度变化阈值、所述第一轨迹曲率大于所述预设轨迹曲率阈值、所述第一曲率半径的x值大于0，以及所述第一角度大于180且小于270加上所述预设角度阈值的和值时，确定所述第一运动轨迹的第一识别结果为右转；
针对所述第一运动轨迹，当所述第一角度变化大于所述预设角度变化阈值、所述第一轨迹曲率大于所述预设轨迹曲率阈值、所述第一曲率半径的x值小于0，以及所述第一角度大于270减去所述预设角度阈值的差值且小于360时，确定所述第一运动轨迹的第一识别结果为左转；
针对所述第二运动轨迹，当所述第二角度变化小于预设角度变化阈值、所述第二轨迹曲率小于预设轨迹曲率阈值，以及所述第二角度小于预设角度阈值或所述第二角度大于360减去所述预设角度阈值的差值时，确定所述第二运动轨迹的第二识别结果为向左直行；
针对所述第二运动轨迹，当所述第二角度变化小于所述预设角度变化阈值、所述第二轨迹曲率小于所述预设轨迹曲率阈值，以及所述第二角度大于180减去所述预设角度阈值的差值，且小于180加上所述预设角度阈值的和值时，确定所述第二运动轨迹的第二识别结果为向右直行；
针对所述第二运动轨迹，当所述第二角度变化大于所述预设角度变化阈值、所述第二轨迹曲率大于所述预设轨迹曲率阈值、所述第二曲率半径的x值大于0，以及所述第二角度大于180且小于270加上所述预设角度阈值的和值时，确定所述第二运动轨迹的第二识别结果为右转；
针对所述第二运动轨迹，当所述第二角度变化大于所述预设角度变化阈值、所述第二轨迹曲率大于所述预设轨迹曲率阈值、所述第二曲率半径的x值小于0，以及所述第二角度大于270减去所述预设角度阈值的差值且小于360时，确定所述第二运动轨迹的第二识别结果为左转。
根据本发明实施例的一种具体实现方式，所述当所述第一识别结果与所述第二识别结果为预设情况时，确定所述车辆运动轨迹异常，包括：
当所述第一识别结果为右转，所述第二识别结果为向左直行时，确定所述车辆运动轨迹异常；
当所述第一识别结果为左转，所述第二识别结果为向右直行时，确定所述车辆运动轨迹异常。
第二方面，本发明实施例提供一种车辆运动轨迹合理性识别装置，所述装置包括：
轨迹点获取模块，用于针对待识别的车辆运动轨迹，从所述车辆运动轨迹中选取关键轨迹点，所述关键轨迹点表示所述车辆运动轨迹中轨迹变化相对明显的位置，所述车辆运动轨迹为包括多个时刻的车辆轨迹点的集合；
轨迹划分模块，用于按照所述关键轨迹点将所述车辆运动轨迹划分为前后两段运动轨迹，分别为第一运动轨迹和第二运动轨迹；
类别识别模块，用于分别识别所述第一运动轨迹和所述第二运动轨迹表示的车辆行驶类别，得到第一识别结果和第二识别结果；
异常识别模块，用于当所述第一识别结果与所述第二识别结果为预设情况时，确定所述车辆运动轨迹异常，其中，所述预设情况表示所述第一识别结果与所述第二识别结果之间矛盾。
根据本发明实施例的一种具体实现方式，所述装置，还包括：
预处理模块，用于获取车辆运动原始轨迹，所述车辆运动原始轨迹为包括多个时刻的车辆原始轨迹点的集合；
基于所述车辆原始轨迹点的坐标，将坐标不位于预设范围内的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点；或者
基于所述车辆原始轨迹点的坐标，将与前一个保留的车辆原始轨迹点之间的距离不满足预设距离要求的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点，所述车辆运动原始轨迹中的第一个车辆原始轨迹点保留；或者
基于所述车辆原始轨迹点的坐标，将坐标不位于预设范围内的车辆原始轨迹点，以及与前一个保留的车辆原始轨迹点之间的距离不满足预设距离要求的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点，所述车辆运动原始轨迹中的第一个坐标位于所述预设范围内的车辆原始轨迹点保留。
根据本发明实施例的一种具体实现方式，所述轨迹点获取模块，具体用于针对待识别的车辆运动轨迹，生成所述车辆运动轨迹的首尾两个端点的端点向量；以及从所述车辆运动轨迹中选出距离所述端点向量最远的车辆轨迹点，作为关键轨迹点。
根据本发明实施例的一种具体实现方式，所述类别识别模块，包括：
特征提取子模块，用于分别提取所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值；
类别识别子模块，用于按照预设识别规则，基于所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，分别对所述第一运动轨迹和所述第二运动轨迹表示的车辆行驶类别进行识别，得到第一识别结果和第二识别结果。
根据本发明实施例的一种具体实现方式，所述特征提取子模块，具体用于将所述第一运动轨迹拆分为第一运动x坐标轨迹和第一运动y坐标轨迹，以及将所述第二运动轨迹拆分为第二运动x坐标轨迹和第二运动y坐标轨迹；
分别对所述第一运动x坐标轨迹、所述第一运动y坐标轨迹、所述第二运动x坐标轨迹和所述第二运动y坐标轨迹进行曲线拟合，得到所述第一运动x坐标轨迹的第一x坐标参数方程、所述第一运动y坐标轨迹的第一y坐标参数方程、所述第二运动x坐标轨迹的第二x坐标参数方程，以及所述第二运动y坐标轨迹的第二y坐标参数方程；
基于所述第一x坐标参数方程和所述第一y坐标参数方程，计算得到所述第一运动轨迹的第一运动平滑轨迹，以及基于所述第二x坐标参数方程和所述第二y坐标参数方程，计算得到所述第二运动轨迹的第二运动平滑轨迹；
分别提取所述第一运动平滑轨迹和所述第二运动平滑轨迹的各轨迹特征的特征值，作为所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值。
根据本发明实施例的一种具体实现方式，所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，包括：所述第一运动轨迹和所述第二运动轨迹的轨迹曲率、曲率半径、角度和角度变化，分别对应为第一轨迹曲率、第一曲率半径、第一角度和第一角度变化，以及第二轨迹曲率、第二曲率半径、第二角度和第二角度变化；
所述类别识别子模块，具体用于针对所述第一运动轨迹，当所述第一角度变化小于预设角度变化阈值、所述第一轨迹曲率小于预设轨迹曲率阈值，以及所述第一角度小于预设角度阈值或所述第一角度大于360减去所述预设角度阈值的差值时，确定所述第一运动轨迹的第一识别结果为向左直行；
针对所述第一运动轨迹，当所述第一角度变化小于所述预设角度变化阈值、所述第一轨迹曲率小于所述预设轨迹曲率阈值，以及所述第一角度大于180减去所述预设角度阈值的差值，且小于180加上所述预设角度阈值的和值时，确定所述第一运动轨迹的第一识别结果为向右直行；
针对所述第一运动轨迹，当所述第一角度变化大于所述预设角度变化阈值、所述第一轨迹曲率大于所述预设轨迹曲率阈值、所述第一曲率半径的x值大于0，以及所述第一角度大于180且小于270加上所述预设角度阈值的和值时，确定所述第一运动轨迹的第一识别结果为右转；
针对所述第一运动轨迹，当所述第一角度变化大于所述预设角度变化阈值、所述第一轨迹曲率大于所述预设轨迹曲率阈值、所述第一曲率半径的x值小于0，以及所述第一角度大于270减去所述预设角度阈值的差值且小于360时，确定所述第一运动轨迹的第一识别结果为左转；
