一種交通異常檢測方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于智能交通監(jiān)控領(lǐng)域，尤其設(shè)及一種交通異常檢測方法及系統(tǒng)。
【背景技術(shù)】
[0002] 近年來，隨著機(jī)動車保有量快速增長，交通問題越加凸顯。為了更有效的實(shí)施交通 管理，現(xiàn)有技術(shù)提出了智能交通監(jiān)控系統(tǒng)。該系統(tǒng)的工作方式主要有兩種；一種是錄制現(xiàn)場 視頻數(shù)據(jù)，W用于事后取證；另一種是采集現(xiàn)場視頻數(shù)據(jù)，之后將采集的視頻數(shù)據(jù)傳輸?shù)奖O(jiān) 控中屯、，由監(jiān)控中屯、的工作人員面對視頻墻上的大量屏幕進(jìn)行人工監(jiān)控和分析，W期找出 交通異常。
[0003] 前一種工作方式不具有實(shí)時性，主要用于交通事故取證方面，無法實(shí)時監(jiān)測到交 通異常的發(fā)生。后一種工作方式雖可實(shí)現(xiàn)對交通異常的實(shí)時監(jiān)控，但有限的人力無法有效 管理分析成千上萬的攝像頭的視頻，實(shí)時性較差，人力成本高，使得系統(tǒng)原有的預(yù)防和積極 干預(yù)能力喪失，逐漸成為了一種事后取證錄像的工具，更有甚者，大量的視頻無人監(jiān)視，在 規(guī)定期限無人查詢就會被自動刪除。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種交通異常檢測方法，旨在解決現(xiàn)有的智能交通監(jiān)控系 統(tǒng)采用人工方式對采集到的視頻數(shù)據(jù)進(jìn)行監(jiān)控和分析W找出交通異常，實(shí)時性差且人力成 本高的問題。
[0005] 本發(fā)明是該樣實(shí)現(xiàn)的，一種交通異常檢測方法，所述方法包括W下步驟：
[0006] 對正常交通視頻圖像序列中的每一視頻帖按照相同方式進(jìn)行分塊，不同視頻帖的 對應(yīng)塊構(gòu)成第一視頻塊序列，之后將每一個所述第一視頻塊序列分為多個鏡頭，統(tǒng)計每一 個所述第一視頻塊序列在第一設(shè)定時間周期內(nèi)的鏡頭數(shù)量，并用統(tǒng)計得到的所述鏡頭數(shù)量 訓(xùn)練局斯板型；
[0007] 對測試交通視頻圖像序列中的每一視頻帖按照相同方式進(jìn)行分塊，不同視頻帖的 對應(yīng)塊構(gòu)成第二視頻塊序列，之后將每一個所述第二視頻塊序列分為多個鏡頭，統(tǒng)計每一 個所述第二視頻塊序列在第二設(shè)定時間周期內(nèi)的鏡頭數(shù)量，所述第二設(shè)定時間周期與所述 第一設(shè)定時間周期相等；
[000引根據(jù)所述第二視頻塊序列在所述第二設(shè)定時間周期內(nèi)的鏡頭數(shù)量，利用對應(yīng)的所 述高斯模型，完成所述第二視頻塊的交通異常檢測。
[0009] 本發(fā)明的另一目的在于提供一種交通異常檢測系統(tǒng)，所述系統(tǒng)包括：
[0010] 建模模塊，用于對正常交通視頻圖像序列中的每一視頻帖按照相同方式進(jìn)行分 塊，不同視頻帖的對應(yīng)塊構(gòu)成第一視頻塊序列，之后將每一個所述第一視頻塊序列分為多 個鏡頭，統(tǒng)計每一個所述第一視頻塊序列在第一設(shè)定時間周期內(nèi)的鏡頭數(shù)量，并用統(tǒng)計得 到的鏡頭數(shù)量訓(xùn)練高斯模型；
[0011] 測試交通視頻圖像處理模塊，用于對測試交通視頻圖像序列中的每一視頻帖按照 相同方式進(jìn)行分塊，不同視頻帖的對應(yīng)塊構(gòu)成第二視頻塊序列，之后將每一個所述第二視 頻塊序列分為多個鏡頭，統(tǒng)計每一個所述第二視頻塊序列在第二設(shè)定時間周期內(nèi)的鏡頭數(shù) 量，所述第二設(shè)定時間周期與所述第一設(shè)定時間周期相等；
[0012] 交通異常檢測模塊，用于根據(jù)所述第二視頻塊序列在所述第二設(shè)定時間周期內(nèi)的 鏡頭數(shù)量，利用對應(yīng)的所述高斯模型，完成所述第二視頻塊的交通異常檢測。
