【技術實現步驟摘要】
本專利技術涉及城市管理，尤其涉及一種基于全息感知的道路交通異常檢測及相關設備。
技術介紹
1、隨著智能交通和自動駕駛技術的快速發展，對路網環境的感知和動態監控需求日益增長。傳統的交通感知技術主要依賴單一傳感器或數據源，如攝像頭、雷達或車輛傳感器，無法全面捕捉和處理復雜路網中的多維度信息，導致感知精度和實時性受限。在復雜的交通場景中，交通參與者的行為、環境狀態及交通流量都在不斷變化，現有的感知系統難以實時、全面地反映路網的全局狀態，尤其在多源數據流融合和實時動態更新方面存在不足。
技術實現思路
1、本專利技術的主要目的在于解決現有的交通感知技術無法全面捕捉和處理復雜路網中的多維度信息，導致感知精度和實時性受限的技術問題；
2、本專利技術第一方面提供了一種基于全息感知的道路交通異常檢測方法，所述基于全息感知的道路交通異常檢測方法包括：
3、對目標路網配置的多源傳感器設備采集的視頻流數據、點云數據、車輛運動狀態數據、交通參數數據以及環境數據進行時空配準和統一預處理，得到標準格式的多源數據流；
4、通過預設的目標檢測模型和特征提取網絡對多源數據流進行特征獲取，并利用多尺度特征融合網絡進行特征融合及語義分割處理，得到所述目標路網中檢測目標的目標特征數據和所述目標路網的場景語義信息；
5、根據所述目標特征數據和場景語義信息，建立時空圖數據結構，并通過時空注意力機制基于所述時空圖數據結構進行目標軌跡分析，得到分析結果；
6、結合所述分析
7、根據所述目標行為特征和所述交互關系數據對所述檢測目標以及所述檢測目標之間的交互狀態進行道路交通異常檢測，得到道路交通異常檢測結果。
8、可選的，在本專利技術第一方面的第一種實現方式中，所述通過預設的目標檢測模型和特征提取網絡對多源數據流進行特征獲取，并利用多尺度特征融合網絡進行特征融合及語義分割處理，得到所述目標路網中檢測目標的目標特征數據和所述目標路網的場景語義信息包括：
9、對所述多源數據流中的視頻流數據和點云數據分別進行目標檢測和幾何特征提取處理，對所述車輛運動狀態數據和交通參數數據進行運動特征聚類處理，得到初始特征集；
10、通過預設的注意力權重對所述初始特征集中的不同尺度特征進行加權融合，并利用深度卷積網絡進行特征降維和空間關聯處理，得到融合特征圖；
11、對所述融合特征圖進行多層次語義解析和場景要素分割處理，結合預設的語義映射關系庫進行特征匹配，得到所述目標路網中檢測目標的目標特征數據和所述目標路網的場景語義信息。
12、可選的，在本專利技術第一方面的第二種實現方式中，所述根據所述目標特征數據和場景語義信息，建立時空圖數據結構，并通過時空注意力機制基于所述時空圖數據結構進行目標軌跡分析，得到分析結果包括：
13、根據所述目標特征數據對預設的時空圖數據結構模板進行節點映射，并基于所述場景語義信息對節點間的交互關系進行邊映射，得到初始時空圖結構；
14、根據所述目標特征數據和所述場景語義信息生成所述初始時空圖結構中節點的歷史軌跡，并通過時空注意力算法對所述歷史軌跡進行分析處理，得到節點間的交互特征；
15、利用圖神經網絡對所述初始時空圖結構進行推理運算，并結合所述交互特征進行特征融合，得到目標行為模式特征；
16、根據所述目標行為模式特征匹配預置的行為模式庫，并結合所述行為模式庫中預設的行為檢測規則對所述目標行為模式特征進行異常行為識別，得到所述分析結果。
17、可選的，在本專利技術第一方面的第三種實現方式中，所述根據所述目標特征數據和所述場景語義信息生成所述初始時空圖結構中節點的歷史軌跡，并通過時空注意力算法對所述歷史軌跡進行分析處理，得到節點間的交互特征包括：
18、對所述初始時空圖結構中節點對應的目標特征數據進行時序特征提取，并結合所述場景語義信息中的場景約束條件進行軌跡點生成，得到節點的原始軌跡序列；
19、根據預設的采樣間隔對所述原始軌跡序列進行軌跡采樣，并結合所述場景語義信息中的場景拓撲結構對采樣點進行空間校正，得到節點的標準化軌跡序列；
20、對所述標準化軌跡序列進行時間窗口劃分，并通過滑動窗口方式構建軌跡特征矩陣，得到節點的歷史軌跡表征；
21、基于所述歷史軌跡表征計算節點間的時空注意力權重，并根據所述注意力權重對軌跡特征進行加權聚合，得到所述節點間的交互特征。
22、可選的，在本專利技術第一方面的第四種實現方式中，所述結合所述分析結果和所述環境數據對所述時空圖數據結構進行關聯分析處理，得到檢測目標的目標行為特征以及檢測目標之間的交互關系數據包括：
23、對所述分析結果中的異常行為信息和所述環境數據進行多維特征組合，并基于預設的環境影響模型進行特征映射，得到環境關聯特征；
24、根據所述環境關聯特征對所述時空圖數據結構中的節點進行特征更新，并對節點間的邊權重進行動態調整，得到更新后的時空圖特征；
25、對所述更新后的時空圖特征進行圖卷積處理，并通過多層特征提取得到目標的行為特征向量，得到檢測目標的目標行為特征；
