CN112820115B - 一种行驶车辆转向状态识别方法 - Google Patents

Abstract

本发明公开了一种行驶车辆转向状态识别方法，通过获取监控画面中目标车辆驶入预设的监测区域的车辆图像和车辆参数，在当前帧中的目标框中心点落入转向监测面时，则触发行驶车辆的转向状态检测，获取当前帧和历史帧中该目标车辆的轨迹点，生成历史轨迹点集合，对离散时间的不同位置同一车辆的中心点进行分段拟合，并在各段中选取一个代表点，计算起点与各个代表点组成的向量与水平线构成的夹角，通过各个夹角的变化规律,判断行驶车辆的转向状态。本发明基于图像处理的方法进行车辆转向状态识别，在车辆驶过转向监测面后，再获取该车辆的历史轨迹，通过分段拟合的方式判断行驶车辆的转向状态，具有准确率高、处理速度快、占用资源少等特点。

Description

一种行驶车辆转向状态识别方法

技术领域

本发明涉及一种行驶车辆转向状态识别方法。

背景技术

现有技术中，车辆转向的检测方法通常为：基于车辆的GPS数据，获取监测点的前向方向和后向方向，然后根据监测点的前向方向和后向方向计算转向夹角，从而进行转向检测。这种转向检测的方法存在以下不足：

(1)实时获取车辆GPS数据的成本较高、难度较大，导致基于车辆GPS数据的车辆转向检测方法通用性不强、实用性差；

(2)由于前向方向和后向方向的准确性取决于拟合点(车辆GPS点)的数量以及分布位置，而车辆上的GPS点数量通常很少，导致计算得到的转向夹角存在较大的误差，进而影响转向判断的准确率；

(3)上述方法不能对车辆掉头的转向状态进行检测。

发明内容

本发明的目的在于克服现有技术的不足，提供一种行驶车辆转向状态识别方法。

本发明的目的是通过以下技术方案来实现的：一种行驶车辆转向状态识别方法，包括以下步骤：

S100、获取监控画面中目标车辆驶入预设的监测区域的车辆图像和车辆参数；

S200、提取当前帧中所述目标车辆的目标框中心点，若当前帧中所述目标框中心点落入转向监测面，则触发行驶车辆的转向状态检测；所述转向监测面包括垂直监测面和/或水平监测面；

S300、获取当前帧和历史帧中所述目标车辆的至少在所述监测区域内的目标框中心点，生成历史轨迹点集合；

S400、对离散时间的不同位置的同一车辆的轨迹点进行分段拟合,将历史轨迹点集合中时间最早的目标框中心点作为起点，按时间先后顺序将所述历史轨迹点集合分为至少三组，并在每组子集中选取一个目标框中心点作为代表点；

S500、计算所述起点与各个所述代表点组成的向量与水平线构成的夹角，通过多个所述夹角之间的关系判断所述目标车辆的转向状态；所述转向状态包括直行、左转和右转。

进一步的，基于上述实施例，在步骤S200中，提取当前帧中所述目标车辆的目标框中心点，若当前帧中所述目标框中心点落入转向监测面和/或落入转向监测面附近，且该目标框中心点与上一帧中该目标车辆的目标框中心点之间的像素距离大于第一阈值时，则触发行驶车辆的转向状态检测。

进一步的，基于上述任一实施例，在步骤S300中，获取历史帧中所述目标车辆的至少在所述监测区域内的目标框中心点，当当前帧和历史帧中存在前后相邻两帧所述目标车辆的目标框中心点之间的像素距离小于第二阈值时，删除后一帧的目标框中心点，将当前帧和历史帧中保留下的目标框中心点生成历史轨迹点集合。

进一步的，基于上述任一实施例，在步骤S400中所述代表点的选取方式包括：按时间先后顺序，将所述历史轨迹点集合分为至少三组，计算每组子集中各个目标框中心点之间像素距离，将与组内其他点距离最近的中心点作为该组子集中的代表点。

