用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法技术

本发明专利技术提供一种用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法，包括以下步骤：步骤S1，检测进入高速公路大场景中的车辆目标；步骤S2，跟踪并识别车辆目标的通行行为；步骤S3，动态控制摄像机对发生交通违法行为的车辆目标进行持续跟踪；步骤S4，对发生交通违法行为的车辆目标进行快速抓拍，步骤S5，对发生交通违法行为的车辆目标进行取证记录。本发明专利技术提出的方法基于单个PTZ摄像机有效解决了高速公路上通行车辆连续变更车道、不按规定车道行驶等长时段交通违法行为的识别和过程取证问题。

【技术实现步骤摘要】
用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法
本专利技术涉及一种用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法，属于交通图像处理与交通信息

技术介绍
高速公路机动车交通违法行为抓拍系统在我国应用越来越广泛，常见的交通违法行为包括超速行驶、占用应急车道、不按规定车道行驶等。其中超速抓拍系统通常采用线圈-摄像机、微波雷达-摄像机、虚拟线圈-摄像机以及区间测速等方式；占用应急车道抓拍系统通过路侧安装的摄像机对进入标定的应急车道范围内的车辆进行抓拍；不按规定车道行驶抓拍系统主要用于抓拍货车、大客车等大型车辆对超车道的占用行为，通过安装在超车道的线圈或者摄像机标定的虚拟线圈对车辆占用时间的计算来识别车辆长度，从而判定是否是大型车辆并进行抓拍。当前高速公路上实际应用的交通违法行为抓拍系统的共性在于只能对车辆交通违法行为进行瞬时地识别并抓拍一张或多张图片，缺乏对连续变更车道、长期占用超车道、右侧超车等需要长时间识别判定其违法行为的取证功能。基于PTZ(Pan-Tilt-Zoom，左右-上下-放缩控制)摄像机的交通视频监控技术能够利用摄像机的运动控制实现对运动目标的自动持续跟踪。近年来的研究成果中有不少技术利用这种特性实现对车辆目标进行多角度或者全景场景的视频图像分析，但是仍然缺乏自动控制摄像机的PTZ参数对运动目标进行主动的视频跟踪和记录。如中国专利技术专利201310359688提出的一种基于PTZ摄像机巡航的智能视频分析系统及方法，通过配置PTZ摄像机预置位/巡航点，对周围场景进行监控，并拼接全景图像，进行运动目标的检测和分析，但PTZ摄像机的运动是按照巡航路径进行，并没有对检测目标或事件进行针对性地控制聚焦和跟踪，难以实现对事件的完整过程进行记录；如中国专利技术专利201110126627提出的基于车型聚类的交通流参数视频检测方法，构建了PTZ摄像机像平面坐标系与实际坐标系的严格变换关系，对车辆尺寸进行测量，该方法下对摄像机的安装和标定要求较高，也难以进行持续跟踪特定目标进行行为分析；如中国专利技术申请201510670812提出的一种基于视频检测的违章车辆检测装置及其方法，基于边缘特征、分类器和差分法对运动目标进行检测，分析有无压线、越线、逆行和违法停车的违章行为，然后控制云台抓拍图像，但没有控制云台变焦和调整角度对目标运动的持续跟踪并记录视频，这也是本专利技术技术解决的关键难点问题，难以实现对需要长时间识别判定的违法行为的取证功能。
技术实现思路
本专利技术的目的在于克服现有技术中存在的不足，提供一种用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法，实现了对高速公路大场景范围内车辆目标长时间的定位跟踪和通行行为识别，对发生连续变更车道、长期占用超车道、右侧超车等交通违法行为的车辆进行快速抓拍，以抓拍图像和跟踪视频构成了通行车辆交通违法行为的取证信息链，解决了高速公路上长时段交通违法行为的识别和取证问题。本专利技术采用的技术方案是：一种用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法，包括以下步骤：步骤S1，检测进入高速公路大场景中的车辆目标；步骤S2，跟踪并识别车辆目标的通行行为；步骤S3，动态控制摄像机对发生交通违法行为的车辆目标进行持续跟踪；步骤S4，对发生交通违法行为的车辆目标进行快速抓拍，步骤S5，对发生交通违法行为的车辆目标进行取证记录。进一步地，步骤S1具体包括：步骤S11，获取初始帧图像建立背景模型；摄像机初始时工作在短焦距模式，对高速公路设定距离之外的大场景范围进行视频观测，基于视频的第一帧图像建立高速公路大场景的图像背景模型；步骤S12，车辆图像区域提取；基于背景模型对获取的视频每一帧图像提取不属于背景的像素区域：先将图像缩放至与背景模型同样的分辨率，然后遍历每一个像素，与背景模型中对应像素比较，像素灰度值差异超出一定阈值将认为是前景像素；进一步对前景像素使用图像形态学操作，并滤除孤立的像素点、填补前景区域内的镂空，获得形状规整的图像前景区域；最后，基于形状特征对每一个图像前景区域判定，符合车辆形状特征的为车辆图像区域及车辆目标。更进一步地，步骤S12中，在对图像前景区域判定前，还使用阴影抑制方法对图像前景区域操作，消除车辆在路面上阴影区域对车辆前景的影响。进一步地，步骤S2包括：基于特征匹配建立当前帧各个车辆图像区域与车辆目标预测位置的对应关系；利用空间变换获得各个车辆目标在实际路面上的位置并计算其速度；基于车辆目标的在图像中位置区域连续变化形成的坐标轨迹，以及速度信息对车辆通行行为进行识别，从而识别交通违法行为；基于车辆目标位置、速度、尺度、图像特征值这些状态信息更新各个车辆目标的卡尔曼滤波参数；利用卡尔曼滤波方法对各个车辆目标的位置进行预测。更进一步地，步骤S2的具体实现步骤包括：步骤S21，车辆图像区域匹配；将当前帧中的所有车辆图像区域与步骤S25中预测得到的各个车辆目标位置进行匹配，匹配的依据包括当前帧中的车辆图像区域与车辆目标预测区域间的重叠度、形状相似度、质心距离，建立当前帧中的车辆图像区域和各个车辆目标预测位置间的对应关系，将当前帧中的车辆图像区域的位置、尺度、图像特征值作为对应车辆目标新的状态信息；步骤S22，车辆位置及速度测量；根据摄像机观测视场空间标定的变换映射，将各个车辆目标在图像中的位置信息变换到以摄像机为原点、垂直于车道的方向为X轴、车道方向为Y轴的实际空间坐标系中，获得车辆的位置信息，并根据车辆在连续多帧中的位移计算得到速度；步骤S23，车辆通行行为识别；对连续多帧图像中车辆的位置和速度信息进行分析，识别车辆的通行行为，从而识别交通违法行为；步骤S24，车辆状态模型更新；基于卡尔曼滤波方法对各个车辆目标的状态模型进行更新，用于对车辆的状态信息的预测和跟踪；用向量X＝{x1,x2,x3,x4}来表示车辆的状态模型，其中具体状态信息包括步骤S21和S22中涉及的车辆位置x1、尺度x2、速度x3和图像特征值x4；假定当前帧时刻为t，则当前该车辆目标的状态模型需要通过下式进行更新：X(t|t)＝X(t|t-1)+K(t)·(X0(t)-HX(t|t-1))其中H为测量系统参数，本方法中为单位矩阵；X(t|t-1)为前一帧图像对当前帧车辆目标状态的预测；X0(t)为通过步骤S21和S22得到车辆目标状态的实际测量值；K(t)为当前帧时刻的卡尔曼参数，如下计算：其中R为车辆目标状态测量值的方差；P(t|t-1)为车辆目标状态方差的预测，当前帧时刻车辆目标状态方差需要通过下式更新：P(t|t)＝(I-K(t)H)P(t|t-1)步骤S25，车辆目标位置预测；基于卡尔曼滤波方法对下一帧时刻(t+1)的车辆目标状态进行预测，获得车辆目标的位置信息，用于下一帧时刻的步骤S21操作；下一帧时刻车辆目标状态及其方差预测如下：X(t+1|t)＝AX(t|t)+BP(t+1|t)＝AP(t|t)A'+Q其中矩阵A和B为车辆目标状态的系统转移参数，Q为车辆目标状态的方差。进一步地，步骤S3包括：步骤S31，选择违法取证车辆目标；根据车辆通行行为识别的结果选择发生交通违法行为的车辆目标中距离摄像机最近的一个作为违法取证对象；步骤S32，摄像机跟踪控制；根据该当本文档来自技高网...

