无牌车辆违章检测方法及其检测系统技术方案

一种无牌车辆违章检测方法，包括：视频图像采集：沿车道方向通过摄像机实时采集视频图像；无牌车辆检测：在所述视频图像中检测车辆目标，并定位车辆目标的矩形车身区域；在所述矩形车身区域中检测车牌，若未检测到车牌，则相应的车辆目标为无牌车目标；无牌车辆跟踪：通过meanshift算法对无牌车目标进行跟踪，获得该无牌车目标的运行轨迹；违章检测：检测交通信号灯状态；获取无牌车目标所在道路的车道属性和道路配置；根据交通信号灯状态、车道属性和道路配置以及无牌车目标的运行轨迹，判断所述无牌车目标是否违章。

【技术实现步骤摘要】
无牌车辆违章检测方法及其检测系统
本专利技术属于智能交通管理
，尤其涉及一种无牌车辆违章检测方法及其检测系统。
技术介绍
目前道路上行驶的车辆有些没有牌照，或者牌照丢失，车牌污损或故意遮挡，这些车辆对道路交通安全造成隐患，不但影响交通车辆的登记管理，而且一旦这些车辆发生事故，则无法对肇事者追究责任。为加强对车辆的规范管理，保障交通道路安全，有必要对道路上出现的无牌车进行有效的检测和跟踪，更好的掌握道路上的行车信息。对于无牌车出现检测，一般是人工执法，通过交警设置路障在某一路口对过往车辆进行盘查，但该方法需要消耗大量人力物力，而且容易造成道路拥堵。
技术实现思路
基于此，针对上述技术问题，提供一种无牌车辆违章检测方法及其检测系统。为解决上述技术问题，本专利技术采用如下技术方案：一种无牌车辆违章检测方法，包括：视频图像采集：沿车道方向通过摄像机实时采集视频图像；无牌车辆检测：在所述视频图像中检测车辆目标，并定位车辆目标的矩形车身区域；在所述矩形车身区域中检测车牌，若未检测到车牌，则相应的车辆目标为无牌车目标；无牌车辆跟踪：通过meanshift算法对无牌车目标进行跟踪，获取所述无牌车目标在每帧视频图像上的位置坐标，将在不同帧的同一无牌车目标的所有坐标按照时间的先后顺序串联起来，得到该无牌车目标的运动轨迹；违章检测：检测交通信号灯状态；获取无牌车目标所在道路的车道属性和道路配置；根据交通信号灯状态、车道属性和道路配置以及无牌车目标的运行轨迹，判断所述无牌车目标是否违章。所述违章检测步骤还包括：依据跟踪得到的目标运行轨迹，在所述无牌车目标的车头抵到停止线时，对该无牌车目标进行抓拍，在所述无牌车目标驶到斑马线上时，对该无牌车目标进行抓拍，在所述无牌车目标驶到对面路口的斑马线上，或在路口左转或右转到当前道路的交叉道路上时，对该无牌车目标进行抓拍。所述在所述视频图像中检测车辆目标，并定位车辆目标的矩形车身区域步骤包括：通过检测窗口多次遍历所述视频图像，该检测窗口的尺寸随遍历次数放大，计算检测窗口内的haar特征值，并通过structuredsvm分类器进行分类，若分类分数最大的窗口且超过预设阈值，则该区域为车辆目标的矩形车身区域。所述structuredsvm分类器通过具有haar特征的车辆正样本集和非车辆负样本集训练构成；若首帧视频图像中出现超过预设阈值的区域时，则该区域为车辆目标的矩形车身区域，若后续视频图像中出现超过预设阈值的区域且上一帧视频图像中未检测到车辆目标时，则该区域为新车辆目标的矩形车身区域。所述在所述矩形车身区域中检测车牌，若未检测到车牌，则相应的车辆目标为无牌车目标步骤包括：利用sobel边缘检测算法得到所述矩形车身区域水平以及垂直边缘图像，对水平以及垂直边缘图像分别进行水平和垂直投影，得到车牌的上下边界和左右边界，在边界范围内通过预设标定尺度进行过滤，若未发现符合该预设标定尺度的矩形框，则相应的车辆目标为无牌车目标。所述无牌车辆跟踪步骤还包括通过kalman滤波算法对无牌车目标的运动过程建模，通过模型获得该无牌车目标在下一帧视频图像中的预估位置，并在下一帧视频图像的预估位置通过meanshift算法对无牌车目标进行跟踪，从而获得该无牌车目标的运行轨迹。