针对所述第二运动轨迹，当所述第二角度变化小于预设角度变化阈值、所述第二轨迹曲率小于预设轨迹曲率阈值，以及所述第二角度小于预设角度阈值或所述第二角度大于360减去所述预设角度阈值的差值时，确定所述第二运动轨迹的第二识别结果为向左直行；
针对所述第二运动轨迹，当所述第二角度变化小于所述预设角度变化阈值、所述第二轨迹曲率小于所述预设轨迹曲率阈值，以及所述第二角度大于180减去所述预设角度阈值的差值，且小于180加上所述预设角度阈值的和值时，确定所述第二运动轨迹的第二识别结果为向右直行；
针对所述第二运动轨迹，当所述第二角度变化大于所述预设角度变化阈值、所述第二轨迹曲率大于所述预设轨迹曲率阈值、所述第二曲率半径的x值大于0，以及所述第二角度大于180且小于270加上所述预设角度阈值的和值时，确定所述第二运动轨迹的第二识别结果为右转；
针对所述第二运动轨迹，当所述第二角度变化大于所述预设角度变化阈值、所述第二轨迹曲率大于所述预设轨迹曲率阈值、所述第二曲率半径的x值小于0，以及所述第二角度大于270减去所述预设角度阈值的差值且小于360时，确定所述第二运动轨迹的第二识别结果为左转。
根据本发明实施例的一种具体实现方式，所述异常识别模块，具体用于当所述第一识别结果为右转，所述第二识别结果为向左直行时，确定所述车辆运动轨迹异常；以及当所述第一识别结果为左转，所述第二识别结果为向右直行时，确定所述车辆运动轨迹异常。
第三方面，本发明实施例提供一种电子设备，所述电子设备包括：壳体、处理器、存储器、电路板和电源电路，其中，电路板安置在壳体围成的空间内部，处理器和存储器设置在电路板上；电源电路，用于为上述电子设备的各个电路或器件供电；存储器用于存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，用于执行前述任一实现方式所述的方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现前述任一实现方式所述的方法。
本发明实施例提供的车辆运动轨迹合理性识别方法中，从待识别的车辆运动轨迹中选取关键轨迹点，并按照关键轨迹点将该车辆运动轨迹划分为前后两段运动轨迹，并分别识别前后两段运动轨迹所表示的车辆行驶类别，得到两个识别结果，然后确定前后两段运动轨迹的两个识别结果之间是否矛盾，如果矛盾则确定车辆运动轨迹异常，从而实现了对于车辆运动轨迹是否异常的识别。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的车辆运动轨迹合理性识别方法的流程图；
图2为本发明实施例提供的另一种车辆运动轨迹合理性识别方法的流程图；
图3-1为本发明实施例提供的车辆运动轨迹合理性识别装置的结构示意图；
图3-2为本发明实施例提供的另一车辆运动轨迹合理性识别装置的结构示意图；
图3-3为本发明实施例提供的车辆运动轨迹合理性识别装置的类别识别模块的结构示意图；
图4为本发明实施例提供的电子设备的结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明实施例提供一种车辆运动轨迹合理性识别方法，如图1所示，该方法包括：
步骤11、针对待识别的车辆运动轨迹，从车辆运动轨迹中选取关键轨迹点，关键轨迹点表示车辆运动轨迹中轨迹变化相对明显的位置，车辆运动轨迹为包括多个时刻的车辆轨迹点的集合。
步骤12、按照关键轨迹点将车辆运动轨迹划分为前后两段运动轨迹，分别为第一运动轨迹和第二运动轨迹。
步骤13、分别识别第一运动轨迹和第二运动轨迹表示的车辆行驶类别，得到第一识别结果和第二识别结果。
步骤14、当第一识别结果与第二识别结果为预设情况时，确定车辆运动轨迹异常，其中，预设情况表示第一识别结果与第二识别结果之间矛盾。
本发明实施例提供的上述车辆运动轨迹合理性识别方法中，从待识别的车辆运动轨迹中选取关键轨迹点，并按照关键轨迹点将该车辆运动轨迹划分为前后两段运动轨迹，并分别识别前后两段运动轨迹所表示的车辆行驶类别，得到两个识别结果，然后确定前后两段运动轨迹的两个识别结果之间是否矛盾，如果矛盾则确定车辆运动轨迹异常，从而实现了对于车辆运动轨迹是否异常的识别。进一步，对于未识别出异常的车辆运动轨迹，可以用于确定车辆是否违章，而对于识别出异常的车辆运动轨迹，可以不再用于确定车辆是否违章，从而也减少了因车辆运动轨迹异常导致的车辆违章误判的情况。
下面结合附图，用具体实施例对本发明实施例提供的上述车辆运动轨迹合理性识别方法进行详细描述。
本发明实施例还提供一种车辆运动轨迹合理性识别方法，如图2所示，可以包括如下步骤：
步骤21、获取车辆运动原始轨迹，该车辆运动原始轨迹为包括多个时刻的车辆原始轨迹点的集合。
本发明实施例中，车辆运动原始轨迹可以是采用车辆轨迹跟踪算法对所采集的多个时刻的车辆照片进行识别得到，所采用的车辆轨迹跟踪算法可以是可行的各种算法，在此不做限定。
针对车辆运动原始轨迹，具体表示如下：
P＝{(x1，y1)，(x2，y2)，...，(xN，yN)}，表示车辆原始轨迹点的集合；
N＝card(P)，表示集合P中元素数量，即车辆原始轨迹点额数量；
其中，集合P所包括的各车辆原始轨迹点按照时间先后顺序排列。
步骤22、对车辆运动原始轨迹进行数据预处理，所得到的处理后的车辆运动轨迹作为后续待识别的车辆运动轨迹。
在实际应用中，采用车辆轨迹跟踪算法检测得到的一些车辆原始轨迹点，可能与实际存在一些偏差，从而导致引入了噪声，通过数据预处理过滤掉这些车辆原始轨迹点，可以减小对后续分类的影响。而且，车辆未完全进入视野时的轨迹不重要，所以可以根据图片高度过滤相应区域的轨迹点。并且，因为车辆速度变化、视角变化等原因可能造成轨迹点密度不一致，因此可以通过计算轨迹点间的平均距离过滤。
基于上述原因，本发明实施例提出如下三种数据预处理的具体方式：
第一种方式：基于车辆原始轨迹点的坐标，将坐标不位于预设范围内的车辆原始轨迹点，从该车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点。例如，可以将原始轨迹点的y坐标不位于预设范围内的车辆原始轨迹点，从该车辆运动原始轨迹中清除。
具体可以采用如下方式过滤：
H为相机分辨率高度；
μ为选取图片高度的系数，可基于实际需要进行灵活选取，如，0.7＜μ＜0.9，较优的经验值为0.8；
轨迹
遍历P中的每一个点pi，且1≤i≤N；
如果pi的yi＜μ*H；
则
其中，为过滤后得到的车辆运动轨迹包括的车辆轨迹点的集合。
第二种方式：基于车辆原始轨迹点的坐标，将与前一个保留的车辆原始轨迹点之间的距离不满足预设距离要求的车辆原始轨迹点，从车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点，车辆运动原始轨迹中的第一个车辆原始轨迹点保留。
具体可以采用如下方式过滤：
计算两点pi＝(xi，yi)和pj＝(xj，yj)之间的距离di，j的距离公式如下：
计算P中所有相邻两点pi-1和pi的距离di，i-1；
计算相邻点距离的平均值：
轨迹
初始化
遍历P中的每一个点pj，且1＜j≤N；
采用上述距离公式计算与pj的距离d；
如果d＞D；
则
其中，为过滤后得到的车辆运动轨迹包括的车辆轨迹点的集合。
