CN114463976B - 一种基于3d车辆轨迹的车辆行为状态判定方法及系统 - Google Patents

Abstract

本发明公开一种基于3D车辆轨迹的车辆行为状态判定方法及系统，涉及智能停车管理领域，包括：通过已有业务流程中的基于视频图像的目标追踪获取的车辆检测框时序数据，结合车辆尺寸信息、摄像头对应的相机参数，地面泊位顶点标注数据、以及所述泊位的物理边长信息，获取在对应摄像头预设的相对世界坐标系下的三维底面中心点的行驶轨迹信息，并对三维底面中心点的行驶轨迹信息进行预置平移处理和函数拟合获取最终的校正车辆行驶轨迹信息以及车辆行为识别编码向量，从而可以有效提升获取到的车辆行驶轨迹的模式一致性，消除摄像头的视角误差和二维图像透视变形造成的轨迹形变的影响，从而提升车辆行为状态判断准确度。

Description

一种基于3D车辆轨迹的车辆行为状态判定方法及系统

技术领域

本发明涉及智能停车管理领域，特别涉及一种基于3D车辆轨迹的车辆行为状态判定方法及系统。

背景技术

在基于高位视频的路侧车场监控场景下，通过对车辆行驶轨迹进行追踪进而判断车辆的行为意图，例如对泊车或者路过泊位等行为意图识别，可以对车场内目标车辆的信息采集以及管理起着非常重要的作用。

目前对车辆的行驶轨迹进行采集的方法通常是根据视频图像的目标追踪结果，直接获取2D图像上目标检测中心点形成的轨迹点信息。然而由于路侧停车系统中的高位视频设备安装高度与角点在各个车场位置不尽相同，因此采集的2D图像中的内容会有明显的透视形变，进而导致追踪的目标车辆形成的轨迹形态也会有明显形变，造成不同摄像头采集的不同车辆同种行为意图的轨迹线所呈现的形态差异较大，而不同行为意图的轨迹线所呈现的形态则可能非常相似，从而难以形成易于区分不同行为意图的轨迹模式以及制定统一稳定的模式判断准则；同时由于车场实际环境较为复杂，目标车辆拍摄结果可能存在遮挡、拖影等有效信息损失的情况，进而造成追踪结果丢失，进而导致现有车辆行为状态判断准确度难以保证。

发明内容

为解决上述技术问题，本发明提供一种基于3D车辆轨迹的车辆行为状态判定方法及系统，可以解决现有车辆行为状态判断准确度难以保证的问题。

为实现上述目的，一方面，本发明一种基于3D车辆轨迹的车辆行为状态判定方法，所述方法包括：

根据采集的监控区域图像获取车辆目标的车辆检测框时序数据、车辆尺寸信息、摄像头对应的相机参数，地面泊位顶点标注数据、泊位位置编码信息、以及所述泊位的物理边长信息；

根据辆检测框时序数据、车辆尺寸信息、摄像头对应的相机参数，地面泊位顶点标注数据、以及所述泊位的物理边长信息，获取所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息；

根据所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息进行预置平移处理和函数拟合得到车辆轨迹编码矩阵；

根据所述车辆轨迹编码矩阵确认所述车辆行为状态信息。

进一步地，所述获取泊位位置编码信息的步骤包括：

根据所述泊位的物理边长信息获取四个标注点的x坐标均值，并对泊位四个标注点的x坐标均值进行归一化处理，得到x坐标均值归一化结果；

根据x坐标均值归一化结果与预设阈值的比对结果以及车辆目标的车辆检测框时序数据获取泊位位置编码信息。

进一步地，其特征在于，所述根据所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息进行预置平移处理的步骤包括：

根据所述泊位位置编码，获取泊位外侧边界坐标；

对所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息中的每一个点坐标进行平移处理：

对平移处理后每一个点的坐标进行尺度变换处理获取平移处理后的轨迹信息。

进一步地，所述根据所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息进行预置平移处理和函数拟合得到车辆轨迹编码矩阵的步骤包括：