进一步的，基于上述任一实施例，在步骤S500中，若各个所述代表点所对应的所述夹角均在π/2左右，则判断所述目标车辆的转向状态为直行。

进一步的，基于上述任一实施例，在步骤S500中，若各个所述代表点所对应的所述夹角按时间先后顺序相比依次变大，且最后一个代表点对应的夹角与第一个代表点对应的夹角之差不低于π/9，则判断所述目标车辆的转向状态为左转。

进一步的，基于上述任一实施例，在步骤S500中，若各个所述代表点所对应的所述夹角按时间先后顺序相比依次变小，且第一个代表点对应的夹角与最后一个代表点对应的夹角之差不低于π/9，则判断所述目标车辆的转向状态为右转。

进一步的，基于上述任一实施例，在步骤S100中，获取的所述监控画面为视场方向与车辆行驶方向一致的摄像头所采集的画面。

进一步的，基于上述任一实施例，所述转向状态还包括掉头；

在步骤S500中还包括：计算相邻两个代表点之间的方向垂直距离，若前段相邻代表点之间的方向垂直距离大于R个像素，且后段相邻代表点之间的方向垂直距离小于-R个像素，前段方向垂直距离之差为正，后段方向垂直距离之差为负，则判断所述目标车辆的转向状态为掉头。

进一步的，基于上述实施例，在步骤S500中，首先判断所述目标车辆的转向状态为直行，若不是直行则再判断所述目标车辆的转向状态为左转或右转，若均不是则再判断所述目标车辆的转向状态为掉头。

本发明的有益效果是：

(1)本发明基于图像处理的方法进行车辆转向状态识别，在车辆驶过预设的转向监测面后，再获取该车辆的历史轨迹，通过分段拟合的方式判断出行驶车辆的转向状态，具有准确率高、处理速度快、占用资源少、成本低等特点。

(2)本发明还可通过选取的代表点之间的距离关系可以对车辆掉头进行判断。

附图说明

图1本发明中行驶车辆转向状态识别方法的一种实施例的流程图；

图2为转向监测面以及转向状态示意图；

图3为本发明中行驶车辆转向状态识别方法的又一种实施例的流程图；

图4为本发明中直行判断的一种示意图；

图5为本发明中左转判断的一种示意图；

图6为本发明中右转判断的一种示意图；

图7为本发明中掉头判断的一种示意图。

具体实施方式

下面将结合实施例，对本发明的技术方案进行清楚、完整地描述，显然，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，本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

参阅图1-7，本发明提供一种行驶车辆转向状态识别方法：

如图1所示，一种行驶车辆转向状态识别方法，包括：

S100、获取监控画面中目标车辆驶入预设的监测区域的车辆图像和车辆参数。

本发明中获取的所述监控画面可以是视场方向与车辆行驶方向一致的摄像头所采集的画面，如监控画面来源于安装在路边固定立杆上的用于拍摄车尾而非车头的监控摄像头，当然也可以来源于安装在移动装置(如警车、无人机等)上的摄像头。所述车辆参数可以由前端摄像终端计算所得，也可由云服务器或本地服务器在进行车辆转向判断时计算所得。

S200、提取当前帧中所述目标车辆的目标框中心点，若当前帧中所述目标框中心点落入转向监测面，则触发行驶车辆的转向状态检测。

触发行驶车辆的转向状态检测的条件可包括：对当前帧中所述目标框中心点P_n落入转向监测面P_t的判断。例1：若提取的当前帧中所述目标框中心点落入转向监测面上，则触发行驶车辆的转向状态检测；例2：若提取的当前帧中所述目标框中心点落入转向监测面及其附近，所述转向监测面附近为位于所述转向监测面前后一定像素距离内的区域内时，则触发行驶车辆的转向状态检测，条件公式可为：

P_t∈[m-△d₁,m+△d₂]

