一種車輛軌跡預(yù)測分析方法
【專利摘要】本發(fā)明公開了一種車輛軌跡預(yù)測分析方法，該方法包括以下步驟：獲取攝像機的原始視頻，提取車牌號信息并記錄實時時間；通過獲取目標(biāo)車輛在查詢時間段內(nèi)出現(xiàn)的位置點集合，計算任意相鄰位置點的平均時間間隔，獲取相鄰位置點的最優(yōu)子路徑，連接最優(yōu)子路徑輸出預(yù)測軌跡。本發(fā)明融合了監(jiān)控視頻、車牌號信息、時間信息、城市拓?fù)涞榷嗄?shù)據(jù)，能夠有效地通過不完整的、離散的數(shù)據(jù)合理地預(yù)測出車輛的軌跡；該方法的視頻內(nèi)容分析通過各個智能攝像機執(zhí)行，服務(wù)器壓力得到減輕，處理速度快；攝像機僅需將提取的車牌號信息發(fā)送給服務(wù)器，網(wǎng)絡(luò)開銷很小，傳輸速度快。
【專利說明】
一種車輛軌跡預(yù)測分析方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及智能交通監(jiān)控領(lǐng)域，具體為一種車輛軌跡預(yù)測分析方法。

【背景技術(shù)】
[0002]城市規(guī)模在不斷變大，車輛數(shù)目不斷增多，由此帶來的交通問題也越來越嚴(yán)峻。目前，大多數(shù)的交通問題都是通過攝像機采集證據(jù)的，而且現(xiàn)在的智能攝像機的攝像能力、計算能力都已經(jīng)達(dá)到了一定的水平，因而可以完成許多基本的分析任務(wù)，如目標(biāo)識別、車輛分類、行人檢測等等。
[0003]雖然智能攝像機能夠提供許多珍貴的原始資料，但是目前的監(jiān)控系統(tǒng)卻僅僅提供非常簡單的應(yīng)用或服務(wù)，比如回放視頻、車輛計數(shù)或者某一攝像機的車輛違章。可是硬盤中還存放著大量的有價值的信息，比如地圖信息等，可這些非常有價值的信息并沒有被利用。
[0004]鑒于此，充分利用智能攝像機獲取的原始材料進(jìn)而提供優(yōu)質(zhì)、高效的監(jiān)控服務(wù)，在某個時間段內(nèi)對車輛的軌跡進(jìn)行合理、準(zhǔn)確的預(yù)測是有很大意義的，比如，幫助政府或者安全部門尋找嫌疑車輛在過去某段時間內(nèi)的位置和軌跡。
[0005]目前，對于目標(biāo)的識別和跟蹤主要采用兩種方法:
[0006]I)基于視覺的方法:對單一攝像機下的車輛進(jìn)行跟蹤和分類，主要采用視覺特征匹配和時空關(guān)系約束的方法對目標(biāo)進(jìn)行跟蹤。但是，這種方法僅關(guān)注于單個攝像機或少數(shù)幾個攝像機間的目標(biāo)跟蹤，對于一個城市來說，攝像機的數(shù)量非常龐大，視頻數(shù)據(jù)的規(guī)模急劇增長，視覺特征的維度急劇增加，所以基于視覺的方法是很難直接分析如此大規(guī)模的視覺數(shù)據(jù)和視覺特征的。
[0007]2)基于GPS的方法:通過安裝在個人設(shè)備或者交通工具上的GPS定位設(shè)備進(jìn)行跟蹤，以此獲得車輛的軌跡。但是，我們無法強制要求用戶安裝GPS定位設(shè)備或者類似工具，所以，這種方法的應(yīng)用范圍窄，無法得到廣泛地推廣，不適用于車輛軌跡的預(yù)測。
[0008]另外，實際應(yīng)用中，由于車牌號識別錯誤、網(wǎng)路傳輸?shù)葐栴}，導(dǎo)致獲得的數(shù)據(jù)很可能是不完整的，而目前的技術(shù)又無法通過這些離散的、不完整的數(shù)據(jù)中確定車輛的軌跡。所以，得到一種能夠融合離散信息的車輛軌跡預(yù)測方法成為了本領(lǐng)域技術(shù)人員一直追求的目標(biāo)。


【發(fā)明內(nèi)容】

