專利名稱：一種基于車輛運動矢量場分析的異常交通狀況檢測方法
技術領域：
本發明屬于視頻檢測領域，具體涉及一種基于車輛運動矢量場分析的異常交通狀況檢測方法。
背景技術：
每年有無數起交通事故發生，其中違章行駛時交通事故頻繁產生的原因之一。因此，利用視頻監控對交通事件進行快速準確的檢測，已經成為越來越多人關心的問題。智能視頻監控系統的目標是監 視并理解場景中正在發生的事件，并根據預先設定的要求對異常事件進行報警；根據對運動目標所處的狀態或者位置預測即將要發生的事件，減少危險事件的發生。首先就是要能夠實時學習，認識正常運動目標的行為軌跡模式，在此基礎上檢測異常的運動目標軌跡。到目前為上，已形成了以利用紅外線、雷達等傳感器為手段的一系列車型判別分類方法。這些方法原理簡單，物理概念清晰明確，實現起來較容易，但也存在硬件系統較復雜，系統的環境適應能力較差，具有故障率較高、維修不便等缺陷，在實際使用中難以推廣。基于視頻的方法手段有背景差分法提取運動車輛，但在復雜的環境下，背景的提取，更新一直是一個難題，也在很大程度上影響了提取運動目標的質量。
發明內容
針對現有技術的不足和缺陷，本發明的目的在于，提供一種基于車輛運動矢量場交通事件檢測方法，該方法是建立于車輛運動軌跡跟蹤的基礎上，檢測攝像機拍攝的道路范圍內的異常車輛軌跡，從而達到檢測異常交通狀況的目的。為了實現上述任務，本發明采用如下技術方案予以實現:一種基于車輛運動矢量場分析的異常交通狀況檢測方法，該方法按照以下步驟進行:步驟一，獲取攝像機拍攝的視頻序列圖像，對其中一巾貞圖像利用基于塊的巾貞間差法檢測運動區域，由已有的Moravec角點提取算子以分塊的形式提取圖像特征點，從而找出運動區域的特征點；步驟二，采用全搜索方法和SAD塊匹配準則，在下一幀對已提取出的特征點進行搜索匹配，找到新的適當特征點，連接前后幀的特征點，形成前后幀車輛運動軌跡段，進而由運動軌跡段畫出運動車輛的行駛軌跡；步驟三，從輸入的所有視頻序列圖像中記錄所有運動車輛的行駛軌跡；步驟四，在記錄下視頻序列中所有運動車輛行駛的軌跡后，將所有組成車輛運動軌跡的運動軌跡段作為相對于屏幕的二維矢量，由前一幀的特征點指向后一幀的特征點的方向作為該矢量的方向，將每個軌跡段形成的矢量作為該軌跡段起點的矢量，最后形成車輛運動矢量場；步驟五，結合正常車輛運動矢量場，對視頻監控下的運動車輛軌跡進行識別，監視視頻每前后兩幀圖像形成的車輛運動軌跡段，將此段運動軌跡視作相對屏幕的二維矢量，與正常車輛運動矢量場中相應的塊矢量進行對比，如果偏差超過閾值A，并且連續出現異常軌跡段的圖像幀數超過閾值B，則此段運動軌跡為異常軌跡段，否則此段運動軌跡為正常軌跡段，其中:所述的閾值A的取值范圍為25 40，所述的閾值B的取值為5。本發明的通過車輛運動矢量場對交通狀況進行檢測，與現有技術相比，繞過了復雜背景環境限制，能夠對對視頻范圍內所有運動車輛進行實時、可靠檢測。并且易于實現、準確性較高，具有廣闊的應用前景。
圖1是第559幀運動車輛的軌跡跟蹤圖像，圖中0、1、2和3分別表示跟蹤運動車輛的第O條軌跡線、第I條軌跡線、第2條軌跡線和第3條軌跡線。圖2是經過250幀后，所有軌跡形成的車輛運動矢量場。圖3是經過500幀后，所有軌跡形成的車輛運動矢量場。圖4是經過1000幀后，所有軌跡形成的車輛運動矢量場。圖5 (a)、圖5 (b)和圖5 (C)表示從第3780幀到第3870幀的跟蹤車輛的變線行駛軌跡線，圖中黑色框內為跟蹤車輛，軌跡線中黑色線為正常軌跡段，白色線為異常軌跡段。圖6 (a)、圖6 (b)和圖6 (C)表示從第3780幀到第3870幀的跟蹤車輛的變線行駛軌跡與正常車輛運動矢量場進行對比后的軌跡線，圖中黑色框內為跟蹤車輛，軌跡線中黑色線為正常軌跡段，白色線為異常軌跡段。以下結合附圖和實施例對本發明的內容作進一步詳細說明。