式中，m为与该转向监测面P_t垂直的坐标轴的坐标值，如当转向监测面为平行与X轴的水平面时，m的取值为转向监测面在Y轴上的坐标值，当转向监测面为平行与Y轴的垂直面时，m的取值为转向监测面在X轴上的坐标值；△d₁和△d₂分别为一个阈值，△d₁和△d₂两者的取值也可相同，取值范围可在0-20像素值之间，一般可取值为10(piex)。该例2中将转向监测面的范围适当扩大，以减小实际应用中发现的出现一定的漏检率的情况。

一般的，在监控画面的监测区域中可设置一个或多个平行于Y轴的垂直监测面，如图2中的监测面AD和监测面BC，用于监测从水平方向驶出监测区域的车辆，也可设置一个或多个平行于X轴的水平监测面，如图2中的监测面AB和监测面CD，用于监测从垂直方向驶出监测区域的车辆，甚至某些应用场景下还可设置一个或多个与X轴的夹角为锐角或钝角的斜监测面。因此，所述转向监测面可包括垂直监测面和/或水平监测面，甚至所述转向监测面可包括垂直监测面、水平监测面和/或斜监测面，用于监测不同方向驶出的车辆。

触发行驶车辆的转向状态检测的条件还可包括：对有效目标车辆的目标框中心点的判断。比如：在当前帧中所述目标框中心点落入转向监测面或落入转向监测面附近，且该目标框中心点与上一帧中该目标车辆的目标框中心点之间的像素距离大于第一阈值时，才触发行驶车辆的转向状态检测。该第一阈值的取值范围可为0-15个像素，如当第一阈值设为5个像素时，其条件公式为：

|P_n-P_n-1|＞5(piex)

式中，P_n为第n帧中所述目标框中心点的图像坐标位置，P_n-1为第n-1帧中同一目标车辆的目标框中心点的图像坐标位置。

S300、获取当前帧和历史帧中所述目标车辆的至少在所述监测区域内的目标框中心点，生成历史轨迹点集合。

在触发行驶车辆的转向状态检测后，再通过提取或计算的方式获取历史帧中该同一目标车辆的至少在所述监测区域内的目标框中心点，然后生成历史轨迹点集合。本实施例中，可将转向监测面设置在监测区域的边界及附近。当车辆驶过转向监测面触发转向检测后，直接提取或计算该车辆在当前时刻之前的历史轨迹，而非提取或计算该车辆在当前时刻之后的历史轨迹，使得触发判断之后，即可快速算出该车辆的转向状态。

在生成历史轨迹点集合也可增设一些轨迹点筛选条件，比如：获取历史帧中所述目标车辆的至少在所述监测区域内的目标框中心点，当当前帧和历史帧中存在前后相邻两帧所述目标车辆的目标框中心点之间的像素距离小于第二阈值时，则删除后一帧的目标框中心点，再将当前帧和历史帧中保留下的目标框中心点生成历史轨迹点集合Q。该第二阈值的取值范围可为0-15个像素，如当第二阈值与前述第一阈值均设为5个像素时，其条件公式也为：

|P_n-P_n-1|＞5(piex)。

进一步的，还可按时间先后顺序从1至m更新历史轨迹点集合Q中各个点P_n更新为P_m，m为历史轨迹点集合Q中目标框中心点的数量。

S400、对离散时间的不同位置的同一车辆的轨迹点进行分段拟合,将历史轨迹点集合中时间最早的目标框中心点作为起点，按时间先后顺序将所述历史轨迹点集合分为至少三组，并在每组子集中选取一个目标框中心点作为代表点。

步骤S400中，历史轨迹点集合的分组方式可以采用均等分方式，在不能均分的情况下，可把多余的点归为最后一组或其他指定组中。还可根据历史轨迹点的分布情况，按分布特点进行分组。进一步的，还可要求选出的历史轨迹点集合中至少有一定数量的点，比如至少要有10个点才会进行下一步的分组处理，否则将不对该数据进行车辆转向判断分析。

