基于視頻結(jié)構(gòu)化的應(yīng)用中，目標(biāo)在經(jīng)過跟蹤算法后，會(huì)得到一個(gè)唯一標(biāo)識(shí)和它對應(yīng)的運(yùn)動(dòng)軌跡，利用這兩個(gè)數(shù)據(jù)我們可以做一些后續(xù)工作：測速（交通類應(yīng)用場景）、計(jì)數(shù)（交通類應(yīng)用場景、安防類應(yīng)用場景）以及行為檢測（交通類應(yīng)用場景、安防類應(yīng)用場景）。我會(huì)寫三篇文章依次介紹這三個(gè)主題。

（1）目標(biāo)跟蹤之速度計(jì)算

（2）目標(biāo)跟蹤之計(jì)數(shù)

（3）目標(biāo)跟蹤之行為檢測

至此，三個(gè)主題都結(jié)束了。

本篇文章以交通類應(yīng)用場景為例，介紹車輛異常行為分析方法。車輛異常行為通常又稱“車輛異常交通事件”，指車輛在行駛道路上出現(xiàn)的違法行為，一般包括 停車、逆行（倒車）、占用應(yīng)急車道、擁堵等等。本篇文章分別介紹這四種車輛異常交通事件的分析方法。

注意：高速交通中，通常異常交通事件還包括行人闖入、拋灑物、煙火等，由于這些跟車輛沒有直接關(guān)聯(lián)，本文不涉及此類事件。

(停車事件)

?

定位目標(biāo)軌跡點(diǎn)

前面系列文章已經(jīng)提到過，目標(biāo)檢測算法會(huì)輸出目標(biāo)的位置，一個(gè)四元組（Left、Top、Width、Height），代表一個(gè)矩形框，該矩形框住的范圍就是圖像中目標(biāo)的位置。我們在進(jìn)行目標(biāo)行為分析時(shí)，需要先找到一個(gè)二維點(diǎn)（X，Y），使它最能代表目標(biāo)在地面上的位置，原因很簡單，因?yàn)楫嬅嬷械哪繕?biāo)實(shí)際是在三維世界中的地面上移動(dòng)。大家可能第一反應(yīng)應(yīng)該選擇矩形框的中心點(diǎn)（Left + Width / 2， Top + Height /2），雖然這個(gè)點(diǎn)非常好計(jì)算，但是實(shí)際應(yīng)用中該點(diǎn)并不非常準(zhǔn)確，通過它并不能準(zhǔn)確地反映目標(biāo)在地面上的實(shí)際位置。

如上圖所示，黃色矩形框代表貨車在畫面中的位置，如果選取矩形框中心點(diǎn)來定位車輛在路面上的位置，那么貨車應(yīng)該在行車道（右側(cè)車道）上行駛，而實(shí)際情況貨車正在超車道（左側(cè)車道）上。顯然用這種方式去判斷車輛在路面上的位置非常不準(zhǔn)確。

另外一種方式是選取矩形底邊的中心點(diǎn)（Left + Width/2， Top + Height），這種方式比前一種更準(zhǔn)確，但是當(dāng)車道方向與攝像夾角非常大時(shí)，定位誤差非常明顯。

如上圖，黃色矩形框代表客車在畫面中的位置，如果選取矩形框底邊中心點(diǎn)來定位車輛在路面上的位置，那么客車應(yīng)該壓線了，而實(shí)際情況客車行駛正常。

實(shí)際經(jīng)驗(yàn)得到，只取矩形框底邊中心點(diǎn)還不夠，還需要根據(jù)車輛行駛方向與垂直方向的夾角大小來動(dòng)態(tài)調(diào)整該點(diǎn)的X指，也就是說，最終選取的點(diǎn)應(yīng)該是 （Left + Width/2 + delta， Top + Height），其中delta可正可負(fù)，最終的效果如下：

?

