[發明專利]基于譜聚類的車輛異常行為檢測方法

有效

• 申請號: 201210286326.6
• 申請日: 2012-08-13
• 公開（公告）號: CN102855638A
• 公開（公告）日: 2013-01-02
• 發明（設計）人: 吳健;崔志明;時玉杰;李承超
• 申請（專利權）人: 蘇州大學
• 主分類號: G06T7/20
• 分類號: G06T7/20;G08G1/02
• 代理公司: 蘇州創元專利商標事務所有限公司 32103
• 代理人: 陶海鋒

技術領域

本發明涉及一種運動車輛的行為檢測方法，具體涉及一種通過對運動車輛的軌跡進行模式學習，檢測運動車輛的行為異常的方法，屬于運動目標檢測領域。

背景技術

隨著經濟的快速發展，車輛的擁有量急劇增長，導致道路交通事故的增加，由此造成了人員傷亡和經濟損失的逐年增加。其中，各種交通違法行為引發的交通事故占交通事故總量的80%以上。

隨著傳感器技術和計算機技術的不斷發展，利用交通視頻監控裝置進行交通違章的檢測、識別和處理，在實際應用中取得了較好的成效。

現有技術中，利用交通視頻監控裝置可以實現對闖紅燈、超速行駛、違章停車和逆向行駛等交通違法行為的自動檢測，從而便于交通管理部門的有效管理。但是，對于車輛的其它異常行為，如違章變道、不按規定車道行駛等對于道路交通安全有著危害的行為，現有的交通視頻監控裝置則難以識別。

運動目標的微觀運動行為在時空域上的直觀表現形式是軌跡，運動行為模式相同的物體在軌跡上表現出較高的相似性與重復性。通過對特定場景內多個交通個體運動軌跡的學習，可以獲取軌跡數據集合的時空分布，利用模式分類等方法提取典型運動模式，從而在交通場景建模，交通行為識別與預測以及異常事件監測等方面能夠進行有效的研究和應用。但是，由于在交通行為監控中，樣品數據集分布具有多樣性和復雜性，采用常規的提取方法不能很好地表達軌跡之間的相似性，從而導致軌跡識別難以實際應用。

發明內容

本發明的發明目的是提供一種基于譜聚類的車輛異常行為檢測方法，以獲得較好的軌跡聚類結果，實現對車輛異常行為的實時監測。

為達到上述發明目的，本發明采用的技術方案是：一種基于譜聚類的車輛異常行為檢測方法，包括下列步驟：

(1)獲取用于軌跡學習的樣本視頻序列，通過對樣本視頻序列中的車輛對象進行跟蹤，獲取車輛對象的時空軌跡，對所述時空軌跡進行異常軌跡去除后，得到車輛對象的軌跡序列，車輛軌跡數n大于等于100；

(2)對步驟(1)獲得的軌跡序列進行構圖，將軌跡序列中的每條軌跡作為一個樣本點，軌跡間的Hausdorff距離為樣本點間的距離，首先對樣本點按照局部密度進行排序，然后構建得到與軌跡序列對應的無向圖，具體方法為：

軌跡序列的數據樣本集中有n個樣本點，其中第i個樣本點為v_i，記樣本點v_i與其前k個近鄰樣本點的距離之和為D_i，即，D_i=d_i1+d_i2+…+d_ij+…+d_ik，其中d_i1≤d_i2≤…≤d_ij≤…≤d_ik，d_ij表示樣本點v_i和樣本點v_j之間的距離，k為預設值，k取5～10之間的整數；所述無向圖以鄰接矩陣P表示，P為n行n列的二維矩陣，P中各元素的初始值均為-1，對于兩個樣本點v_i和v_j，連線操作為置p_ij=1且p_ji=1，不連線操作為置p_ij=0且p_ji=0；

對n個樣本點，按下列步驟處理：

①分別計算獲得D_i，其中i為1至n的整數；

②D_i從小到大排序，選取最小值對應的樣本點v_a；

③對樣本點v_a和它的k個近鄰樣本點進行連線操作，對樣本點v_a和其它樣本點進行不連線操作，將D_a從D_i序列中去除；

④選取剩余D_i序列中的最小值，其對應的樣本點為v_x，v_x的k個鄰近樣本點集為{v_xl,l＝1,2…k}，v_xl表示距離點v_x第l近的點，初始化l＝1；