CN102945602A - 一种用于交通事件检测的车辆轨迹分类方法 - Google Patents
一种用于交通事件检测的车辆轨迹分类方法 Download PDFInfo
- Publication number
- CN102945602A CN102945602A CN2012104006737A CN201210400673A CN102945602A CN 102945602 A CN102945602 A CN 102945602A CN 2012104006737 A CN2012104006737 A CN 2012104006737A CN 201210400673 A CN201210400673 A CN 201210400673A CN 102945602 A CN102945602 A CN 102945602A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- track
- match
- angle
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公布了一种用于交通事件检测的车辆轨迹分类方法,包括下述步骤:提取车辆的轨迹并记录轨迹点的坐标;对于记录下来的轨迹坐标,进行二次多项式y=ax 2 +bx+c的最小二乘拟合;根据拟合的结果判断车辆的行驶方式。本发明有如下优点:1、轨迹分类较为简单。由于本发明中所使用的方法是最小二乘拟合,而不是传统的聚类算法,因此不需要事先规定一些轨迹,直接进行计算,对得到的结果进行判断即可。2、得到的结果较为精确。由于本发明中使用了“双拟合”的综合判断,因此得到的车辆行驶方式更加的准确。
Description
技术领域
本发明属于交通视频监控检测技术领域,特别是涉及一种用于交通事件检测的车辆轨迹分类方法。
背景技术
目前所具有的轨迹提取技术,大多基于聚类算法,将车辆行驶的轨迹聚类。这种方法复杂度较高,需要事先设定好几类用于聚类的轨迹,并且还要充分的考虑这些轨迹的合理性和有效性。对于轨迹分类,现有的方法有隐马尔科夫模型、神经网络等,但这些方法都过于复杂,使得整个轨迹分类的过程的工作量加大。
发明内容
本发明目的在于针对传统的算法法比较复杂的问题,提供一种轨迹分类较为简单,结果比较精确的用于交通事件检测的车辆轨迹分类方法。
本发明主要针对的是车辆的轨迹的检测和分类。本发明将车辆的轨迹分为两类,即抛物线和直线,而将车辆的行驶方式分为三类,即直行、转弯和掉头,这些分类需通过轨迹的拟合来实现。
本发明为实现上述目的,采用如下技术方案:
一种用于交通事件检测的车辆轨迹分类方法,包括下述步骤:
(1)提取车辆的轨迹并记录轨迹点的坐标;
(2)对于记录下来的轨迹坐标,进行二次多项式y=ax2+bx+c的最小二乘拟合;
(3)根据拟合的结果判断车辆的行驶方式。
其进一步特征在于:步骤(2)中最小二乘拟合采用双拟合的方法,即分别用两个一大一小的门限,对轨迹点进行先进行较大门限的粗拟合和再进行较小门限的细拟合。
步骤(3)判断车辆的行驶方式的方法为:
用较大的门限值进行拟合,得到的粗拟合的多项式,y=ax2+bx+c式中,若a小于某一预设的门限值,则认为车辆的轨迹是直线,否则,认为其是抛物线;
再用一个较小门限值进行细拟合,这次拟合会拟合出多于一个的多项式,此时利用第一个多项式和最后一个多项式,辅以第一点和最后一点的坐标信息,可以得到两个角度值入角θin和出角θout,入角代表车辆开始行驶时的方向,而出角则代表车辆行驶结束时的方向,之后就可以得到出入角度的差值,并可根据这个差值确定车辆的行驶方式是左转、右转还是掉头。
上述所述轨迹拟合的步骤为:
(1)将起始点和终止点分别标记为pstart(xstart,ystart)和pend(xend,yend);
(2)初始化:令xstart=x1,xend=x2,1和2分别代表第一和第二帧;
(3)差值计算:利用最小方差法计算拟合方程y(x);
(4)差值评估:若eMAX>T,至第(5)步,否则,至第(6)步;
(5)加入新点:接受y(x),并令xstart=xend-1;
(6)递增或结束:若xend是最后一个点,则拟合结束;否则令xend=xend+1,至第(3)步。
从大门限的拟合,可以得到车辆的轨迹的类型,即直线或者抛物线,但是对于车辆行驶方向的判断却不是很精确,而小门限拟合恰好弥补了这点不足,可以较精确的得到车辆轨迹的方向,从而可以得到车辆的行驶方式,即直行、拐弯或是掉头。利用双拟合综合判断后得到的车辆行驶方式,加以一些辅助的交通信息,如红绿灯等,就可以对一些常见的交通事件,如闯红灯等,进行判断和检测。
本发明有如下优点:
