一种基于显著车辆部件模型的交通违章检测方法技术

本发明专利技术涉及交通监控技术领域，尤其是一种基于显著车辆部件模型的交通违章检测方法。本发明专利技术首先通过判别性特征定位车辆的显著部件，包括车辆号牌和车辆尾灯，并用它们表示车辆，然后根据多个显著部件，用卡尔曼滤波器完成车辆跟踪，最后通过轨迹分析和设置违章检测区域，检测车辆违章行为。本发明专利技术解决了光照变化、检测噪声等实际工程应用的复杂环境下车辆违章检测等问题，可以用于城市复杂环境下的交通监控。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及交通监控
，尤其是。本专利技术首先通过判别性特征定位车辆的显著部件，包括车辆号牌和车辆尾灯，并用它们表示车辆，然后根据多个显著部件，用卡尔曼滤波器完成车辆跟踪，最后通过轨迹分析和设置违章检测区域，检测车辆违章行为。本专利技术解决了光照变化、检测噪声等实际工程应用的复杂环境下车辆违章检测等问题，可以用于城市复杂环境下的交通监控。【专利说明】
本专利技术涉及交通监控
，尤其是。
技术介绍
在大中型城市，随着城市化的发展，交通阻塞、交通违章和交通事故的情况也越来越多。为了对交通进行更有效的控制和管理，智能交通已经引起了广泛的重视。交通信息服务是智能交通系统功能的一个重要部分，这一功能的实现必须首先对交通路况进行监控，快速、准确地获取各种交通参数。随着视频传感器数量的急剧增加，传统的人工被动监控已经远远无法满足监控任务的需要。因此，实现可以代替人眼的智能自动监控功能成为视频监控研究的目标。尤其是，基于监控视频的交通违章检测系统，可以监控车辆的违章行为并完成车辆号牌识别。基于视频的交通违章检测系统可以通过规范驾驶员的驾驶行为来减少交通事故，缓解交通违章带来的交通问题。目前在视频中检测交通违章的技术主要包括:车辆定位、车辆跟踪和号牌识别。在现有的智能交通系统中，车辆定位技术在交通监控中广泛应用，其主要分为基于运动目标和静态目标的定位方法。基于运动目标的定位方法将道路上的车辆看作运动目标，可以处理光照变化、适用于多模态以及缓慢变化的背景。然而运动的目标未必是车辆，因此许多研究人员利用车辆表面的视觉信息来定位车辆。这些方法利用颜色、边缘及角点特征来学习车辆或车辆部件模型，然后利用分类器以及生成式模型来定位车辆。车辆跟踪方法主要使用基于均值漂移、卡尔曼滤波器和粒子滤波器等技术来实现。在最简单的情况下，欧氏距离、尺寸和角度约束用来匹配相邻帧之间的目标。进一步，卡尔曼滤波器和粒子滤波器可以用来估计下一帧的目标位置，从而更好的完成跟踪过程。基于均值漂移的目标跟踪是一种目标外观模型跟踪方法，即使在拥堵交通环境下效果也比较好。总结现有的交通视频监控系统，在工程应用中依然存在以下挑战:1、全天候监控:一天中的不同时间段内，光照条件变化大，尤其是白天和夜间的光照差异；在夜间条件下，通常采用频闪补光灯，可以看清补光范围内的车辆信息，但补光范围通常在几十米内，难以完成车辆跟踪、进而判断车辆违章等行为。2、车辆遮挡:图像中的车辆被其他车辆遮挡，或者被非车辆目标(行人、自行车、树木、建筑等)遮挡。比如，监控摄像机布设在交通路口，排队等候信号灯的车辆易产生互相遮挡；再如，小车容易被大车遮挡，造成短时间的丢失检测。3、姿态变换:车辆在转弯、变道等姿态变换时，在图像中呈现的表面特征变化很大。4、类内差异大，背景多样性:车辆具有不同形状、尺寸、颜色；在复杂场景中，有非机动车、行人、道路交通设施等背景目标，与车辆目标混杂在一起。5、不同分辨率:当车辆驶过摄像机视野的过程中，其在图像中的像素数变化很大。经对现有技术文献的检索发现，在第201310251206.7号中国专利申请中，使用基于背景建模的方法，提取运动车辆目标，通过运动前景的位置判断车辆的违章行为，但是，在车辆检测过程中，运动目标未必是车辆，并且基于背景建模的方法难以处理车辆遮挡问题。在第200810240499.8号中国专利申请中，公开了一种车辆违章检测系统，可以检测闯红灯、超速行驶等违章行为，但该系统除了使用摄像头，还需要增加压力传感设备和测速装置，辅助抓拍过程，成本较高。综上所述，现有的交通违章检测系统，通常利用运动信息进行检测，监控精度较低，无法满足日益增长的交通监控需求。很多系统需结合视频摄像机和线圈等辅助设备进行检测，成本较高，同时，在维修和安装时需要中断交通，破坏路面，因此维护难度大，维护成本高。
