[发明专利]基于图像处理的高速公路交通事件检测方法

说明书

本发明公开了一种基于图像处理的高速公路交通事件检测方法，通过获取高速公路的实时监控视频，并对实时监控视频进行帧处理，提取出实时监控视频中连续的多个图片，采用预先训练的目标检测器识别各个图片中的车辆，对各个图片中的车辆进行多目标追踪，在多目标追踪过程中对各个车辆的运动状态进行分析，以判断高速公路当前状态为正常行驶状态、超速行驶状态或者持续低速状态，实现对高速公路上车辆正常行驶状态、车辆超速行驶状态或者车辆持续低速状态等交通事件的实时检测，可以提高高速公路上上述交通事件的检测精度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于图像处理的高速公路交通事件检测方法。

背景技术

高速公路上的交通事件不仅会造成人员财产的损失，其发现的滞后性还会导致影响交通流、二次伤害等威胁，对交通事件的及时识别，可以保证交通事件及时得到发现和处理，将交通事件带来的影响降到最小。现有的交通事件检测，人工检测是指通过人工观看监控视频来判断交通事件，虽然精度高但是效率低下且不能进行实时的检测。传统方案中，有技术是靠检测线圈等设备对高速公路上的交通流量进行检测，通过数学模型等计算公式来判断是否发生交通事件，滞后且精度不高。也有技术利用图像处理对监控视频进行处理检测交通事件，但是普遍实时性较差，精度也不高，无法完成在线检测的任务。可见，传统的高速公路交通事件检测方案往往存在实时性差、精度低的问题。

发明内容

针对以上问题，本发明提出一种基于图像处理的高速公路交通事件检测方法。

为实现本发明的目的，提供一种基于图像处理的高速公路交通事件检测方法，包括如下步骤：

S20，获取高速公路的实时监控视频，并对实时监控视频进行帧处理，提取出实时监控视频中连续的多个图片；

S30，采用预先训练的目标检测器识别各个图片中的车辆；所述目标检测器具有识别所输入图片中的车辆的功能；

S40，对各个图片中的车辆进行多目标追踪，在多目标追踪过程中对各个车辆的运动状态进行分析，以判断高速公路当前状态为正常行驶状态、超速行驶状态或者持续低速状态。

在一个实施例中，上述基于图像处理的高速公路交通事件检测方法，还包括：

S10，收集多个高速公路车辆图片，根据各个高速公路车辆图片构建训练数据集，将练数据集输入神经网络进行训练，以得到具有识别所输入图片中车辆的功能的目标检测器。

具体地，收集多个高速公路车辆图片，根据各个高速公路车辆图片构建训练数据集包括：

收集多个高速公路车辆图片，对各个高速公路车辆图片中的车辆进行标注，根据标注后的各个高速公路车辆图片构建训练数据集。

在一个实施例中，上述对实时监控视频进行帧处理包括：

利用Open-cv软件对实时监控视频进行处理，提前实时监控视频的各图片帧，将实时监控视频分解成图片。

在一个实施例中，上述对各个图片中的车辆进行多目标追踪包括：

利用deepsort算法对每一个车辆都创建跟踪器并标注目标，利用卡尔曼滤波模型和匈牙利算法在视频帧中对每个车辆进行跟踪，其中卡尔曼滤波器采用匀速模型和线性观测模型，deepsort跟踪器输出目标的状态值。

在一个实施例中，上述在多目标追踪过程中对各个车辆的运动状态进行分析，以判断高速公路当前状态为正常行驶状态、超速行驶状态或者持续低速状态包括：

在多目标追踪过程中对各个车辆的运动状态进行分析，获取各个车辆在设定时段内的平均行驶速度，若平均行驶速度大于阈值上限，判定高速公路当前出现超速行驶状态，若平均行驶速度小于阈值下限，判定高速公路当前出现持续低速状态，若平均行驶速度大于等于阈值下限，且小于等于阈值上限，判定高速公路当前为正常行驶状态。