CN113112866B - 一种智能交通预警方法及智能交通预警系统 - Google Patents

Abstract

本发明涉及智能交通技术领域，公开了一种智能交通预警方法及智能交通预警系统，该方法通过道路图像获取第一对象目标与正在向第一对象目标靠近的第二对象目标，并分别获取第一对象目标和第二对象目标的移动方向和移动速度，通过第一对象目标、第二对象目标的移动方向和移动速度计算出第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需的时间；当第一对象目标与第二对象目标之间的距离缩短至达到第一预设阈值所需的时间小于或等于第二预设阈值时，则预测存在交通危险，控制预警响应设备作出相应的预警响应；否则，继续进行交通信息获取步骤；通过上述方法能够实时进行交通危险事件预测并能够控制预警响应设备作出警示提醒。

Description

一种智能交通预警方法及智能交通预警系统

技术领域

本发明属于智能交通技术领域，特别涉及一种智能交通预警方法及智能交通预警系统。

背景技术

国家大力推进智慧城市建设，鼓励利用各种信息技术或创新理念，将城市的系统和服务打通、集成，以提升资源运用的效率，优化城市管理和服务，改善市民生活质量，而智慧交通系统便是智慧城市建设的核心部分。

但是现有的交通系统一般采用雷达检测设备获取环境信息，如申请号为CN201810238011.1的专利申请中，公开的一种基于雷达检测器的主干路协同信号机控制方法，运用雷达车辆检测器，实现主干路多个路口交通信号控制方案的优化处理，方案包括：各个路口雷达检测器的安装；单个路口数据采集与通讯；多个路口数据联网采集与存储；主干路协同信号机控制算法处理；信号指令发布服务及信号灯控制。

但是雷达检测设备只能获得物体运动的状态和空间坐标信息，无法获得对象的视觉特征，即无法具体识别车或者是人发生了什么事件。

现有的交通系统一般采用云计算进行数据处理，但是交通场景对时效性要求较高，需要实时地对突发情况做出响应，云计算天然存在延时，并易受网络波动影响，稳定性不高；而且现有的交通系统中，没有设置发生突发情况后能够预警的响应设备，而是通过人为地对交通及危险进行指挥、规避，投入至特定的路段，人力成本大，持续时间短。

因此，希望有一种技术方案用以解决现有技术的不能实时进行交通危险事件预测，且没有预警响应设备能够及时作出警示提醒的技术问题。

发明内容

为了解决上述问题，本发明的目的在于提供一种智能交通预警方法及智能交通预警系统，能够实时进行交通危险事件预测并能够控制预警响应设备作出警示提醒。

为实现上述目的，本发明的技术方案如下。

一种智能交通预警方法，包括：

交通信息获取，通过道路图像获取对象目标，对象目标包括第一对象目标与正在向第一对象目标靠近的第二对象目标，并分别获取第一对象目标和第二对象目标的移动方向和移动速度，通过第一对象目标、第二对象目标的移动方向和移动速度计算出第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需的时间，第一预设阈值为正整数，单位为米；

交通危险预测，当第一对象目标与第二对象目标之间的距离缩短至达到第一预设阈值所需的时间小于或等于第二预设阈值时，则预测存在交通危险；否则，继续进行交通信息获取步骤，第二预设阈值为正整数，单位为秒；

作出预警响应，预测存在交通危险后，控制预警响应设备作出相应的预警响应。

在本发明中，通过上述方法能够实时进行交通危险事件预测并能够控制预警响应设备作出警示提醒，从而能够警示行人或车辆驾驶人员，保证交通安全，而且能够24小时不间断工作，实现交通预警，节省大量人力成本。

其中，第一预设阈值与第二预设阈值可以根据需要进行调整，第一预设阈值优选为2m-5m，第二预设阈值优选为15s-20s。

进一步地，交通危险预测步骤中，当预测存在交通危险后，进行危险等级的确定；

当第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需要的时间大于或等于10s时，危险等级为低级；

当第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需要的时间小于10s且大于5s时，危险等级为中级；

当第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需要的时间小于或等于5s时，危险等级为高级，或者第一对象目标与第二对象目标之间的距离小于第二预设阈值时，危险等级为高级。

