基于监控视频的交通事故自动识别算法

为了充分发挥现有交通监控网络提供的有效信息,提高交通事故发生后的救援、责任认定和交通疏导效率,以交通监控视频网络为数据源,采用了精简的YOLOv3目标检测网络实现监控视频中车辆与行人的实时多目标检测。在多目标跟踪方面,为了提高deepSORT算法实时性和稳定性,提出了基于无向图的特征描述矩阵,通过对车辆类目标的二次特征提取进行deepSORT级联匹配。基于交通时空冲突判定设计了事故自动识别算法,对各交通参与者运动特征进行了甄别处理,实现了交通事故的自动识别和事故特征的自动化提取。通过对不同角度的监控视频进行了数据提取,人工标注了13000多张训练数据,完成了对精简YOLOv3网络的训练。采用50个典型交通事故案例对事故自动识别算法进行了测试。结果表明:精简YOLOv3网络能够实现对包括轿车、客车、行人等8种常见交通元素的识别平均精度超过80%;事故自动识别算法达到了80%的识别成功率和8%的虚警率。提取的事故信息不仅包含事故的时间和地点等简单信息,而且包含事故各方的速度、轨迹等高维运动特征和视频片段,对实现交通事故的远程快速处理和救援、缓解由于交通事故引起的拥堵压力等方面具有重要的意义。