[0009]為解決現(xiàn)有技術(shù)中基于視覺、基于GPS的方法不適用于車輛軌跡預(yù)測且無法融合離散的、不完整信息的問題，本發(fā)明提供了一種車輛軌跡預(yù)測分析方法，解決了智能交通中車輛軌跡的預(yù)測問題。
[0010]為實現(xiàn)上述目的，本發(fā)明提供了如下的技術(shù)方案:
[0011]一種車輛軌跡預(yù)測分析方法，獲取攝像機的原始視頻，提取車牌號信息并記錄實時時間，還包括以下步驟:
[0012]S1:車牌號、實時時間上傳至服務(wù)器中，輸入目標(biāo)車牌號Num及查詢時間段AT后，從服務(wù)器中讀取一系列的離散的攝像機編號c = {c0, Cl,……，Cm_J，結(jié)合攝像機所對應(yīng)的地圖位置，獲得目標(biāo)車輛在查詢時間段內(nèi)先后出現(xiàn)的位置點集合P = {Po, P1......’Pm-J ；
[0013]S2:計算任意相鄰位置點P1、Pj的平均時間間隔！\，j ；
[0014]S3:獲取集合P中相鄰位置點P1、pi+1的最優(yōu)子路徑sPi:
[0015]Pi經(jīng)過地圖上的所有鄰點pm向pi+1遍歷，計算P1、pm的平均時間間隔Ti，m，判斷是否大于Tu+α，α為門限值，如果成立，則回溯到前驅(qū)結(jié)點？1并遍歷其它鄰點，如果不成立，則將當(dāng)前結(jié)點加入候選路徑，如果Pm不是Pi+1，則從Pm繼續(xù)向下遍歷；Pm向Pm+1遍歷，計算P1、Pm+1的平均時間間隔?\π+1，判斷?νπ+1是否大于Tu+α，如果成立，則回溯到前驅(qū)結(jié)點Pm并遍歷其它鄰點；如果不成立，則將當(dāng)前結(jié)點加入候選路徑，如果Pm+1不是Pi+1，則繼續(xù)向下遍歷，一直遍歷到Pi+1為止；
[0016]獲得了 Pi至Pi+1的一系列子路徑spk之后，計算每條子路徑spk所消耗的時間sck，計算排序值rk = | sck-Ti；J I，當(dāng):rk = &最小時,此時SPi為Pi至pi+1的最優(yōu)子路徑；
[0017]S4:將所有最優(yōu)子路徑sPi按順序連接，得到位置點集合P在查詢時間段內(nèi)的最優(yōu)路徑，即輸出的預(yù)測軌跡SP = {sp0, sp”......，spn_J。
[0018]通過攝像機獲取車牌號信息，并將車牌號、攝像機編號、實時時間存入到服務(wù)器中，再結(jié)合城市地圖拓?fù)涞刃畔?，獲取相鄰位置點之間的最優(yōu)子路徑，然后順序連接最優(yōu)子路徑，獲得車輛的軌跡信息。本發(fā)明能夠?qū)⒉煌暾摹㈦x散的數(shù)據(jù)合理地預(yù)測出車輛的軌跡，且處理速度快，可靠性高，網(wǎng)絡(luò)開銷小，傳輸速度快。
[0019]進(jìn)一步地，S1步驟中，服務(wù)器為每個攝像機分配一個攝像機表，攝像機表以順序表形式實現(xiàn)，服務(wù)器將收到的車牌號信息和實時時間存入對應(yīng)的攝像機表中，以時間為序；月艮務(wù)器為每個車牌號分配一個車牌號表，車牌號表以單鏈表形式實現(xiàn)。服務(wù)器將攝像機編號和實時時間存入對應(yīng)的車牌號表中，以時間為序。
[0020]服務(wù)器開辟兩處存儲單元:攝像機表存儲單元和車牌號表存儲單元。這樣做有兩個好處:1)攝像機表能夠直接接受并存儲各個攝像機發(fā)來的車牌號信息和實時時間信息，網(wǎng)絡(luò)開銷小，速度快；2)服務(wù)器將攝像機表中的信息轉(zhuǎn)存到車牌號表中，這樣的存儲方式有利于車牌號的檢索和后續(xù)的軌跡預(yù)測，減少軌跡預(yù)測的時間，預(yù)測效率高。
[0021]進(jìn)一步地，S1步驟中，對于輸入的目標(biāo)車牌號，通過字符串匹配的方式從服務(wù)器獲取一系列的離散的攝像機編號。通過字符串匹配獲取攝像機編號，簡單且處理速度快，減小軌跡預(yù)測耗費時間，提高該方法的工作效率。
