[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

本發明公開了一種基于視覺的車輛碰撞檢測方法、智能終端及存儲介質，所述方法包括：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。本發明綜合考慮車輛在加速度異常、軌跡異常和方向異常三個方面的因素達到車輛碰撞事故檢測的目的，能夠快速和準確地檢測出場景中的車輛碰撞事故。

技術領域

本發明涉及車輛檢測技術領域，尤其涉及一種基于視覺的車輛碰撞檢測方法、智能終端及存儲介質。

背景技術

隨著城市車輛的增多和車流密度的增大，城市道路監管的形勢愈發嚴峻。傳統非自動的交通監管方式需要耗費大量的人力，而且還受限于人眼的分辨能力和易疲勞等屬性，其事故排查效果并不理想，監管效率較為低下。

近年來，隨著計算機視覺技術的迅猛發展，基于視覺的城市智能交通系統應運而生。通過實時監控道路中的車流、車速和車輛軌跡等特征，智能交通系統能夠對場景中的交通狀況做出分析，檢測出道路中發生的異常事件，進而采取相應的調度和預警措施。相較于傳統人力排查的方式，基于深度學習的車輛異常行為檢測不僅節省了人力和物力，更提高了事故排查的準確率。

在諸多交通異常事件類型中，車輛的碰撞往往表征著交通事故的發生，能否在事故發生后及時地反應并采取相應的救援、疏散和隔離等措施，則極大地影響著事故受害者的幸存率和事故現場的交通狀況。因此，自動、快速和準確地檢測交通監控視頻中的碰撞事故，是智能交通系統不可或缺的核心能力之一。此外，每年都會生成海量的交通監控視頻數據，而對這些數據進行事故查找和分析是一件極其繁重的工作。通過智能檢索和檢測海量視頻中事故出現的部分，能夠極大地減少人工分析視頻的任務量。

現有技術中利用生成對抗網絡(GAN，Generative Adversarial Networks)預測連續四幀視頻的后一幀視頻，訓練時，利用正常視頻樣本訓練生成器，使其能夠很好地預測正常視頻；測試時，生成器對正常視頻生成的預測幀與原始視頻之間的誤差較小，而生成器不能很好地對異常視頻進行預測，其預測幀與原始幀之間有較大的誤差。因此，利用預測幀與原始幀之間的誤差來檢測異常行為。這種方法的缺陷是：該算法是在假定用于有限的正常樣本訓練的生成器能夠對所有的正常樣本都能很好的預測的基礎上設計的。然而，現實中不可能收集到所有的類型的正常行為，對于非典型的正常樣本器效果并不理想。此外，該方法是基于深度學習的端到端的異常行為檢測方法，復雜的深度神經網絡結構使得該算法不能滿足實際應用中的實時性要求。

因此，現有技術還有待于改進和發展。

發明內容

本發明的主要目的在于提供一種基于視覺的車輛碰撞檢測方法、智能終端及存儲介質，旨在解決現有技術中無法快速和準確地檢測出場景中的車輛碰撞事故的問題。

為實現上述目的，本發明提供一種基于視覺的車輛碰撞檢測方法，所述基于視覺的車輛碰撞檢測方法包括如下步驟：

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。

可選地，所述的基于視覺的車輛碰撞檢測方法，其中，所述檢測交通監控視頻中的車輛，具體為：