例如，当要求将获取的该目标车辆的目标框中心点中时间最早的点作为起点，按时间先后顺序将该历史轨迹点集合Z均分为Z₁,Z₂,Z₃三组子集，且要求历史轨迹点集合Z中所有轨迹点的数量m不少于10个，其分组公式为：

第一组子集：Z₁＝{P₁,P₂,……,P_m/3}

第二组子集：Z₂＝{P_m/3+1,P_m/3+2,……,P_2m/3}

第三组子集：Z₃＝{P_2m/3+1,P_2m/3+2,……,P_m}。

所述代表点的选取方式可包括：按时间先后顺序，将所述历史轨迹点集合分为至少三组，计算每组子集中各个目标框中心点之间像素距离，将与组内其他点距离最近的，比如与组内其他点的欧式距离和最小的中心点作为该组子集中的代表点。

S500、计算所述起点与各个所述代表点组成的向量与水平线构成的夹角，通过多个所述夹角之间的关系判断所述目标车辆的转向状态；相应的，所述转向状态包括直行、左转和右转，根据应用场景路口的不同及转向监测面的不同设置，可支持的转向状态判断也相应不同，可根据应用需求的不同而设置不同的规则，也可应用整套完整的规则，如图2所示。

在步骤S500中，若各个所述代表点所对应的所述夹角均在π/2左右，则判断所述目标车辆的转向状态为直行。若各个所述代表点所对应的所述夹角按时间先后顺序相比依次变大，且最后一个代表点对应的夹角与第一个代表点对应的夹角之差不低于π/9，则判断所述目标车辆的转向状态为左转。若各个所述代表点所对应的所述夹角按时间先后顺序相比依次变小，且第一个代表点对应的夹角与最后一个代表点对应的夹角之差不低于π/9，则判断所述目标车辆的转向状态为右转。

在某些应用场景，所述转向状态还可能包括掉头；相应的其判断规则可包括：计算相邻两个代表点之间的方向垂直距离，若前段相邻代表点之间的方向垂直距离大于R个像素，且后段相邻代表点之间的方向垂直距离小于-R个像素，前段方向垂直距离之差为正，后段方向垂直距离之差为负，则判断所述目标车辆的转向状态为掉头。R为整数，取值范围一般可设置为20-50个像素值，比如R＝30。

设历史轨迹点集合Z中起点为P₁，按时间先后顺序将所述历史轨迹点集合Z分为Z₁,Z₂,Z₃三组子集，其中S₁,S₂,S₃分别表示Z₁,Z₂,Z₃三组子集的代表点，通过起点P₁和代表点S₁,S₂,S₃，计算起点P₁与第一代表点S₁组成的向量K₁与水平线构成的第一夹角α₁，计算起点P₁与第二代表点S₂组成的向量K₂与水平线构成的第二夹角α₂，计算起点P₁与第三代表点S₃组成的向量K₃与水平线构成的第三夹角α₃，在还要判断是否存在掉头转向状态是，还需计算第一代表点S₁到第二代表点S₂之间的方向垂直距离d₁₂，第二代表点S₂到第三代表点S₃之间的方向垂直距离d₂₃。

如图3所示，在一些实施例中，判断车辆的转向状态的具体规则可如下所示：

若α₁∈[π/2-π/12，π/2+π/12]，α₂∈[π/2-π/12，π/2+π/12]，且α₃∈[π/2-π/12，π/2+π/12]，则判断该行驶切过转向监测面的目标车辆的转向状态为直行；

