开放场景的安检车辆自动跟踪定位方法及系统技术方案

本发明专利技术涉及开放场景的安检车辆自动跟踪定位方法及系统，包括采集进站车辆视频图像，根据视频图像进行车牌识别得到车牌识别结果；根据车牌识别结果读取数据库中本车牌对应车型信息以及事件发生的相应时间段，车型信息包括车体的颜色和轮廓特征；将所述车体的颜色与目标检测区域的背景颜色比对，选取跟踪算法；根据选取的跟踪算法，逐帧判断车体最下边缘是否出现在地沟正上方监测区域内；若车体最下边缘出现在地沟正上方监测区域内则启动车牌的特征点关键点逐帧匹配跟踪技术，逐帧跟踪车牌位置变动；根据车牌位置变动结果判定车牌中心坐标变动进入特定的阈值，若进入特定的阈值，判定车辆静止，同时启动车灯定位与雨刮运动识别技术进行自动安检。

Automatic tracking and positioning method and system for security inspection vehicles in open scene

Automatic tracking method and system of the invention relates to a security vehicle opening scene, including the acquisition of inbound vehicles according to the video images, video images of license plate recognition of license plate recognition results obtained; according to the license plate recognition results read the corresponding time period in the corresponding vehicle license plate database information and event information, including body color models and contour feature; will the background color of the color matching and target detection area of the body, we select the tracking algorithm; according to the tracking algorithm, the edge frame body judge whether in the trench just above the monitoring area; if the body under the edge frame feature points in the trench just above the monitoring region is the key point to start plate matching tracking, tracking frame plate position change; according to the license plate position change results to determine the coordinates of the center plate When the change comes to a specific threshold, if we enter a specific threshold, we will determine the vehicle's static state. At the same time, we start the car lamp location and the wiper motion recognition technology to carry out automatic security check.