具体地，第一预设阈值优选为2m-5m，第二预设阈值优选为15s-20s。

进一步地，交通危险预测步骤中，当预测存在交通危险后，获取t至t+n每一时刻的道路图像，计算出t至t+n时间内道路图像中所有对象目标的每一时刻坐标及其每个时间段的移动偏移坐标距离；根据第一对象目标的每一时刻坐标及其每个时间段的移动偏移坐标距离计算得出第一对象目标的移动方向和移动速度；根据第二对象目标的每一时刻坐标及其每个时间段的移动偏移坐标距离计算得出第二对象目标的移动方向和移动速度；利用第一对象目标和第二对象目标的移动方向和移动速度计算出第一对象目标与第二对象目标之间的距离缩短至第二预设阈值所需要的时间。

进一步地，确定危险等级后，发送信号至预警响应设备，使预警响应设备接收信号后作出警示提醒；所述预警响应设备包括智能道钉灯、智能音柱和智能灯牌中的至少一种。

进一步地，道路的左右两侧均设置有1个以上的智能道钉灯，位于第一对象目标或第二对象目标附近的智能道钉灯接收到信号后，能够发射光线实现警示提醒；

当危险等级为高级时，智能道钉灯的发射光线频率为1秒10次以上；当危险等级为中级时，智能道钉灯的发射光线频率为1秒5-10次；当危险等级为低级时，智能道钉灯的发射光线频率为1秒5次以下；

道路附近设置有1个以上的智能音柱，位于第一对象目标或第二对象目标附近的智能音柱接收信号后，能够播放音频实现示警提醒；智能音柱播放的音频的音量设置为3个等级，分别为一级音量、二级音量和三级音量，当危险等级为高级时，智能音柱播放的音频的音量为一级音量；当危险等级为中级时，智能音柱播放的音频的音量为二级音量；当危险等级为低级时，智能音柱播放的音频的音量为三级音量；一级音量的声音强度比二级音量大，二级音量的声音强度比三级音量大；

道路附近设置有1个以上的智能灯牌，所述智能灯牌接收信号后，能够进行发光和闪烁实现示警提醒；当危险等级为高级时，智能灯牌的闪烁频率为1秒10次以上；当危险等级为中级时，智能灯牌的闪烁频率为1秒5-10次；当危险等级为低级时，智能灯牌的闪烁频率为1秒5次以下。

进一步地，本发明的智能交通预警方法还包括有环境光强度检测步骤，计算出环境光强度数值，根据环境光强度数值确定环境光强度的等级；

当环境光强度数值在0-33时，环境光强度的等级为一级强度；

当环境光强度数值在34-66时，环境光强度的等级为二级强度；

当环境光强度数值在67-99时，环境光强度的等级为三级强度。

其中，环境光强度数值由以下方式计算得到：

从路端摄像头1获取当前时刻图片作为输入图像INPUT；

将输入图像INPUT输入至特征提取器中，作特征提取卷积操作，得到该输入图像INPUT的多层特征映射图；

将得到的特征映射图通过全连接层计算，输出大小为100*1的向量，向量通过计算操作，得到100个置信度值，分别代表该输入图像INPUT的环境光强度0至99的置信度，将置信度根据大小排序，置信度最高的向量为环境光强度数值，其所代表等级即为环境光强度等级。

进一步地，所述智能道钉灯与智能灯牌的发光强度根据环境亮度的强度而调整为3个等级，分别为一级亮度、二级亮度和三级亮度，

当环境光强度的等级为一级强度时，智能道钉灯与智能灯牌的发光强度为一级亮度；

当环境光强度的等级为一级强度时，智能道钉灯与智能灯牌的发光强度为二级亮度；

当环境光强度的等级为一级强度时，智能道钉灯与智能灯牌的发光强度为三级亮度；

其中，一级亮度的发光强度比二级亮度大，二级亮度的发光强度比三级亮度大。

本发明还提供一种智能交通预警系统，包括：

图像获取装置，用于获取实时道路图像；

边缘计算终端，用于进行交通危险预测；

预警响应设备，用于作出警示提醒；

所述图像获取装置与边缘计算终端通讯连接，所述图像获取装置获得实时图像后传输至所述边缘计算终端；

所述边缘计算终端根据获取的道路图像检测对象目标，对象目标包括第一对象目标与正在向第一对象目标靠近的第二对象目标，通过边缘计算终端计算出第一对象目标和第二对象目标的移动方向和移动速度，并通过第一对象目标、第二对象目标的移动方向和移动速度计算出第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需的时间，当第一对象目标与第二对象目标之间的距离缩短至达到第一预设阈值所需的时间小于或等于第二预设阈值时，则预测存在交通危险；

