车辆交通事故视频监测算法研究

车辆交通事故视频监测算法研究 2014 28 4 Vol, 28 No, 4 2014年 第 卷 第 期 测 试 技 术 学 报 ( 106 ) JOU,NAL OF TEST AND MEASU,EMENT TECHNOLOGY ( Sum No, 106)总第 期 -7449( 2014) 04-0349-06: 1671文章编号 车辆交通事故视频监测算法研究 ? 1，2 1，李月娥 申海洋 ( 1, ,030006; 2, ,030031)山西大学 物理电子工程学院山西 太原 山西大学 商务学院山西 太原 : ,摘 要为快速准确地检测出车辆交通事故的发生本文提出一种基于计算机视觉和图像处理技术的事故 , 、,, 监测算法统计发现车辆交通事故中会因碰撞伴随产生烟雾碎片同时车辆的运动速度会发生锐减故通 、,过提取交通监控视频中的烟雾碎片和运动目标速度的变化等参数结合麦夸特法进行公式拟合可得到交 ,, ,,通事故发生概率公式并计算出事故发生概率实验结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明这种 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 能有效地监测出车辆交通事故检 89, 4% ,, ,测准确率达验证了算法的有效性此方法应用在智能交通系统中将能及时监测到事故发生可为后 ,,续事故处理赢得时间故有一定的实用价值 : ; ; ; ; 关键词视频监测算法车辆交通事故非线性最小二乘法图像处理 : TP391, 413 : A doi: 10, 3969 / j, issn, 1671-7449, 2014, 04, 014中图分类号文献标识码 ,esearch on Video Detection Algorithm of Vehicle Traffic Accident 1,2 1LI Yue'e,SHEN Haiyang ( 1, College of Physics and Electronic Engineering,Shanxi University,Taiyuan 030006,China; 2, College of Business,Shanxi University,Taiyuan 030031,China) Abstract: In order to detect the vehicle traffic accident quickly and accurately,a method based on Computer vision and image processing technology was proposed, The result showed that Vehicle traffic accidents will pro- duce smoke,debris and vehicle velocity will drop drastically, Detected the parameters of the smoke,debris and change of vehicle velocity in the traffic surveillance video, Combined with the Marquardt method to fit formula the got the traffic accident probability formula, Then calculated the probability of an accident, Experiments and owed that: the proposed method can detect the vehicle traffic accident effectively,the detection accuracy rate sh reach 89, 4% which verified the effectiveness of the method, By using this method in the intelligent transpor- can tation system,it will be effective in win the time for subsequent accident treatment which reflected the practical value, Key words: video detection algorithm; vehicle; traffice accident; nonlinear least