本方案还涉及一种无牌车辆违章检测系统，包括视频图像采集单元，用于沿车道方向通过摄像机实时采集视频图像；无牌车辆检测单元，用于在所述视频图像中检测车辆目标，并对定位车辆目标的矩形车身区域；在所述矩形车身区域中检测车牌，若检测到车牌，则相应的车辆目标为无牌车目标；无牌车辆跟踪单元，用于通过meanshift算法对无牌车目标进行跟踪，获取所述无牌车目标在每帧视频图像上的位置坐标，将在不同帧的同一无牌车目标的所有坐标按照时间的先后顺序串联起来，得到该无牌车目标的运动轨迹；违章检测单元，用于检测交通信号灯状态；获取无牌车目标所在道路的车道属性和道路配置；根据交通信号灯状态、车道属性和道路配置以及无牌车目标的运行轨迹，判断所述无牌车目标是否违章；所述违章检测单元还依据跟踪得到的目标运行轨迹，在所述无牌车目标的车头抵到停止线时，对该无牌车目标进行抓拍，在所述无牌车目标驶到斑马线上时，对该无牌车目标进行抓拍，在所述无牌车目标驶到对面路口的斑马线上，或在路口左转或右转到当前道路的交叉道路上时，对该无牌车目标进行抓拍。所述在所述视频图像中检测车辆目标，并定位车辆目标的矩形车身区域包括：通过检测窗口多次遍历所述视频图像，该检测窗口的尺寸随遍历次数放大，计算检测窗口内的haar特征值，并通过structuredsvm分类器进行分类，若分类分数最大的窗口且超过预设阈值，则该区域为车辆目标的矩形车身区域。所述structuredsvm分类器通过具有haar特征的车辆正样本集和非车辆负样本集训练构成；若首帧视频图像中出现超过预设阈值的区域时，则该区域为车辆目标的矩形车身区域，若后续视频图像中出现超过预设阈值的区域且上一帧视频图像中未检测到车辆目标时，则该区域为新车辆目标的矩形车身区域。所述在所述矩形车身区域中检测车牌，若未检测到车牌，则相应的车辆目标为无牌车目标包括：利用sobel边缘检测算法得到所述矩形车身区域水平以及垂直边缘图像，对水平以及垂直边缘图像分别进行水平和垂直投影，得到车牌的上下边界和左右边界，在边界范围内通过预设标定尺度进行过滤，若未发现符合该预设标定尺度的矩形框，则相应的车辆目标为无牌车目标。所述无牌车辆跟踪单元还通过kalman滤波算法对无牌车目标的运动过程建模，通过模型获得该无牌车目标在下一帧视频图像中的预估位置，并在下一帧视频图像的预估位置通过meanshift算法对无牌车目标进行跟踪，从而获得该无牌车目标的运行轨迹。本专利技术不需要消耗大量的人力、物力以及财力，可有效捕捉到出现的无牌车，并对无牌车的违章行为进行记录抓拍，对规范车辆管理和交通道路安全起到积极的作用。附图说明下面结合附图和具体实施方式本专利技术进行详细说明：图1为本专利技术的一种无牌车辆违章检测方法的流程图；图2为本专利技术的一种无牌车辆违章检测系统的结构示意图。具体实施方式如图1所示，一种无牌车辆违章检测方法，包括：S101、视频图像采集：沿车道方向通过摄像机实时采集视频图像，其中，摄像机可以采用单目高清摄像机。S102、无牌车辆检测：1、在视频图像中检测车辆目标，并定位车辆目标的矩形车身区域:通过检测窗口多次遍历视频图像，该检测窗口的尺寸随遍历次数放大，计算检测窗口内的haar特征值，并通过structuredsvm分类器进行分类，若分类分数最大的窗口且超过预设阈值，则该区域为车辆目标的矩形车身区域。structuredsvm分类器通过具有haar特征(矩形特征)的车辆正样本集和非车辆负样本集训练构成。StructuredSVM可以理解为对传统SVM的一种扩展。所谓structured，是体现在svm的output上。传统的svm的输出是单变量，比如预测classlabel或者regressionvalue等等。而structuredsvm允许学习一个分类器来产生structuredoutputlabel。其输出不再局限于单个值，而可以是结构化的描述参量，比如一副图像，或目标区域，或标签序列本文档来自技高网...