所述预警响应设备与所述边缘计算终端通讯连接；所述边缘计算终端预测存在交通危险后，控制所述预警响应设备作出警示提醒；

其中，第一预设阈值为正整数，单位为米；第二预设阈值为正整数，单位为秒。

本发明的有益效果在于：相比于现有技术，本发明提供的一种智能交通预警方法及智能交通预警系统，能够实时进行交通危险事件预测并能够控制预警响应设备作出警示提醒，从而能够警示行人或车辆驾驶人员，保证交通安全，而且能够24小时不间断工作，实现交通预警，节省大量人力成本。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。

图1是实施例2的一种智能交通系统的结构示意图；

图2是实施例1的一种智能交通预警方法的卷积神经网络的结构示意图。

图3是实施例1的一种智能交通预警方法的卷积操作过程示意图。

图4是实施例1的将2张图像分别分割S*S个格子的实施例示意图。

图5是实施例1的格子内具有B个预测框的实施例示意图。

图6是实施例1的对2张图像的关系进行关联时的实施例示意图。

图中，摄像头1；交换机2；边缘计算终端3；无线控制器4；智能道钉灯5；智能音柱6；智能灯牌7；4G/5G通讯模块8；云服务器9。

具体实施方式

为使本说明书实施例的目的、技术方案和优点更加清楚，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本说明书一部分实施例，而不是全部的实施例。其中，除另有说明的以外，多个指的是两个或两个以上。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明保护的范围。

实施例1：

参见图1-6所示，本实施例提供一种智能交通预警方法，包括：

交通信息获取，通过道路图像获取对象目标，对象目标包括第一对象目标与正在向第一对象目标靠近的第二对象目标，并分别获取第一对象目标和第二对象目标的移动方向和移动速度，通过第一对象目标、第二对象目标的移动方向和移动速度计算出第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需的时间，第一预设阈值为2m；

交通危险预测，当第一对象目标与第二对象目标之间的距离缩短至达到第一预设阈值所需的时间小于或等于第二预设阈值时，则预测存在交通危险；否则，继续进行交通信息获取步骤，第二预设阈值为15s；

作出预警响应，控制预警响应设备作出相应的预警响应。

在本实施例中，为人车冲突的危险预测，即第一对象目标为斑马线上的行人，第二对象目标为正向斑马线的车辆，通过上述方法能够实时进行人车冲突危险事件预测并能够控制预警响应设备作出警示提醒。

具体地，通过道路图像获取对象目标可以通过以下算法实现：

对象检测：

a)从路端摄像头1获取一张t时刻的道路图片作为输入图像INPUT，并将其大小调整为所需的特定尺寸，宽W，高H；在使用中，会根据设备性能和检测效果两者来确定尺寸；其中，t时刻为当前时刻；

b)特征提取部分：将输入图像输入至特征提取器中，作特征提取卷积操作，得到该输入图像的多层特征映射图。在本发明所提出的方法中，如图2所示内容作示范。如图2所示，输入一张输入图像INPUT，得到输入图像INPUT的特征映射图C1、C2、C3、C4、C5。操作及数据处理从前到后的顺序为：INPUT→C1→C2→C3→C4→C5。

c)检测部分：使用全连接层预测对象在图像中的位置和其类别的置信度值。将步骤b得到的特征映射矩阵C5输入至全连接层，通过两层全连接层，输出大小为S*S*(B*5+C)*1的矩阵。其中，S*S为提前设定的图像分割大小，将图像分割成S*S个格子，每个格子大小为

C为检测对象类别数量；B*5中的B为每个格子的候选框数量，B*5中的5代表一个格子中每个候选框需输出5个数值，分别为预测对象框相对当前格子的中心点横坐标x、中心点纵坐标y、高h、宽w以及当前格子是否包含对象及物体位置的准确性confidence。

d)将步骤c所得数据作激活、反归一化等计算，得到在图像的S*S个格子中，C个对象类别在每个格子的B个候选框的置信度，C个对象的检测框相对格子的中心点横坐标、中心点纵坐标及其高、宽。通过置信度排序筛选，输出置信度最高的对象、预测框。在本实施例中，检测的对象有机动车、非机动车和行人；从而检测出斑马线上的行人以及正向斑马线的机动车辆。

