智能城市应用

智能化交通事故视频鉴定系统设计

王佳佳, 唐阳山, 张岩, 于海艺

摘要


鉴于国内监控系统较为广泛地使用,使用视频鉴定交通事故已经成为了最主要的鉴定方法之一,一般采用的是结合车辆事故车辆和路面上的特征长度来求解车辆的点车速或连续车速。目前我国交通事故视频鉴定方法是通过人工鉴定,存在计算量大、复杂度高、效率低、计算结果误差大等不足,因此采用改进的时间插值算法、OpenCV、Deepsort、交通事故视频及改进的YOLOv5网络导入到所开发的交通事故视频鉴定系统中,用改进的YOLOv5进行目标车辆检测,对视频中车辆进行了标号,并利用Deepsort神经网络进行目标追踪,据此可判断车辆是否发生碰撞。然后利用OpenCV角点检测方法对事故车辆进行角点提取,获取角点坐标再根据角点坐标利用新的车速鉴定算法确定目标车辆相应的车速。

关键词


YOLOv5;车速鉴定;目标车辆;交通事故视频鉴定系统

全文:

PDF

参考


刘兆波.基于YOLOv5及DeepSort的道路目标追踪改进算法[J].汽车实用技术,2022,47(22):40-44.

和丽平.针对视频监控设备鉴定常规车速的方法及拓展[J].法制博览,2021(17):118-119.

李震霄.交通监控场景中的车辆检测与跟踪算法研究[D].北京:中国矿业大学,2021.

庄静,厉鹏.基于视频常规车速鉴定方法的拓展[J].汽车实用技术,2020,45(22):221-223.

贾常明.视频方法鉴定车速问题研究[J].光学技术,2020,46(5):535-539.

刘虹伯.基于视频的道路交通事故分析方法研究[D].西安:长安大学,2019.

邱冉冉.基于监控视频图像的交通事故车速计算方法研究[D].长春:吉林大学,2017.




DOI: https://doi.org/10.33142/sca.v6i3.8808

Refbacks

  • 当前没有refback。


版权所有(c){$ COPYRIGHTYEAR} {$ copyrightHolder}

Creative Commons License
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。