第三种方式：基于车辆原始轨迹点的坐标，将坐标不位于预设范围内的车辆原始轨迹点，以及与前一个保留的车辆原始轨迹点之间的距离不满足预设距离要求的车辆原始轨迹点，从车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点，车辆运动原始轨迹中的第一个坐标位于预设范围内的车辆原始轨迹点保留。
具体可以采用如下方式过滤：
计算两点pi＝(xi，yi)和pj＝(xj，yj)之间的距离di，j的距离公式如下：
计算P中所有相邻两点pi-1和pi的距离di，i-1；
计算相邻点距离的平均值：
H为相机分辨率高度；
μ为选取图片高度的系数，可基于实际需要进行灵活选取，如，0.7＜μ＜0.9，较优的经验值为0.8；
首先进行第一次过滤：
轨迹
遍历P中的每一个点pi，且1≤i≤N；
如果pi的yi＜μ*H；
则
接下来进行第二次过滤：
轨迹
初始化
遍历中的每一个点/>且1＜j≤M
采用上述距离公式计算与/>的距离d；
如果d＞D；
则
其中，为过滤后得到的车辆运动轨迹包括的车辆轨迹点的集合。
本步骤中，经过数据预处理清除一些不符合要求的车辆原始轨迹点，一方面，可以减少后续需要处理的数据量，提高后续处理效率，减少计算资源的消耗，另一方面，由于清除了一些噪声轨迹点，可以进一步提高对车辆运动轨迹的合理性识别的准确性。
步骤23、针对待识别的车辆运动轨迹，生成车辆运动轨迹的首尾两个端点的端点向量。
步骤24、从车辆运动轨迹中选出距离该端点向量最远的车辆轨迹点，作为关键轨迹点。
本发明实施例中，关键轨迹点表示车辆运动轨迹中轨迹变化相对明显的位置，也可以是轨迹变化最明显的位置，例如，可以是距离端点向量最远的车辆轨迹点。
针对上述步骤23和步骤24，具体可以采用如下方式：
记表示集合/>中元素数量。
点pi到向量的距离di为
其中，×表示叉乘，表示集合/>中起始点p1到终止点pL组成的向量，/>表示集合/>中起始点p1到点pi组成的向量。
若有
pk＝argmax(di)
即集合中点pk到向量/>的距离最大。
则，选取pk为关键轨迹点。
步骤25、按照关键轨迹点将车辆运动轨迹划分为前后两段运动轨迹，分别为第一运动轨迹和第二运动轨迹。
按照关键轨迹点pk将车辆运动轨迹划分为两部分，集合F＝{p1，p2…pk}表示第一运动轨迹，集合B＝{pk，pk+1…pL}表示第二运动轨迹，F中点的数量为k，B中点数量为L-k+1。
步骤26、分别提取第一运动轨迹和第二运动轨迹的各轨迹特征的特征值。
本发明实施例中，为了所提取的特征值能够更准确的表征第一运动轨迹和第二运动轨迹的各轨迹特征，可以先对第一运动轨迹和第二运动轨迹进行轨迹平滑处理，具体可以如下：
第一步：将第一运动轨迹拆分为第一运动x坐标轨迹和第一运动y坐标轨迹，以及将第二运动轨迹拆分为第二运动x坐标轨迹和第二运动y坐标轨迹。
记F＝{(x1，y1)，(x2，y2)，…，(xk，yk)}，B＝{(xk，yk)，(xk+1，yk+1)，…，(xL，yL)}。
根据x和y将F和B分别拆分成两个集合，如下：
Fx＝{(1，x1)，(2，x2)，…，(k，xk)}；
Fy＝{(1，y1)，(2，y2)，...，(k，yk)}；
Bx＝{(1，xk)，(2，xk+1)，…，(L-k+1，xL)}；
By＝{(1，yk)，(2，yk+1)，…，(L-k+1，yL)}。
第二步：分别对第一运动x坐标轨迹、第一运动y坐标轨迹、第二运动x坐标轨迹和第二运动y坐标轨迹进行曲线拟合，得到第一运动x坐标轨迹的第一x坐标参数方程、第一运动y坐标轨迹的第一y坐标参数方程、第二运动x坐标轨迹的第二x坐标参数方程，以及第二运动y坐标轨迹的第二y坐标参数方程。
对于上述集合Fx、Fy、Bx和By，分别使用最小二乘法进行拟合，得到四个二次表达式，比如x＝f(t)＝at2+bt+c，然后使用参数方程表示轨迹，其中：
F轨迹的参数方程为
B轨迹的参数方程为
第三步：基于第一x坐标参数方程和第一y坐标参数方程，计算得到第一运动轨迹的第一运动平滑轨迹，以及基于第二x坐标参数方程和第二y坐标参数方程，计算得到第二运动轨迹的第二运动平滑轨迹。
根据上述F轨迹的参数方程，B轨迹的参数方程，以及参数t，计算得到第一运动平滑轨迹和第二运动平滑轨迹，如下：
集合表示第一运动平滑轨迹；
集合表示第二运动平滑轨迹；
其中，
第四步：分别提取第一运动平滑轨迹和第二运动平滑轨迹的各轨迹特征的特征值，作为第一运动轨迹和第二运动轨迹的各轨迹特征的特征值。
本发明实施例中，所提取的轨迹特征可以包括：轨迹曲率、曲率半径、角度和角度变化，具体描述如下：
提取轨迹曲率：
对于参数方程曲率公式如下：
其中表示函数f(t)的一阶导数，/>表示函数f(t)的二阶导数，/>表示函数g(t)的一阶导数，/>表示函数g(t)的二阶导数。
根据上述曲率公式，分别带入第一运动平滑轨迹第二运动平滑轨迹/>的参数方程，并计算平均曲率：
其中，为第一运动平滑轨迹/>的轨迹曲率，称作第一轨迹曲率；
为第二运动平滑轨迹/>的轨迹曲率，称作第二轨迹曲率。
曲率半径(单位法向量)：
对于参数方程曲率半径(单位法向量)的计算公式如下：
单位切向量：
单位法向量：
其中：表示函数f(t)的一阶导数，/>表示向量/>的模。/>
根据上述曲率半径公式，计算出第一运动平滑轨迹第二运动平滑轨迹/>的平均单位法向量为：
其中，为第一运动平滑轨迹/>的曲率半径，称作第一曲率半径；
为第二运动平滑轨迹/>的曲率半径，称作第二曲率半径。
角度：
已知点Pi＝(xi，yi)，Pj＝(xj，yj)，dx＝(xi-xj)，dy＝(yi-yj)；
则向量与X轴的角度计算公式为：
根据上述角度公式，使用第一运动平滑轨迹第二运动平滑轨迹/>的端点组成向量/>和/>分别计算第一运动平滑轨迹/>第二运动平滑/>与X轴形成的角度，记为角度φF，φB，分别称作第一角度和第二角度。
角度变化：
两向量α，β夹角计算公式如下：
根据上述夹角公式计算第一运动平滑轨迹第二运动平滑/>的角度变化平均值：
/>
其中，为第一运动平滑轨迹/>的角度变化，称作第一角度变化；
为第二运动平滑轨迹/>的角度变化，称作第二角度变化。
步骤27、按照预设识别规则，基于第一运动轨迹和第二运动轨迹的各轨迹特征的特征值，分别对第一运动轨迹和第二运动轨迹表示的车辆行驶类别进行识别，得到第一识别结果和第二识别结果。
本发明实施例中，所采用的预设识别规则可以表示如下：
车辆行驶类别为向左直行：
角度变化小于阈值/>其中/>经验值为/>曲率/>小于阈值其中/>经验值为/>角度φ的取值范围为φ＞360-φth或φ＜φth，其中5＜φth＜25，经验值为φth＝10。
车辆行驶类别为向右直行：
角度变化小于阈值/>其中/>经验值为/>曲率/>小于阈值其中/>经验值为/>角度φ的取值范围为其中5＜φth＜25，经验值为φth＝10。
车辆行驶类别为右转：
角度变化大于阈值/>其中/>经验值为/>曲率/>大于阈值其中/>经验值为/>角度φ的取值范围为180＜/>＜270+φth，其中5＜φth＜25，经验值为φth＝10。曲率半径的x值大于0，表示曲率半径在轨迹右侧。
车辆行驶类别为左转：
角度变化大于阈值/>其中/>经验值为/>曲率/>大于阈值其中/>经验值为/>角度φ的取值范围为180＜/>＜270+φth，其中5＜φth＜25，经验值为φth＝10。曲率半径方向的x值小于0，表示曲率半径在轨迹左侧。