1、轨迹分类较为简单。由于本发明中所使用的方法是最小二乘拟合,而不是传统的聚类算法,因此不需要事先规定一些轨迹,直接进行计算,对得到的结果进行判断即可。
2、得到的结果较为精确。由于本发明中使用了“双拟合”的综合判断,因此得到的车辆行驶方式更加的准确。
附图说明
图1为本发明方法判断示意图。
具体实施方式
本发明主要利用的是车辆的轨迹。
首先,提取出轨迹,得到相应点的坐标值并记录,然后通过最小二乘法进行拟合。对于拟合来说,通常所用到的拟合公式如(1)式和(2)所示,即一个是线性方程,另一个是抛物线方程,然而在交通路口,车辆的形式方式既有直行的也有拐弯的,所以拟合过程中,所用到的是二次多项式,即式(2)中的表达式。
y=ax+b (1)
y=ax2+bx+c (2)
在选定了所用的表达式后,本发明就对轨迹上的点进行拟合,在该拟合方法中,首先选前两个点进行拟合,之后,每次加入一个点,直到近似误差大于某一门限值,到这时,前一段的曲线拟合结束,再新选一个新的拟合起点,并重新开始下一段曲线的拟合。算法中所用到的变量有如下几个,曲线上的每一点,记做p(xi,yi),其中,i是帧数,起始点和终止点分别记为pstart(xstart,ystart)and pend(xend,yend),y(x)是根据(2)式拟合后得到的拟合方程。另外,算法所用来计算y(x)的方法是最小方差法,即使式(3)的值达到最小:
令T为门限值,定义近似误差为:
ei=yi-y(xi),i=start,start+1,...,end (4)
另外,定义最大近似误差为:
eMAX=MAX{ei},i=start,start+1,...,end (5)
整个算法的步骤如下所示:
1.初始化。令xstart=x1,xend=x2,1和2分别代表第一和第二帧。
2.差值计算。计算拟合方程y(x)。
3.差值评估。若eMAx>T,至第四步,否则,至第五步。
4.加入新点。接受y(x),并令xstart=xend-1.
5.递增或结束。若xend是最后一个点,则拟合结束。否则令xend=xend+1,至第二步。
利用上述基本的拟合方法,本发明采用了一种“双拟合”的方法进行轨迹的拟合和提取,能够快捷和准确的提取出轨迹,并将其分类。本发明的拟合过程首先进行轨迹的粗拟合,即用较大的门限值(T)进行拟合,得到的粗拟合的多项式y=ax2+bx+c,式中,若a小于某一预设的门限值(如0.001),则认为车辆的轨迹是直线,否则,认为其是抛物线。如果轨迹分类得到的结果是直线,那么则可以得到车辆的行驶方式是直行;若轨迹分类得到的结果是抛物线,则继续进行细拟合,即用一个较小门限值进行拟合,这次拟合会拟合出多于一个的多项式,此时利用第一个多项式和最后一个多项式,辅以第一点和最后一点的坐标信息,可以得到两个角度值θin和θout,本发明定义其为入角和出角,入角可以代表车辆开始行驶时的方向,而出角则可代表车辆行驶结束时的方向。之后就可以得到出入角度的差值,并可根据这个差值确定车辆的行驶方式是左转、右转还是掉头。整个过程的流程图如图1所示。
Claims (4)
1.一种用于交通事件检测的车辆轨迹分类方法,包括下述步骤:
(1)提取车辆的轨迹并记录轨迹点的坐标;
(2)对于记录下来的轨迹坐标,进行二次多项式y=ax2+bx+c的最小二乘拟合;
(3)根据拟合的结果判断车辆的行驶方式。
2.根据权利要求1所述的用于交通事件检测的车辆轨迹分类方法,其特征在于:步骤(2)中最小二乘拟合采用双拟合的方法,即分别用两个一大一小的门限,对轨迹点进行先进行较大门限的粗拟合和再进行较小门限的细拟合。
3.根据权利要求1所述的用于交通事件检测的车辆轨迹分类方法,其特征在于:步骤(3)判断车辆的行驶方式的方法为:
用较大的门限值进行拟合,得到的粗拟合的多项式,y=ax2+bx+c式中,若a小于某一预设的门限值,则认为车辆的轨迹是直线,否则,认为其是抛物线;用一个较小门限值进行细拟合,这次拟合会拟合出多于一个的多项式,此时利用第一个多项式和最后一个多项式,辅以第一点和最后一点的坐标信息,可以得到两个角度值入角θin和出角θout,入角代表车辆开始行驶时的方向,而出角则代表车辆行驶结束时的方向,之后就可以得到出入角度的差值,并可根据这个差值确定车辆的行驶方式是左转、右转还是掉头。
4.根据权利要求1或2所述的用于交通事件检测的车辆轨迹分类方法,其特征在于:所述轨迹拟合的步骤为:
(1)将起始点和终止点分别标记为pstart(xstart,ystart)和pend(xend,yend);
(2)初始化:令xstart=x1,xend=x2,1和2分别代表第一和第二帧;
(3)差值计算:利用最小方差法计算拟合方程y(x);
(4)差值评估:若eMAx>T,至第(5)步,否则,至第(6)步;