【技术实现步骤摘要】
开放场景的安检车辆自动跟踪定位方法及系统
本专利技术涉及一种适用于全自动化无人值守的车辆安全例检场合，配合基于计算机视觉的车灯定位与雨刮运动检测等技术构成一套完整的全自动车辆安全例检及年检系统方案，尤其涉及一种开放场景的安检车辆自动跟踪定位方法及系统。
技术介绍
随着大数据，互联网+，深度机器学习等信息与人工智能技术的发展，为解决日益增长的交通拥堵，负荷与运力资源配置不平衡等矛盾，国家发改委和交通运输部于2016年联合提出了智能交通(ITS)系统的总体框架和发展方案，并强调了智能运输服务系统、智能运输管理系统、智能决策支持系统信息化发展的重要性。而车辆的年检和安全例检作为道路运输安全监管的主要内容，则其信息化和标准化自然成为ITS的重点建设目标。目前，国内车辆年检的智能化和信息化水平不高，基本属于半自动化状态[3]，根据国家规定，机动车必须定期通过尾气检测、汽车外观、车灯、刹车、底盘等检测项目，根据车型及营运性质，一般为一年一次年检或者半年一次年检，而根据交通运输部出台的《汽车客运站营运客车安全例行检查工作规范》规定，客运班线单程营运里程小于800公里的客运班车和往返营运时间不超过24小时的营运班车，实行每日检查一次；客运班线单程营运里程在800公里（含）以上的客运班车和往返营运时间在24小时（含）以上的营运班车，实行每个单程检查一次。因此客运站安全例检的频度和工作量强度远大于汽车年检的强度，根据统计，在节假日高峰期，平均每3分钟都会有1辆车需要安检，每个安检站需要配备3~4名安检员三班倒来进行。而在设计基于图像识别的全自动车辆安检系统中，针对所有的安全例检项目，除了胎压，扭矩，底盘外，前后车灯和雨刮器等大部分检查项目则是可以采用基于图像识别来全自动进行，并可大大提高安检员的效率。检查结果也可以与相关省市的运政系统对接，提高信息化程度。目前国内外车辆安全年检和例检的自动化及信息化程度发展现状：当前客运车辆以及农用车辆的安全例检与年检问题主要在于靠人工检测，效率低下，可靠性差且安检人员专业水平高低不一，安检标准不统一[2]，因此基于图像识别技术的安全例检具有重大的经济社会效益。目前国内各大中城市，车辆的安全例检一般是在经营者自身规划的场地进行[3]，除了防雨防淋外，并没有对遮光有严格要求，所以周边经常出现不相干的车辆与行人，给车辆轮廓的图像跟踪造成一定的干扰，同时车辆进站后，在录像过程中镜头抖动以及雨天地板坑坑洼洼的倒影也会造成跟踪目标特征突变形成技术难点，另外，车辆视频跟踪与识别作为智能交通信息化的热点，虽然当前有许多相关的文献与专利技术进行这方面研究[4][5][6]，但一般都是关于交通流量的统计和交通事故的分析，其算法侧重于对一般车辆的跟踪，并不适合对具有丰富先验信息的特定车辆进行跟踪及后期对各车灯定位与亮度变化等检查项目的识别。目标跟踪作为视频分析的热点之一，目前有多种算法，总共包含三个步骤，即运动检测，模型建立或特征提取，模型参数或特征跟踪三个环节。运动检测方面，常用方法有帧间差分法、光流法、背景减除法，混合高斯模型法等.其中帧间差分能够快速有效地从帧间检测出运动目标，速度快,且对环境整体光照变化不敏感,具有较强的自适应性,能够消除挡风玻璃复杂的背景反光问题。不足之处在于因物体内部灰度分布的均匀性而造成较大空洞,导致无法找到运动目标连通域。现有技术存在的缺点如下：1）现有的机动车辆安全例检与年检问题主要在于大部分靠人工检测，效率低下，可靠性差且安检人员专业水平高低不一，安检标准不统一，不能实现自动检测；2）检测结果不能信息化，不利于信息的审查管理，责任追踪，也不利于事前预防；3）当前基于计算机视觉的车辆跟踪以及定位技术是关于交通流量的统计和交通事故的分析，其算法侧重于对一般车辆的跟踪，并不适合对具有丰富先验信息的特定车辆进行跟踪及后期对各车灯定位与亮度变化等检查项目的识别；当前车辆跟踪算法不能滤除周边出现不相干的车辆与行人，不能识别司机，和副驾驶等人员的出入和交谈造成的假运动目标，不能克服镜头的抖动造成的跟踪目标中断以及不能克服雨天地板的水坑倒影造成的虚假车辆目标形成的误判。有鉴于上述的缺陷，本设计人，积极加以研究创新，以期创设一种开放场景的安检车辆自动跟踪定位方法及系统，使其更具有产业上的利用价值。
技术实现思路
为解决上述技术问题，本专利技术的目的是提供一种适用于农用运输车，各类工程车，收割机，营运车辆每日例行安全检查以及车辆年检的开放场景的安检车辆自动跟踪定位方法及系统。本专利技术的开放场景的安检车辆自动跟踪定位方法，采集进站车辆视频图像，根据视频图像进行车牌识别得到车牌识别结果；根据车牌识别结果读取数据库中本车牌对应车型信息以及事件发生的相应时间段，所述车型信息包括车体的颜色和轮廓特征；将所述车体的颜色与目标检测区域的背景颜色比对，选取跟踪算法；根据选取的跟踪算法，逐帧判断车体最下边缘是否出现在地沟正上方监测区域内；若车体最下边缘出现在地沟正上方监测区域内则启动车牌的特征点关键点逐帧匹配跟踪技术，逐帧跟踪车牌位置变动；根据车牌位置变动结果判定车牌中心坐标变动进入特定的阈值，若进入特定的阈值，则判定车辆静止；若车辆静止，则启动车灯定位与雨刮运动识别技术进行自动安检。进一步的，将所述车体的颜色与目标检测区域的背景颜色比对，选取跟踪算法的方法为：若车体的颜色与目标检测区域的背景颜色差值大于设定的阈值，则采用车辆颜色直方图分布作为运动目标描述子进行跟踪；若车体的颜色与目标检测区域的背景颜色设在设定误差允许范围之内，则采用帧间差分法与运动历史图算法相结合跟踪算法。进一步的，采用车辆颜色直方图分布作为运动目标描述子进行跟踪的具体方法为：从数据库读取车体目标颜色直方图模型，根据上述目标颜色直方图模型反向投影计算当前帧所有像素的目标的概率分布图；对得到的当前帧目标的概率分布图用camShift通过迭代获取目标的新的位置,求取此目标最下边缘线所在的y值及长度。进一步的，从数据库读取车体目标颜色直方图模型的计算方法如下：--------（2.3--1）其中u为颜色索引，为u在车体直方图里占的概率密度，假如取RGB各16种颜色，故索引值在0~4096之间，假设车体图片大小为300*200，则n取值为60000.为核函数，在此可取高斯核，为这个像素所在的直方图区间，为概率归一化系数，取值为：---------------------（2.3--2）为各像素相对车体中心（,）的归一化距离:------(2.3--3)相应地可以得到当前帧候选目标区域的颜色直方图跟踪模型如下：--（2.3--4）其中为矢量，代表候选区域中心位置坐标，其余参数意义同上。目标模型与当前帧候选区域模型的相似度匹配代价函数通过Bhattacharrya系数相似度来表示，即：----------（2.3---5）将上述相似度函数在前一帧的目标物体中心处作泰勒级数展开并令一阶梯度为零可得候选区域中心向目标区域中心的meanshift迭代方程如下：--（2.3---6）其中：---------------------（2.3--7）-----（2.3--8）进一步的，所述从数据库读取车体目标颜色直方图模型的计算方法还包括：采用Camshift算法来完本文档来自技高网...