根据一次函数拟合f1＝a1y+x+b1和二次函数拟合f2＝a2y^2+x+b2对平移处理后的轨迹信息进行函数拟合，并选择拟合误差较小的拟合函数 f＝argmin(err_f1,err_f2)；

根据平移处理后的轨迹信息中的n个采样点的坐标信息和所述拟合函数f＝argmin(err_f1,err_f2)，生成所述车辆轨迹编码矩阵。

进一步地，所述根据所述车辆轨迹编码矩阵确认所述车辆行为状态信息的步骤包括：

根据所述车辆轨迹编码矩阵中的xi坐标，获取序列符号向量，并将所述序列符号向量相邻元中相同量进行合并：

根据合并后向量的数值与预设阈值的比较结果以及所述车辆目标的车辆检测框时序数据，获取车辆行为状态信息。

另一方面，本发明提供一种基于3D车辆轨迹的车辆行为状态判定系统，所述系统包括：获取单元，用于根据采集的监控区域图像获取车辆目标的车辆检测框时序数据、车辆尺寸信息、摄像头对应的相机参数，地面泊位顶点标注数据、泊位位置编码信息、以及所述泊位的物理边长信息；

所述获取单元，还用于根据辆检测框时序数据、车辆尺寸信息、摄像头对应的相机参数，地面泊位顶点标注数据、以及所述泊位的物理边长信息，获取所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息；

处理单元，用于根据所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息进行预置平移处理和函数拟合得到车辆轨迹编码矩阵；

确认单元，用于根据所述车辆轨迹编码矩阵确认所述车辆行为状态信息。

进一步地，所述获取单元，具体用于根据所述泊位的物理边长信息获取四个标注点的x坐标均值，并对泊位四个标注点的x坐标均值进行归一化处理，得到x坐标均值归一化结果；根据x坐标均值归一化结果与预设阈值的比对结果以及车辆目标的车辆检测框时序数据获取泊位位置编码信息。

进一步地，所述处理单元，具体用于根据所述泊位位置编码，获取泊位外侧边界坐标；对所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息中的每一个点坐标进行平移处理：对平移处理后每一个点的坐标进行尺度变换处理获取平移处理后的轨迹信息。

进一步地，所述处理单元，具体还用于根据一次函数拟合f1＝a1y+x+b1 和二次函数拟合f2＝a2y^2+x+b2对平移处理后的轨迹信息进行函数拟合，并选择拟合误差较小的拟合函数f＝argmin(err_f1,err_f2)；根据平移处理后的轨迹信息中的n个采样点的坐标信息和所述拟合函数 f＝argmin(err_f1,err_f2)，生成所述车辆轨迹编码矩阵。

进一步地，所述确认单元，具体用于根据所述车辆轨迹编码矩阵中的 xi坐标，获取序列符号向量，并将所述序列符号向量相邻元中相同量进行合并：

根据合并后向量的数值与预设阈值的比较结果以及所述车辆目标的车辆检测框时序数据，获取车辆行为状态信息。

本发明提供的一种基于3D车辆轨迹的车辆行为状态判定方法及系统，通过已有业务流程中的基于视频图像的目标追踪获取的车辆检测框时序数据，结合车辆尺寸信息、摄像头对应的相机参数，地面泊位顶点标注数据、以及所述泊位的物理边长信息，获取在对应摄像头预设的相对世界坐标系下的三维底面中心点的行驶轨迹信息，并对三维底面中心点的行驶轨迹信息进行预置平移处理和函数拟合获取最终的校正车辆行驶轨迹信息以及车辆行为识别编码向量，从而可以有效提升获取到的车辆行驶轨迹的模式一致性，消除摄像头的视角误差和二维图像透视变形造成的轨迹形变的影响，从而提升车辆行为状态判断准确度。

附图说明

图1是本发明提供的一种基于3D车辆轨迹的车辆行为状态判定方法的流程图；

图2是本发明提供的一种基于3D车辆轨迹的车辆行为状态判定系统的结构示意图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

如图1所示，本发明实施例提供的一种基于3D车辆轨迹的车辆行为状态判定方法，包括如下步骤：

101、根据采集的监控区域图像获取车辆目标的车辆检测框时序数据、车辆尺寸信息、摄像头对应的相机参数，地面泊位顶点标注数据、泊位位置编码信息、以及所述泊位的物理边长信息。

