一種基于圖像識別的智能事故勘測方法技術

本發明專利技術涉及一種基于圖像識別的智能事故勘測方法，建立神經網絡，在事故現場采集360度全景圖像，并將360度全景圖像輸入神經網絡進行特征匹配，識別出事故現場信息，完成現場事故圖繪制。本發明專利技術就是本著提高辦事效率，更好地為人民服務的精神。解決了交通事故圖繪制難的問題，徹底解放辦案民警的雙手，讓辦案民警更有效率的解決問題，更好地為人民服務。讓警察不在為了繪制交通事故圖，而耽誤時間。本發明專利技術可以幫助警察迅速地繪制交通事故現場的事故圖，完全自動，無手動，而且準確，美觀。

【技術實現步驟摘要】

本專利技術涉及圖像處理領域，具體地說是。
技術介紹
隨著社會的發展，越來越多的人擁有了自己的汽車，有的還不止一輛。汽車給人們的生活帶來了方便和效率，但同時，也給人們帶來了一定的危險。川流不息的車流，熙熙攘攘的人群，很容易引發交通事故。當發生交通事故之后，第一時間應該打電話叫警察，處理交通糾紛。警察趕到事故現場之后，要對交通事故的現場進行勘測，測量事故現場的痕跡，判斷事故中，哪一方要負主要責任，哪一方負次要責任。并且，警察要根據現場勘測的結果，對交通事故的現場情形進行繪制。這對警察的動手能力和美術功底提出了一系列的要求。手動繪制事故現場的實時圖像，費時費力。不僅要用鉛筆詳細繪制道路的走向，車輛的路徑，還要對一些細節問題作出相應的描繪，比如車輛相撞之后的位置，車輛的剎車距離等。由于以上原因，繪制一幅事故現場的交通事故圖，往往需要一天得時間。而且還有可能沒有繪制詳細。這對于提高警察為人民服務的辦事效率是非常不利的。甚至，對城市擁擠的交通也是非常不利的。越早的解決交通事故產生的交通堵塞，就越能讓人們早點回家，就越能提升人民警察在老百姓心目中的形象。
技術實現思路
針對現有技術的不足，本專利技術提供，解決了事故現場繪制圖像困難的問題，方便快捷，可以迅速繪制交通事故圖。本專利技術為實現上述目的所采用的技術方案是:—種基于圖像識別的智能事故勘測方法，包括以下步驟:建立神經網絡，在事故現場采集360度全景圖像，并將360度全景圖像輸入神經網絡進行特征匹配，識別出事故現場信息，完成現場事故圖繪制。所述建立神經網絡包括以下過程:步驟1:利用Canny算子邊緣提取方法提取道路樣本圖像邊緣；步驟2:利用LDA方法對提取邊緣輪廓的道路樣本圖像進行特征提取，生成道路樣本圖像的特征向量；步驟3:對道路樣本圖像的特征向量進行降維，得到降維后的道路樣本圖像的特征向量；步驟4:將降維后的道路樣本圖像的特征向量輸入神經網絡中，完成神經網絡的建立。所述在事故現場采集360度全景圖像包括以下過程:步驟1:采集事故現場360度的若干圖像；步驟2:提取每一幅圖像的SIFT特征點，在相鄰兩幅圖像之間進行匹配；步驟3:將匹配后的相鄰兩幅圖像在特征點處通過特征點融合方法進行融合，生成360度全景圖像。所述特征點融合方法包括平均值法、帽子函數法、加權平均法和中值濾波法。還包括根據相鄰兩幅圖像重疊區域之間的關系，建立相鄰兩幅圖像之間的直方圖映射表，通過直方圖映射表對兩幅圖像做整體的映射變換，校正光照強度差異。所述將360度全景圖像輸入神經網絡進行特征匹配包括以下過程:步驟1:利用Canny算子邊緣提取方法提取360度全景圖像的邊緣輪廓；步驟2:利用LDA方法對提取邊緣輪廓的360度全景圖像進行特征提取，生成360度全景圖像的特征向量；步驟3:對360度全景圖像的特征向量進行降維，得到降維后的360度全景圖像的特征向量；步驟4:將降維后的360度全景圖像的特征向量輸入神經網絡中，完成特征匹配。所述神經網絡為BP或RBF神經網絡。所述現場事故圖繪制過程包括:根據事故現場信息，繪制出事故現場360度全景圖像，投影到平面，完成平面圖繪制。本專利技術具有以下有益效果及優點:1.本專利技術方便快捷，可以迅速繪制交通事故圖；2.本專利技術可以降低對繪圖能力要求，無需經過專業的繪圖培訓；3.本專利技術操作簡單，圖像繪制準確。【附圖說明】圖1是本專利技術的方法流程圖；圖2是本專利技術的神經網絡建立流程圖；圖3是本專利技術的特征匹配流程圖。