《车辆运动状态的确定方法、系统、终端及可读存储介质.docx》由会员分享，可在线阅读，更多相关《车辆运动状态的确定方法、系统、终端及可读存储介质.docx（13页珍藏版）》请在第壹文秘上搜索。
1、patexplrer专利探索者-全球创新始于探索车辆运动状态的确定方法、系统、终端及可读存储介质申请号：CN.3申请日：20180823申请（专利权）人：深圳大学地址：广东省深圳市南山区南海大道3688号发明人：李岩山，罗成华,郭天宇,吴豪明,黄晓坤,王敏主分类号：G06K9/00公开（公告）号：CNB公开（公告）日：20210406代理机构：深圳市恒申知识产权事务所（普通合伙）代理人：袁文英(19)中华人民共和国国家知识产权局(12)发明专利(10)授权公告号CNB(45)授权公告日20210406(21)申请号CN.3(22)申请日20180823(71)申请人深圳大学地址广东省深圳市南山
2、区南海大道3688号(72)发明人李岩山，罗成华，郭天宇，吴豪明，黄晓坤，王敏(74)专利代理机构深圳市恒申知识产权事务所(普通合伙)代理人袁文英(54)发明名称车辆运动状态的确定方法、系统、终端及可读存储介质(57)摘要本发明适用于交通监控领域，提供了一种车辆运动状态的确定方法，包括：获取目标车辆在检测区域的检测视频中的位置集合：根据所述位置集合中的坐标信息确定所述目标车辆的位移矢量，以所述位移矢量确定所述目标车辆的运动轨迹；根据所述目标车辆的运动轨迹，采用模糊运动状态来确定所述目标车辆的运动状态。本发明实施例通过模糊运动状态来衡量目标车辆的运动状态，能够在目标车辆的轨迹时刻变化时，在检测区
3、域中确定目标车辆的运动状态。权利要求书1. 一种车辆运动状态的确定方法，其特征在于，包括:获取目标车辆在检测区域的检测视频中的位置集合，所述获取R标车辆在检测区域的检测视频中的位置集合包括：采集道路上预先划定的检测区域的检测视频，所述检测视频中包含有所述目标车辆；获取所述目标车辆在所述检测视频中每一帧图片上的位置，得到所述目标车辆在所述检测视频中的位置集合TrajObj；TrajObj=p1,p2,pm=(xl,yl),(x2,y2),，(xm,ym),其中，(x1,y1)表示起点，(xm,ym)表示终点；根据所述位置集合中的坐标信息确定所述目标车辆的位移矢量，以所述位移矢量确定所述目标车辆的
4、运动轨迹，所述根据所述位置集合中的坐标信息确定所述目标车辆的位移矢量，以所述位移矢量确定所述目标车辆的运动轨迹包括：以(xI,y1)表示所述目标车辆行驶的起点，(xm,ym)表示终点，表示所述目标车辆从起点指向终点的位移矢量，即：其中，表示从原点0指向P1的向量，表示从原点0指向Pm的向量，所述目标车辆Obj在不同方向上的位移分量为XS和ys,即：当XS0时，表示所述目标车辆Obj在X轴方向上有运动；当ys0时，表示所述目标车辆Obj在y轴方向上有运动：以X轴到的夹角O分析位移矢量的方向，设r为的模，贝U:所述检测区域S的下边界为y=L,所述检测区域中车流方向沿y轴为正方向，若ymL,则确定所
5、述目标车辆Obj正在或己经驶出检测区域，否ym4,则确定说明所述目标车辆未能正常驶出检测区域，最终得到所述目标车辆在所述检测区域内的运动轨迹；根据所述目标车辆的运动轨迹，采用模糊运动状态来确定所述目标车辆的运动状态，其中，设所述目标车辆Obj的模糊运动状态mot0包括：向右横穿马路Ra、正常行驶Nm、向左横穿马路La和逆行Re；所述目标车辆Obj的运动状态mot对应的隶属度函数包括：若fRa()越大，则表示模糊运动状态mot属于向右横穿马路Ra的程度越大，当或时，模糊运动状态mot0为向右横穿马路Ra:当时，模糊运动状态Inot0处于向右横穿马路Ra和正常行驶Nm的临界状态；当时，模糊运动状态
