[發明專利]一種基于實時視頻的城市道路車輛異常停駛檢測方法

有效

• 申請號: 201811288588.X
• 申請日: 2018-10-31
• 公開（公告）號: CN109285341B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 張力元;胡金暉;黃詩盛
• 申請（專利權）人: 中電科新型智慧城市研究院有限公司
• 主分類號: G08G1/00
• 分類號: G08G1/00;G08G1/01;G08G1/04;G06K9/00;G06K9/62
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 李艷麗

1.一種基于實時視頻的城市道路車輛異常停駛檢測方法，其特征在于：包括攝像頭和計算機，所述攝像頭采集道路的視頻圖像，通過計算機處理視頻圖像判斷城市道路車輛有否異常停駛；

所述基于實時視頻的城市道路車輛異常停駛檢測方法，檢測方法如下步驟：

S10.攝像頭采集道路的視頻圖像，利用背景模型，生成實時視頻的靜態幀并實時更新；

所述背景模型的數學表達式如下：

sframe(t)＝(1-α)·sframe(t-1)+α·frame(t)

其中，t為時間序列索引，sframe(t)為當前靜態幀，frame(t)為前視頻幀，α為學習率，α為0到1之間的分數，所述學習率取值越大靜態幀更新的變化程度越大；

S20.所述靜態幀能夠學習到視頻中靜止的目標，將每一靜態幀與相同時間序列的視頻幀所對應；

S30.使用深度學習FAST-RCNN或者YOLO目標檢測算法，分別檢測靜態幀和視頻幀中的車輛目標的檢測模型；所述步驟S30中的檢測模型生成過程如下：

S31.準備常見交通目標圖像數據，包括小車、卡車或公交車；

S32.使用深度學習FAST-RCNN或者YOLO目標檢測框架進行訓練，生成檢測模型；

S33.使用生成的檢測模型進行目標檢測；

S40.使用所述步驟S30得到的目標框，計算靜態幀與視頻幀中各目標的區域交疊度，計算方法如下：

其中，O1表示靜態幀的目標框的區域面積，

O2表示視頻幀的目標框的區域面積；

S50.所述步驟S40計算得到區域交疊度，判斷異常停駛的過程如下：

所述靜態幀的目標框，存在與之交疊的視頻幀的目標框，且兩者的區域交疊度大于設定的設定閾值，則判斷當前時刻存在停駛車輛，并且將視頻幀中對應的目標框定為當前時刻異常停駛的車輛目標位置判斷異常停駛的目標位置；

根據所述步驟S50 的判定結果，將觸發事件的車輛目標在視頻幀中框出，并輸出結果視頻給計算機儲存或相關交通部門處理，及時控制異常停駛車輛。

2.根據權利要求1所述的基于實時視頻的城市道路車輛異常停駛檢測方法，其特征在于：所述步驟S30中靜態幀或視頻幀中若未檢測到車輛，則當前時刻并不存在車輛異常停駛事件。

3.根據權利要求1所述的基于實時視頻的城市道路車輛異常停駛檢測方法，其特征在于：所述設定閾值范圍為0.5-0.95。