对于本发明实施例，所述获取泊位位置编码信息的步骤包括：根据所述泊位的物理边长信息获取四个标注点的x坐标均值，并对泊位四个标注点的x坐标均值进行归一化处理，得到x坐标均值归一化结果；根据x坐标均值归一化结果与预设阈值的比对结果以及车辆目标的车辆检测框时序数据获取泊位位置编码信息。

具体地，通过摄像头实时采集的图片，获取对应的目标车辆动态信息以及车场静态信息，其中：车辆动态信息包括追踪算法获取的追踪目标的检测框时序数据，以及对应的追踪车辆类型信息并以此获取对应车辆类型的长宽高；车场静态信息包括该摄像头对应的相机参数，图片中地面泊位顶点标注数据berth＝(b1,b2,b3,b4)以及该泊位的物理边长信息，包括宽 berth_w和长berth_l。

其中，首次使用该算法需要根据泊位标注数据获取泊位位置编码 berth_poi，具体计算方法为：

①获取采集图片的物理宽度尺寸w，计算泊位四个标注点的x坐标均值并进行归一化操作，xb_mean＝(b1_x+b2_x+b3_x+b4_x)/4/w；

②如果xb_mean<0.5，则表示泊位位于图片左半部分berth_poi＝-1；如果xb_mean>0.5，则表示泊位位于图片右半部分berth_poi＝1；

③如果xb_mean＝0.5，则需要进一步检测车辆的通行位置信息：获取一段时间内的该摄像头的所有车辆检测框信息car_j＝(c1,c2,c3,c4)，同步骤①一样计算归一化的x坐标均值xc_mean_j＝(c1_x+c2_x+c3_x+c4_x)/4/w，并进一步计算所有获取的检测框的xc_mean_j的均值xc_mean，如果 xc_mean<xb_mean，则表示泊位位于图片右半部分berth_poi＝1，如果 xc_mean>xb_mean，则表示泊位位于图片左半部分berth_poi＝-1。将该泊位位置编码信息存储于泊位管理系统数据库内用于后续计算直接调用。

102、根据辆检测框时序数据、车辆尺寸信息、摄像头对应的相机参数，地面泊位顶点标注数据、以及所述泊位的物理边长信息，获取所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息。

具体地，利用车场静态信息、车辆尺寸信息以及逐帧追踪检测到的目标车辆检测框数据，通过特征点3D重构算法获取每一帧图像i中目标车辆的底面中心点在相对世界坐标系下的坐标cbm_est_i，并根据图像i在时序中的排序顺序构成相应的在相对世界坐标系下的三维底面中心点的行驶轨迹信息Path＝(cbm_est_i,i＝1,...,n)；同时，返回该摄像头标注泊位在同一相对世界坐标系下的三维坐标park_w_ann＝(p1,p2,p3,p4),其中，由于该参数在人工设定时的简便性，将实际泊位对应为一个在相对世界坐标系下的高度z＝0的并且边与坐标轴平行的矩形，则四个端点的三维坐标可以简化为矩形框坐标park_w_ann＝(xmin,ymin,xmax,ymax)。

103、根据所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息进行预置平移处理和函数拟合得到车辆轨迹编码矩。

对于本发明实施例，步骤103具体可以包括：根据所述泊位位置编码，获取泊位外侧边界坐标；对所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息中的每一个点坐标进行平移处理：对平移处理后每一个点的坐标进行尺度变换处理获取平移处理后的轨迹信息。根据一次函数拟合f1＝a1y+x+b1和二次函数拟合f2＝a2y^2+x+b2对平移处理后的轨迹信息进行函数拟合，并选择拟合误差较小的拟合函数 f＝argmin(err_f1,err_f2)；根据平移处理后的轨迹信息中的n个采样点的坐标信息和所述拟合函数f＝argmin(err_f1,err_f2)，生成所述车辆轨迹编码矩阵。