若α₁＜α₂＜α₃，且α₃-α₁＞π/9，则判断该行驶切过转向监测面的目标车辆的转向状态为左转；

若α₁＞α₂＞α₃，且α₃-α₁＜π/9，则判断该行驶切过转向监测面的目标车辆的转向状态为右转；

若d₁₂＞30(piex)，且d₂₃＜-30(piex)，则判断该行驶切过转向监测面的目标车辆的转向状态为掉头。

图4为一种检测结果示意图，图中转向监测面P_t为水平面，P_t∈[m-△d₁,m+△d₂]表示转向监测面的范围，矩形框(P_m)表示历史轨迹点集合中的点，圆点(s₁、s₂、s₃)表示计算所得的三个代表点，点start表示的是起点的位置。k₁表示第一代表点s₁与起点start组成的向量，k₂表示第二代表点s₂与起点start组成的向量，k₃表示第三代表点s₃与起点start组成的向量，向量k₁与水平线构成的夹角为α₁，向量k₂与水平线构成的夹角为α₂，向量k₃与水平线构成的夹角为α₃。图中α₁∈[π/2-π/12，π/2+π/12]，α₂∈[π/2-π/12，π/2+π/12]，且α₃∈[π/2-π/12，π/2+π/12]，所以判断该车辆的转向状态为直行。

图5为一种检测结果示意图，图中转向监测面P_t为垂直面，P_t∈[m-△d₁,m+△d₂]表示转向监测面的范围，矩形框(P_m)表示历史轨迹点集合中的点，圆点(s₁、s₂、s₃)表示计算所得的三个代表点，点start表示的是起点的位置。k₁表示第一代表点s₁与起点start组成的向量，k₂表示第二代表点s₂与起点start组成的向量，k₃表示第三代表点s₃与起点start组成的向量，向量k₁与水平线构成的夹角为α₁，向量k₂与水平线构成的夹角为α₂，向量k₃与水平线构成的夹角为α₃。图中α₁＜α₂＜α₃，且α₃-α₁＞π/9，所以判断该车辆的转向状态为左转。

图6为一种检测结果示意图，图中转向监测面P_t为垂直面，P_t∈[m-△d₁,m+△d₂]表示转向监测面的范围，矩形框(P_m)表示历史轨迹点集合中的点，圆点(s₁、s₂、s₃)表示计算所得的三个代表点，点start表示的是起点的位置。k1表示第一代表点s₁与起点start组成的向量，k₂表示第二代表点s₂与起点start组成的向量，k₃表示第三代表点s₃与起点start组成的向量，向量k₁与水平线构成的夹角为α₁，向量k₂与水平线构成的夹角为α₂，向量k₃与水平线构成的夹角为α₃。图中α₁＞α₂＞α₃，且α₃-α₁＜π/9，所以判断该车辆的转向状态为右转。

图7为一种检测结果示意图，图中转向监测面P_t为垂直面，P_t∈[m-△d₁,m+△d₂]表示转向监测面的范围，矩形框(P_m)表示历史轨迹点集合中的点，圆点(s₁、s₂、s₃)表示计算所得的三个代表点，点start表示的是起点的位置。d₁₂为第一代表点S₁到第二代表点S₂之间的方向垂直距离，d₂₃为第二代表点S₂到第三代表点S₃之间的方向垂直距离。图中d₁₂＞30像素，且d₂₃＜-30像素，所以判断该车辆的转向状态为掉头。

另外，如图3所示，在判断转向状态时，可按直行、左转/右转、掉头的逻辑顺序来判断，如首先直接判断所述目标车辆的转向状态是否为直行，若不是直行则再判断所述目标车辆的转向状态为左转或右转，若均不是则再判断所述目标车辆的转向状态为掉头，若也不满足掉头判断规则，则放弃判断结束对该条数据的判断程序。

综上所述，本发明公开了一种行驶车辆转向状态识别方法，通过获取监控画面中目标车辆驶入预设的监测区域的车辆图像和车辆参数，在当前帧中所述目标框中心点落入转向监测面时，则触发行驶车辆的转向状态检测，获取当前帧和历史帧中该目标车辆的轨迹点，生成历史轨迹点集合，对离散时间的不同位置同一车辆的中心点进行分段拟合，在每段子集中选取一点作为代表点，计算起点与各个代表点组成的向量与水平线构成的夹角，通过各个夹角的变化规律,判断行驶车辆的转向状态。本发明基于图像处理的方法进行车辆转向状态识别，在车辆驶过预设的转向监测面后，再获取该车辆的历史轨迹，通过分段拟合的方式判断出行驶车辆的转向状态，具有准确率高、处理速度快、占用资源少等特点。

