[发明专利]一种交通事故监控方法及系统

说明书

本申请公开了一种交通事故监控方法，包括：获取路况视频；提取路况视频的特征信息；其中，路况视频的特征信息包括路况视频的视觉词典、车流特征、司机状态特征、道路特征、环境特征和时间特征；将根据路况视频的特征信息生成的特征向量输入预先创建的交通事故预估模型，得到由交通事故预估模型输出的交通事故发生概率；其中，交通事故预估模型为基于机器学习算法得到的模型；若交通事故发生概率大于预设概率阈值，则触发相应的事故响应机制。本申请实现了对交通事故的有效监控。另外，本申请还相应公开了一种交通事故监控系统。

技术领域

本发明涉及交通监控技术领域，特别涉及一种交通事故监控方法及系统。

背景技术

目前，随着经济的快速发展，城市的汽车保有量不断增加，导致现在许多城市的日常交通变得越来越拥堵，并且交通事故不断频发，给人们的生命财产安全造成了极度恶劣的影响。

为了尽可能地减少交通事故数量以及降低交通事故所引发的生命财产损失，有必要对道路上可能出现的交通事故进行实时监控。而如何实现对交通事故的有效监控是目前还有待解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种交通事故监控方法及系统，实现了对交通事故的有效监控。其具体方案如下：

一种交通事故监控方法，包括：

获取路况视频；

提取所述路况视频的特征信息；其中，所述路况视频的特征信息包括所述路况视频的视觉词典、车流特征、司机状态特征、道路特征、环境特征和时间特征；

将根据所述路况视频的特征信息生成的特征向量输入预先创建的交通事故预估模型，得到由所述交通事故预估模型输出的交通事故发生概率；其中，所述交通事故预估模型为基于机器学习算法得到的模型；

若所述交通事故发生概率大于预设概率阈值，则触发相应的事故响应机制。

优选的，提取所述路况视频的视觉词典的过程，包括：

利用预设的图像特征点提取算法，提取所述路况视频中车辆所在区域上的特征点，得到相应的车辆视觉词汇集合；

将所述车辆视觉词汇集合中的每一个词汇分别映射至预先创建的视觉词典模型中相对应的聚类中心，得到所述路况视频的视觉词典。

优选的，所述视觉词典模型的创建过程，包括：

获取视频图像样本集；其中，所述视频图像样本集包括分别在不同的拍摄参数和不同的拍摄环境下，对不同类型的车辆进行视频图像采集后得到的视频图像；拍摄参数包括拍摄视角和拍摄时间段，拍摄环境包括雾天环境、雨雪环境、晴天环境和沙尘环境；

利用所述图像特征点提取算法，对所述视频图像样本集中的每一视频图像样本进行特征点提取处理，相应地得到每一视频图像样本所对应的车辆视觉词汇集合；

利用K-means聚类算法，依次对每一视频图像样本所对应的车辆视觉词汇集合进行聚类处理，得到所述视觉词典模型。

优选的，所述路况视频的车流特征包括车流量、车流速度、车流占有率、换道频率、加速度变化率和最大角速度；

所述路况视频的司机状态特征包括司机疲劳度；

所述路况视频的道路特征包括交通灯设置状况、道路坡度、道路弯曲度和道路摩擦因子；

所述路况视频的环境特征包括路面异物状况和天气状况；

所述路况视频的时间特征包括视频拍摄日期和视频拍摄时刻。

优选的，所述触发相应的事故响应机制的过程，包括：

产生第一控制指令；