squares method; image pro- cessing ,,,近年来中国汽车保有量增长迅猛给道路交通带来巨大压力交通事故发生率也一直居高不, 2012 4, 6 ,1, 1 ,5 , 下据统计 年全国涉及人员伤亡的交通事故均有 万起造成 万人死亡万人受伤在交通 ,事 故中很多伤亡是由于伤者无法快速报警而没有及时得到救援所致故如果车辆交通事故能被视频监控 、,, 系 统实时的监测到并及时的向交管救援部门报警就能减少很多无谓的伤亡目前在中国道路交通系 ,,统 中许多路段和路口都安装了高清监控摄像头车辆交通事故智能视频监测算法既有迫切的应用需求 ,也 有实现监测功能所需的硬件支持和计算机视觉与图像处理算法的理论支撑这为车辆交通事故现场视 ,频 监测算法的研究奠定了基础 : 2014-03-01?收稿日期 : ( 2010011019-2)基金项目山西省自然科学基金资助项目 : ( 1955-) ,,,,,作者简介李月娥女教授博士主要从事图像与信号处理的研究 350 2014 4 测 试 技 术 学 报 年第 期 ,,,当前全球各国在开展道路交通建设的同时也开始注重智能交通管理系统的开发研究故在道路 交 ,1,,, 通事故监测技术方面的研究取得了许多成果也积累了先进经验随着计算机视觉和图像处理技术 的,,, 发展国内外一些著名的科研机构和专家学者在智能交通领域进行了深入的研究取得了很多成果如 、、、, IBM Smart Surveil- 贝叶斯算法灰色理论算法加利福尼亚算法神经网络算法等美国 公司开发了 lance System ,、、系统国内上海交通大学清华大学中国科学院自动化研究所模式识别国家重点实验室等 ,机构在该领域也取得了重要成果 ,,间接地判断交通事故的发生存在许多不 足现有的大部分事故监测算法通过大量数据进行统计 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 ,,,,之处如算法复杂度高实时性差且监测准确率低 ,在对大量的交通事故现场特征进行统计分析论证的基础上本文基于图像处理技术和计算机视觉技 、术提出了一种通过在交通视频序列中检测烟雾碎片以及目标速度锐减突变等特征来判断是否有交通事 ,,故发生的方法并通过实验验证了算法的有效性 1 车辆交通事故视频监测算法 ,25 , 在主要路段或者路口安装固定的或者可旋转的高清摄像头以每秒 帧的速率采集交通视频序列通 ; , 过统计平均的方法计算获取视频帧的背景使用划分虚拟车道的方法标定虚拟尺度来测算车辆速度以 ,2,; , 减少运算量使用自适应中值滤波器当车 辆进对图像帧减去图像背景后得到的前景图像进行滤波处理 ,3,,; ,, 入监控范围时图像的灰度直方图保持不变当车辆发生重叠或碰撞时灰度直方图发生突变根据实 际精度要求和硬件资源配置情况以每秒 K ,K = 20, 本文中设定 次的速率统计直方图直 、,碎片并计算车 方图发生突变时开始检测烟雾 , 辆速度通过实验数据拟合得到事故发生概率 ,公式然后将检测得到的参数代入公式计算事 , 1 ,故的发生概率监测算法 流程 快递问题件怎么处理流程河南自建厂房流程下载关于规范招聘需求审批流程制作流程表下载邮件下载流程设计 如图 所示 通过在路口安装的固定摄像头获取当前交 , 通状况的视频序列需要进行的预处理为划分 ,虚拟车道即将图像中道路的双向车道用虚拟 ,线分开以排除道路两侧冗余信息以减少计算 , 量由于路口环境因素和车辆不断行驶的复杂 ,4,,, 情况使用统计平均的方法获取背景使用自 ,适应的中值滤波器对图像进行预处理以减少 , 椒盐噪声对图像的影响以上步骤处理完成后 1 图 车辆交通事故检测算法框架和流程 ,Fig, 1 Vehicle traffic accident detection algorithm 进入事件检测模块在图像中设立虚拟的检测 framework and processes ,线当虚拟线的灰度值发生改变时判定有车辆 ,,,进入系统开始以设定的速率计算前景图像的灰度直方图当前景图像的灰度直方图开始锐减时可能 ,、、是目标离开监控视野或是发生重叠和碰撞此时开始分别从烟雾探测碎片检测车速突变几个方面进 , ,,行分析处理对事件检测的结果进行综合分析计算交通事故发生的可能性最终由系统评定是否需要 ,报警或者重新回到背景获取程序 ,本文通过高清摄像头获取当前监控视野范围内的视频序列信息利用后台终端计算机对视频进行处 ,,,理分析判断是否有交通事故发生并通过网络向相关报警系统发出警报 2 监测算法的实现 、,文中车辆交通事故监测算法由预处理模块事件检测模块和决策模块组成 ( 106 ) ( )351 总第 期车辆交通事故视频监测算法研究李月娥等 