[0022]進(jìn)一步地，S2步驟中，獲取相鄰結(jié)點P1、Pj在查詢時間段內(nèi)通過的全部車輛的車牌號記錄S和D，對于S中的每個車牌號，查找其在D中的記錄，若找到對應(yīng)記錄，則求出兩個記錄的時間差Tsd = | ts-td I，求出所有的時間差Tsd的算術(shù)平均值，作為任意相鄰位置點P1、Pj的平均時間間隔Tu。
[0023]計算相鄰位置點的平均時間間隔，將所有通過相鄰位置點的車輛都納入其中，計算大量數(shù)據(jù)的算術(shù)平均值，能夠提高準(zhǔn)確率，使得預(yù)測效果更好，更貼近于真實情況。
[0024]本發(fā)明的有益效果為:1)本發(fā)明融合了監(jiān)控視頻、車牌號信息、時間信息、城市拓?fù)涞榷嗄?shù)據(jù)，能夠有效地通過不完整的、離散的數(shù)據(jù)合理地預(yù)測出車輛的軌跡；2)該方法的視頻內(nèi)容分析通過各個智能攝像機執(zhí)行，服務(wù)器壓力得到減輕，處理速度快；3)攝像機僅需將提取的車牌號信息發(fā)送給服務(wù)器，網(wǎng)絡(luò)開銷很小，傳輸速度快。

【專利附圖】

【附圖說明】
[0025]圖1為車輛軌跡預(yù)測分析方法的主流程圖。
[0026]圖2為攝像機獲取車牌文本信息的流程圖。
[0027]圖3為簡化的全局圖模型示意圖。

【具體實施方式】
[0028]下面結(jié)合附圖對本發(fā)明的實施方式進(jìn)行詳細(xì)解釋說明。
[0029]一種車輛軌跡預(yù)測分析方法，獲取攝像機的原始視頻，采用混合高斯模型(GMM)將經(jīng)過的車輛從背景分割，得到車輛圖像；如圖2所示，采用Haar特征和AdaBoost算法訓(xùn)練分類器，對車輛圖像中的車牌進(jìn)行識別和定位，并采用逐步求精的策略對車牌圖像進(jìn)行去噪、裁剪、校正，從而得到合適的車牌圖像；采用開源OCR軟件Tesseract從車牌圖像提取車牌文本信息。
[0030]如圖1所示，一種車輛軌跡預(yù)測分析方法還包括以下步驟:
[0031]S1:獲取目標(biāo)車輛在查詢時間段內(nèi)出現(xiàn)的位置點集合
[0032]攝像機將車牌號信息、實時時間上傳至服務(wù)器中，服務(wù)器為每個攝像機分配一個攝像機表，攝像機表以順序表形式實現(xiàn)，服務(wù)器將收到的車牌號信息和實時時間存入對應(yīng)的攝像機表中，以時間為序；服務(wù)器為每個車牌號分配一個車牌號表，車牌號表以單鏈表形式實現(xiàn)，服務(wù)器將攝像機表中的攝像機編號和實時時間轉(zhuǎn)存入對應(yīng)的車牌號表中，以時間為序。輸入目標(biāo)車牌號Num及查詢時間段ΛΤ后，通過字符串匹配的方法找到車牌號表，從服務(wù)器中讀取一系列的離散的攝像機編號C= {c0, Cl,……，Cm_J ;結(jié)合攝像機所對應(yīng)的地圖位置，獲得目標(biāo)車輛在查詢時間段內(nèi)先后出現(xiàn)的位置點集合P = (Po, Pi……，Pm-J。
[0033]根據(jù)攝像機表中的歷史信息、城市道路拓?fù)浼皵z像機與地圖位置的對應(yīng)關(guān)系，結(jié)合已知攝像機對應(yīng)的地圖位置，構(gòu)建出全局圖模型，如圖3所示的簡化的全局圖模型示意圖，結(jié)點Pi代表攝像機所在位置，結(jié)點連線Tu代表攝像機所在位置間的平均時間間隔。
[0034]S2:計算任意相鄰位置點的平均時間間隔
[0035]計算任意相鄰位置點P1、Pj的平均時間間隔需要說明的是，P1、Pj代表了全局圖模型中的任意兩個相鄰的位置點，也包括了集合P中的相鄰位置點。
[0036]獲取相鄰結(jié)點P1、Pj在查詢時間段內(nèi)通過的全部車輛的車牌號記錄S和D，對于S中的每個車牌號，查找其在D中的記錄，若找到對應(yīng)記錄，則求出兩個記錄的時間差Tsd =
