一·效果展示
二·功能优化
1·OCR识别
- 首先,选定ROI区域,保留监控视频时间地点戳可能出现的区域;
- 其次,采用CTPN文本区域检测算法识别监控视频中的时间、地点戳所在区域;
- 最后,采用CRNN文本识别算法识别监控视频中的时间、地点戳,输出事故地点与事故发生时间
2·开源地图API调用
- 首先,获取百度地图项目AK码;
- 其次,利用OCR识别的事故地点信息生成url;
- 最后,利用脚本爬取地图数据,效果图如上所示,代码如下所示。
import requests
img_url = "http://api.map.baidu.com/staticimage?center=四川成都新津锦绣路幸福路路口&zoom=16"
img = requests.get(img_url)
f = open('test.jpg', 'ab')
f.write(img.content)
f.close()
3·事故判别条件
- 首先,设定矩形框高宽比上下阈值,区分行人、机动车与非机动车;
- 其次,设置三种情形:人车碰撞、车车碰撞以及车电动车碰撞;
- 最后,设置恰当的阈值,利用原先的事故判别函数组合(速度突变函数、转角突变函数、轨迹相交函数、边界框IOU函数)判别事故
4·事故参与方运动特征
- 增加可视化功能,在每个目标边界框上方动态显示目标的索引、速度与坐标位置
5·简略鸟瞰图
- 首先,利用仿射变换矩阵转换为俯视视角;
- 其次,调用CNN检测算法的类别,分别画圈、画框表示人、车;
- 最后,增加可视化效果,在每个目标上动态显示索引、速度与坐标位置
6·界面设计
- 视频区增加了鸟瞰视频,更新了输出视频、光流视频、人车信息视频;
- 操作区增加了视频列表功能;
- 增加了开源地图API调用区
三·总结与展望
1·总结
序号 |
功能 |
说明 |
1 |
目标检测 |
实现网络的检测功能,保证网络的平均检测精度达到81.3% |
2 |
目标跟踪 |
与目标检测算法匹配,实现实时跟踪功能,实时输出多目标的运动信息 |
3 |
事故检测 |
实现对事故的自动识别,保证模型的平均检测精度达到80.1% |
4 |
OCR识别 |
实现对道路监控视频中的时间、地点戳的自动识别 |
5 |
开源地图API调用 |
与OCR识别算法匹配,实现对事故发生地点开源地图API的调用 |
6 |
事故参与方运动特征输出 |
实现对道路监控视频中事故双方位置及速度信息的计算,并动态输出 |
7 |
事故简略鸟瞰示意图显示 |
实现对事故发生地点简略鸟瞰示意图的显示 |
2·展望
- 训练3D目标检测模型,提升事故检测精度以及事故参与方运动特征信息的准确度;
- 采用3D场景重建,实现事故分析及在环仿真
四·鸣谢
- 特别鸣谢事故检测开发组所有成员:* 子遥,* 沐 ,*训昂
- 鸣谢视觉测控与智能导航实验室张老板