当不属于上述四种车辆行驶类别之一时，确定为其他类别。
基于上述预设识别规则，针对第一运动轨迹：
当所述第一角度变化小于预设角度变化阈值、所述第一轨迹曲率小于预设轨迹曲率阈值，以及所述第一角度小于预设角度阈值或所述第一角度大于360减去所述预设角度阈值的差值时，确定所述第一运动轨迹的第一识别结果为向左直行；
当所述第一角度变化小于所述预设角度变化阈值、所述第一轨迹曲率小于所述预设轨迹曲率阈值，以及所述第一角度大于180减去所述预设角度阈值的差值，且小于180加上所述预设角度阈值的和值时，确定所述第一运动轨迹的第一识别结果为向右直行；
当所述第一角度变化大于所述预设角度变化阈值、所述第一轨迹曲率大于所述预设轨迹曲率阈值、所述第一曲率半径的x值大于0，以及所述第一角度大于180且小于270加上所述预设角度阈值的和值时，确定所述第一运动轨迹的第一识别结果为右转；
当所述第一角度变化大于所述预设角度变化阈值、所述第一轨迹曲率大于所述预设轨迹曲率阈值、所述第一曲率半径的x值小于0，以及所述第一角度大于270减去所述预设角度阈值的差值且小于360时，确定所述第一运动轨迹的第一识别结果为左转；
基于上述预设识别规则，针对第二运动轨迹：
当所述第二角度变化小于预设角度变化阈值、所述第二轨迹曲率小于预设轨迹曲率阈值，以及所述第二角度小于预设角度阈值或所述第二角度大于360减去所述预设角度阈值的差值时，确定所述第二运动轨迹的第二识别结果为向左直行；
当所述第二角度变化小于所述预设角度变化阈值、所述第二轨迹曲率小于所述预设轨迹曲率阈值，以及所述第二角度大于180减去所述预设角度阈值的差值，且小于180加上所述预设角度阈值的和值时，确定所述第二运动轨迹的第二识别结果为向右直行；
当所述第二角度变化大于所述预设角度变化阈值、所述第二轨迹曲率大于所述预设轨迹曲率阈值、所述第二曲率半径的x值大于0，以及所述第二角度大于180且小于270加上所述预设角度阈值的和值时，确定所述第二运动轨迹的第二识别结果为右转；
当所述第二角度变化大于所述预设角度变化阈值、所述第二轨迹曲率大于所述预设轨迹曲率阈值、所述第二曲率半径的x值小于0，以及所述第二角度大于270减去所述预设角度阈值的差值且小于360时，确定所述第二运动轨迹的第二识别结果为左转。
步骤28、当第一识别结果与第二识别结果为预设情况时，确定车辆运动轨迹异常。
本发明实施例中，预设情况具体可以如下：
当第一识别结果为右转，第二识别结果为向左直行时，确定该车辆运动轨迹异常；
当第一识别结果为左转，第二识别结果为向右直行时，确定该车辆运动轨迹异常。
采用本发明实施例提供的上述车辆运动轨迹合理性识别方法，实现了对于车辆运动轨迹是否异常的识别。进一步，对于未识别出异常的车辆运动轨迹，可以用于确定车辆是否违章，而对于识别出异常的车辆运动轨迹，可以不再用于确定车辆是否违章，从而也减少了因车辆运动轨迹异常导致的车辆违章误判的情况。
基于对上述车辆运动轨迹合理性识别方法的应用测试，本方法在误判率小于0.05％的情况下，可剔除55％的错误违章，明显降低了人工审核成本，提高了工作效率。
基于同一发明构思，根据本发明实施例提供的上述车辆运动轨迹合理性识别方法，相应的，本发明实施例还提供了一种车辆运动轨迹合理性识别装置，如图3-1所示，包括：
轨迹点获取模块31，用于针对待识别的车辆运动轨迹，从所述车辆运动轨迹中选取关键轨迹点，所述关键轨迹点表示所述车辆运动轨迹中轨迹变化相对明显的位置，所述车辆运动轨迹为包括多个时刻的车辆轨迹点的集合；
轨迹划分模块32，用于按照所述关键轨迹点将所述车辆运动轨迹划分为前后两段运动轨迹，分别为第一运动轨迹和第二运动轨迹；
类别识别模块33，用于分别识别所述第一运动轨迹和所述第二运动轨迹表示的车辆行驶类别，得到第一识别结果和第二识别结果；
异常识别模块34，用于当所述第一识别结果与所述第二识别结果为预设情况时，确定所述车辆运动轨迹异常，其中，所述预设情况表示所述第一识别结果与所述第二识别结果之间矛盾。
根据本发明实施例的一种具体实现方式，所述装置，如图3-2所示，还包括：
预处理模块35，用于获取车辆运动原始轨迹，所述车辆运动原始轨迹为包括多个时刻的车辆原始轨迹点的集合；
基于所述车辆原始轨迹点的坐标，将坐标不位于预设范围内的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点；或者
基于所述车辆原始轨迹点的坐标，将与前一个保留的车辆原始轨迹点之间的距离不满足预设距离要求的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点，所述车辆运动原始轨迹中的第一个车辆原始轨迹点保留；或者
基于所述车辆原始轨迹点的坐标，将坐标不位于预设范围内的车辆原始轨迹点，以及与前一个保留的车辆原始轨迹点之间的距离不满足预设距离要求的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点，所述车辆运动原始轨迹中的第一个坐标位于所述预设范围内的车辆原始轨迹点保留。
根据本发明实施例的一种具体实现方式，所述轨迹点获取模块31，具体用于针对待识别的车辆运动轨迹，生成所述车辆运动轨迹的首尾两个端点的端点向量；以及从所述车辆运动轨迹中选出距离所述端点向量最远的车辆轨迹点，作为关键轨迹点。
根据本发明实施例的一种具体实现方式，所述类别识别模块33，如图3-3所示，包括：
特征提取子模块331，用于分别提取所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值；
类别识别子模块332，用于按照预设识别规则，基于所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，分别对所述第一运动轨迹和所述第二运动轨迹表示的车辆行驶类别进行识别，得到第一识别结果和第二识别结果。
根据本发明实施例的一种具体实现方式，所述特征提取子模块331，具体用于将所述第一运动轨迹拆分为第一运动x坐标轨迹和第一运动y坐标轨迹，以及将所述第二运动轨迹拆分为第二运动x坐标轨迹和第二运动y坐标轨迹；
分别对所述第一运动x坐标轨迹、所述第一运动y坐标轨迹、所述第二运动x坐标轨迹和所述第二运动y坐标轨迹进行曲线拟合，得到所述第一运动x坐标轨迹的第一x坐标参数方程、所述第一运动y坐标轨迹的第一y坐标参数方程、所述第二运动x坐标轨迹的第二x坐标参数方程，以及所述第二运动y坐标轨迹的第二y坐标参数方程；
基于所述第一x坐标参数方程和所述第一y坐标参数方程，计算得到所述第一运动轨迹的第一运动平滑轨迹，以及基于所述第二x坐标参数方程和所述第二y坐标参数方程，计算得到所述第二运动轨迹的第二运动平滑轨迹；
分别提取所述第一运动平滑轨迹和所述第二运动平滑轨迹的各轨迹特征的特征值，作为所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值。
根据本发明实施例的一种具体实现方式，所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，包括：所述第一运动轨迹和所述第二运动轨迹的轨迹曲率、曲率半径、角度和角度变化，分别对应为第一轨迹曲率、第一曲率半径、第一角度和第一角度变化，以及第二轨迹曲率、第二曲率半径、第二角度和第二角度变化；
