[發明專利]一種基于視覺的車輛碰撞檢測方法、智能終端及存儲介質在審
| 申請號: | 202011169031.1 | 申請日: | 2020-10-28 |
| 公開(公告)號: | CN112200131A | 公開(公告)日: | 2021-01-08 |
| 發明(設計)人: | 黃超;徐勇;張正;王耀威 | 申請(專利權)人: | 鵬城實驗室 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 深圳市君勝知識產權代理事務所(普通合伙) 44268 | 代理人: | 陳專 |
| 地址: | 518055 廣*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 視覺 車輛 碰撞 檢測 方法 智能 終端 存儲 介質 | ||
1.一種基于視覺的車輛碰撞檢測方法,其特征在于,所述基于視覺的車輛碰撞檢測方法包括:
檢測交通監控視頻中的車輛,并通過矩形框框出交通監控視頻中的車輛,輸出車輛矩形邊框和車輛編號;
對檢測出的車輛進行跟蹤,判斷車輛之間的車輛矩形邊框是否出現重疊,并提取車輛的加速度、軌跡和方向變化;
當車輛之間的車輛矩形邊框出現重疊時,根據提取到的車輛的加速度、軌跡和方向變化得到異常指數,判斷所述異常指數是否大于預設閾值;
當所述異常指數大于預設閾值時,則判斷為車輛碰撞事故。
2.根據權利要求1所述的基于視覺的車輛碰撞檢測方法,其特征在于,所述檢測交通監控視頻中的車輛,具體為:
利用Mask R-CNN深度神經網絡檢測交通監控視頻中的車輛。
3.根據權利要求1所述的基于視覺的車輛碰撞檢測方法,其特征在于,所述對檢測出的車輛進行跟蹤,具體包括:
根據所述車輛矩形邊框的寬和高計算得到所述車輛矩形邊框的質心坐標;
計算新檢測出車輛的車輛矩形邊框的質心坐標與已有車輛矩形邊框的質心坐標之間的歐式距離;
基于當前質心集合和先前存儲的質心的最短歐式距離更新現有車輛的質心坐標;
為新檢測到的車輛分配新的車輛編號,并存儲質心坐標;
注銷在當前幀中已消失的車輛信息。
4.根據權利要求3所述的基于視覺的車輛碰撞檢測方法,其特征在于,所述判斷車輛之間的車輛矩形邊框是否出現重疊,具體包括:
分別獲取車輛A和車輛B的車輛矩形邊框a和車輛矩形邊框b,x和y分別表示車輛矩形邊框的質心坐標,α和β分別表示車輛矩形邊框的寬和高;
判斷是否滿足(2×|xa-xb|αa+αb)∧(2×|ya-yb|βa+βb),從而判斷車輛A和車輛B之間的車輛矩形邊框是否出現重疊。
5.根據權利要求4所述的基于視覺的車輛碰撞檢測方法,其特征在于,所述判斷車輛A和車輛B之間的車輛矩形邊框是否出現重疊,之后包括:
當滿足(2×|xa-xb|αa+αb)∧(2×|ya-yb|βa+βb),則車輛A和車輛B之間的車輛矩形邊框出現重疊;
提取每相隔第一預設數量幀圖像的同一車輛的車輛矩形邊框的質心之間的差值作為車輛的運動方向矢量μ,其模為其歸一化的運動方向矢量為
當|μ|大于閾值時,則存儲每一幀中的車輛的歸一化方向矢量;否則不存儲;
設定μ1和μ2為存在車輛矩形邊框重疊的兩輛車輛的方向矢量,則兩輛車輛的軌跡之間的角度θ為
設定視頻的播放幀率為FR,則兩幀視頻之間的時間間隔為
設定相距I幀的兩幀圖像中車輛的車輛矩形邊框的質心位置分別為c1和c2,則車輛的速度為
設定圖像的高為H,車輛矩形檢測框的高為h,則車輛的歸一化速度為
設定相距I幀的兩幀圖像中,車輛的速度分別為和則車輛的加速度為
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于鵬城實驗室,未經鵬城實驗室許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011169031.1/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種自動對焦平臺
- 下一篇:一種城市照明路燈清理裝置