技术实现思路
本专利技术解决的技术问题在于提供克服现有技术中的不足，为城市交通监控提供。能在光照变化、检测噪声等实际工程应用的复杂环境下，实时准确地定位、跟踪车辆目标，通过轨迹分析完成车辆违章检测，为城市交通管理提供一种可靠而有效的途径。本专利技术解决上述技术问题的技术方案是:包括以下步骤:步骤SI，对道路交通场景进行图像标定；步骤S2，定位视频序列中的所有车牌位置:步骤S3，定位视频序列中的所有车辆尾灯位置:步骤S4，基于车辆的多个显著部件，对车辆进行跟踪从而获取车辆的运动轨迹:根据前一帧图像中的车辆定位结果，预测当前帧的车辆位置；将当前帧中的车辆定位结果作为测量值，对于每一个跟踪车辆，通过判断其预测位置与测量值之间的欧式距离，搜索其观察值；通过加权计算预测值与观察值，更新预测值，作为目标的当前位置；步骤S5，分析车辆的运动轨迹，设置各种违章类型的检测区域，完成车辆违章检测。所述步骤S4中，基于车辆的多个显著部件、采用扩展卡尔曼滤波方法对车辆进行跟踪从而获取车辆的运动轨迹；在扩展卡尔曼滤波方法中，将车牌的中心位置及速度信息作为系统状态变量；该步骤中，定义如果一个车辆部件连续跟踪3帧以上，即认为该部件为稳定状态；在预测位置搜索车辆目标位置观察值采用如下规则:RULEl:如果预测位置附近检测到稳定状态的车牌，但车灯状态不稳定，则用车牌表示车辆，并作为观察值；同时，更新车不的稳定状态及其与车牌的相对位置；RULE2:如果预测位置附近没有检测到车牌，或者检测到车牌但是该车牌为不稳定状态，则进一步搜索车灯，如果有稳定的车灯，用车灯表示车辆，并作为观察值；RULE3:如果预测位置检测到稳定车牌，同时搜索到稳定车灯，则判断它们与预测位置的距离，取距离近者作为观察值；同时更新车牌与车灯之间的相对位置。RULE4:如果预测位置附近搜索到不稳定的车牌，且没有稳定车灯，则取车牌位置作为观察值；RULE5:如果预测位置附近既没有稳定车牌，也没有稳定车灯，认为当前目标丢失跟踪；如果某个目标连续三帧丢失跟踪，即认为该目标退出场景。所述步骤S5中，为不同的违章类型设置特定的检测区域，同时，保存多张取证图片和违章信息；各种违章类型的检测区域设置和轨迹分析方法如下:(I)闯红灯:在每条车道的停车线前后各设置一个检测区域，记录并分析每辆车的运动轨迹，如果当前车道的信号灯状态为红灯，并且车辆轨迹依次穿过设置的两个检测区域，则认为该车辆闯红灯；提取车辆在停止线前、压停止线和驶过停止线的三张全景图片，以及车辆的一张特写图片，并调用车牌识别程序进行车牌识别，最后将四张图片进行拼接并标注违章信息，包括违章时间、路口位置、车道、车牌号码等，供交通管理部门做后续处理；(2)压线行驶:在图像中，标记禁止压线行驶的车道线区域，记录并分析车辆的运动轨迹，如果车辆轨迹经过该检测区域，则认为该车辆压线行驶；提取车辆压线状态下的全景图片，以及一张特写图片，并调用车牌识别程序进行车牌识别，最后将两张图片进行拼接并标注违章信息，供交通管理部门做后续处理；(3)不按规定车道行驶:在图像中的两条车道标记两个检测区域，如果车辆的运行轨迹，依次经过两个检测区域，则认为该车辆不按规定车道行驶；提取车辆变换车道前、变换车道中、变换车道后的三张全景图片，以及车辆的一张特写图片，并调用车牌识别程序进行车牌识别，最后将四张本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：王飞跃，田滨，李叶，李泊，王坤峰，熊刚，朱凤华，胡斌，
申请(专利权)人：东莞中国科学院云计算产业技术创新与育成中心，中国科学院自动化研究所，
类型：发明
国别省市：