[发明专利]基于实时车辆轨迹的交叉口交通冲突判别方法

权利要求书

1.一种基于实时车辆轨迹的交叉口交通冲突判别方法，其特征在于，包括如下步骤：

步骤一、采集实时视频图像数据，对其进行图像灰度化、中值滤波和二值化的预处理；

步骤二、根据混合高斯背景模型建立视频背景模型，并通过形态学滤波提取车辆目标；

步骤三、根据扩展卡尔曼滤波方法的最小外接矩形框的质心坐标，获取车辆的运行轨迹，并跟踪运动目标；

步骤四、采集交叉口交通流轨迹速度参数数据；

步骤五、基于实时的交通流数据，创建车辆的交通冲突判别模型和冲突计数方法；

步骤一中，图像灰度化、中值滤波和二值化的具体过程为：

(1)采用移动平均法对视频图像灰度化，将彩色像素转换为灰度像素；

(2)对灰度化的图像进行中值进行滤波去噪处理；二维中值滤波的公式如下：

g(x，y)＝med{f(x-k，y-l)，(k，l∈W)}

其中，f(x，y)，g(x，y)分别为原始图像和处理后图像；

(3)选择一个特定的阈值，利用图像二值化对图像中感兴趣的部分分离，把整个图像分割为两部分，灰度值大于这个基准值的部分灰度赋值为0，灰度值小于这个基准值的部分灰度赋值为255，最佳阈值由Otsu法来确定，Otsu法公式如下：

类间方差σ²＝p₁(μ₁-μ)²+p₂(μ₂-μ)²

式中μ₁、μ₂——两部分各自的灰度均值；

p₁、p₂——两部分各自的概率；

μ——图像整体灰度均值；

图像阈值化处理的一般变换函数表达式为：

式中E(i，j)——像素的灰度

t——选定的阈值；

步骤二中，根据混合高斯背景模型建立视频背景模型的步骤如下：

(1)初始化K组高斯模型

当前帧中的像素X，分别与K个模型做差分，若第i组差分结果小于阂值，称像素X_t，与第i组高斯模型匹配，否则称为不匹配；

(2)更新权重，更新公式为：

ω_i，t＝(1-a)ω_i，t-1+M_i，ta

式中a为更新速率，当像素X_t与第i组模型匹配时，M_i＝1，否则M_i＝0；

(3)更新与像素X_t匹配的模型，更新公式为：

μ_t＝(1-ρ)μ_t-1+ρX_t

式中，ρ为更新速率，α为更新速率；均值与标准差的更新速率不是固定值，像素X_t与背景模型的匹配度越高，更新速率越快；

(4)在二值图像中标记运动目标；

(5)返回步骤二处理下一帧；

步骤二中，通过形态学滤波提取车辆目标，是对二值化及差分处理以后的图像存在的许多孤立的点、孤立的小区域、小间隙和孔洞进行数学形态学滤波处理，先腐蚀消除目标图像中的无用点，再膨胀将与目标接触的所有点合并到该目标，对车辆图像进行检测；

步骤三中，首先提取外接矩形跟踪框，找到最小外接矩形的质心坐标，进而计算相关的交通流参数；

步骤三中，提取外接矩形跟踪框时，运动区域的最小外接矩形坐标信息被定义为两个坐标点(x_min，y_min)，(x_max，y_max)，各个值具体求解公式为：

用边界框标识的运动区域外接矩形框的四个坐标为A(x_min，y_min)，B(x_max，y_min)，C(x_min，y_max)，D(x_max，y_max)；

所述外接矩形框的跟踪，即只有0和255的二值图像中，0代表背景像素，255代表运动区域像素；当第一次出现大于0.5的像素点时，记录这时的行号记为t₁，当最后一次出现大于0.5的像素点时，记录这时的行号为t₂；以相同的方式从左到右扫描经过处理的二值图像，对每一列的值为255的像素点进行计数，当第一次出现大于0.5的像素点时，记录这时的列号记为l₁，当最后一次出现大于0.5的像素点时，记录这时的列号为l₂；在记录了t₁、t₂、l₁、l₂这四个值后，行间距T_Δ为T_Δ＝t₁-t₂，列间距L_Δ为：L_Δ＝l₁-l₂，根据坐标即可画出最小外接矩形框；