在本实施例的交通危险预测步骤中，获取对象目标后，获取t至t+n每一时刻的道路图像，计算出t至t+n时间内道路图像中所有对象目标的每一时刻坐标及其每个时间段的移动偏移坐标距离；根据第一对象目标的每一时刻坐标及其每个时间段的移动偏移坐标距离计算得出第一对象目标的移动方向和移动速度；根据第二对象目标的每一时刻坐标及其每个时间段的移动偏移坐标距离计算得出第二对象目标的移动方向和移动速度；利用第一对象目标和第二对象目标的移动方向和移动速度计算出第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需的时间。

具体地，第一对象目标和第二对象目标的移动偏移坐标距离可以通过以下算法实现：

对象跟踪：

a)从路端摄像头1获取t、t+1时刻的两张图片作为输入图像INPUT A、INPUT B，并将其大小调整为所需的特定尺寸，宽W，高H；在使用中，会根据设备性能和检测效果两者来确定尺寸；其中，t时刻为当前时刻；

b)特征提取：将两张输入图像分别输入至特征提取器中，分别作特征提取卷积操作，并得到两张输入图像各自对应的多层特征映射图。在本发明所提出的方法中，以图3所示内容作示范。如图3所示，两张图像INPUT_A、INPUT_B输入至与对象检测中的b)步骤中结构相同的卷积网络特征提取器中，得到属于输入图像INPUT_A的特征映射图C1_A、C2_A、C3_A、C4_A、C5_A，与输入输入图像INPUTB的特征映射图C1_B、C2_B、C3_B、C4_B、C5_B。操作及数据处理从前到后的顺序为：INPUT_A→C1_A→C2_A→C3_A→C4_A→C5_A、INPUT_B→C1_B→C2_B→C3_B→C4_B→C5_B。

c)融合部分：将步骤b得到特征映射图C5_A、C5_B分别对应地按通道深度作连接操作，后再对得到的连接操作结果映射图做卷积操作，得到特征映射图P1。操作过程及数据处理过程如图3。

d)跟踪部分：使用全连接层预测图像中是否有一对象目标及移动偏移的距离。将步骤c得到的特征映射图P1输入至全连接层，通过两层全连接层，输出大小为S*S*(B*11)*1的矩阵。其中，S*S为提前设定的图像分割大小，将图像分割成S*S个格子，每个格子大小为

B为每个格子的候选框数量；11为一个格子中每个候选框需输出11个数值，分别为在第一个图像中预测对象框相对当前格子的中心点横坐标x1、中心点纵坐标y1、高h1、宽w1以及当前格子是否包含对象及物体位置的准确性confidence1，在第二个图像中预测对象框相对当前格子的中心点横坐标x2、中心点纵坐标y2、高h2、宽w2以及当前格子是否包含对象及物体位置的准确性confidence2，以及两张图像在同一位置的候选框内存在同一对象的置信度值p_same。

e)将步骤d所得数据，通过激活、反归一化及映射等操作，得到在图像INPUT_A、INPUT_B上的S*S个格子上的B个候选框是否有同一对象目标及其移动偏移距离的数值。

以抽象简单的方式描述该对象跟踪算法如下：

将2张图像分别分割S*S个格子，如图4所示。

每个小格都会对自己区域内的对象进行检测。每个小格都有B个预测框，如图5所示。

每个预测框都对区域内的对象中心点坐标、对象box的高&宽、置信度进行预测。不仅对对象的box进行检测，还对2张图像的关系进行关联，判断其是否为同一对象。如图6所示。