【技术保护点】
一种开放场景的安检车辆自动跟踪定位方法，其特征在于：采集进站车辆视频图像，根据视频图像进行车牌识别得到车牌识别结果；根据车牌识别结果读取数据库中本车牌对应车型信息以及事件发生的相应时间段，所述车型信息包括车体的颜色和轮廓特征；将所述车体的颜色与目标检测区域的背景颜色比对，选取跟踪算法；根据选取的跟踪算法，逐帧判断车体最下边缘是否出现在地沟正上方监测区域内；若车体最下边缘出现在地沟正上方监测区域内则启动车牌的特征点关键点逐帧匹配跟踪技术，逐帧跟踪车牌位置变动；根据车牌位置变动结果判定车牌中心坐标变动进入特定的阈值，若进入特定的阈值，则判定车辆静止；若车辆静止，则启动车灯定位与雨刮运动识别技术进行自动安检。

【技术特征摘要】
1.一种开放场景的安检车辆自动跟踪定位方法，其特征在于：采集进站车辆视频图像，根据视频图像进行车牌识别得到车牌识别结果；根据车牌识别结果读取数据库中本车牌对应车型信息以及事件发生的相应时间段，所述车型信息包括车体的颜色和轮廓特征；将所述车体的颜色与目标检测区域的背景颜色比对，选取跟踪算法；根据选取的跟踪算法，逐帧判断车体最下边缘是否出现在地沟正上方监测区域内；若车体最下边缘出现在地沟正上方监测区域内则启动车牌的特征点关键点逐帧匹配跟踪技术，逐帧跟踪车牌位置变动；根据车牌位置变动结果判定车牌中心坐标变动进入特定的阈值，若进入特定的阈值，则判定车辆静止；若车辆静止，则启动车灯定位与雨刮运动识别技术进行自动安检。2.根据权利要求1所述的开放场景的安检车辆自动跟踪定位方法，其特征在于：将所述车体的颜色与目标检测区域的背景颜色比对，选取跟踪算法的方法为：若车体的颜色与目标检测区域的背景颜色差值大于设定的阈值，则采用车辆颜色直方图分布作为运动目标描述子进行跟踪；若车体的颜色与目标检测区域的背景颜色在设定误差允许范围之内，则采用帧间差分法与运动历史图算法相结合跟踪算法。3.根据权利要求2所述的开放场景的安检车辆自动跟踪定位方法，其特征在于：采用车辆颜色直方图分布作为运动目标描述子进行跟踪的具体方法为：从数据库读取车体目标颜色直方图模型，根据上述目标颜色直方图模型反向投影计算当前帧所有像素的目标的概率分布图；对得到的当前帧目标的概率分布图用camShift通过迭代获取目标的新的位置,求取此目标最下边缘线所在的y值及长度。4.根据权利要求3所述的开放场景的安检车辆自动跟踪定位方法，其特征在于：从数据库读取车体目标颜色直方图模型的计算方法如下：--------（2.3--1）其中u为颜色索引，为u在车体直方图里占的概率密度，假如取RGB各16种颜色，故索引值在0~4096之间，假设车体图片大小为300*200，则n取值为60000.为核函数，在此可取高斯核，为这个像素所在的直方图区间，为概率归一化系数，取值为：---------------------（2.3--2）为各像素相对车体中心（,）的归一化距离:------(2.3--3)相应地可以得到当前帧候选目标区域的颜色直方图跟踪...

【专利技术属性】
技术研发人员：何占华，黄吓珠，
申请(专利权)人：中科信达福建科技发展有限公司，
类型：发明
国别省市：福建,35