【技术保护点】
一种无牌车辆违章检测方法，其特征在于，包括：视频图像采集：沿车道方向通过摄像机实时采集视频图像；无牌车辆检测：在所述视频图像中检测车辆目标，并定位车辆目标的矩形车身区域；在所述矩形车身区域中检测车牌，若未检测到车牌，则相应的车辆目标为无牌车目标；无牌车辆跟踪：通过meanshift算法对无牌车目标进行跟踪，获取所述无牌车目标在每帧视频图像上的位置坐标，将在不同帧的同一无牌车目标的所有坐标按照时间的先后顺序串联起来，得到该无牌车目标的运动轨迹；违章检测：检测交通信号灯状态；获取无牌车目标所在道路的车道属性和道路配置；根据交通信号灯状态、车道属性和道路配置以及无牌车目标的运行轨迹，判断所述无牌车目标是否违章。

【技术特征摘要】
1.一种无牌车辆违章检测方法，包括：视频图像采集：沿车道方向通过摄像机实时采集视频图像；无牌车辆检测：在所述视频图像中检测车辆目标，并定位车辆目标的矩形车身区域；在所述矩形车身区域中检测车牌，若未检测到车牌，则相应的车辆目标为无牌车目标；无牌车辆跟踪：通过meanshift算法对无牌车目标进行跟踪，获取所述无牌车目标在每帧视频图像上的位置坐标，将在不同帧的同一无牌车目标的所有坐标按照时间的先后顺序串联起来，得到该无牌车目标的运动轨迹；违章检测：检测交通信号灯状态；获取无牌车目标所在道路的车道属性和道路配置；根据交通信号灯状态、车道属性和道路配置以及无牌车目标的运行轨迹，判断所述无牌车目标是否违章，其特征在于：所述在所述视频图像中检测车辆目标，并定位车辆目标的矩形车身区域步骤包括：通过检测窗口多次遍历所述视频图像，该检测窗口的尺寸随遍历次数放大，计算检测窗口内的haar特征值，并通过structuredsvm分类器进行分类，若分类分数最大的窗口且超过预设阈值，则该区域为车辆目标的矩形车身区域；所述structuredsvm分类器通过具有haar特征的车辆正样本集和非车辆负样本集训练构成；若首帧视频图像中出现超过预设阈值的区域时，则该区域为车辆目标的矩形车身区域，若后续视频图像中出现超过预设阈值的区域且上一帧视频图像中未检测到车辆目标时，则该区域为新车辆目标的矩形车身区域。2.根据权利要求1所述的一种无牌车辆违章检测方法，其特征在于，所述违章检测步骤还包括：依据跟踪得到的目标运行轨迹，在所述无牌车目标的车头抵到停止线时，对该无牌车目标进行抓拍，在所述无牌车目标驶到斑马线上时，对该无牌车目标进行抓拍，在所述无牌车目标驶到对面路口的斑马线上，或在路口左转或右转到当前道路的交叉道路上时，对该无牌车目标进行抓拍。3.根据权利要求2所述的一种无牌车辆违章检测方法，其特征在于，所述在所述矩形车身区域中检测车牌，若未检测到车牌，则相应的车辆目标为无牌车目标步骤包括：利用sobel边缘检测算法得到所述矩形车身区域水平以及垂直边缘图像，对水平以及垂直边缘图像分别进行水平和垂直投影，得到车牌的上下边界和左右边界，在边界范围内通过预设标定尺度进行过滤，若未发现符合该预设标定尺度的矩形框，则相应的车辆目标为无牌车目标。4.根据权利要求3所述的一种无牌车辆违章检测方法，其特征在于，所述无牌车辆跟踪步骤还包括通过kalman滤波算法对无牌车目标的运动过程建模，通过模型获得该无牌车目标在下一帧视频图像中的预估位置，并在下一帧视频图像的预估位置通过meanshift算法对无牌车目标进行跟踪，从而获得该无牌车目标的运行轨迹。5.一...

【专利技术属性】
技术研发人员：谯帅，杨凯鹏，张如高，虞正华，梁龙飞，
申请(专利权)人：上海博康智能信息技术有限公司，
类型：发明
国别省市：上海;31