在本实施例中，采用端到端的算法，对整张图像进行特征提取，一次性计算出整张图像的检测结果。其中，每个小格可检测多个对象目标，且对象box也是根据图像特征得出。

在本实施例的交通危险预测步骤中，通过上述对象跟踪算法计算可得t至t+n时间内图像中所有对象目标的每一时刻坐标及其每个时间段的移动偏移坐标距离；

在本实施例的交通危险预测步骤中，当预测存在交通危险后，需要进行危险等级的确定；

根据得到的移动偏移坐标距离，可得到对象目标在图像上的移动方向及移动速度。

例如：车辆A在t1时刻的坐标为(x₁,y₁)。在t2时刻的坐标为(x₂,y₂)。

其中，在时间段t₂-t₁内,对象运动方向为(x₂-x₁,y₂-y₁)；

速度

利用以上数据，计算第一对象目标与第二对象目标之间的距离缩短至2m所需的时间；

判定危险等级高低的元素，为上述所得到的第一对象目标与第二对象目标之间的距离缩短至2m所需的时间，所需时间越短，危险等级越高。

当第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需要的时间大于或等于10s时，危险等级为低级；

当第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需要的时间小于10s且大于5s时，危险等级为中级；

当第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需要的时间小于或等于5s时，危险等级为高级，或者第一对象目标与第二对象目标之间的距离小于第二预设阈值时，危险等级为高级。

在本实施例中，确定危险等级后，发送信号至预警响应设备，使预警响应设备接收信号后作出警示提醒；预警响应设备包括智能道钉灯5、智能音柱6和智能灯牌7。

在本实施例中，道路的左右两侧均设置有1个以上的智能道钉灯5，位于第一对象目标或第二对象目标附近的智能道钉灯5接收到信号后，能够发射光线实现警示提醒；

当危险等级为高级时，智能道钉灯5的发射光线频率为1秒10次以上；当危险等级为中级时，智能道钉灯5的发射光线频率为1秒5-10次；当危险等级为低级时，智能道钉灯5的发射光线频率为1秒5次以下；

道路附近设置有1个以上的智能音柱6，位于第一对象目标或第二对象目标附近的智能音柱6接收信号后，能够播放音频实现示警提醒；智能音柱6播放的音频的音量设置为3个等级，分别为一级音量、二级音量和三级音量，当危险等级为高级时，智能音柱6播放的音频的音量为一级音量；当危险等级为中级时，智能音柱6播放的音频的音量为二级音量；当危险等级为低级时，智能音柱6播放的音频的音量为三级音量；一级音量的声音强度比二级音量大，二级音量的声音强度比三级音量大；

道路附近设置有1个以上的智能灯牌7，智能灯牌7接收信号后，能够进行发光和闪烁实现示警提醒；当危险等级为高级时，智能灯牌7的闪烁频率为1秒10次以上；当危险等级为中级时，智能灯牌7的闪烁频率为1秒5-10次；当危险等级为低级时，智能灯牌7的闪烁频率为1秒5次以下。

本发明的智能交通预警方法还包括有环境光检测步骤，计算出环境光强度数值，根据环境光强度数值确定环境光强度的等级；

当环境光强度数值在0-33时，环境光强度的等级为一级强度；

当环境光强度数值在34-66时，环境光强度的等级为二级强度；

当环境光强度数值在67-99时，环境光强度的等级为三级强度。

具体地，环境光强度可以采用以下环境光强度检测算法实现：

a)从路端摄像头1获取当前时刻图片作为输入图像INPUT，并将其大小调整为特定尺寸，宽W，高H。

b)特征提取卷积部分：将输入图像INPUT输入至特征提取器中，作特征提取卷积操作，得到该输入图像的多层特征映射图。如图2所示，输入一张图像INPUT，得到图像INPUT的特征映射图C1、C2、C3、C4、C5。操作及数据处理从前到后的顺序为：INPUT→C1→C2→C3→C4→C5。

c)环境光强度检测部分：使用全连接层预测图像的环境光强度。将步骤b所得特征映射图C5通过全连接层计算，输出大小为100*1的向量，向量通过激活、反归一化等计算操作，得到100个置信度值，分别代表该图像的环境光强度0至99的置信度，将置信度根据大小排序，置信度最高的向量为环境光强度数值，其所代表等级即为环境光强度等级。

在本实施例中，智能道钉灯5与智能灯牌7的发光强度根据环境亮度的强度而调整为3个等级，分别为一级亮度、二级亮度和三级亮度，

当环境光强度的等级为一级强度时，智能道钉灯5与智能灯牌7的发光强度为一级亮度；

当环境光强度的等级为一级强度时，智能道钉灯5与智能灯牌7的发光强度为二级亮度；

当环境光强度的等级为一级强度时，智能道钉灯5与智能灯牌7的发光强度为三级亮度；

其中，一级亮度的发光强度比二级亮度大，二级亮度的发光强度比三级亮度大。

在本发明中，发光强度根据人眼实际看的效果来调，一级亮度为高亮，二级亮度为中亮，三级亮度为低亮，即看得到的亮度；智能道钉灯5与智能灯牌7会根据环境亮度的强弱来调整发射强度，在晴天环境条件下，智能道钉灯5与智能灯牌7的发光强度是高亮的；在阴天环境条件下，智能道钉灯5与智能灯牌7的发光强度是中亮的；在夜晚环境条件下，智能道钉灯5与智能灯牌7的发光强度是低亮的，使其发射光线强度不刺眼且不易被忽视；其中，发射光线强度是无极调节的，具备宽环境适应性。