(5)加入新点:接受y(x),并令xstart=xend-1;
(6)递增或结束:若xend是最后一个点,则拟合结束;否则令xend=xend+1,至第(3)步。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210400673.7A CN102945602B (zh) | 2012-10-19 | 2012-10-19 | 一种用于交通事件检测的车辆轨迹分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210400673.7A CN102945602B (zh) | 2012-10-19 | 2012-10-19 | 一种用于交通事件检测的车辆轨迹分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102945602A true CN102945602A (zh) | 2013-02-27 |
CN102945602B CN102945602B (zh) | 2015-04-15 |
Family
ID=47728540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210400673.7A Expired - Fee Related CN102945602B (zh) | 2012-10-19 | 2012-10-19 | 一种用于交通事件检测的车辆轨迹分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102945602B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927437A (zh) * | 2014-04-04 | 2014-07-16 | 东南大学 | 在非直线路段测量车头间距的方法 |
CN105651295A (zh) * | 2016-01-15 | 2016-06-08 | 武汉光庭信息技术股份有限公司 | 基于Bezier曲线构建交叉路口驶入驶出车道Link的连接曲线算法 |
CN109034226A (zh) * | 2018-07-16 | 2018-12-18 | 福州大学 | 一种基于图论的车辆轨迹聚类方法 |
CN112991717A (zh) * | 2019-12-16 | 2021-06-18 | 深圳云天励飞技术有限公司 | 车辆轨迹展示方法及相关产品 |
CN113345228A (zh) * | 2021-06-01 | 2021-09-03 | 星觅(上海)科技有限公司 | 基于拟合轨迹的行驶数据的生成方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010198578A (ja) * | 2009-02-27 | 2010-09-09 | Toyota Motor Corp | 移動軌跡生成装置 |
CN101958046A (zh) * | 2010-09-26 | 2011-01-26 | 隋亚刚 | 一种车辆轨迹识别***及车辆轨迹识别的方法 |
CN102087790A (zh) * | 2011-03-07 | 2011-06-08 | 中国科学技术大学 | 一种低空对地车辆检测与运动分析的方法和*** |
CN102568200A (zh) * | 2011-12-21 | 2012-07-11 | 辽宁师范大学 | 车辆行驶状态实时判别的方法 |
CN102696060A (zh) * | 2009-12-08 | 2012-09-26 | 丰田自动车株式会社 | 物体检测装置以及物体检测方法 |
-
2012
- 2012-10-19 CN CN201210400673.7A patent/CN102945602B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010198578A (ja) * | 2009-02-27 | 2010-09-09 | Toyota Motor Corp | 移動軌跡生成装置 |
CN102696060A (zh) * | 2009-12-08 | 2012-09-26 | 丰田自动车株式会社 | 物体检测装置以及物体检测方法 |
CN101958046A (zh) * | 2010-09-26 | 2011-01-26 | 隋亚刚 | 一种车辆轨迹识别***及车辆轨迹识别的方法 |
CN102087790A (zh) * | 2011-03-07 | 2011-06-08 | 中国科学技术大学 | 一种低空对地车辆检测与运动分析的方法和*** |