所述类别识别子模块332，具体用于针对所述第一运动轨迹，当所述第一角度变化小于预设角度变化阈值、所述第一轨迹曲率小于预设轨迹曲率阈值，以及所述第一角度小于预设角度阈值或所述第一角度大于360减去所述预设角度阈值的差值时，确定所述第一运动轨迹的第一识别结果为向左直行；
针对所述第一运动轨迹，当所述第一角度变化小于所述预设角度变化阈值、所述第一轨迹曲率小于所述预设轨迹曲率阈值，以及所述第一角度大于180减去所述预设角度阈值的差值，且小于180加上所述预设角度阈值的和值时，确定所述第一运动轨迹的第一识别结果为向右直行；
针对所述第一运动轨迹，当所述第一角度变化大于所述预设角度变化阈值、所述第一轨迹曲率大于所述预设轨迹曲率阈值、所述第一曲率半径的x值大于0，以及所述第一角度大于180且小于270加上所述预设角度阈值的和值时，确定所述第一运动轨迹的第一识别结果为右转；
针对所述第一运动轨迹，当所述第一角度变化大于所述预设角度变化阈值、所述第一轨迹曲率大于所述预设轨迹曲率阈值、所述第一曲率半径的x值小于0，以及所述第一角度大于270减去所述预设角度阈值的差值且小于360时，确定所述第一运动轨迹的第一识别结果为左转；
针对所述第二运动轨迹，当所述第二角度变化小于预设角度变化阈值、所述第二轨迹曲率小于预设轨迹曲率阈值，以及所述第二角度小于预设角度阈值或所述第二角度大于360减去所述预设角度阈值的差值时，确定所述第二运动轨迹的第二识别结果为向左直行；
针对所述第二运动轨迹，当所述第二角度变化小于所述预设角度变化阈值、所述第二轨迹曲率小于所述预设轨迹曲率阈值，以及所述第二角度大于180减去所述预设角度阈值的差值，且小于180加上所述预设角度阈值的和值时，确定所述第二运动轨迹的第二识别结果为向右直行；
针对所述第二运动轨迹，当所述第二角度变化大于所述预设角度变化阈值、所述第二轨迹曲率大于所述预设轨迹曲率阈值、所述第二曲率半径的x值大于0，以及所述第二角度大于180且小于270加上所述预设角度阈值的和值时，确定所述第二运动轨迹的第二识别结果为右转；
针对所述第二运动轨迹，当所述第二角度变化大于所述预设角度变化阈值、所述第二轨迹曲率大于所述预设轨迹曲率阈值、所述第二曲率半径的x值小于0，以及所述第二角度大于270减去所述预设角度阈值的差值且小于360时，确定所述第二运动轨迹的第二识别结果为左转。
根据本发明实施例的一种具体实现方式，所述异常识别模块34，具体用于当所述第一识别结果为右转，所述第二识别结果为向左直行时，确定所述车辆运动轨迹异常；以及当所述第一识别结果为左转，所述第二识别结果为向右直行时，确定所述车辆运动轨迹异常。
本实施例的装置，可以用于执行图1和图2所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本发明实施例还提供一种电子设备，所述电子设备包含前述任一实施例所述的装置。
图4为本发明电子设备一个实施例的结构示意图，可以实现本发明图1-2所示实施例的流程，如图4所示，上述电子设备可以包括：壳体41、处理器42、存储器43、电路板44和电源电路45，其中，电路板44安置在壳体41围成的空间内部，处理器42和存储器43设置在电路板44上；电源电路45，用于为上述电子设备的各个电路或器件供电；存储器43用于存储可执行程序代码；处理器42通过读取存储器43中存储的可执行程序代码来运行与可执行程序代码对应的程序，用于执行前述任一实施例所述的方法。
处理器42对上述步骤的具体执行过程以及处理器42通过运行可执行程序代码来进一步执行的步骤，可以参见本发明图1-2所示实施例的描述，在此不再赘述。
该电子设备以多种形式存在，包括但不限于：
(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：PDA、MID和UMPC设备等，例如iPad。
(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括：音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子设备。
本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现前述任一实施例提供的方法。
本发明的实施例还提供一种应用程序，所述应用程序被执行以实现本发明任一实施例提供的方法。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
为了描述的方便，描述以上装置是以功能分为各种单元/模块分别描述。当然，在实施本发明时可以把各单元/模块的功能在同一个或多个软件和/或硬件中实现。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种车辆运动轨迹合理性识别方法，其特征在于，所述方法包括：
获取车辆运动原始轨迹，所述车辆运动原始轨迹为包括多个时刻的车辆原始轨迹点的集合；对所述车辆运动原始轨迹进行数据预处理，所得到的处理后的车辆运动轨迹作为后续待识别的车辆运动轨迹；
针对所述待识别的车辆运动轨迹，生成所述车辆运动轨迹的首尾两个端点的端点向量；从所述车辆运动轨迹中选出距离所述端点向量最远的车辆轨迹点，作为关键轨迹点；
按照所述关键轨迹点将所述车辆运动轨迹划分为前后两段运动轨迹，分别为第一运动轨迹和第二运动轨迹；
分别提取所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值；
按照预设识别规则，基于所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，分别对所述第一运动轨迹和所述第二运动轨迹表示的车辆行驶类别进行识别，得到第一识别结果和第二识别结果；所述轨迹特征包括：轨迹曲率、曲率半径、角度和角度变化；
当所述第一识别结果与所述第二识别结果为预设情况时，确定所述车辆运动轨迹异常，其中，所述预设情况表示所述第一识别结果与所述第二识别结果之间矛盾。
2.根据权利要求1所述的方法，其特征在于，所述针对所述待识别的车辆运动轨迹，生成所述车辆运动轨迹的首尾两个端点的端点向量；从所述车辆运动轨迹中选出距离所述端点向量最远的车辆轨迹点，作为关键轨迹点之前，还包括：
获取车辆运动原始轨迹，所述车辆运动原始轨迹为包括多个时刻的车辆原始轨迹点的集合；
基于所述车辆原始轨迹点的坐标，将坐标不位于预设范围内的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点；或者
基于所述车辆原始轨迹点的坐标，将与前一个保留的车辆原始轨迹点之间的距离不满足预设距离要求的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点，所述车辆运动原始轨迹中的第一个车辆原始轨迹点保留；或者
基于所述车辆原始轨迹点的坐标，将坐标不位于预设范围内的车辆原始轨迹点，以及与前一个保留的车辆原始轨迹点之间的距离不满足预设距离要求的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点，所述车辆运动原始轨迹中的第一个坐标位于所述预设范围内的车辆原始轨迹点保留。