在本实施例中，对象检测算法负责检测行人、机动车、非机动车的坐标和类别；对象跟踪算法负责在一个时间段内，不同图像帧间对象目标之间的联系；环境光强度检测算法负责对环境光强弱等级进行分类，以便响应设备发光强度的调控；交通危险预测步骤负责判定危险发生的可能性及危险等级的大小。

实施例2：

参见图1所示，本实施例提供一种智能交通预警系统，包括：

图像获取装置，用于获取实时道路图像，其中，图像获取装置包括多个摄像头1，通过多个摄像头1获取图像后能够根据实时图像的视觉特征识别车或者人发生了什么事情，也可以识别天气条件等，方便作出交通危险预测；

边缘计算终端3，用于进行交通危险预测，通过边缘计算终端3能够实时计算并响应，稳定性高，传输速度快，大量计算及数据在边缘进行处理，仅需将需要的结构化数据发至云端，大大减小远程运输量；而且能够24小时不间断工作，实现交通预警，节省大量人力成本。

预警响应设备，用于作出警示提醒，其中，预警响应设备包括智能道钉灯5、智能音柱6和智能灯牌7。

图像获取装置与边缘计算终端3通讯连接，图像获取装置获得实时图像后传输至边缘计算终端3；

边缘计算终端3根据获取的道路图像检测对象目标，对象目标包括第一对象目标与正在向第一对象目标靠近的第二对象目标，通过边缘计算终端3计算出第一对象目标和第二对象目标的移动方向和移动速度，并通过第一对象目标、第二对象目标的移动方向和移动速度计算出第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需的时间，当第一对象目标与第二对象目标之间的距离缩短至达到第一预设阈值所需的时间小于或等于第二预设阈值时，则预测存在交通危险；

预警响应设备与边缘计算终端3通讯连接；边缘计算终端3预测存在交通危险后，控制预警响应设备作出警示提醒；

其中，第一预设阈值为正整数，单位为米；第二预设阈值为正整数，单位为秒。

具体地，如图1所示，通过多个摄像头1获取实时图像，通过交换机2传输至边缘计算终端3，边缘计算终端3进行人车冲突危险的预测，再通过无线控制器4控制预警响应设备作出警示提醒行为。

其中，边缘计算终端3能够通过4G/5G通讯模块8与云服务器9通讯连接。其中，4G/5G通讯模块8，即IC芯片，从而支持扩展为有4G\5G通讯功能，在无已有网络线路或不具备布线条件的交通路段，4G/5G通讯模块8可支持云功能的正常工作，如系统云端更新、系统实时响应云端命令等。

实施例1的交通预警方法基于本实施例的智能交通预警系统实现，在本实施例中，当检测到有行人正在过马路以及有机动车正在驶向相关斑马线，边缘计算终端3会判定为此时存在危险发生的可能。当判定到存在危险发生的可能时，边缘计算终端3会进一步根据两者的相对速度及距离，对可能发生的危险进行分级。相对速度越快，相对距离越小，危险等级越高。反之，相对速度越慢，相对距离越大，危险等级越低。经过计算，确定危险等级后，边缘计算终端3会将危险等级信号通过无线控制器4发送至智能道钉灯5、智能音柱6、智能灯牌7，实时对行人及司机进行交通危险预警提醒。

其中，智能道钉灯5、智能音柱6、智能灯牌7将根据危险等级的高低作出不同的响应。而现有技术中，普通的道钉灯只能简单地和交通信号灯联动，仅作为信号灯的一种简单扩展，非智能化，易被司机、行人习惯而忽视，很难起到警示功能；普通的音柱只能定时播放固定的音频，或是通过红外检测音柱附近有物体时播放固定的音频，易被司机、行人习惯而忽视，非智能化，且频繁地、非针对性地播放造成噪声污染。普通灯牌易被忽视，且无法针对性地做出响应。