跟踪质心获取车辆轨迹时，根据外接矩形框的四个坐标A(x_min，y_min)，B(x_max，y_min)，C(x_min，y_max)，D(x_max，y_max)得到最小外接矩阵的高度为：H＝X_max-X_min；宽度为：L＝Y_max-Y_min；质心的坐标为(X_min+H/2，Y_min+L/2)，对提取到的车辆记录其每一帧或其中若干帧图像中的矩形框质心用于数据统计，连续帧的矩形框质心即为车辆的行驶轨迹；

步骤四中，通过获取的车辆相关数据进行交通流参数的计算，可得时间间隔t＝∑Δt，Δt为视频的每帧图像时间间隔；车辆流率h_t为车头时距，即连续车辆经过同一检测点的时间间隔；车辆速度d为车辆驶过的距离，t为时间间隔；

步骤五中，具体操作步骤如下：

(1)对当前车辆的运动轨迹和前进方向为参考，考虑其它各个方向的交通流与当前车辆冲突的可能性，将冲突再细分为七类：直行与对向左转冲突、同向左转冲突、同向右转冲突、同向直行冲突、右转车流与对向左转车流的合流冲突、同向直行车流与右转车流的分流冲突和同向直行车流与左转车流的分流冲突；

(2)对交通冲突进行判别，判断两车的行驶轨迹是否为碰撞轨迹，如果两个运动物体在同一时刻的轨迹有交叉，则认为发生交通冲突；

具体的步骤为：

1)潜在冲突状态预测

当两辆车以当前状态行驶时，通过运动学公式判别其在未来是否会发生碰撞；其中车辆用质点表示，则两辆车不同时间的距离表示为：

式中，D(t)表示t时刻两点距离，x(t)，y(t)表示t时刻目标在坐标系中的位置；若车辆做匀速运动，则有

x_i(t)＝x_i(0)+v_i(0)tcosθ_i

y_i(t)＝y_i(0)+v_i(0)tsinθ_i

其中，x_i(0)、y_i(0)表示目标0时刻的位置，x_i(t)、y_i(t)表示目标t时刻的位置，θ_i表示目标运动方向与x轴夹角，v_i(0)表示目标的速度；

则两目标间的距离表示为：

对时间t求导，令令Δx＝x₂(0)-x₁(0)，Δy＝y₂(0)-y₁(0)，则

则当t＝t_m时，D(t)取得最小值d_min

2)临界冲突距离计算

临界冲突距离就是驾驶员从发现危险开始并采取措施直到车辆停止，车辆间刚好不发生碰撞所得到的距离；计算公式为：

其中，S为临界冲突距离，S_stop为制动距离，S_feel为反应距离，v₀为初始速度，a为制动减速度，t_feel为反应时间；

3)交通冲突判别的具体的步骤为：

步骤a：获取车辆速度参数和轨迹位置参数；

步骤b：计算两辆车的距离，判断是否车辆间的距离相近；

步骤c：计算最小距离，判断是否有潜在碰撞可能；

步骤d：若有潜在碰撞可能，计算临界冲突距离；

步骤e：根据当前的两辆车的距离，判断两辆车处于何种状态；

步骤f：若车辆小于临界冲突距离，则发生交通冲突车辆处于交通冲突状态；

(3)在交通冲突识别后，结合视频图像数据，对车辆在某段时间内发生的交通冲突进行计数，具体过程为：

步骤a：基于获取的车辆轨迹和速度参数，判断车辆是否足够接近；

步骤b：车辆足够接近，判断车辆是否处于平稳运行状态；

步骤c：车辆处于平稳运行状态，根据基于车辆轨迹进行交通冲突的识别方法判断车辆状态；

步骤d：两辆车处于冲突状态，对车辆进行标记；

步骤e：标记处于冲突状态的车辆后，对冲突状态的车辆进行跟踪；

步骤f：判断其是否有运动状态改变的行为；

步骤g：判断其是否重新回归到平稳运行状态，若车辆重新回归到平稳运行状态，则记为一次交通冲突，并对车辆解除冲突状态标记。