具体地，根据泊位位置编码berth_poi，选取泊位外侧边界的x_out坐标：当berth_poi＝-1，x_out＝xmax；当berth_poi＝1，x_out＝xmin；然后对轨迹时序信息Path中的每一个点cbm_est_i的x坐标进行平移处理： cbm_est_new_i_x＝(cbm_est_i_x-x_out)*berth_poi，变换后的轨迹点具有表征该轨迹点是否位于泊位内侧的属性：当cbm_est_i_xnew>0，则该点位于外泊位线内侧，否则位于外泊位线外侧，变换后轨迹点坐标表示为 cbm_est_new_i；再对Path中的点cbm_est_new_i进行尺度变换处理获取新的轨迹信息Path_new＝(path_i):path_i_x＝cbm_est_new_i_x/berth_w， path_i_y＝(cbm_est_new_i_y-berth_ymean)/berth_l,其中， berth_ymean＝mean(b1_y,b2_y,b3_y,b4_y)，变换后的目标坐标和泊位相关性更为简洁明确。最后针对变换后的轨迹点簇 Path_new＝(path_i,i＝1,...,n)，分别进行一次函数拟合f1＝a1y+x+b1和二次函数拟合f2＝a2y^2+x+b2，计算选取其中拟合误差较小的为最终的拟合函数f＝argmin(err_f1,err_f2)；均匀选取n个采样点 yi＝path_i_ymin+(path_i_ymax-path_i_ymin)/n(n>＝3)，带入到拟合函数 f内计算得到对应的xi坐标，形成最终的维度为n*2的车辆轨迹编码矩阵 V＝{vi|vi＝(xi,yi),i＝1,...,n}＝[[xi,yi],...,[xn,yn]]。

104、根据所述车辆轨迹编码矩阵确认所述车辆行为状态信息。

对于本发明实施例，步骤104具体可以包括：根据所述车辆轨迹编码矩阵中的xi坐标，获取序列符号向量，并将所述序列符号向量相邻元中相同量进行合并：根据合并后向量的数值与预设阈值的比较结果以及所述车辆目标的车辆检测框时序数据，获取车辆行为状态信息。

具体地，针对V中的xi坐标，获取序列符号向量Vx＝sign(xi)，并将向量相邻元中相同量进行合并，并针对合并后向量Mx进行判断：如果Mx＝(1,-1) 或是Mx＝(-1,1)则表示车辆存在出入场行为，结合原始的时序数据Path_new 中的最终点符号信息Px＝sign(path_i_x[-1])，如果Px＝1，则存在车辆入场行为Intent＝1；如果Px＝-1，则存在车辆出场行为Intent＝2；如果Mx＝(1) 则表示车辆没有出泊位行为，Intent＝0；如果Mx＝(-1)则表示车辆没有进入泊位行为，Intent＝-1；如果Mx＝(-1,1,-1)则表示车辆存在先入场再出场的行为，同理如果如果Px＝1，则存在车辆入场行为Intent＝1；如果Px＝-1，则存在车辆徘徊但最终没有进入泊位，Intent＝-2；如果上述判断中Intent＝0 或1，则进一步针对车辆的跨位违规停车行为进行判断，获取跨位指示编码 Amphi：获取原始的时序数据Path_new中的最终点y值信息 Py＝abs(path_i_y[-1])，设定阈值为ythr(比如<0.25)，如果Py>ythr，则可能存在跨位停车行为，Amphi＝1，如果Py<ythr，则不存在跨位停车行为，Amphi＝0；最终结合车辆行为意图编码和跨位指示编码，获取复合的车辆行为类型识别编码behavior＝(Intent,Amphi)，并传输给后台的车辆监控管理系统用于后续算法流程处理工作。

其中，在未完成整个车辆入场并出场订单流程前，可实时获取最后一次的目标定位信息，更新轨迹信息时序Path_new以获取车辆轨迹编码矩阵 V，以及车辆行为类型识别编码behavior，系统内保存最后一次轨迹点信息 Path_new[-1]以及V、behavior数据，并根据behavior编码规则在出现关键信息节点时上传报警信息，如behavior>0，引入附加的监控操作算法流程，从而提升监控信息的实时精细化操作。

