一、 研发目标和创新点
本项目主要研发一种用于视频安全驾驶分析的智能技术，通过安装在车辆前
方的路况摄像头，车辆 GPS 信息或者车速脉冲线、安装在车辆前方格栅内的
雷达设备作为辅助设备，对公交车辆的异常驾驶行为进行安全预警提醒，并
辅助公交专用道管理。
二、 研发技术内容
研发一种基于视频流的车辆异常行驶行为分析的智能技术，该技术能够通过
动态视觉分析视频流来识别不同大小、不同颜色的车道线和行人，跟踪它们
的轨迹，进而判断车辆是否频繁变道或者行驶在非机动车道上；基于本车车
速，车前方视频，毫米波雷达传递的前方物体相对距离，对车前方的行人、
车辆碰撞做出预警；采集车前方红灯信号，识别车辆是否闯红灯行驶；识别
公交专用车道，对公交专用车道上出现违规行驶的非公交车辆，实时提醒并
抓拍。
输入信息：
车前方路况摄像头的视频影像流（视频影像中路面、车道线、车辆都能清晰
可辨）
毫米波雷达传递的车前方物体相对距离（算法中视作一组传递入的动态常量）
车速（GPS 或者速度脉冲线，算法中视作一个传递入的动态常量）
关键研究内容如下：
1. 行人识别算法模块（需演示）
2. 毫米波雷达算法模块（无需演示）
3. 车距过近算法模块（演示时最好是可以用视频预设车速和视频中两车间相对
距离变化估算出相对速度和车距判断，如图 1 所示）
4. 视频和毫米波雷达融合算法模块（前方路况前视的高清视频流,结合安装在车
辆前方格栅内的雷达设备的雷达点云数据，实时检测前方路况）（无需演示）
5. 车型识别算法模块（需演示）
6. 路口交通信号识别算法模块（需演示）
7. 非机动车车道识别算法模块（需演示）
8. 公交车专用车道识别算法模块（需演示）
9. 违规行为识别算法：
1）识别公交车辆频繁变道：前视摄像头视频图像中检测到车道线之后，经过
跟踪轨迹，统计公交车辆单位时间内变道次数,超过预定阀值则违规
2）识别公交车辆闯红灯：前视摄像头视频图像中识别交通灯的位置和状态，
结合 GPS 的位置、速度和跟踪轨迹，判断红灯时公交车辆越过人行横道线，
或者公交车辆与交通灯距离过近则违规
3）识别公交车辆非机动车道行驶：前视摄像头视频图像中检测公交车辆是否
行驶在人行道等非机动车道上则违规
4）公交专用道的社会车辆提醒和抓拍：前视摄像头视频图像与毫米波雷达融
合检测到当前行驶在公交专用车道上，并且前方出现社会车辆时，自动抓拍
保存前视摄像头视频图像并上报违规
5）识别车距过近：前视摄像头视频图像与毫米波雷达融合检测前方车辆相对
距离、相对速度，判断超出预定阀值则上报安全预警
6）前方碰撞预警：前视摄像头视频图像与毫米波雷达融合检测前方车辆或障
碍物相对距离、相对速度，判断相撞时间短于预定刹车反映时间则上报安全
预警
7）前方行人碰撞预警：前视摄像头视频图像与毫米波雷达融合检测前方行
人，通过跟踪行人轨迹，判断行人将有可能出现在车辆行驶方向前方并发送
碰撞则上报安全预警
备注：
1. 以上算法和演示可以利用当前已有的资料和素材，尽量不要自己采集和标
注素材数据。
2. 算法采用 C/C++编程，可以在 Windows PC 电脑上编译和演示
三、 技术指标和参数
1、 实时车辆异常驾驶行为判定延迟不低于 0.5 秒；
2、 在白天彩色视频图像（实验素材）的条件下，算法准确率和召回率
不小于 85%
注 1：召回率和准确率的定义：
召回率（Recall） = 正确预测为正的样本数 / 正样本总数
准确率(Accuracy) = （正确预测为正样本数 + 正确预测为负样本数）/ 样本
总数
四、 验收成果
 1.算法源代码和链接库文件；
 2.算法使用说明书和性能测试报告；
 3.算法概要和详细设计文档；
 4.算法在Windows PC机上的演示Demo
 5.算法各模块技术资料文档，包含以下模块：
 6.行人识别算法模块
 7.毫米波雷达算法模块
 8.车距过近算法模块
 9.视频算法和毫米波雷达融合算法模块
 10.车型识别算法模块
 11.路口交通信号识别算法模块
 12.非机动车车道识别算法模块
 13.公交车专用车道识别算法模块
 14.车距过近预警模块
 15.频繁变道识别模块
 16.公交车辆行驶在非机动车道识别模块
 17.公交车辆闯红灯识别模块
 18.社会车辆占用公交专用车道识别模块
 19.行人碰撞预警模块
 20.前方碰撞预警模块
21.详细的技术资料文档（不低于80页）