3.根据权利要求1所述的方法，其特征在于，所述分别提取所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，包括：
将所述第一运动轨迹拆分为第一运动x坐标轨迹和第一运动y坐标轨迹，以及将所述第二运动轨迹拆分为第二运动x坐标轨迹和第二运动y坐标轨迹；
分别对所述第一运动x坐标轨迹、所述第一运动y坐标轨迹、所述第二运动x坐标轨迹和所述第二运动y坐标轨迹进行曲线拟合，得到所述第一运动x坐标轨迹的第一x坐标参数方程、所述第一运动y坐标轨迹的第一y坐标参数方程、所述第二运动x坐标轨迹的第二x坐标参数方程，以及所述第二运动y坐标轨迹的第二y坐标参数方程；
基于所述第一x坐标参数方程和所述第一y坐标参数方程，计算得到所述第一运动轨迹的第一运动平滑轨迹，以及基于所述第二x坐标参数方程和所述第二y坐标参数方程，计算得到所述第二运动轨迹的第二运动平滑轨迹；
分别提取所述第一运动平滑轨迹和所述第二运动平滑轨迹的各轨迹特征的特征值，作为所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值。
4.根据权利要求1所述的方法，其特征在于，所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，包括：所述第一运动轨迹和所述第二运动轨迹的轨迹曲率、曲率半径、角度和角度变化，分别对应为第一轨迹曲率、第一曲率半径、第一角度和第一角度变化，以及第二轨迹曲率、第二曲率半径、第二角度和第二角度变化；
所述按照预设识别规则，基于所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，分别对所述第一运动轨迹和所述第二运动轨迹表示的车辆行驶类别进行识别，得到第一识别结果和第二识别结果，包括：
针对所述第一运动轨迹，当所述第一角度变化小于预设角度变化阈值、所述第一轨迹曲率小于预设轨迹曲率阈值，以及所述第一角度小于预设角度阈值或所述第一角度大于360减去所述预设角度阈值的差值时，确定所述第一运动轨迹的第一识别结果为向左直行；
针对所述第一运动轨迹，当所述第一角度变化小于所述预设角度变化阈值、所述第一轨迹曲率小于所述预设轨迹曲率阈值，以及所述第一角度大于180减去所述预设角度阈值的差值，且小于180加上所述预设角度阈值的和值时，确定所述第一运动轨迹的第一识别结果为向右直行；
针对所述第一运动轨迹，当所述第一角度变化大于所述预设角度变化阈值、所述第一轨迹曲率大于所述预设轨迹曲率阈值、所述第一曲率半径的x值大于0，以及所述第一角度大于180且小于270加上所述预设角度阈值的和值时，确定所述第一运动轨迹的第一识别结果为右转；
针对所述第一运动轨迹，当所述第一角度变化大于所述预设角度变化阈值、所述第一轨迹曲率大于所述预设轨迹曲率阈值、所述第一曲率半径的x值小于0，以及所述第一角度大于270减去所述预设角度阈值的差值且小于360时，确定所述第一运动轨迹的第一识别结果为左转；
针对所述第二运动轨迹，当所述第二角度变化小于预设角度变化阈值、所述第二轨迹曲率小于预设轨迹曲率阈值，以及所述第二角度小于预设角度阈值或所述第二角度大于360减去所述预设角度阈值的差值时，确定所述第二运动轨迹的第二识别结果为向左直行；
针对所述第二运动轨迹，当所述第二角度变化小于所述预设角度变化阈值、所述第二轨迹曲率小于所述预设轨迹曲率阈值，以及所述第二角度大于180减去所述预设角度阈值的差值，且小于180加上所述预设角度阈值的和值时，确定所述第二运动轨迹的第二识别结果为向右直行；
针对所述第二运动轨迹，当所述第二角度变化大于所述预设角度变化阈值、所述第二轨迹曲率大于所述预设轨迹曲率阈值、所述第二曲率半径的x值大于0，以及所述第二角度大于180且小于270加上所述预设角度阈值的和值时，确定所述第二运动轨迹的第二识别结果为右转；
针对所述第二运动轨迹，当所述第二角度变化大于所述预设角度变化阈值、所述第二轨迹曲率大于所述预设轨迹曲率阈值、所述第二曲率半径的x值小于0，以及所述第二角度大于270减去所述预设角度阈值的差值且小于360时，确定所述第二运动轨迹的第二识别结果为左转。
5.根据权利要求1所述的方法，其特征在于，所述当所述第一识别结果与所述第二识别结果为预设情况时，确定所述车辆运动轨迹异常，包括：
当所述第一识别结果为右转，所述第二识别结果为向左直行时，确定所述车辆运动轨迹异常；
当所述第一识别结果为左转，所述第二识别结果为向右直行时，确定所述车辆运动轨迹异常。
6.一种车辆运动轨迹合理性识别装置，其特征在于，所述装置包括：
预处理模块，用于获取车辆运动原始轨迹，所述车辆运动原始轨迹为包括多个时刻的车辆原始轨迹点的集合；对所述车辆运动原始轨迹进行数据预处理，所得到的处理后的车辆运动轨迹作为后续待识别的车辆运动轨迹；
轨迹点获取模块，用于针对所述待识别的车辆运动轨迹，生成所述车辆运动轨迹的首尾两个端点的端点向量；从所述车辆运动轨迹中选出距离所述端点向量最远的车辆轨迹点，作为关键轨迹点；
轨迹划分模块，用于按照所述关键轨迹点将所述车辆运动轨迹划分为前后两段运动轨迹，分别为第一运动轨迹和第二运动轨迹；
特征提取模块，用于分别提取所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值；
类别识别模块，用于按照预设识别规则，基于所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，分别对所述第一运动轨迹和所述第二运动轨迹表示的车辆行驶类别进行识别，得到第一识别结果和第二识别结果；所述轨迹特征包括：轨迹曲率、曲率半径、角度和角度变化；
异常识别模块，用于当所述第一识别结果与所述第二识别结果为预设情况时，确定所述车辆运动轨迹异常，其中，所述预设情况表示所述第一识别结果与所述第二识别结果之间矛盾。
7.根据权利要求6所述的装置，其特征在于，所述装置，还包括：
预处理模块，用于获取车辆运动原始轨迹，所述车辆运动原始轨迹为包括多个时刻的车辆原始轨迹点的集合；
基于所述车辆原始轨迹点的坐标，将坐标不位于预设范围内的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点；或者
基于所述车辆原始轨迹点的坐标，将与前一个保留的车辆原始轨迹点之间的距离不满足预设距离要求的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点，所述车辆运动原始轨迹中的第一个车辆原始轨迹点保留；或者
基于所述车辆原始轨迹点的坐标，将坐标不位于预设范围内的车辆原始轨迹点，以及与前一个保留的车辆原始轨迹点之间的距离不满足预设距离要求的车辆原始轨迹点，从所述车辆运动原始轨迹中清除，得到车辆运动轨迹包括的车辆轨迹点，所述车辆运动原始轨迹中的第一个坐标位于所述预设范围内的车辆原始轨迹点保留。
8.根据权利要求6所述的装置，其特征在于，所述特征提取模块，具体用于将所述第一运动轨迹拆分为第一运动x坐标轨迹和第一运动y坐标轨迹，以及将所述第二运动轨迹拆分为第二运动x坐标轨迹和第二运动y坐标轨迹；
分别对所述第一运动x坐标轨迹、所述第一运动y坐标轨迹、所述第二运动x坐标轨迹和所述第二运动y坐标轨迹进行曲线拟合，得到所述第一运动x坐标轨迹的第一x坐标参数方程、所述第一运动y坐标轨迹的第一y坐标参数方程、所述第二运动x坐标轨迹的第二x坐标参数方程，以及所述第二运动y坐标轨迹的第二y坐标参数方程；