26、基于所述目標行為特征對時空圖數據結構中相鄰節點進行關聯度計算，并通過圖注意力網絡進行特征聚合，得到檢測目標之間的交互關系數據。
27、可選的，在本專利技術第一方面的第五種實現方式中，所述根據所述目標行為特征和所述交互關系數據對所述檢測目標以及所述檢測目標之間的交互狀態進行道路交通異常檢測，得到道路交通異常檢測結果包括：
28、根據所述目標行為特征對所述目標路網中的動態目標進行狀態映射，得到所述動態目標的行為狀態；
29、通過lstm-gcn混合網絡對所述行為狀態進行狀態預測，并結合所述交互關系數據進行特征補充，得到目標狀態預測數據；
30、通過預設的層次化預測框架對所述目標狀態預測數據進行多尺度分析，得到包含個體行為和交通流演化的場景預測數據；
31、對所述場景預測數據中動態目標的預測行為與預設的正常行為規則進行匹配，并對動態目標間預測的交互行為與預設的正常交互規則進行匹配，得到目標和交互的異常行為；
32、基于所述異常行為對所述目標路網中的檢測目標及檢測目標之間的交互狀態進行異常等級劃分和時空關聯分析，得到所述道路交通異常檢測結果。
33、可選的，在本專利技術第一方面的第六種實現方式中，所述通過預設的層次化預測框架對所述目標狀態預測數據進行多尺度分析，得到包含個體行為和交通流演化的場景預測數據包括：
34、對所述目標狀態預測數據按照預設的時空尺度進行分層采樣，并通過多層特征提取網絡對不同尺度的目標狀態預測數據進行特征分解，得到多尺度特征序列；
35、通過預設的層間關聯模本文檔來自技高網...
【技術保護點】
1.一種基于全息感知的道路交通異常檢測方法，其特征在于，所述基于全息感知的道路交通異常檢測方法包括：
2.根據權利要求1所述的基于全息感知的道路交通異常檢測方法，其特征在于，所述通過預設的目標檢測模型和特征提取網絡對多源數據流進行特征獲取，并利用多尺度特征融合網絡進行特征融合及語義分割處理，得到所述目標路網中檢測目標的目標特征數據和所述目標路網的場景語義信息包括：
3.根據權利要求1所述的基于全息感知的道路交通異常檢測方法，其特征在于，所述根據所述目標特征數據和場景語義信息，建立時空圖數據結構，并通過時空注意力機制基于所述時空圖數據結構進行目標軌跡分析，得到分析結果包括：
4.根據權利要求3所述的基于全息感知的道路交通異常檢測方法，其特征在于，所述根據所述目標特征數據和所述場景語義信息生成所述初始時空圖結構中節點的歷史軌跡，并通過時空注意力算法對所述歷史軌跡進行分析處理，得到節點間的交互特征包括：
5.根據權利要求1所述的基于全息感知的道路交通異常檢測方法，其特征在于，所述結合所述分析結果和所述環境數據對所述時空圖數據結構進行關聯分
6.根據權利要求1所述的基于全息感知的道路交通異常檢測方法，其特征在于，所述根據所述目標行為特征和所述交互關系數據對所述檢測目標以及所述檢測目標之間的交互狀態進行道路交通異常檢測，得到道路交通異常檢測結果包括：
7.根據權利要求6所述的基于全息感知的道路交通異常檢測方法，其特征在于，所述通過預設的層次化預測框架對所述目標狀態預測數據進行多尺度分析，得到包含個體行為和交通流演化的場景預測數據包括：
8.一種基于全息感知的道路交通異常檢測裝置，其特征在于，所述基于全息感知的道路交通異常檢測裝置包括：
9.一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有指令，其特征在于，所述指令被處理器執行時實現如權利要求1-7中任意一項所述基于全息感知的道路交通異常檢測方法的步驟。
...【技術特征摘要】
1.一種基于全息感知的道路交通異常檢測方法，其特征在于，所述基于全息感知的道路交通異常檢測方法包括：
2.根據權利要求1所述的基于全息感知的道路交通異常檢測方法，其特征在于，所述通過預設的目標檢測模型和特征提取網絡對多源數據流進行特征獲取，并利用多尺度特征融合網絡進行特征融合及語義分割處理，得到所述目標路網中檢測目標的目標特征數據和所述目標路網的場景語義信息包括：
3.根據權利要求1所述的基于全息感知的道路交通異常檢測方法，其特征在于，所述根據所述目標特征數據和場景語義信息，建立時空圖數據結構，并通過時空注意力機制基于所述時空圖數據結構進行目標軌跡分析，得到分析結果包括：
4.根據權利要求3所述的基于全息感知的道路交通異常檢測方法，其特征在于，所述根據所述目標特征數據和所述場景語義信息生成所述初始時空圖結構中節點的歷史軌跡，并通過時空注意力算法對所述歷史軌跡進行分析處理，得到節點間的交互特征包括：
5.根據權利要求1所述的基于全息感知的...
【專利技術屬性】
技術研發人員：劉世才，魏波，
申請(專利權)人：深圳市拓必達科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。