[0013] 本發(fā)明提出的交通異常檢測方法及系統(tǒng)是將正常交通視頻圖像序列分為視頻塊 序列，檢測視頻塊序列中的鏡頭數(shù)量，建立視頻塊序列中的鏡頭數(shù)量的高斯模型，利用高斯 模型對測試交通視頻圖像進(jìn)行異常檢測。相對于現(xiàn)有人工分析方式，實(shí)現(xiàn)了監(jiān)測的智能化， 實(shí)時性強(qiáng)并節(jié)約了人力成本。同時，分塊分鏡頭技術(shù)使得檢測速度更快，特別適合應(yīng)用在處 理數(shù)據(jù)量大、場景復(fù)雜且變化快的交通視頻監(jiān)控領(lǐng)域中，可快速準(zhǔn)確的定位事故現(xiàn)場。
【附圖說明】
[0014] 圖1是本發(fā)明第一實(shí)施例提供的交通異常檢測方法的流程圖；
[001引圖2是本發(fā)明第一實(shí)施例中，訓(xùn)練高斯模型的步驟的詳細(xì)流程圖；
[0016] 圖3是本發(fā)明第一實(shí)施例中，將每一個第一視頻塊序列分為多個鏡頭的步驟的詳 細(xì)流程圖；
[0017] 圖4是本發(fā)明第二實(shí)施例提供的交通異常檢測方法的流程圖；
[0018] 圖5是本發(fā)明第S實(shí)施例提供的交通異常檢測系統(tǒng)的原理框圖；
[0019] 圖6是本發(fā)明第S實(shí)施例中，建模模塊的原理框圖；
[0020] 圖7是本發(fā)明第S實(shí)施例中，分鏡頭子模塊的原理框圖；
[0021] 圖8是本發(fā)明第四實(shí)施例提供的交通異常檢測系統(tǒng)的原理框圖。
【具體實(shí)施方式】
[0022] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，W下結(jié)合附圖及實(shí)施例，對 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用W解釋本發(fā)明，并 不用于限定本發(fā)明。
[0023] 本發(fā)明提出的交通異常檢測方法是將正常交通視頻圖像序列分為視頻塊序列，檢 測視頻塊序列中的鏡頭數(shù)量，建立視頻塊序列中的鏡頭數(shù)量的高斯模型，利用高斯模型對 測試交通視頻圖像進(jìn)行異常檢測。
[0024] 圖1示出了本發(fā)明第一實(shí)施例提供的交通異常檢測方法的流程，包括W下步驟：
[0025] S1 ;對正常交通視頻圖像序列中的每一視頻帖按照相同方式進(jìn)行分塊，不同視頻 帖的對應(yīng)塊構(gòu)成第一視頻塊序列，之后將每一個第一視頻塊序列分為多個鏡頭，統(tǒng)計每一 個第一視頻塊序列在第一設(shè)定時間周期內(nèi)的鏡頭數(shù)量，并用統(tǒng)計得到的鏡頭數(shù)量訓(xùn)練高斯 模型。
[0026] 進(jìn)一步地，如圖2所示，步驟S1又包括：
[0027] 步驟S11 ;對正常交通視頻圖像序列中的每一視頻帖按照相同方式進(jìn)行分塊，不 同視頻帖的對應(yīng)塊構(gòu)成第一視頻塊序列。
[002引即是說，第一視頻塊序列包括多個視頻塊，不同的視頻塊來自于不同的視頻帖的 對應(yīng)區(qū)域，該樣，便將正常交通視頻圖像序列分為了多個第一視頻塊序列。例如，假設(shè)包括 n個帖視頻的正常交通視頻圖像序列V = …，f。}，其中，ftE V，t = 1，2, ...n。對 于視頻帖ft，可在空間域分成rX C塊，表示為：
[0029]
【主權(quán)項】
1. 一種交通異常檢測方法，其特征在于，所述方法包括以下步驟： 對正常交通視頻圖像序列中的每一視頻幀按照相同方式進(jìn)行分塊，不同視頻幀的對應(yīng) 塊構(gòu)成第一視頻塊序列，之后將每一個所述第一視頻塊序列分為多個鏡頭，統(tǒng)計每一個所 述第一視頻塊序列在第一設(shè)定時間周期內(nèi)的鏡頭數(shù)量，并用統(tǒng)計得到的所述鏡頭數(shù)量訓(xùn)練 高斯模型； 對測試交通視頻圖像序列中的每一視頻幀按照相同方式進(jìn)行分塊，不同視頻幀的對應(yīng) 塊構(gòu)成第二視頻塊序列，之后將每一個所述第二視頻塊序列分為多個鏡頭，統(tǒng)計每一個所 述第二視頻塊序列在第二設(shè)定時間周期內(nèi)的鏡頭數(shù)量，所述第二設(shè)定時間周期與所述第一 設(shè)定時間周期相等； 根據(jù)