本实施例的智能道钉灯5安装在人行斑马线的左右两侧(每条斑马线)，在接受到危险发生可能的信号时，距离行人所处位置最近的智能道钉灯5会向来车方向，对司机方发射光线作出警示提醒。随着行人的移动，该智能交通预警系统会动态地调动行人实时所处位置的附近的智能道钉灯5作出响应。当危险等级越高时，智能道钉灯5发射光线的频率越快；当危险等级越低时，智能道钉灯5发射光线的频率越慢。

此外，智能道钉灯5发射的光线强度会根据环境亮度的强弱(由边缘计算端利用图像计算得到)来调整发射强度，例：在晴天环境条件下，智能道钉灯5的光线强度是高亮的；在阴天环境条件下，智能道钉灯5的光线强度是中亮的；在夜晚环境条件下，智能道钉灯5的光线强度是低亮的。使其发射光线强度不刺眼且不易被忽视。发射光线强度是无极调节的，具备宽环境适应性。

智能音柱6安装在人行道或安全岛靠近斑马线的地方，在接受到危险发生可能的信号时，行人所处位置附近的智能音柱6会发出警示提醒。同样，当危险等级越高时，智能音柱6播放的音频内容会更警醒且更大声；当危险等级越低时，智能音柱6播放的音频内容会较平缓且音量中等。

智能灯牌7安装在人行道的来车方向前10米或更远处，在接受到危险发生可能的信号时，智能灯牌7会进行发光、闪烁响应，向机动车驾驶人发出警示提醒。当危险等级越高时，智能灯牌7的闪烁频率越快；当危险等级越低时，智能灯牌7的闪烁频率越慢。此外，智能灯牌7的发光强度会根据环境亮度的强弱(由边缘计算端利用图像计算得到)来调整发光强度，其发射光线强度不刺眼且不易被忽视。发光强度是无极调节的，具备宽环境适应性。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种智能交通预警方法，包括：

交通信息获取，通过道路图像获取对象目标，对象目标包括第一对象目标与正在向第一对象目标靠近的第二对象目标，并分别获取第一对象目标和第二对象目标的移动方向和移动速度，通过第一对象目标、第二对象目标的移动方向和移动速度计算出第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需的时间，第一预设阈值为正整数，单位为米；

交通危险预测，当第一对象目标与第二对象目标之间的距离缩短至达到第一预设阈值所需的时间小于或等于第二预设阈值时，则预测存在交通危险；否则，继续进行交通信息获取步骤，第二预设阈值为正整数，单位为秒；

作出预警响应，预测存在交通危险后，控制预警响应设备作出相应的预警响应；

在前述交通信息获取步骤中，获取t至t+n每一时刻的道路图像，计算出t至t+n时间内道路图像中所有对象目标的每一时刻坐标及其每个时间段的移动偏移坐标距离；根据第一对象目标的每一时刻坐标及其每个时间段的移动偏移坐标距离计算得出第一对象目标的移动方向和移动速度；根据第二对象目标的每一时刻坐标及其每个时间段的移动偏移坐标距离计算得出第二对象目标的移动方向和移动速度；利用第一对象目标和第二对象目标的移动方向和移动速度计算出第一对象目标与第二对象目标之间的距离缩短至第二预设阈值所需要的时间；

获取t至t+n每一时刻的道路图像，计算出t至t+n时间内道路图像中所有对象目标的每一时刻坐标及其每个时间段的移动偏移坐标距离，包括如下步骤(a)～(e)：

(a)从路端摄像头获取在相邻时刻采集的两张图像作为输入图像，并将输入图像的大小调整为所需的特定尺寸：宽W和高H；

(b)特征提取：将两张输入图像分别输入至特征提取器中，分别作特征提取卷积操作，并得到两张输入图像各自对应的多层特征映射图；

(c)融合部分：将两个最末层特征映射图分别对应地按通道深度作连接操作，后再对得到的连接操作结果映射图做卷积操作，得到特征映射图P1，其中，所述两个最末层特征映射图与所述两张输入图像一一对应，所述最末层特征映射图为在对应的多层特征映射图中的最后一层特征映射图；

(d)跟踪部分：将所述特征映射图P1输入至全连接层，通过两层全连接层，输出大小为S*S*(B*11)*1的矩阵，其中，S*S为提前设定的图像分割大小，将图像分割成S*S个格子，每个格子大小为