具體實施例方式本實施例給出一種基于車輛運動矢量場分析的異常交通狀況檢測方法，利用視頻檢測以及圖像處理的相關技術，計算出的正常車輛運動矢量場，從而實現運動車輛軌跡進行檢測。具體按下列步驟進行:步驟一，獲取攝像機拍攝的視頻序列圖像，對其中一幀圖像利用基于塊的幀間差法檢測運動區域，由已有的Moravec角點提取算子以分塊的形式提取圖像特征點，從而找出運動區域的特征點；步驟二，采用全搜索方法和SAD塊匹配準則，在下一幀對已提取出的特征點進行搜索匹配，找到新的適當特征點，連接前后幀的特征點，形成前后幀車輛運動軌跡段，進而由運動軌跡段畫出運動車輛的行駛軌跡；步驟三，從輸入的所有視頻序列圖像中記錄所有運動車輛的行駛軌跡；步驟四，在記錄下視頻序列中所有運動車輛行駛的軌跡后，將所有組成車輛運動軌跡的運動軌跡段作為相對于屏幕的二維矢量，由前一幀的特征點指向后一幀的特征點的方向作為該矢量的方向，將每個軌跡段形成的矢量作為該軌跡段起點的矢量，最后形成車輛運動矢量場；步驟五，結合正常車輛運動矢量場，對視頻監控下的運動車輛軌跡進行識別，監視視頻每前后兩幀圖像形成的車輛運動軌跡段，將此段運動軌跡視作相對屏幕的二維矢量，與正常車輛運動矢量場中相應的塊矢量進行對比，如果偏差超過閾值A，并且連續出現異常軌跡段的圖像幀數超過閾值B，則此段運動軌跡為異常軌跡段，否則此段運動軌跡為正常軌跡段，其中:所述的閾值A的取值范圍為25 40，所述的閾值B的取值為5。以下給出本發明的具體實施例，需要說明的是本發明并不局限于以下具體實施例，凡在本申請技術方案基礎上做的等同變換均落入本發明的保護范圍。實施例:實施例中的視頻采樣頻率是30幀/秒，圖像大小為720X288。按照本發明的方法依次對視頻序列中的圖像進行處理。如圖1所示，是第559幀運動車輛的軌跡跟蹤圖像，圖中0、1、2和3分別表示跟蹤運動車輛的第O條軌跡線、第I條軌跡線、第2條軌跡線和第3條軌跡線，已知在視頻序列中，經過了 250幀后，所有軌跡形成的車輛運動矢量場如圖2所示；經過500幀后，所有軌跡形成的車輛運動矢量場如圖3所示；經過了 1000幀后，通過對所有記錄下的軌跡聚類，擬合，得出在該視頻拍攝的道路中，運動車輛正常行駛運動矢量場，如圖4所示。在視頻的第3780幀到3870幀中，出現了一輛變線的運動車輛，其運動軌跡如附圖5 (a)、圖5 (b)、圖5 (c)所示。將運動車輛的運動向量與正常的車輛運動矢量場進行對比，如附圖6 (a)、圖6 (b)、圖6 (c)所示，判斷出車輛變線行駛。
權利要求
1.一種基于車輛運動矢量場分析的異常交通狀況檢測方法，其特征在于，該方法按照以下步驟進行: 步驟一，獲取攝像機拍攝的視頻序列圖像，對其中一幀圖像利用基于塊的幀間差法檢測運動區域，由已有的Moravec角點提取算子以分塊的形式提取圖像特征點，從而找出運動區域的特征點； 步驟二，采用全搜索方法和SAD塊匹配準則，在下一幀對已提取出的特征點進行搜索匹配，找到新的適當特征點，連接前后幀的特征點，形成前后幀車輛運動軌跡段，進而由運動軌跡段畫出運動車輛的行駛軌跡； 步驟三，從輸入的所有視頻序列圖像中記錄所有運動車輛的行駛軌跡； 步驟四，在記錄下視頻序列中所有運動車輛行駛的軌跡后，將所有組成車輛運動軌跡的運動軌跡段作為相對于屏幕的二維矢量，由前一幀的特征點指向后一幀的特征點的方向作為該矢量的方向，將每個軌跡段形成的矢量作為該軌跡段起點的矢量，最后形成車輛運動矢量場； 步驟五，結合正常車輛運動矢量場，對視頻監控下的運動車輛軌跡進行識別，監視視頻每前后兩幀圖像形成的車輛運動軌跡段，將此段運動軌跡視作相對屏幕的二維矢量，與正常車輛運動矢量場中相應的塊矢量進行對比，如果偏差超過閾值A，并且連續出現異常軌跡段的圖像幀數超過閾值B，則此段運動軌跡為異常軌跡段，否則此段運動軌跡為正常軌跡段，其中: 所述的閾值A的取值范圍為25 40，所述的閾值B的取值為5。
全文摘要
本發明提供了一種基于車輛運動矢量場分析的異常交通狀況檢測方法，通過利用基于塊的幀間差法檢測運動區域，找出運動區域的特征點，得到運動車輛的行駛軌跡，記錄所有運動車輛的行駛軌跡，形成車輛運動矢量場，結合正常車輛運動矢量場，與視頻中的車輛運動矢量場作對比，確定車輛行駛軌跡是否正常。本發明的檢測方法，繞過了復雜背景環境限制，能夠對對視頻范圍內所有運動車輛進行實時、可靠檢測。并且易于實現、準確性較高，具有廣闊的應用前景。
文檔編號G06K9/00GK103150901SQ20131004547
公開日2013年6月12日 申請日期2013年2月5日 優先權日2013年2月5日
發明者宋煥生, 席陽, 彭玲玲, 劉雪琴, 楊媛, 徐曉娟, 趙倩倩 申請人:長安大學