ts-tdI，求出所有的時間差Tsd的算術(shù)平均值Tu，作為任意相鄰位置點Pi A的平均時間間隔。如，相鄰位置點ppp2在查詢時間段內(nèi)通過了 5輛車，所使用的時間分別為m^(^^之間的平均時間間隔為！^ = (Τ^Τ^+ν^/δο
[0037]S3:獲取相鄰位置點的最優(yōu)子路徑
[0038]獲取集合Ρ中相鄰位置點P1、pi+1的最優(yōu)子路徑SPi:
[0039]Pi經(jīng)過地圖內(nèi)的所有鄰點pm向pi+1遍歷，計算P1、pm的平均時間間隔Ti，m，判斷是否大于Tu+α，α為門限值，α的取值范圍根據(jù)實際應(yīng)用情況的不同而不同，為經(jīng)驗值。上述條件如果成立，則回溯到前驅(qū)結(jié)點Pi并遍歷其它鄰點，如果不成立，則將當(dāng)前結(jié)點加入候選路徑，如果Pm不是Pi+1，則從Pm繼續(xù)向下遍歷；Pm向Pm+1遍歷，計算P1、Pm+1的平均時間間隔?νπ+1，判斷Tiilrt是否大于Tu+ α，如果成立，則回溯前驅(qū)結(jié)點Pm并遍歷其它鄰點；如果不成立，則將當(dāng)前結(jié)點加入候選路徑，如果Pm+1不是Pi+1，則繼續(xù)向下遍歷，一直遍歷到Pi'為止；
[0040]獲得了 Pi至Pi+1的一系列子路徑spk之后，計算每條子路徑SPk所消耗的時間sck，計算排序值rk = I sck-Ti； j I，當(dāng):rk = η最小時,此時Spi為Pi至pi+1的最優(yōu)子路徑；
[0041]需要特別說明的是，上述的“相鄰位置點”指的是地圖中目標(biāo)車輛在查詢時間段內(nèi)經(jīng)過的位置中的前后相鄰的地點，“鄰點”指的是地圖中與任一攝像機對應(yīng)的地圖位置任一相鄰的地點。也就是說，從獲得的車輛軌跡信息中無法判斷目標(biāo)車輛在“相鄰位置點”之間的具體軌跡。本發(fā)明的核心就在于能夠預(yù)測出攝像機沒有直接拍攝到的車輛軌跡，細(xì)化車輛的軌跡，提高軌跡預(yù)測的精準(zhǔn)度。
[0042]另外，上述的平均時間間隔Ti^ Τ,ω+1是通過攝像機存儲歷史、城市道路拓?fù)涞刃畔⒂嬎愠龅摹?br> [0043]S4:連接最優(yōu)子路徑、輸出預(yù)測軌跡
[0044]將所有最優(yōu)子路徑Spi按順序連接，得到位置點集合P在查詢時間段內(nèi)的最優(yōu)路徑，即輸出的預(yù)測軌跡SP = {sp0, SP1,......，spn_J O
[0045]實施例:
[0046]輸入目標(biāo)車牌號及時間段后，我們可以得到一組位置時間序列CS016 (10:39:51)、CS019(11:29:08)，兩個位置的時間間隔為T = 2957秒，令門限值α為1000秒，則Τ+α =3957 秒。
[0047]首先從CS016開始遍歷，其鄰點包括CS021、GL020、GL025，對應(yīng)的平均時間間隔分別為3635、2316、3596，都小于3957，因此可以從CS021、GL020、GL025繼續(xù)遍歷。當(dāng)從GL020和GL025繼續(xù)遍歷時，后續(xù)結(jié)點的邊權(quán)值和都大于3957，因此終止遍歷。當(dāng)從CS021繼續(xù)遍歷時，已到達(dá)該子路徑的終點，且滿足權(quán)值和小于3957，因此可得到CS016與CS019之間的子路徑為 CSO16-CS021-CS019。
[0048]由于該查詢只有2個離散點，不需將各個子路徑連接，因此CS016到CS019的子路徑即為預(yù)測出的整體路徑。綜上所述，該查詢得到的整體輸出路徑為CSO16-CS021-CS019，即為預(yù)測出的車輛軌跡。