B为每个格子的候选框数量，11为一个格子中每个候选框需输出的11个数值，分别为在第一个图像中预测对象框相对当前格子的中心点横坐标x1、中心点纵坐标y1、高h1、宽w1以及当前格子是否包含对象及物体位置的准确性confidence1，在第二个图像中预测对象框相对当前格子的中心点横坐标x2、中心点纵坐标y2、高h2、宽w2以及当前格子是否包含对象及物体位置的准确性confidence2，以及两张图像在同一位置的候选框内存在同一对象的置信度值p_same；

(e)将步骤(d)所得数据，通过激活、反归一化及映射操作，得到在所述两张输入图像上的S*S个格子上的B个候选框是否有同一对象目标及其移动偏移距离的数值。

2.根据权利要求1所述的智能交通预警方法，其特征在于，交通危险预测步骤中，当预测存在交通危险后，根据第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需的时间进行危险等级的确定，所需时间越短，危险等级越高。

3.根据权利要求2所述的智能交通预警方法，其特征在于，第一预设阈值为2m-5m，第二预设阈值为15s-20s。

4.根据权利要求3所述的智能交通预警方法，其特征在于，当第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需要的时间大于或等于10s时，危险等级为低级；

当第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需要的时间小于10s且大于5s时，危险等级为中级；

当第一对象目标与第二对象目标之间的距离缩短至第一预设阈值所需要的时间小于或等于5s时，危险等级为高级，或者第一对象目标与第二对象目标之间的距离小于第二预设阈值时，危险等级为高级。

5.根据权利要求2所述的智能交通预警方法，其特征在于，确定危险等级后，发送信号至预警响应设备，使预警响应设备接收信号后作出警示提醒；所述预警响应设备包括智能道钉灯、智能音柱和智能灯牌中的至少一种。

6.根据权利要求5所述的智能交通预警方法，其特征在于，道路的左右两侧均设置有1个以上的智能道钉灯，位于第一对象目标或第二对象目标附近的智能道钉灯接收到信号后，能够发射光线实现警示提醒；

当危险等级为高级时，智能道钉灯的发射光线频率为1秒10次以上；当危险等级为中级时，智能道钉灯的发射光线频率为1秒5-10次；当危险等级为低级时，智能道钉灯的发射光线频率为1秒5次以下；

道路附近设置有1个以上的智能音柱，位于第一对象目标或第二对象目标附近的智能音柱接收信号后，能够播放音频实现示警提醒；智能音柱播放的音频的音量设置为3个等级，分别为一级音量、二级音量和三级音量，当危险等级为高级时，智能音柱播放的音频的音量为一级音量；当危险等级为中级时，智能音柱播放的音频的音量为二级音量；当危险等级为低级时，智能音柱播放的音频的音量为三级音量；一级音量的声音强度比二级音量大，二级音量的声音强度比三级音量大；

道路附近设置有1个以上的智能灯牌，所述智能灯牌接收信号后，能够进行发光和闪烁实现示警提醒；当危险等级为高级时，智能灯牌的闪烁频率为1秒10次以上；当危险等级为中级时，智能灯牌的闪烁频率为1秒5-10次；当危险等级为低级时，智能灯牌的闪烁频率为1秒5次以下。

7.根据权利要求6所述的智能交通预警方法，其特征在于，还包括有环境光强度检测步骤，计算出环境光强度数值，根据环境光强度数值确定环境光强度的等级；

当环境光强度数值在0-33时，环境光强度的等级为一级强度；

当环境光强度数值在34-66时，环境光强度的等级为二级强度；

当环境光强度数值在67-99时，环境光强度的等级为三级强度。

8.根据权利要求7所述的智能交通预警方法，其特征在于，所述智能道钉灯与智能灯牌的发光强度根据环境亮度的强度而调整为3个等级，分别为一级亮度、二级亮度和三级亮度，

当环境光强度的等级为三级强度时，智能道钉灯与智能灯牌的发光强度为一级亮度；

当环境光强度的等级为二级强度时，智能道钉灯与智能灯牌的发光强度为二级亮度；

当环境光强度的等级为一级强度时，智能道钉灯与智能灯牌的发光强度为三级亮度；

其中，一级亮度的发光强度比二级亮度大，二级亮度的发光强度比三级亮度大。

Images