基于所述第一x坐标参数方程和所述第一y坐标参数方程，计算得到所述第一运动轨迹的第一运动平滑轨迹，以及基于所述第二x坐标参数方程和所述第二y坐标参数方程，计算得到所述第二运动轨迹的第二运动平滑轨迹；
分别提取所述第一运动平滑轨迹和所述第二运动平滑轨迹的各轨迹特征的特征值，作为所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值。
9.根据权利要求6所述的装置，其特征在于，所述第一运动轨迹和所述第二运动轨迹的各轨迹特征的特征值，包括：所述第一运动轨迹和所述第二运动轨迹的轨迹曲率、曲率半径、角度和角度变化，分别对应为第一轨迹曲率、第一曲率半径、第一角度和第一角度变化，以及第二轨迹曲率、第二曲率半径、第二角度和第二角度变化；
所述类别识别模块，具体用于针对所述第一运动轨迹，当所述第一角度变化小于预设角度变化阈值、所述第一轨迹曲率小于预设轨迹曲率阈值，以及所述第一角度小于预设角度阈值或所述第一角度大于360减去所述预设角度阈值的差值时，确定所述第一运动轨迹的第一识别结果为向左直行；
针对所述第一运动轨迹，当所述第一角度变化小于所述预设角度变化阈值、所述第一轨迹曲率小于所述预设轨迹曲率阈值，以及所述第一角度大于180减去所述预设角度阈值的差值，且小于180加上所述预设角度阈值的和值时，确定所述第一运动轨迹的第一识别结果为向右直行；
针对所述第一运动轨迹，当所述第一角度变化大于所述预设角度变化阈值、所述第一轨迹曲率大于所述预设轨迹曲率阈值、所述第一曲率半径的x值大于0，以及所述第一角度大于180且小于270加上所述预设角度阈值的和值时，确定所述第一运动轨迹的第一识别结果为右转；
针对所述第一运动轨迹，当所述第一角度变化大于所述预设角度变化阈值、所述第一轨迹曲率大于所述预设轨迹曲率阈值、所述第一曲率半径的x值小于0，以及所述第一角度大于270减去所述预设角度阈值的差值且小于360时，确定所述第一运动轨迹的第一识别结果为左转；
针对所述第二运动轨迹，当所述第二角度变化小于预设角度变化阈值、所述第二轨迹曲率小于预设轨迹曲率阈值，以及所述第二角度小于预设角度阈值或所述第二角度大于360减去所述预设角度阈值的差值时，确定所述第二运动轨迹的第二识别结果为向左直行；
针对所述第二运动轨迹，当所述第二角度变化小于所述预设角度变化阈值、所述第二轨迹曲率小于所述预设轨迹曲率阈值，以及所述第二角度大于180减去所述预设角度阈值的差值，且小于180加上所述预设角度阈值的和值时，确定所述第二运动轨迹的第二识别结果为向右直行；
针对所述第二运动轨迹，当所述第二角度变化大于所述预设角度变化阈值、所述第二轨迹曲率大于所述预设轨迹曲率阈值、所述第二曲率半径的x值大于0，以及所述第二角度大于180且小于270加上所述预设角度阈值的和值时，确定所述第二运动轨迹的第二识别结果为右转；
针对所述第二运动轨迹，当所述第二角度变化大于所述预设角度变化阈值、所述第二轨迹曲率大于所述预设轨迹曲率阈值、所述第二曲率半径的x值小于0，以及所述第二角度大于270减去所述预设角度阈值的差值且小于360时，确定所述第二运动轨迹的第二识别结果为左转。
10.根据权利要求6所述的装置，其特征在于，所述异常识别模块，具体用于当所述第一识别结果为右转，所述第二识别结果为向左直行时，确定所述车辆运动轨迹异常；以及当所述第一识别结果为左转，所述第二识别结果为向右直行时，确定所述车辆运动轨迹异常。
11.一种电子设备，其特征在于，所述电子设备包括：壳体、处理器、存储器、电路板和电源电路，其中，电路板安置在壳体围成的空间内部，处理器和存储器设置在电路板上；电源电路，用于为上述电子设备的各个电路或器件供电；存储器用于存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，用于执行前述权利要求1-5任一项所述的方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现前述权利要求1-5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011555279.1A CN112686941B (zh) | 2020-12-24 | 2020-12-24 | 一种车辆运动轨迹合理性识别方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011555279.1A CN112686941B (zh) | 2020-12-24 | 2020-12-24 | 一种车辆运动轨迹合理性识别方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112686941A CN112686941A (zh) | 2021-04-20 |
| CN112686941B true CN112686941B (zh) | 2023-09-19 |
Family
ID=75452983
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011555279.1A Active CN112686941B (zh) | 2020-12-24 | 2020-12-24 | 一种车辆运动轨迹合理性识别方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112686941B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114509062B (zh) * | 2021-12-31 | 2023-10-13 | 武汉中海庭数据技术有限公司 | 基于轨迹大数据的逆行轨迹过滤方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103942533A (zh) * | 2014-03-24 | 2014-07-23 | 河海大学常州校区 | 一种基于视频监控系统的城市交通违规行为检测方法 |
| CN104819724A (zh) * | 2015-03-02 | 2015-08-05 | 北京理工大学 | 一种基于gis的无人地面车辆自主行驶辅助系统 |
| CN107315994A (zh) * | 2017-05-12 | 2017-11-03 | 长安大学 | 基于Spectral Clustering空间轨迹的聚类算法 |
| CN110021172A (zh) * | 2019-05-06 | 2019-07-16 | 北京英泰智科技股份有限公司 | 一种车辆全要素特征采集方法和系统 |
| CN111105434A (zh) * | 2018-10-25 | 2020-05-05 | 中兴通讯股份有限公司 | 运动轨迹合成方法及电子设备 |
| CN111242521A (zh) * | 2020-04-24 | 2020-06-05 | 中国人民解放军国防科技大学 | 轨迹异常检测方法和系统 |