本发明提供的一种基于3D车辆轨迹的车辆行为状态判定方法，通过已有业务流程中的基于视频图像的目标追踪获取的车辆检测框时序数据，结合车辆尺寸信息、摄像头对应的相机参数，地面泊位顶点标注数据、以及所述泊位的物理边长信息，获取在对应摄像头预设的相对世界坐标系下的三维底面中心点的行驶轨迹信息，并对三维底面中心点的行驶轨迹信息进行预置平移处理和函数拟合获取最终的校正车辆行驶轨迹信息以及车辆行为识别编码向量，从而可以有效提升获取到的车辆行驶轨迹的模式一致性，消除摄像头的视角误差和二维图像透视变形造成的轨迹形变的影响，从而提升车辆行为状态判断准确度。

为实现本发明实施例提供的方法，本发明实施例提供一种基于3D车辆轨迹的车辆行为状态判定系统，如图2所示，该系统包括：获取单元21、处理单元22、确认单元23。

获取单元21，用于根据采集的监控区域图像获取车辆目标的车辆检测框时序数据、车辆尺寸信息、摄像头对应的相机参数，地面泊位顶点标注数据、泊位位置编码信息、以及所述泊位的物理边长信息；

所述获取单元21，还用于根据辆检测框时序数据、车辆尺寸信息、摄像头对应的相机参数，地面泊位顶点标注数据、以及所述泊位的物理边长信息，获取所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息；

处理单元22，用于根据所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息进行预置平移处理和函数拟合得到车辆轨迹编码矩阵；

确认单元23，用于根据所述车辆轨迹编码矩阵确认所述车辆行为状态信息。

进一步地，所述获取单元21，具体用于根据所述泊位的物理边长信息获取四个标注点的x坐标均值，并对泊位四个标注点的x坐标均值进行归一化处理，得到x坐标均值归一化结果；根据x坐标均值归一化结果与预设阈值的比对结果以及车辆目标的车辆检测框时序数据获取泊位位置编码信息。

进一步地，所述处理单元22，具体用于根据所述泊位位置编码，获取泊位外侧边界坐标；对所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息中的每一个点坐标进行平移处理：对平移处理后每一个点的坐标进行尺度变换处理获取平移处理后的轨迹信息。

进一步地，所述处理单元22，具体还用于根据一次函数拟合 f1＝a1y+x+b1和二次函数拟合f2＝a2y^2+x+b2对平移处理后的轨迹信息进行函数拟合，并选择拟合误差较小的拟合函数f＝argmin(err_f1,err_f2)；根据平移处理后的轨迹信息中的n个采样点的坐标信息和所述拟合函数 f＝argmin(err_f1,err_f2)，生成所述车辆轨迹编码矩阵。

进一步地，所述确认单元23，具体用于根据所述车辆轨迹编码矩阵中的xi坐标，获取序列符号向量，并将所述序列符号向量相邻元中相同量进行合并：根据合并后向量的数值与预设阈值的比较结果以及所述车辆目标的车辆检测框时序数据，获取车辆行为状态信息。

本发明提供的一种基于3D车辆轨迹的车辆行为状态判定系统，基于已有停车业务标注数据、常规摄像头设备的相机参数、以及实时识别的待判定车辆的车辆相关信息，在无需额外增加硬件设备的条件下，实现了一种基于3D车辆轨迹的车辆行为状态判定体系，本发明不仅可以在消除2D图片射影形变条件下实现更为准确的车辆目标3D车辆有向包围盒估计，并基于该有向包围盒进行车辆违停判定，从而可以提升车辆违停判定的准确性。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。

本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性 (interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。

本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。

在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc) 包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于3D车辆轨迹的车辆行为状态判定方法，其特征在于，所述方法包括：

根据采集的监控区域图像获取车辆目标的车辆检测框时序数据、车辆尺寸信息、摄像头对应的相机参数、地面泊位顶点标注数据、泊位位置编码信息、以及所述泊位的物理边长信息；

根据车辆检测框时序数据、车辆尺寸信息、摄像头对应的相机参数，地面泊位顶点标注数据、以及所述泊位的物理边长信息，获取所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息；

根据所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息进行预置平移处理和函数拟合得到车辆轨迹编码矩阵；

