[发明专利]智能的夜晚交通事件检测方法

说明书

技术领域

本发明涉及视频监控技术领域，特别涉及一种智能的夜晚交通事件检测方法。

背景技术

近年来，随着社会经济的快速发展，国内的许多公路上的车流量与日俱增，引发了越来越多的交通事故和道路拥堵，造成了巨大的财产损失和人员伤亡，损害了公众利益。视频监控技术已广泛应用于高速公路运行管理系统中，在运维管理部门中产生了大量的视频数据，管理人员从海量的视频数据中及时发现和分析出各类异常事件是一项劳动强度极大的工作，因此基于视频监控的高速公路异常事件检测技术在高速公路安全方面具有良好的市场前景。本发明通过研制夜晚视频异常事件的检测算法能在夜间自动统计车道流量，进而判断交通拥挤状况，能检测突然停车、车辆逆行等违章行为，及时有效地进行交通事故救援和处理，有效减少由于交通事故产生的交通延误及避免二次事故的发生。

在夜晚环境下，由于光线比较暗，白天车辆的轮廓特征、车底阴影特征以及颜色特征等变得模糊甚至消失。因此，不能利用白天环境下的车辆检测与跟踪的方法来检测与跟踪夜晚环境下的车辆。在夜晚条件下，车辆最明显的特征就是车辆的前灯与尾灯。但是在场景中除了车灯之外还有其它灯源与反射光线。其它灯源包括：路灯、广告牌灯、路边建筑上的装饰灯、十字路口的红绿灯等，反射光线包括：车灯前的反射光线、路灯在路面上的反射光线（下雨天）、车身上的反射光线、路面上一些交通标记的反射光线等。此外，夜晚场景亮度变化较大，当场景中车辆较多时场景的平均亮度很大，而当场景中没有车辆时场景的亮度相对较小，有时也会出现一些闪烁灯源（救护车灯、警嘀车灯、车辆闪光灯等）使场景的亮度变化很大。

现有技术中对夜晚车辆的检测主要包括一下几种：

一种自动调整相机的曝光增益的方法，该方法可以容易检测到车辆的尾灯。由于夜晚在公路上可能使用强灯光，使得图像出现大片曝光过度区域，严重影响对车灯的检测。因此希望基于图像光强度分布，自动调整曝光增益。由此，利用子块的灰度分布特征和纹理特征的夜晚视频目标检测中的车辆灯光干扰消除方法可减少对检测结果的干扰，具体为：选择一个最佳特征子集作为输入向量，用SVM分类器进行训练识别,将识别为灯光的子块去除。虽然准确性和实时性较好，但是需要收集样本离线训练识别。

一种实时的夜晚车辆检测算法。该算法首先利用自动多阈值的方法提取出场景中的光亮目标，然后利用空间的信息来分类与编组这些光亮目标，利用相邻两帧车灯目标的重叠度对这些车灯目标进行跟踪，最后根据跟踪的信息把车灯群组成车辆并实现跟踪。该方法有两点不足：（1）利用边缘提取信息建立车道识别的算法，但该算法对光线不足的郊区道路和高速公路和城市内车道线不明显或者模糊不清的情况无法自动建立车道。（2）利用相邻帧的重叠度来跟踪夜晚车辆，对交通视频监控系统中采集图像的帧率和车辆速度有一定限制要求。

车辆异常行为检测算法可以分为基于车辆行为特征的自动事件检测和基于车流整体特征的自动事件检测。与交通事件相关的车辆行为特征具体包括：

（1）车辆速度变化：如果多数车辆在到达某区域前行驶速度突然减小，而在通过此区域后又逐渐增加，那么在这个区域上可能有交通事件发生。

（2）车辆停驶：如果车辆在公路上突然停驶，通常认为是由于车辆相撞、车辆抛锚、车辆故障或其它难以预计的原因引发的。

（3）车辆转换车道和方向：如果所有车辆在经过某段区域时都更换车道或行驶方向，说明这个车道或前方有事故发生，后来的车辆必须避障行驶。

基于车辆行为特征的自动事件检测方法是跟踪视野内的每个车辆直至其消失，判断车辆是否在不受干扰地运动。首先，系统从图像中提取车辆的特征，并预测下一时刻车辆正常行驶时应具有的位置、车道、速度等信息；然后，在下一时刻再次提取出车辆的特征，并与预测值进行比较；最后，如果真实值与预测值差别较大或多个车辆均表现出异常行为，则推断有事件发生。

这种方法是通过分析可能存在的交通事件对车辆行为的影响来检测交通事件。一方面，在摄像机的有效视野内，它不但能快速检测出交通事件，还能提供事件位置、事件类型、发生原因等详细信息。另一方面，由于它检测的是单个车辆的行为，是根据视野内车辆行为的异常来判断事件的，如果事件发生在摄像机视野之外，事件发生后的短时间内将难以检测到车辆行为的明显变化，只有当视野内的车辆由于受到交通事件的影响而出现了行为异常，才能推断视野外的事件，显然这就延长了检测时间，因此有时该方法无法满足及时检测交通事件的要求。