| CN111986226A (zh) * | 2020-08-25 | 2020-11-24 | 浙江工业大学 | 一种目标轨迹异常检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110717154A (zh) * | 2018-07-11 | 2020-01-21 | 中国银联股份有限公司 | 运动轨迹的特征处理方法、设备以及计算机存储介质 |
-
2020
- 2020-12-24 CN CN202011555279.1A patent/CN112686941B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103942533A (zh) * | 2014-03-24 | 2014-07-23 | 河海大学常州校区 | 一种基于视频监控系统的城市交通违规行为检测方法 |
| CN104819724A (zh) * | 2015-03-02 | 2015-08-05 | 北京理工大学 | 一种基于gis的无人地面车辆自主行驶辅助系统 |
| CN107315994A (zh) * | 2017-05-12 | 2017-11-03 | 长安大学 | 基于Spectral Clustering空间轨迹的聚类算法 |
| CN111105434A (zh) * | 2018-10-25 | 2020-05-05 | 中兴通讯股份有限公司 | 运动轨迹合成方法及电子设备 |
| CN110021172A (zh) * | 2019-05-06 | 2019-07-16 | 北京英泰智科技股份有限公司 | 一种车辆全要素特征采集方法和系统 |
| CN111242521A (zh) * | 2020-04-24 | 2020-06-05 | 中国人民解放军国防科技大学 | 轨迹异常检测方法和系统 |
| CN111986226A (zh) * | 2020-08-25 | 2020-11-24 | 浙江工业大学 | 一种目标轨迹异常检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于轨迹数据挖掘的异常检测方法研究;叶敏;中国优秀硕士论文电子期刊网;全文 * |
| 轨迹多因素异常集成检测;安计勇;朱猛;翟靖轩;王大阜;;计算机工程与设计(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112686941A (zh) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2018026108A (ja) | 物体追跡方法、物体追跡装置およびプログラム | |
| CN109919008A (zh) | 运动目标检测方法、装置、计算机设备及存储介质 | |
| CN109740424A (zh) | 交通违规识别方法及相关产品 | |
| JP5604256B2 (ja) | 人物動作検出装置およびそのプログラム | |
| CN113284168A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
| CN104036287A (zh) | 一种基于人类运动显著轨迹的视频分类方法 | |
| CN111145555B (zh) | 一种检测车辆违章的方法和装置 | |
| CN104969261B (zh) | 用于检测移动物体的方法和系统 | |
| Nguyen et al. | Vehicle re-identification with learned representation and spatial verification and abnormality detection with multi-adaptive vehicle detectors for traffic video analysis. | |
| CN114155284A (zh) | 基于多目标行人场景的行人跟踪方法、装置、设备及介质 | |
| Seo et al. | Effective and efficient human action recognition using dynamic frame skipping and trajectory rejection | |
| CN112132103A (zh) | 一种视频人脸检测识别方法和系统 | |
| CN112862856A (zh) | 违停车辆的识别方法、装置、设备及计算机可读存储介质 | |
| CN112686941B (zh) | 一种车辆运动轨迹合理性识别方法、装置及电子设备 | |
| Revilloud et al. | A lane marker estimation method for improving lane detection | |
| Liu et al. | Vehicle tracking based on shape information and inter-frame motion vector | |
| WO2018030048A1 (ja) | 物体追跡方法、物体追跡装置およびプログラム | |
| Hua et al. | Effective vehicle tracking algorithm for smart traffic networks | |
| CN109800684A (zh) | 一种视频中对象的确定方法及装置 | |
| Tsai et al. | Joint detection, re-identification, and LSTM in multi-object tracking | |
| CN112990009A (zh) | 基于端到端的车道线检测方法、装置、设备及存储介质 | |
| CN105590086A (zh) | 一种基于视觉标签识别的物品防盗检测方法 | |
| CN115019241B (zh) | 一种行人识别与追踪方法、装置、可读存储介质及设备 | |
| CN113869163B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
| CN104636745A (zh) | 尺度不变特征提取方法和装置、对象识别方法和装置 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: East of 1st floor, No.36 Haidian Street, Haidian District, Beijing, 100086 Applicant after: BEIJING ITARGE TECHNOLOGY CO.,LTD. Address before: 100080 7th floor, block B, Zhongguancun intellectual property building, 21 Haidian South Road, Haidian District, Beijing Applicant before: BEIJING ITARGE TECHNOLOGY CO.,LTD. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |