人車違規交通行為檢測方法、電子設備、可讀存儲介質技術

本發明專利技術提供一種人車違規交通行為檢測方法，包括：確定出視頻流中的檢測目標；分配跟蹤器跟蹤所述檢測目標，并確定出所述檢測目標的運動狀態；其中，所述跟蹤器采用卡爾曼濾波器；根據所述運動狀態確定所述檢測目標是否存在違規交通行為。本申請的上述方案中，采用卡爾曼濾波器跟蹤檢測目標，可即時地確定出檢測目標的運動狀態，提高違規交通行為檢測的實時性。性。性。

【技術實現步驟摘要】
人車違規交通行為檢測方法、電子設備、可讀存儲介質


[0001]本專利技術屬于計算機
，具體地說，涉及一種人車違規交通行為檢測方法、電子設備、可讀存儲介質。

技術介紹

[0002]目前，如何解決智慧社區、智慧城市等場景下，對行人或機動車、非機動車等目標的逆行和違規停留行為的監測問題，是研究的重點。
[0003]現有技術或對行人和車輛這兩種不同的對象進行分析，或對逆行和違停這兩種行為進行分析，提出了一系列車輛逆行或違停檢測方法，以及行人逆行的檢測方法。
[0004]例如：對于車輛違停，現有的大多技術，通常是在檢測到車輛后，將這些車輛入庫，并開始計時，在達到違停時間后再采集一張圖片，將當前圖片中的車輛與之前入庫的車輛進行匹配，匹配方式或基于圖像特征，或基于車牌信息，若匹配上了，且目標的位置不變，則判斷該車輛出現了違停。
[0005]然而，車輛違停的檢測場景通常是復雜多變的，在道路上，過往的行人、車輛會帶來較多的遮擋和干擾，如果圖片采集的頻率太小，受到圖像中光照變化、遮擋等的影響，車輛的匹配、車牌的識別率會受到很大的影響，而如果提高圖片采集頻率，入庫的車輛數目就會上升很多，影響識別的效率。
[0006]對于人員和車輛逆行，一些方法是通過分析目標的運動軌跡來判斷是否發生了逆行，或是通過目標檢測和分配核濾波器的方式對軌跡進行實時跟蹤。逆行通常會帶來較大的安全威脅，因此及時地檢測出逆行行為并進行預警具有重要的意義。對軌跡的后處理具有滯后性，且快速運動的目標使用傳統的濾波器難以對個體進行準確地重識別，造成目標的漏檢或誤檢，影響最終檢測結果。
[0007]有鑒于此，特提出本專利技術。

技術實現思路

[0008]本專利技術要解決的技術問題在于克服現有技術中的不足，提供一種人車違規交通行為檢測方法，旨在采用卡爾曼濾波器跟蹤檢測目標，可即時地確定出檢測目標的運動狀態，提高違規交通行為檢測的實時性。
[0009]為解決上述技術問題，本專利技術采用技術方案的基本構思是：
[0010]本專利技術提供一種人車違規交通行為檢測方法，包括：
[0011]確定出視頻流中的檢測目標；
[0012]分配跟蹤器跟蹤所述檢測目標，并確定出所述檢測目標的運動狀態；其中，所述跟蹤器采用卡爾曼濾波器；
[0013]根據所述運動狀態確定所述檢測目標是否存在違規交通行為。
[0014]在一些實施方式中，確定出視頻流中的檢測目標包括：
[0015]獲取所述視頻流中的幀圖像；
[0016]將所述幀圖像輸入訓練好的目標檢測網絡以確定所述幀圖像中是否存在檢測目標；
[0017]響應于所述幀圖像中存在所述檢測目標，確定出所述檢測目標。
[0018]在一些實施方式中，分配跟蹤器跟蹤所述檢測目標，并確定出所述檢測目標的運動狀態包括：
[0019]將所述視頻流中包括所述檢測目標的幀圖像按照預設寬高處理后輸入訓練好的特征提取網絡以獲取所述檢測目標的特征值；
[0020]為所述檢測目標分配跟蹤器，使所述跟蹤器基于所述特征值在所述視頻流中跟蹤所述檢測目標；
[0021]響應于所述跟蹤器在所述視頻流中跟蹤到所述檢測目標后，基于當前跟蹤到所述檢測目標的幀圖像確定所述檢測目標的運動狀態。
[0022]在一些實施方式中，所述特征提取網絡的訓練方法包括：
[0023]構建重識別數據集，所述重識別數據集包括多張圖像，所述圖像中包括行人和/或車輛；
[0024]在所述多張圖像中采用標注框標注出行人和/或車輛，并將所述標注框標注的部分從原圖像中裁剪下來；
[0025]將裁剪后的圖像壓縮至所述預設寬高；
[0026]在卷積神經網絡中基于行人和車輛構建分類任務，并基于所述裁剪后的圖像訓練用于同時提取行人和車輛的特征值的特征提取網絡。
[0027]在一些實施方式中，將所述標注框標注的部分從原圖像中裁剪下來之后，訓練方法還包括：
[0028]確定出裁剪后的圖像的寬高；
[0029]響應于所述裁剪后的圖像的寬大于高，將所述裁剪后的圖像旋轉90
°
。
[0030]在一些實施方式中，根據所述運動狀態確定所述檢測目標是否存在違規交通行為包括：
[0031]確定所述檢測目標的當前速度；
[0032]響應于所述檢測目標的當前速度小于速度閾值，確定所述檢測目標的違停行為。
[0033]在一些實施方式中，根據所述運動狀態確定所述檢測目標是否存在違規交通行為包括：
[0034]確定所述檢測目標的當前速度；
[0035]響應于所述當前速度和所述檢測目標所在車道的行駛方向滿足預設關系，確定檢測目標的逆行行為。
[0036]在一些實施方式中，所述預設關系為：
[0037]且且
[0038]其中，x，y為逆行的運動向量，其與所述檢測目標所在車道的行駛方向的運動向量互為相反數；v
x
，v
y
為所述檢測目標的當前速度；α為逆行參數。
[0039]一種電子設備，包括：處理器；以及
[0040]存儲器，與所述處理器通訊連接，其中，所述存儲器存儲有可被所述處理器執行的
程序，當所述程序被所述處理器執行時，所述處理器能夠執行根據如上所述的人車違規交通行為檢測方法。
[0041]一種可讀存儲介質，所述可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現根據如上所述的人車違規交通行為檢測方法。
[0042]采用上述技術方案后，本專利技術與現有技術相比具有以下有益效果。
[0043]1、通過采用卡爾曼濾波器跟蹤檢測目標，根據卡爾曼濾波器估計的目標的運動速度，結合運動速度、目標的坐標位置以及標記的逆行方向，實時靈敏地判斷目標在標記區域內是否發生停止或者逆行，提高違規交通行為檢測的實時性。
[0044]2、通過將人和車的重識別數據集放在一起訓練，根據人和車在圖像中不同的表現特征，采用不同的預處理方式在同一網絡中進行訓練，得到的特征提取網絡可以同時提取人、車目標的特征，不需要再切換模型，可以減少算法的資源占用。
[0045]下面結合附圖對本專利技術的具體實施方式作進一步詳細的描述。
附圖說明
[0046]附圖作為本專利技術的一部分，用來提供對本專利技術的進一步的理解，本專利技術的示意性實施例及其說明用于解釋本專利技術，但不構成對本專利技術的不當限定。顯然，下面描述中的附圖僅僅是一些實施例，對于本領域普通技術人員來說，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他附圖。
[0047]圖1是本專利技術實施例提供的人車違規交通行為檢測方法的流程示意圖；
[0048]圖2是本專利技術實施例提供的步驟S110的流程示意圖；
[0049]圖3是本專利技術實施例提供的步驟S120的流程示意圖；
[0050]圖4是本專利技術實施例提供的特征提取網絡的訓練方法的流程示意圖；
[0051]圖5本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種人車違規交通行為檢測方法，其特征在于，包括：確定出視頻流中的檢測目標；分配跟蹤器跟蹤所述檢測目標，并確定出所述檢測目標的運動狀態；其中，所述跟蹤器采用卡爾曼濾波器；根據所述運動狀態確定所述檢測目標是否存在違規交通行為。2.根據權利要求1所述的人車違規交通行為檢測方法，其特征在于，確定出視頻流中的檢測目標包括：獲取所述視頻流中的幀圖像；將所述幀圖像輸入訓練好的目標檢測網絡以確定所述幀圖像中是否存在檢測目標；響應于所述幀圖像中存在所述檢測目標，確定出所述檢測目標。3.根據權利要求1所述的人車違規交通行為檢測方法，其特征在于，分配跟蹤器跟蹤所述檢測目標，并確定出所述檢測目標的運動狀態包括：將所述視頻流中包括所述檢測目標的幀圖像按照預設寬高處理后輸入訓練好的特征提取網絡以獲取所述檢測目標的特征值；為所述檢測目標分配跟蹤器，使所述跟蹤器基于所述特征值在所述視頻流中跟蹤所述檢測目標；響應于所述跟蹤器在所述視頻流中跟蹤到所述檢測目標后，基于當前跟蹤到所述檢測目標的幀圖像確定所述檢測目標的運動狀態。4.根據權利要求3所述的人車違規交通行為檢測方法，其特征在于，所述特征提取網絡的訓練方法包括：構建重識別數據集，所述重識別數據集包括多張圖像，所述圖像中包括行人和/或車輛；在所述多張圖像中采用標注框標注出行人和/或車輛，并將所述標注框標注的部分從原圖像中裁剪下來；將裁剪后的圖像壓縮至所述預設寬高；在卷積神經網絡中基于行人和車輛構建分類任務，并基于所述裁剪后的圖像訓練用于同時提取行人和車輛的特征值的特征提取網絡。5.根據權利要求4所述的人車違規交通行為檢測方法，其特征在于，將所述標注框...

【專利技術屬性】
技術研發人員：陳斌，詹慧媚，劉繼超，金巖，邱敏，
申請(專利權)人：青島海納云智能系統有限公司青島海納云數字科技有限公司，
類型：發明
國別省市：