2, 1 预处理模块 ,5,,、车辆交通事故监测算法的运行从预处理模块开始预处理模块由划分虚拟车道和警戒线图像背 、, ,景获取图像去噪等几个部分构成监控视频中车辆行驶的车道是需要处理和检测的目标区域车道线 、, 外其他区域如附近人行道非机动车道以及附近建筑物等是不需要检测的区域划分虚拟车道和警戒线 ,, 的目的是为了减少图像运算量及冗余数据的处理量同时排除了其他运动目标的干扰数字图像在计算 ( ) , X Y ,2a、,中所示轴轴是图像的平面坐标机中以矩阵的形式存储如图 根据实际路况在摄像机采集 A,B,C,D ,,2( b) 到的图像中选择 四点以其围成的梯形区域作为目标区域实际得到的图像是图 中虚线 ,范围内的图像 2 3 图 设定的虚拟车道线 图 交通视频帧背景的获取 Fig, 2 Diagram of setting virtual lane line Fig, 3 Diagram of getting background image of traffic video frame ,,目标监测的重要前提是图像背景区域的获取本文采用统计平均法来获取背景图像即通过采集多 幅,,图像然后取平均值作为背景的方法 1B= ( f + f + + f ) ( ) …,1k k k,1 k, N+ 1N Bff,N , 3 ,: 式中图像背景 是第 帧到第 帧的加权平均为总帧数图像背景的获取如图 所示 k k,N +1 k 3( a) 1 400 CCD ,( 1) 图 是通过 万像素 相机采集的视频帧序列中的某一帧利用式对其处理后获取的背 景 3( b) ,图像如图 ,由于图像采集中电子设备自身的干扰会产生椒盐噪声所以使用自适应中值滤波器对图像进行滤波 ,处理 2, 2 事件检测模块 ,, 4 ,, 车辆交通事故监测算法的预处理完成后进入事件检测流程如图 所示当目标进入警戒线后 , 虚拟警戒线上的灰度值发生变化因此虚拟警戒线上的灰度分布是否发生变化可以判断是否有车辆进 ,,, 4( c) X,300,400,入在车辆离开虚拟警戒线时灰度值恢复图 中像素跃升的区域 即是检测到的小车 ,, ,灰度值变化区域可见其明显区别于警戒线的的灰度值此时可以判断车辆是否完全进入视频序列中 4 图 车辆经过警戒线时引起的灰度值变化 Fig, 4 Gray level changes caused by vehicle when crossing the warning line ,,20 当车辆完全进入视频监控范围后用图像减去背景可获得前景图像并以每秒 次的速率计算灰度 352 2014 4 测 试 技 术 学 报 年第 期 ,,直方图当灰度直方图持续变化时说明有目标进入视频范围当直方图不再变化时说明目标完全进入视 , 、,, 野当目标离开视频范围或者发生重叠碰撞变形时目标总灰度值都会发生改变当直方图再次变化 ,、, , 时开始进行烟雾探测碎片检测以及车速锐减突变的检测在对数百组车辆碰撞事故进行统计分析后 35% ,80% ,发现约有 以上的碰撞会产生烟雾左右的碰撞会因车体损伤而产生碎片此外由于碰撞车辆的 ,速度都会锐减 , , 221烟雾检测 ,130 , 230车辆碰撞基本都会产生灰白色的烟雾据统计得车辆碰撞产生的烟雾灰度值大体分布在 ,6,7,, ,130 , 230 , 5 ,之间将图像灰度化后利用双阈值法提取灰度值分布在 之间的像素块如图 所示 5 图 车辆碰撞时的烟雾检测 Fig, 5 Smoke detection of vehicle collision , ,130230,之间像素的灰度值大幅增加时结合交通事故的特征可知当检测到在 可能是发生碰撞并 , T + 1 T 产生烟雾在 时刻相对 时刻的面积增益为 S, ST+1 T r = ( ( 2) S T C,C ( 设定阈值为 当大于阈值 时则判断有烟雾产生本文在检测中根据实际的精度需要而设定阈值 C = 0, 12, 2, 2, 2 碎片检测 ,,, ,车辆在碰撞时由于车体受到损伤多数情况下都会产生碎片将视频帧减去背景帧后对图像进 行 , 6 ,灰度化碎片检测提取过程如图 所示 6 图 碎片提取过程 Fig, 6 Process of debris extraction ,8,9,6( a) ,, Canny 以图 中的白色矩形区域模拟车辆其他不规则区域模拟碰撞碎片使用 算子提取图 ,6 ( b) ,Matlab2012a GUI bware-像边缘再进行形态学腐蚀与连通运算二值化后得到图 利用 的 库函数 aopen: carpic = bwareaopen ( chips,S,8 ) 6 ( b) ,S,对图 进行处理消除面积小于阈值 的碎片得到 T