[发明专利]用于自动检测交通交叉路口的异常的方法和系统

说明书

用于自动检测交通交叉路口的异常的方法、系统和处理器可读介质。标称车辆通路的聚类集合以及标称车辆路径中的标称轨迹的聚类集合能够在离线过程中得出。能够选择标称轨迹的聚类集合之中的各标称轨迹中的特征集合。能够得出指示标称轨迹中的标称车辆行为的特征的概率分布。能够接收输入视频序列，以及输入视频序列之内的车辆路径、轨迹和特征中的异常的存在能够利用所得出的路径聚类、轨迹聚类和特征分布来检测。

技术领域

实施例一般涉及交通系统的管理。实施例还涉及基于视频的监控。实施例还涉及交通交叉路口的异常的检测以供管理交通中使用。

背景技术

随着对治安和安全的增加需求，基于视频的监控系统正用于各种各样的城乡地区。例如，能够针对交通违规、事故、犯罪、恐怖主义、破坏行为和其它可疑活动来收集和分析大量录像。因为这类大量数据的人工分析费用高得惊人，所以存在对开发能够帮助视频数据的自动或半自动解释和分析以用于监控、执法以及交通控制和管理的有效软件工具的迫切需要。

基于视频的异常检测表示识别数据中不符合预计行为并且可能使特殊注意或行动有正当理由的模式的问题。运输领域的异常的检测能够包括例如交通违规、不安全驾驶员/行人行为、事故等。图1-2示出例如从视频监测照相装置所捕获的示范运输相关异常的示图。在图1所示的场景中，无人看管的行李100被示出并且通过圆圈来标识。在图2所示的场景中，车辆示为接近行人130。车辆和行人130均示为通过圆圈围绕。

该模式能够对应于整个视频流，和/或能够在空间或时间上定位。已提出若干方式来检测交通相关异常。一类技术基于对象跟踪。在一种现有技术方式中，得出标称车辆路径，并且在即时交通视频数据中搜索其偏差。车辆路径在训练阶段期间分类为通常遇到的(或标称)类。各种各样的聚类技术能够用于形成类，例如支持向量机(SVM)分类器、基于豪斯多夫距离的分类器、谱聚类或分级聚类。能够跟踪车辆，并且能够在测试或评估阶段期间将车辆路径针对标称类进行比较。与所有标称类的统计有效偏差指示异常路径。

与仅表征空间轨迹路径关联的问题在于，无法识别沿给定路径的车辆轨迹中的变化和异常。为了应对这个问题，能够引入分析各路径类中的特征的第二阶段，以便采集各路径类中的速率统计。但是，对整个路径计算统计，使得无法识别在空间和时间上定位的异常。还能够引入第二特征分析阶段，以便采集沿该路径的各点的车辆速度统计。但是，在对象运动的方向可能是重要因素的一些情况下，这类车辆速度统计可能不充分。

图3示出停车标志交叉路口150的图形视图。图3所示的停车标志交叉路口150包括共用同一路径的轨迹110和120。轨迹110表示从边道向大街左转弯、在停车标志处停靠的车辆。轨迹120表示从大街向边道右转弯、具有极小停靠概率的车辆。轨迹110和120能够分类为相同路径类；但是，沿各轨迹的运动特性极为不同，并且基于路径类中的速度/速率的汇总统计的任何异常检测可能产生不可靠的结果。能够想到其它类似场景，其中沿路径的运动的仔细辨别对于异常检测是必要的。

基于前面所述，我们认为，存在对用于自动检测交通交叉路口的异常的改进系统和方法的需要，如本文将更详细进行描述。

发明内容

因此，所公开实施例的一个方面是提供改进的交通管理方法和系统。

所公开实施例的另一方面是提供改进的基于视频的监控方法和系统。

所公开实施例的另一方面是提供用于自动检测交通交叉路口的异常以供交通控制、管理和/或监控应用中使用的改进方法和系统。

所公开实施例的又一方面是提供改进的轨迹聚类和轨迹异常检测技术。现在能够如本文所述来实现上述方面和其它目的及优点。本文中公开用于自动检测交通交叉路口的异常的方法和系统。标称车辆路径的聚类集合以及标称车辆路径中的标称轨迹的聚类集合能够在离线过程中得出。标称轨迹的聚类集合之中的各标称轨迹中的特征集合能够在离线过程中选择。能够得出指示标称轨迹中的标称车辆行为的特征的概率分布。