6、mot0处于向右横穿马路Ra和逆行Re的临界状态；若fNm(9)越大，则表示模糊运动状态mot属于正常行驶Nm的程度越大，当时，模糊运动状态mot8为正常行驶Nm：当时，模糊运动状态mot处于正常行驶Nin和向右横穿马路Ra的临界状态：当时，模糊运动状态mot0处于正常行驶Nm和向左横穿马路La的临界状态；若fLa(9)越大，则表示模糊运动状态mot属于向左横穿马路La的程度越大，当时，模糊运动状态mot为向左横穿马路La；当时，模糊运动状态mot处于向左横穿马路La和正常行驶Nm的临界状态；当时，模糊运动状态mot处于向左横穿马路La和逆行Re的临界状态；若fRe(0)越大，则表示模糊运动状
7、态mot属于逆行Re的程度越大，当时,模糊运动状态mot0为逆行Re；当时，模糊运动状态mot处于逆行Re和向左横穿马路La的临界状态；当时，模糊运动状态mot0处于逆行Re和向右横穿马路Ra的临界状态。2. 一种车辆运动状态的确定系统，其特征在于，包括：位置获取单元，用于获取目标车辆在检测区域的检测视频中的位置集合，所述位置获取单元具体用于：轨迹获取单元，用于根据所述位置集合中的坐标信息确定所述目标车辆的位移矢量，以所述位移矢量确定所述目标车辆的运动轨迹，所述轨迹获取单元具体用于：以(xI,y1)表示所述目标车辆行驶的起点，(xm,ym)表示终点，表示所述目标车辆从起点指向终点的位移矢量，即
8、：其中，表示从原点0指向Pl的向量，表示从原点0指向Pm的向量，所述目标车辆Obj在不同方向上的位移分量为XS和ys,即：以X轴到的夹角分析位移矢量的方向，设r为的模，则：状态确定单元，用于根据所述目标车辆的运动轨迹，采用模糊运动状态来确定所述目标车辆的运动状态，所述状态确定单元具体用于：若fRa(9)越大，则表示模糊运动状态mot属于向右横穿马路Ra的程度越大，当或时，模糊运动状态mot0为向右横穿马路Ra：当时，模糊运动状态InOt0处于向右横穿马路Ra和正常行驶Nm的临界状态；当时，模糊运动状态Inot0处于向右横穿马路Ra和逆行Re的临界状态；若fNm()越大，则表示模糊运动状态mot
9、属于正常行驶Nm的程度越大，当时，模糊运动状态mot0为正常行驶Nm；当时，模糊运动状态mot0处于正常行驶Nin和向右横穿马路Ra的临界状态：当时，模糊运动状态mot0处于正常行驶Nm和向左横穿马路La的临界状态；若fLa(9)越大，则表示模糊运动状态mot属于向左横穿马路La的程度越大，当时，模糊运动状态mot为向左横穿马路La：当时，模糊运动状态mot8处于向左横穿马路La和正常行驶Nm的临界状态：当时，模糊运动状态mot0处于向左横穿马路La和逆行Rc的临界状态；若fRe(8)越大，则表示模糊运动状态mot属于逆行Re的程度越大，当时,模糊运动状态mot为逆行Re；当时，模糊运动状态m
10、ot处于逆行Re和向左横穿马路La的临界状态；当时，模糊运动状态motB处于逆行Re和向右横穿马路Ra的临界状态。3. 一种终端，包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1所述的车辆运动状态的确定方法中的各个步骤。4. 一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1所述的车辆运动状态的确定方法中的各个步骤。说明书车辆运动状态的确定方法、系统、终端及可读存储介质技术领域本发明属于交通监控领域，尤其涉及一种车辆运动状态的确定方法、系统、终端及可读存储介质。背