T 6( c) , 6( b) 6( c) 6( d) ,,x,图 用图 滤去图 得到图 即所需提取的碎片信息统计得到碎片的数量为 2, 2, 3 车速突变检测 , ,车速突变是交通事故的另一个重要特征当发生碰撞后车辆一般都会因紧急制动或动量抵消而急 , , 7 ,剧减速本文通过计算目标的车速变化来判定车速是否发生突变如图 所示先在图像上设置虚拟尺 ( 106 ) ( )353 总第 期车辆交通事故视频监测算法研究李月娥等 ,L,T, 度线设车辆行径距离为 通过时间为 时 T ( N , M) 间 可以通过车辆行径的帧数 来计 ,25 算图 像 的采集率是每秒 帧 即 每 帧 耗 时 1 /25 s,T = ( N , M) × 1 /25 s, 则时间 车辆速度 ( 3)计算如式 7 图 车辆速度检测 L ( 3) V =( Fig, 7 Vehicle speed detection ( N M) × 1 /25 , ,( 3 ) 1 V利用式以 秒为周期计算车速 且 T ΔVT +1 , 0( 7 ,时可判定速度发生突变 V= V, V( Y =速度变化 Δ设定当变化率 T+1 T+1 T V T,、以上是车辆交通事故监测算法中的事件检测模块检测出烟雾碎片以及车速突变等特征后对检测 ,,结果进行综合分析判定是否有交通事故发生 2, 3 决策模块 1 p 表 系数 值 ,通过大量的现场统计分析发现交通事故现场常常伴随 Tab, 1 The values of coefficients of p 3 , ,以上 个事件中的一项或者几项在综合分析的基础上通 ,10, p 系数 系数值 3 d,x,y 过对 个特征变量 利用非线性最小二乘法进行公 p, 52( 505 282 873 715 7 1 ,z ,式拟合得车辆交通事故发生概率 的公式即 p0( 694 768 775 017 204 2 2 3 4 p, 0( 350 916 826 924 147 3 z = ( p+ px + px + px + px + 1 2 3 4 5 5 2 3 p 066 915 700 048 772 4 0(px + py + py + py + 4 6 7 8 9 p, 0 005 179 034 021 00 (5 4 5 p10 ) ) y+ p y1 + 0( 2d) ( ( 4) 11 p0( 000 136 736 187 08 6 pd = 1,d = 0( p 1 ,574( 741 617 585 906 : 式中设 否则 获得的系数 值如表 所示 7 p, 2 399( 472 743 052 11 8 、、,通过烟雾检测碎片检测车速突变检测后得到事件 p4 773( 133 831 404 41 9 ,,检测结果对结果进行综合分析将事件检测中得到的参数 p, 4 518( 052 682 324 22 10 ( 4 ) ,z 代入公式进行判断根据精度需要设定当概率 达到 p1 632 ( 025 654 073 68 11 70% ,,时通过网络向系统报警 3 实验结果与分析 ,atlab2012a,VC + + 6, 0 ,M本文以多段交通监控视频作为样本进行实验验证采用 进行编程仿真运 ,2 ,用本文方法对样本视频进行检测处理结果如表 所示 ,,对样本视频的实验分析可知本文提出的方法能有效的监测车辆交通事故的发生统计准确率达 89, 4% ,,,验证了算法的有效性达到了预期效果 2 表 监测算法实验表 Tab, 2 Detection algorithm experimental results 视频编号 事件判断 实际路况 备注 z /%事故概率 1 79 交通事故 交通事故 2 83 交通事故 交通事故 3 62 无事故 交通事故 误判 4 89 交通事故 交通事故 5 92 交通事故 交通事故 6 81 交通事故 无事故 误判 49 36 无事故 无事故 50 69 交通事故 交通事故 354 2014 4 测 试 技 术 学 报 年第 期 4 结束语 , 本文基于图像处理技术和计算机视觉技术提出了一种视频监测车辆交通事故的算法首先通过分析 车 ; 辆交通事故现场的图像特征并结合公式拟合的方法得到车辆交通事故发生概率公式然后检测图像中 的烟、、,; 雾碎片车辆速度变化等信息将提取的信息结合公式计算出发生交通事故的概率最后将结果 反馈给 , ,, 报警系统通过实验验证了该方法的有效性和可靠性证明方法具有一定的实用价值由于交通 情况极为 ,、,复杂和视频信息数据量庞大此外天气因素光照因素对图像处理也会产生不利影响故本文 算法目前只 , 、,能在天气状况良好条件下对一些车流稀少路口进行监测在准确率运算速度上需要进一步 