[发明专利]一种基于视频的机动车不礼让行人检测方法

说明书

本发明提供了一种基于视频的机动车不礼让行人检测方法。通过基于统计的原理对复杂的道路行驶环境建立背景模型，检测出前景点，连接成团块；利用已有行人样本的纹理特征建立行人模型，利用DPM行人模型检测出有效的行人包围盒；利用车辆的LBP特征，用SVM进行训练，得到车辆检测结果包围盒；利用神经网络ANN进一步筛选判断筛除误检得到高置信度车辆与行人，送入DSST(Discriminative Scale Space Tracker)跟踪器进行跟踪，输出行人轨迹，与车辆轨迹进行比较判断，若车辆自当行人行进方向并且人车间距小于单车道距离则进行违法抓拍。该方法识别率高，有较好的鲁棒性。

技术领域

本发明属于检测技术领域，尤其是涉及一种基于视频的机动车不礼让行人检测方法。

背景技术

机动车礼让行人本是最基本的交通规则，但是目前在斑马线前争分夺秒过马路，机动车不礼让行人，造成行人聚集成堆，一起过马路的“中国式过马路现象”，究其原因是车不让人，这样在斑马线前发生的交通事故也屡见不鲜，目前，现有电子警察、智慧城市解决方案仅仅是车辆检测，缺少有效的行人检测方案，因而无法对机动车不礼行人的行为做出有效地取证检测，所以亟需一种解决方案来规范交通行为，通过摄像头拍摄视频图像进行检测取证，使得取证现场化，智能化，处罚有理有据，节省了大量人力在路口监管。

发明内容

有鉴于此，本发明旨在提出一种基于视频的机动车不礼让行人检测方法，以能够有效对机动车不礼让行人的行为进行检测取证，为交通智能化提供了解决方案。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于视频的机动车不礼让行人检测方法，具体包括如下步骤：

(1)通过基于统计的方法建立背景模型，并实时检测出前景，通过将前景点连接成团块得到行人的候选区域；

(2)建立行人样本库，利用行人样本通过DPM学习得到行人模型，通过行人的模型检测出行人包围盒信息；

(3)建立车辆样本库，利用车辆样本通过SVM分类训练构建车辆模型，通过车辆的模型检测出车辆包围盒信息；

(4)将得到的行人包围盒信息、车辆包围盒信息以及地面样本库送入神经网络ANN进行筛选判断分类，得到行人和车辆的检测结果；

(5)分别将得到的行人、车辆检测结果送入DSST跟踪器进行跟踪，输出有效行人轨迹、车辆轨迹，并进行比较判断。

进一步的，所述步骤(2)中，依据样本库中行人样本的HOG特征，采用DPM算法构建行人模型，然后在视频中ROI区域用行人模型进行检测，得到区域中行人的包围盒信息。

进一步的，所述步骤(3)中，依据样本库中车辆样本的LBP特征，采用SVM分类训练构建车辆模型，然后在视频中ROI区域用车辆模型进行检测，得到区域中车辆的包围盒信息。

进一步的，所述步骤(5)中，若车辆自当行人行进方向并且人车间距小于单车道距离则进行违法抓拍。

相对于现有技术，本发明所述的一种基于视频的机动车不礼让行人检测方法具有以下优势：

本发明所述的基于视频的机动车不礼让行人检测方法识别率高，有较好的鲁棒性，能够有效对机动车不礼让行人的行为进行检测取证，为交通智能化提供了解决方案，为规范驾驶人的行为习惯提供了一份约束，为更好构建智能交通、智慧城市和和谐社会提供一份保障。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的检测流程图；

图2为本发明实施例所述的背景建模流程图；