[0049]本發(fā)明中，位置點Pk及位置點pk+1為相鄰位置點或者鄰點，也就是說，角標(biāo)數(shù)值相差為I的兩個位置點在本發(fā)明中被定義為相鄰位置點或者鄰點；Ti，j被定義為位置點P1、Pj的平均時間間隔。
[0050]以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明實質(zhì)內(nèi)容上所作的任何修改、等同替換和簡單改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【權(quán)利要求】
1.一種車輛軌跡預(yù)測分析方法，獲取攝像機的原始視頻，提取車牌號信息并記錄實時時間，其特征在于:還包括以下步驟: 51:車牌號、實時時間上傳至服務(wù)器中，輸入目標(biāo)車牌號Num及查詢時間段AT后，從服務(wù)器中讀取一系列的離散的攝像機編號C = {c0, C1,……，Cm_J，結(jié)合攝像機所對應(yīng)的地圖位置，獲得目標(biāo)車輛在查詢時間段內(nèi)先后出現(xiàn)的位置點集合P = {Po, P1......，Pm-J ; 52:計算任意相鄰位置點的平均時間間隔Tu ； 53:獲取集合P中相鄰位置點P1、Pi+1的最優(yōu)子路徑Spi: Pi經(jīng)過地圖上的所有鄰點Pm向Pi+1遍歷，計算P1、Pffl的平均時間間隔?\π，判斷Ti,是否大于Tu+α，α為門限值，如果成立，則回溯到前驅(qū)結(jié)點？1并遍歷其它鄰點，如果不成立，則將當(dāng)前結(jié)點加入候選路徑，如果Pm不是Pi+1，則從Pm繼續(xù)向下遍歷；Pm向Pm+1遍歷，計算P1、Pm+1的平均時間間隔Alrt，判斷是否大于?^.+ α，如果成立，則回溯到前驅(qū)結(jié)點pm并遍歷其它鄰點；如果不成立，則將當(dāng)前結(jié)點加入候選路徑，如果Pm+1不是Pi+1，則繼續(xù)向下遍歷，一直遍歷到Pi+1為止； 獲得了 Pi至Pi+1的一系列子路徑SPk之后，計算每條子路徑SPk所消耗的時間SCk,計算排序值rk = I sck-Ti； j I，當(dāng):rk = η最小時,此時Spi為Pi至pi+1的最優(yōu)子路徑； 54:將所有最優(yōu)子路徑Spi按順序連接，得到位置點集合P在查詢時間段內(nèi)的最優(yōu)路徑，即輸出的預(yù)測軌跡SP = {sp0, SP1,......，spn_J O
2.根據(jù)權(quán)利要求1所述的車輛軌跡預(yù)測分析方法，其特征在于:S1步驟中，服務(wù)器為每個攝像機分配一個攝像機表，攝像機表以順序表形式實現(xiàn)，服務(wù)器將收到的車牌號信息和實時時間存入對應(yīng)的攝像機表中，以時間為序；服務(wù)器為每個車牌號分配一個車牌號表，車牌號表以單鏈表形式實現(xiàn)；服務(wù)器將攝像機編號和實時時間存入對應(yīng)的車牌號表中，以時間為序。
3.根據(jù)權(quán)利要求1所述的車輛軌跡預(yù)測分析方法，其特征在于:S1步驟中，對于輸入的目標(biāo)車牌號，通過字符串匹配的方式從服務(wù)器獲取一系列的離散的攝像機編號。
4.根據(jù)權(quán)利要求1所述的車輛軌跡預(yù)測分析方法，其特征在于:S2步驟中，獲取相鄰結(jié)點P1、Pj在查詢時間段內(nèi)通過的全部車輛的車牌號記錄S和D，對于S中的每個車牌號，查找其在D中的記錄，若找到對應(yīng)記錄，則求出兩個記錄的時間差Tsd = |ts-td|，求出所有的時間差Tsd的算術(shù)平均值Tu，作為任意相鄰位置點P1、Pj的平均時間間隔。
【文檔編號】G06Q10/04GK104318327SQ201410551180
【公開日】2015年1月28日 申請日期:2014年10月17日 優(yōu)先權(quán)日:2014年10月17日
【發(fā)明者】馬華東, 傅慧源, 劉鑫辰 申請人:北京郵電大學(xué)