停車

停車時(shí)，目標(biāo)靜止不動(dòng)，理論上目標(biāo)軌跡點(diǎn)不變，我們只需要判斷軌跡點(diǎn)在連續(xù)若干幀之內(nèi)都沒發(fā)生變化即可（Xm == Xn && Ym == Yn）。但現(xiàn)實(shí)場景中，由于目標(biāo)檢測算法的準(zhǔn)確性，同一個(gè)目標(biāo)即使靜止不動(dòng)，每一幀檢測到的矩形框也有可能不一樣（位置不同、大小不同等），最后得到的軌跡點(diǎn)也不會(huì)重合。因此更好的判斷方式是：目標(biāo)軌跡點(diǎn)連續(xù)若干幀之內(nèi)歐氏距離（平面直線距離）不大于某值，比如50像素，那么我們即可認(rèn)為車輛靜止不動(dòng)（停車事件發(fā)生）。

?

?

逆行（倒車）

逆行時(shí)，目標(biāo)第M幀軌跡點(diǎn)和第N幀軌跡點(diǎn)的射線與道路方向之間的夾角如果大于某值，比如大于90°，那么判定為逆行。其中M<N

占用應(yīng)急車道

當(dāng)車輛行駛時(shí)，判斷目標(biāo)軌跡點(diǎn)在連續(xù)若干幀內(nèi)是否都在應(yīng)急車道中，若是，則為占用應(yīng)急車道，其他類似的區(qū)域事件判定邏輯與這個(gè)一樣

?

擁堵 和 緩行

連續(xù)若干幀內(nèi)靜止車輛數(shù)大于某值，車輛靜止的邏輯可以參照前面停車的邏輯。當(dāng)路面多輛車靜止不動(dòng)時(shí)，判定道路發(fā)生擁堵。該方式很簡單，但是通常情況下，除了這種堵死的情況外，我們更需要知道是否出現(xiàn)緩行（提前應(yīng)對擁堵發(fā)生）。

緩行有兩種方式去判斷：

（1）結(jié)合前幾篇文章提到的測速，如果發(fā)現(xiàn)多輛行駛車輛的速度都小于某值（可以分級定義），那么判定道路緩行；

（2）很多情況下，車速測不出來（前面文章中有提到，沒有參照物的道路測不出車速），那么我們需要使用其他方式先判斷單個(gè)車輛是否緩行：在連續(xù)若干幀中，車輛軌跡點(diǎn)直線距離小于某值，但是大于另外一個(gè)值（保證車輛沒有停止）。如果連續(xù)多幀中出現(xiàn)緩行的車輛數(shù)大于某值，那么判定整個(gè)道路進(jìn)入緩行狀態(tài)。

?

目標(biāo)行為分析難點(diǎn)

前面所有的行為邏輯判斷全部基于理想狀態(tài)下：檢測算法比較準(zhǔn)確，矩形方框鎖定目標(biāo)比較穩(wěn)定，不會(huì)出現(xiàn)丟幀、矩形框抖動(dòng)嚴(yán)重（位置、大小跳躍厲害）。實(shí)際應(yīng)用場景中，由于各種各樣的因素，目標(biāo)鎖定不夠準(zhǔn)確，會(huì)對目標(biāo)行為分析造成非常大的負(fù)面影響。

另外，上面所有判斷邏輯全部基于像素單位（圖像二維坐標(biāo)系），這個(gè)判斷依據(jù)存在一定缺陷，檢測算法能檢測到很遠(yuǎn)的車輛，雖然這時(shí)候車輛一直處于運(yùn)動(dòng)狀態(tài)，但是它反應(yīng)到平面二維畫面上時(shí)，車輛幾乎靜止不動(dòng)，根據(jù)前面的判斷邏輯，這種情況會(huì)出現(xiàn)停車、擁堵等誤報(bào)。避免這種誤報(bào)的方式之一是盡量將攝像頭斜對行車道，而不是剛好在車道的正前方/正后方。

除此之外，還有其他一些局限性，比如上面提到的各種閾值的調(diào)整，也是非常考驗(yàn)人的一項(xiàng)工作。一般視頻分析應(yīng)用很難同時(shí)滿足多個(gè)場景，針對不同的需求最好做一些特定的優(yōu)化。

?

轉(zhuǎn)載于:https://www.cnblogs.com/xiaozhi_5638/p/11178029.html

《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的[AI开发]目标跟踪之行为分析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。