所述根据所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息进行预置平移处理的步骤包括：

根据所述泊位位置编码，获取泊位外侧边界坐标；

对所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息中的每一个点坐标进行平移处理：

对平移处理后每一个点的坐标进行尺度变换处理获取平移处理后的轨迹信息；

所述根据所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息进行预置平移处理和函数拟合得到车辆轨迹编码矩阵的步骤包括：

根据一次函数拟合f1＝a1 y+x+b1和二次函数拟合f2＝a2y^2+x+b2对平移处理后的轨迹信息进行函数拟合，并选择拟合误差较小的拟合函数f＝argmin(er r_f1,err_f2)；

根据平移处理后的轨迹信息中的n个采样点的坐标信息和所述拟合函数f＝argmin(err_f1,err_f2)，生成所述车辆轨迹编码矩阵；

根据所述车辆轨迹编码矩阵确认所述车辆行为状态信息；

所述根据所述车辆轨迹编码矩阵确认所述车辆行为状态信息的步骤包括：

根据所述车辆轨迹编码矩阵中的xi坐标，获取序列符号向量，并将所述序列符号向量相邻元中相同量进行合并：

根据合并后向量的数值与预设阈值的比较结果以及所述车辆目标的车辆检测框时序数据，获取车辆行为状态信息。

2.根据权利要求1所述的一种基于3D车辆轨迹的车辆行为状态判定方法，其特征在于，所述根据采集的监控区域图像获取泊位位置编码信息的步骤包括：

根据所述泊位的物理边长信息获取四个标注点的x坐标均值，并对泊位四个标注点的x坐标均值进行归一化处理，得到x坐标均值归一化结果；

根据x坐标均值归一化结果与预设阈值的比对结果以及车辆目标的车辆检测框时序数据获取泊位位置编码信息。

3.一种基于3D车辆轨迹的车辆行为状态判定系统，其特征在于，所述系统包括：

获取单元，用于根据采集的监控区域图像获取车辆目标的车辆检测框时序数据、车辆尺寸信息、摄像头对应的相机参数、地面泊位顶点标注数据、泊位位置编码信息、以及所述泊位的物理边长信息；

所述获取单元，还用于根据车辆检测框时序数据、车辆尺寸信息、摄像头对应的相机参数，地面泊位顶点标注数据、以及所述泊位的物理边长信息，获取所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息；

处理单元，用于根据所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息进行预置平移处理和函数拟合得到车辆轨迹编码矩阵；

所述处理单元，具体用于根据所述泊位位置编码，获取泊位外侧边界坐标；对所述车辆目标在相对世界坐标系下的三维底面中心点的行驶轨迹信息中的每一个点坐标进行平移处理：对平移处理后每一个点的坐标进行尺度变换处理获取平移处理后的轨迹信息；

所述处理单元，具体还用于根据一次函数拟合f1＝a1 y+x+b1和二次函数拟合f2＝a2y^2+x+b2对平移处理后的轨迹信息进行函数拟合，并选择拟合误差较小的拟合函数f＝argmin(err_f1,err_f2)；根据平移处理后的轨迹信息中的n个采样点的坐标信息和所述拟合函数f＝argmin(err_f1,err_f2)，生成所述车辆轨迹编码矩阵；

确认单元，用于根据所述车辆轨迹编码矩阵确认所述车辆行为状态信息；

所述确认单元，具体用于根据所述车辆轨迹编码矩阵中的xi坐标，获取序列符号向量，并将所述序列符号向量相邻元中相同量进行合并：

根据合并后向量的数值与预设阈值的比较结果以及所述车辆目标的车辆检测框时序数据，获取车辆行为状态信息。

4.根据权利要求3所述的一种基于3D车辆轨迹的车辆行为状态判定系统，其特征在于，

所述获取单元，具体用于根据所述泊位的物理边长信息获取四个标注点的x坐标均值，并对泊位四个标注点的x坐标均值进行归一化处理，得到x坐标均值归一化结果；根据x坐标均值归一化结果与预设阈值的比对结果以及车辆目标的车辆检测框时序数据获取泊位位置编码信息。

Images