[发明专利]一种基于deepstream的道路事件检测方法

说明书

本发明公开了一种基于deepstream的道路事件检测方法，属于道路事件检测技术领域，所述检测方法以流媒体相机为输入源，使用目标检测神经网络检测出每一帧的待检测物体的位置，对不同帧测检出的目标，使用算法对目标的所属关系进行分配，以达到对同一个物体的轨迹进行追踪的目的。本发明方法可以有针对性的实现道路交通事件的平台化，能够及时获得道路交通事件的各种信息；方便相关人员做出对应决策，以免造成更多经济损失。

技术领域

本发明属道路事件检测技术领域，具体涉及一种基于deepstream的道路事件检测方法。

背景技术

早期的交通事件检测方法主要是对道路上已发生的交通事件进行检测,自20世纪60年代以来，形成了多种交通事件检测方法，主要包括如下八种:(1)驾驶员移动电话呼叫；(2)事件管理人员观看闭路电视(Closed Circuit Tv,CCTV)监视图像；(3)驾驶员求助电话或路边紧急电话；(4)交通警察巡逻队；(5)交通部门或其它单位工作人员通过对讲机的报告；(6)交通状态报告服务；(7)车队(公交车、卡车)报告；(8)基于交通检测装置的自动检测方法。这些方法可以分为人工检测方法和自动检测方法两大类。

人工检测方法是最早的、最容易实施的、也是最常用的方法，在日常生活中用来向交通管理中心报告交通事件信息。人工检测方法包括市民报告、专职人员报告、民用无线电、闭路电视监视、航空监视等。从整体上看，这种非自动检测方法的主要优点是方便、直接、经济、效率比较高；缺点是要求当时当地有目击者，事件地点比较难以准确确定，需要专门的人员对报告进行筛选确认，人员工作量和强度都比较大。而固定的观察人员更适合于短期的需要(如在有特殊的活动时，或在道路建设与维修期间等)。闭路电视可以作为一种人工交通事件检测的方法，也可作为对电话和AID算法的报警进行确认的一种方法，前者需要有操作员对其进行连续观察。

基于宏观交通流运行特性和微观车辆运行特性的检测方法，根据交通事件检测算法所采用的指标可把交通事件检测方法分为基于宏观交通流运行特性的检测方法和基于微观车辆运行特性的检测方法。在大交通流量下发生的交通事件既可以通过对宏观交通流参数的检测来达到事件检测的目的，还可以通过对微观车辆的特性进行检测实现交通事件的自动判别。对于小交通流量下发生的交通事件，一般不会对整体交通流造成太大的影响。因而，不能通过对整体交通流参数的检测来实现自动判别，需要通过对微观车辆的信息进行判别来实现交通事件的自动检测。其中，基于宏观交通流参数的判别方法又可以分为间接AID方法和直接AID方法、单截面AID方法和双截面AID方法。

间接AID方法和直接AID方法，绝大多数的AID方法都是通过识别由交通检测器得到的交通流参数的非正常变化来间接地判断交通拥挤和交通事件的存在，因此被称为间接AID方法。而直接AID方法则是指使用图像处理来判别是否存在缓行或停止的车辆对交通事件进行检测的方法，这类方法实际上是“看到”发生了的交通拥挤和交通事件，而不是通过对交通流特征参数数据的分析来检测到它们的存在。

从潜在的意义上看，直接AID方法在判别速度方面远远胜于间接AID方法，特别是在交通量较低的情况下也能对突发交通事件进行良好的检测，但需要更密集地设置交通视频检测器，需要较高的资金投入才能保证判别的可靠性，而且气象条件对其影响也较大。

发明内容

有鉴于此，本发明的目的在于提供一种基于deepstream的道路事件检测方法，可以有针对性的实现道路交通事件的平台化，能够及时获得道路交通事件的各种信息；方便相关人员做出对应决策，以免造成更多经济损失。

为达到上述目的，本发明提供如下技术方案：

本发明一种基于deepstream的道路事件检测方法，所述检测方法以流媒体相机为输入源，以rtsp流的形式传输到deepstream构建的gstreamer管道中，利用管道中的插件，使用目标检测神经网络检测出每一帧的待检测物体的位置，对不同帧测检出的目标，使用算法对目标的所属关系进行分配，以达到对同一个物体的轨迹进行追踪的目的。