CN102568200A (zh) * | 2011-12-21 | 2012-07-11 | 辽宁师范大学 | 车辆行驶状态实时判别的方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927437A (zh) * | 2014-04-04 | 2014-07-16 | 东南大学 | 在非直线路段测量车头间距的方法 |
CN103927437B (zh) * | 2014-04-04 | 2016-10-26 | 东南大学 | 在非直线路段测量车头间距的方法 |
CN105651295A (zh) * | 2016-01-15 | 2016-06-08 | 武汉光庭信息技术股份有限公司 | 基于Bezier曲线构建交叉路口驶入驶出车道Link的连接曲线算法 |
CN109034226A (zh) * | 2018-07-16 | 2018-12-18 | 福州大学 | 一种基于图论的车辆轨迹聚类方法 |
CN112991717A (zh) * | 2019-12-16 | 2021-06-18 | 深圳云天励飞技术有限公司 | 车辆轨迹展示方法及相关产品 |
CN113345228A (zh) * | 2021-06-01 | 2021-09-03 | 星觅(上海)科技有限公司 | 基于拟合轨迹的行驶数据的生成方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102945602B (zh) | 2015-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7120689B2 (ja) | 深層学習に基づく車載ビデオターゲット検出方法 | |
CN102646199B (zh) | 复杂场景中的车型识别方法 | |
CN109460023A (zh) | 基于隐马尔科夫模型的驾驶人换道意图识别方法 | |
CN102810250B (zh) | 基于视频的多车型交通信息检测方法 | |
CN111563412B (zh) | 一种基于参数空间投票和贝塞尔拟合的快速车道线检测方法 | |
CN102568200B (zh) | 车辆行驶状态实时判别的方法 | |
CN103021186B (zh) | 一种车辆监控的方法及*** | |
CN109447033A (zh) | 基于yolo的车辆前方障碍物检测方法 | |
CN105513349B (zh) | 基于双视角学习的山区高速公路车辆事件检测方法 | |
CN109471436A (zh) | 基于混合高斯-隐马尔科夫模型的换道模型参数优化方法 | |
CN102945602B (zh) | 一种用于交通事件检测的车辆轨迹分类方法 | |
CN104268506A (zh) | 基于深度图像的客流计数检测方法 | |
CN106652445A (zh) | 一种公路交通事故判别方法及装置 | |
CN105744232A (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
CN104182756B (zh) | 一种基于单目视觉的车辆前方障碍物检测方法 | |
CN104992453A (zh) | 基于极限学习机的复杂背景下目标跟踪方法 | |
CN103345842B (zh) | 一种道路车辆分型***及方法 | |
CN107274668A (zh) | 一种基于车辆检测的道路拥堵建模方法 | |
CN104200488A (zh) | 一种基于图表示和匹配的多目标跟踪方法 | |
CN106647776A (zh) | 车辆变道趋势的判断方法、判断装置和计算机存储介质 | |
CN103390278A (zh) | 一种视频异常行为检测*** | |
CN105654139A (zh) | 一种采用时间动态表观模型的实时在线多目标跟踪方法 | |
CN103646253A (zh) | 基于乘客多运动行为分析的公交车客流统计方法 | |
CN104951764A (zh) | 基于二次谱聚类和hmm-rf混合模型的高速车辆行为识别方法 | |
CN103794050A (zh) | 一种实时的交通车辆检测与跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150415 Termination date: 20161019 |
|
CF01 | Termination of patent right due to non-payment of annual fee |