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (6)

1.一种行驶车辆转向状态识别方法，其特征在于，包括：

S100、获取监控画面中目标车辆驶入预设的监测区域的车辆图像和车辆参数；

S200、提取当前帧中所述目标车辆的目标框中心点，若当前帧中所述目标框中心点落入转向监测面，则触发行驶车辆的转向状态检测；所述转向监测面包括垂直监测面和/或水平监测面；

S300、获取当前帧和历史帧中所述目标车辆的在所述监测区域内的目标框中心点，生成历史轨迹点集合；

S400、对离散时间的不同位置的同一车辆的轨迹点进行分段拟合,将历史轨迹点集合中时间最早的目标框中心点作为起点，按时间先后顺序将所述历史轨迹点集合分为至少三组，并在每组子集中选取一个目标框中心点作为代表点；

步骤S400中所述代表点的选取方式包括：按时间先后顺序，将所述历史轨迹点集合分为至少三组，计算每组子集中各个目标框中心点之间像素距离，将与组内其他点距离最近的中心点作为该组子集中的代表点；

S500、计算所述起点与各个所述代表点组成的向量与水平线构成的夹角，通过多个所述夹角之间的关系判断所述目标车辆的转向状态；所述转向状态包括直行、左转和右转；

在步骤S500中，若各个所述代表点所对应的所述夹角均在π/2左右，则判断所述目标车辆的转向状态为直行；

在步骤S500中，若各个所述代表点所对应的所述夹角按时间先后顺序相比依次变大，且最后一个代表点对应的夹角与第一个代表点对应的夹角之差不低于π/9，则判断所述目标车辆的转向状态为左转；

在步骤S500中，若各个所述代表点所对应的所述夹角按时间先后顺序相比依次变小，且第一个代表点对应的夹角与最后一个代表点对应的夹角之差不低于π/9，则判断所述目标车辆的转向状态为右转。

2.根据权利要求1所述的一种行驶车辆转向状态识别方法，其特征在于，提取当前帧中所述目标车辆的目标框中心点，若当前帧中所述目标框中心点落入转向监测面和/或落入转向监测面附近，且该目标框中心点与上一帧中该目标车辆的目标框中心点之间的像素距离大于第一阈值时，则触发行驶车辆的转向状态检测。

3.根据权利要求1所述的一种行驶车辆转向状态识别方法，其特征在于，获取历史帧中所述目标车辆的至少在所述监测区域内的目标框中心点，当当前帧和历史帧中存在前后相邻两帧所述目标车辆的目标框中心点之间的像素距离小于第二阈值时，删除后一帧的目标框中心点，将当前帧和历史帧中保留下的目标框中心点生成历史轨迹点集合。

4.根据权利要求1所述的一种行驶车辆转向状态识别方法，其特征在于步骤S100中，获取的所述监控画面为视场方向与车辆行驶方向一致的摄像头所采集的画面。

5.根据权利要求1-4任一项所述的一种行驶车辆转向状态识别方法，其特征在于，所述转向状态还包括掉头；

在步骤S500中还包括：计算相邻两个代表点之间的方向垂直距离，若前段相邻代表点之间的方向垂直距离大于R个像素，且后段相邻代表点之间的方向垂直距离小于-R个像素，前段方向垂直距离之差为正，后段方向垂直距离之差为负，则判断所述目标车辆的转向状态为掉头。

6.根据权利要求5所述的一种行驶车辆转向状态识别方法，其特征在于在步骤S500中，首先判断所述目标车辆的转向状态为直行，若不是直行则再判断所述目标车辆的转向状态为左转或右转，若均不是则再判断所述目标车辆的转向状态为掉头。

Images