【具體實施方式】下面結合附圖及實施例對本專利技術做進一步的詳細說明。如圖1所示為本專利技術的方法流程圖。建立神經網絡，在事故現場，警察手持智能設備(如:智能手機、平板電腦等)，以一定的速率，對周圍的道路，肇事車輛進行拍照。智能設備在后臺對拍攝的照片進行處理，形成360度全景圖像。并將360度全景圖像輸入神經網絡進行特征匹配，識別出事故現場信息，完成現場事故圖繪制。利用物理和數學原理，對圖像的畸變進行校正。如圖2是本專利技術的神經網絡建立流程圖。利用BP或RBF神經網絡，對邊緣特征進行識別。在實際應用之前，先要建立神經網絡的模型。采集各種不同的道路信息、車輛信息還有其他重要信息(如:剎車痕跡)，利用Canny方法提取道路的邊緣輪廓。利用LDA方法，對提取邊緣輪廓的全景視圖進行特征提取，生成全景視圖的特征向量。因為生成的特征向量維數巨大，因此，還要用LBP方法，對特征向量進行降維，生成維數很小的特征向量。輸入神經網絡中，讓神經網絡進行學習，并最終建立起一個準確的神經網絡模型。如圖3是本專利技術的特征匹配流程圖。以圖像序列中的第一幅圖像的坐標系為基準，將后面的圖像進行平面投影，都投影變換到這個基準坐標系中，使相鄰圖像的重疊區對齊。因為SIFT特征點具有縮放不變性，所以提取每一幅圖像的SIFT特征點。在相鄰的兩幅圖像之間進行匹配。因為當前智能設備一般是單一分辨率，因此，采用平均值法、帽子函數法、加權平均法和中值濾波法等，對相鄰的圖像，在匹配的特征點處進行融合。因為光照強度的差異，會造成一幅圖像內部，以及圖像之間亮度的不均勻，拼接后的圖像會出現明暗交替，給觀察造成極大的不便。利用智能設備的光照模型，校正一幅圖像內部的光照不均勻性，然后通過相鄰兩幅圖像重疊區域之間的關系，建立相鄰兩幅圖像之間的直方圖映射表，通過映射表對兩幅圖像做整體的映射變換，最終達到整體的亮度和顏色的一致性。經過上述步奏，最終生成了交通事故現場的360度全景視圖。對360度全景視圖進行邊緣特征提取。Canny方法不易受噪聲感染，能夠檢測到真正的弱邊緣，是常用的邊緣檢測方法。因此，用Canny方法提取360度全景視圖的邊緣輪廓。利用LDA方法，對提取邊緣輪廓的全景視圖進行特征提取，生成全景視圖的特征向量。因為生成的特征向量維數巨大，因此，還要用LBP方法，對特征向量進行降維，生成維數很小的特征向量。實際應用時，將降維后的特征向量輸入神經網絡，神經網絡根據之前建立的模型進行識別，判斷哪些輪廓是道路的輪廓，哪些是肇事車輛的輪廓，哪些其他的重要信息。并根據判斷結果，保留重要信息的輪廓。利用數學原理，將360度全景視圖中重要信息的輪廓，投影到平面，形成現場的平面效果圖。【主權項】1.，其特征在于:包括以下步驟: 建立神經網絡，在事故現場采集360度全景圖像，并將360度全景圖像輸入神經網絡進行特征匹配，識別出事故現場信息，完成現場事故圖繪制。2.根據權利要求1所述的基于圖像識別的智能事故勘測方法，其特征在于:所述建立神經網絡包括以下過程: 步驟I:利用Canny算子邊緣提取方法提取道路樣本圖像邊緣； 步驟2:利用LDA方法對提取邊緣輪廓的道路樣本圖像進行特征提取，生成道路樣本圖像的特征向量； 步驟3:對道路樣本圖像的特征向量進行降維，得到降維后的道路樣本圖像的特征向量； 步驟4:將降維后的道路樣本圖像的特征向量輸入神經網絡中，完成神經網絡的建立。3.根據權利要求1所述的基于圖像識別的智能事故勘測方法，其特征在于:所述在事故現場采集360度全景圖像包括以下過程: 步驟1:采集事故現場360度的若干圖像； 步驟2:提取每一幅圖像的SIFT特征點，在相鄰兩幅圖像之間進行匹配； 步驟3:將匹配后的相鄰兩幅圖像在特征點處通過特征本文檔來自技高網...

【技術保護點】
一種基于圖像識別的智能事故勘測方法，其特征在于：包括以下步驟：建立神經網絡，在事故現場采集360度全景圖像，并將360度全景圖像輸入神經網絡進行特征匹配，識別出事故現場信息，完成現場事故圖繪制。

【技術特征摘要】

【專利技術屬性】
技術研發人員：田雨農，王里，周秀田，于維雙，陸振波，
申請(專利權)人：大連樓蘭科技股份有限公司，
類型：發明
國別省市：遼寧;21