11、景技术近年来，交通监控视频技术的发展和其旺盛的实际需求吸引了大量的国内外研究者对视频中的交通异常检测及相关算法展开了深入研究。NilakornSeenOUVong等人提出了基于计算机视觉的车辆计数算法，计数的精确度高，提高了对车流量监测的准确程度:NOWoSielSki,A等人基于Camshift算法，提出了一种新的车辆轨迹模式识别算法，能够对车辆的非法停车或非法转弯等行为准确分析识别；DaW-TUngLin等人则提出SUPerPiXeI跟踪算法和车辆轨迹分析技术，并应用于十字路口的交通监控；SangHai-feng等人提出了一种通过检测和跟踪车辆轨迹判断车辆是否逆行和超速的系统：Li等人采用
12、了提取特征点来检测分析交通异常的方法，准确性上有所提升；HanlinTan则提出一种基于稀疏光流法的异常检测算法，可以检测逆行和横穿马路等交通异常情况；LiNing等人则提出了一种综合多种交通信息对异常情况进行分析的算法，提高了系统分析的适用性；AhmedTageldin等人提出了一种在特定时间内道路上目标间距离来判断交通情况的方法，并以此来解决高度拥堵的交通状态下行人与车辆的冲突问题；杨志勇等人通过融合模糊逻辑和改进的增量比较算法，建立了一种基于模糊逻辑的高速公路交通事件检测模型，该模型通过提取车辆速度和车流量信息来进行事件分析，但由于交通状况十分复杂，该模型检测的前提有一定的局限性。Siy
13、uanLiu等人则提出利用GPS提取城市出租车的轨迹数据，分析出租车移动速度来检测城市道路拥堵情况。然而，基于GPS定位的异常检测虽然精度高，但也大大提高了检测成本，实用性不足。同时，在现有技术中，由于目标车辆的轨迹时刻处于变化状态，量化地输出其位移距离和矢量方向难以界定目标车辆的运动状态。发明内容本发明所要解决的技术问题在于提供一种车辆运动状态的确定方法、系统、终端及可读存储介质，旨在解决现有技术中，由于目标车辆的轨迹时刻处于变化状态，量化地输出其位移距离和矢量方向难以界定目标车辆的运动状态的问题。本发明是这样实现的，一种车辆运动状态的确定方法，包括：获取目标车辆在检测区域的检测视频中的位置
14、集合；根据所述位置集合中的坐标信息确定所述目标车辆的位移矢量，以所述位移矢量确定所述目标车辆的运动轨迹；根据所述目标车辆的运动轨迹，采用模糊运动状态来确定所述目标车辆的运动状态。进一步地，所述获取目标车辆在检测区域的检测视频中的位置集合包括：采集道路上预先划定的检测区域的检测视频，所述检测视频中包含有所述目标车辆；获取所述目标车辆在所述检测视频中每一帧图片上的位置，得到所述目标车辆在所述检测视频中的位置集合TrajObj:TrajObjp1,p2,，pm=(x1,y1)r(x2,y2)j-,(x,ym),其中，(x1,y1)表示起点，(xm,ym)表示终点。进一步地，所述根据所述位置集合中的坐
15、标信息确定所述目标车辆的位移矢量，以所述位移矢量确定所述目标车辆的运动轨迹包括：以(X1,y1)表示所述目标车辆行驶的起点，(xm,ym)表示终点，表示所述目标车辆从起点指向终点的位移矢量，即：其中，表示从原点0指向PI的向量，表示从原点O指向Pnl的向量，所述目标车辆Obj在不同方向上的位移分量为XS和ys,即：当XSKo时，表示所述目标车辆Obj在X轴方向上有运动；当ysWO时，表示所述目标车辆ObJ在y轴正方向上有运动；以X轴到的夹角分析位移矢量的方向，设r为的模，则：所述检测区域S的下边界为y=L,所述检测区域中车流方向沿y轴为正方向，若ym2L,则确定所述目标车辆Obj正在或已经驶出检测区域，否ymL,则确定说明所述目标车辆未能正常驶出检测区域，最终得到所述目标车辆在所述检测区域内的运动轨迹。进一步地，所述根据所述目标车辆的运动轨迹，采用模糊运动状态来确定所述目标车辆的运动状态包括：设所述目标车辆Obj的模糊运动状态mot包括：向右横穿马路Ra、正常行驶Nm、向左横穿马路La和逆行Re：所述目标车辆Obj的运动状态mot0对应的隶属度函数包括：若fRa(0)越大，则表示模糊运动状态mot属于向右横穿马路Ra的程度越大，当或时，模糊运动状
