基于后入口时间分析的多摄像头图像分割提升道路安全

信号化交叉口的交通安全分析对于减少车辆和行人碰撞至关重要，但传统的基于事故的研究受数据稀疏和延迟的限制。本文提出一种 novel 多摄像头计算机视觉框架，用于通过后入口时间（Post-Encroachment Time, PET）计算实现实时安全评估，案例演示于加州圣菲湖 H 街与布尔芬道路交叉口。四个同步摄像机提供持续的视觉覆盖，每个画面在NVIDIA Jetson AGX Xavier设备上使用YOLOv11分割进行车辆检测。检测到的车辆多边形通过透视矩阵（homography matrices）转换为统一的鸟瞰图，从而实现跨摄像机视角的对齐。一种 novel 像素级PET算法测量车辆位置，无需依赖固定网格单元，允许通过动态热力图实现细粒度的危险区域可视化，精度达到3.3平方厘米。带时间戳的车辆和PET数据存储在SQL数据库中用于长期监控。各种时间间隔的结果表明，该框架能够以亚秒级精度识别高风险区域，并在边缘设备上实现实时吞吐量，产生2.68 FPS的800x800像素对数热力图。该研究验证了去中心化基于视觉的PET分析在智能交通系统中的可行性，提供了一种可复制的方法，用于高分辨率、实时且可扩展的交叉口安全评估。