的优化提高 ,、、 在后续的研究中将重点对算法进行优化和改进以适应复杂的路况如车流密集天气变化光照影响等因,,素并进一步提高算法的有效性和可靠性 :参考文献 ,1, ,,, ,J,, ,2012,5( 12) : 217220,-王国峰宋鹏飞张蕴灵智能交通系统的发展与展望公路 Wang Guofeng,Song Pengfei,ZhangYunling, ,eview on development status and future of intelligent transportation system ,J,, High Way,2012,5( 12) : 217-220, ( in Chinese) ,2, Gonzales , C,Woods , E, Digital image processing using MATLAB,M,, Beijing: Electronics Industry,2009, ,3, Gonzales , C,Woods , E, Digital image processing,M,, Beijing: Electronics Industry,2011, ,4, Malik B T, Large displacement optical flow: descriptor matching in variational motion estimation,J,, Pattern Analysis and Machine Intelligence,IEEE Transactions on,2011,33( 3) : 500513, - ,5, ,,,, ,J,, ,2008,7( 28) : 1886-1889, 汪勤黄山张洪斌等基于视频图像处理的交通事件检测系统计算机应用Wang Qin,Huang Shan,Zhang Hongbin,et al, Traffic incident detection system based on video image processing,J,, Com- puter Applications,2008,7( 28) : 1886-1889, ( in Chinese) ,6, ,,,, ,J,, ,2013,3( 3) : 43-46,白冰洁韩俊峰潘盛辉等基于双阈值分割的车道线检测方法信息技术 Bai Bingjie,Han Junfeng,Pan Shenghui,et al, Lane detection based on dual-threshold segmentation,J,, Information Tech- nology,2013,3( 3) : 43-46, ( in Chinese) ,7, Lopez A,Serrat J,Canero C,et al, ,obust lane markings detection and road geometry computation,J,, Internation Joural of Automotive Technology,2010,11( 3) : 395-407, ,8, ,, Canny ,J,, ,2008,44 ( 25) : 170- 黄剑玲郑雪梅一种改进的基于 算子的图像边缘提取算法计算机工程与应用 172, Huang Jianling,Zheng Xuemei, Improved image edge detection algorithm based on Canny operator,J,, Computer Engineer- ing and Applications,2008,44( 25) : 170-172, ( in Chinese) ,9, Mgilhagga W, The Canny edge detector revisited,J,, International Journal of Coputer Vision,2011,91( 3) : 251261, -,10, ,, Landerweb ,J,, ,2010,唐利民朱建军基于 迭代的秩亏非线性最小二乘问题算法研究大地测量与地球动力学 2( 30) : 95-98, Tang Limin,Zhu Jianjun, Alogrithm based on landweber iteration for solving rank deficiency nonlinear least squares problem ,J,, Journal of Geodesy and Geodynamics,2010,2( 30) : 9598, ( in Chinese) -