【技术保护点】
一种用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法，其特征在于，包括以下步骤：步骤S1，检测进入高速公路大场景中的车辆目标；步骤S2，跟踪并识别车辆目标的通行行为；步骤S3，动态控制摄像机对发生交通违法行为的车辆目标进行持续跟踪；步骤S4，对发生交通违法行为的车辆目标进行快速抓拍，步骤S5，对发生交通违法行为的车辆目标进行取证记录。

【技术特征摘要】
1.一种用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法，其特征在于，包括以下步骤：步骤S1，检测进入高速公路大场景中的车辆目标；步骤S2，跟踪并识别车辆目标的通行行为；步骤S3，动态控制摄像机对发生交通违法行为的车辆目标进行持续跟踪；步骤S4，对发生交通违法行为的车辆目标进行快速抓拍，步骤S5，对发生交通违法行为的车辆目标进行取证记录。2.如权利要求1所述的用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法，其特征在于，步骤S1具体包括：步骤S11，获取初始帧图像建立背景模型；摄像机初始时工作在短焦距模式，对高速公路设定距离之外的大场景范围进行视频观测，基于视频的第一帧图像建立高速公路大场景的图像背景模型；步骤S12，车辆图像区域提取；基于背景模型对获取的视频每一帧图像提取不属于背景的像素区域：先将图像缩放至与背景模型同样的分辨率，然后遍历每一个像素，与背景模型中对应像素比较，像素灰度值差异超出一定阈值将认为是前景像素；进一步对前景像素使用图像形态学操作，并滤除孤立的像素点、填补前景区域内的镂空，获得形状规整的图像前景区域；最后，基于形状特征对每一个图像前景区域判定，符合车辆形状特征的为车辆图像区域及车辆目标。3.如权利要求2所述的用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法，其特征在于，步骤S12中，在对图像前景区域判定前，还使用阴影抑制方法对图像前景区域操作，消除车辆在路面上阴影区域对车辆前景的影响。4.如权利要求1、2或3所述的用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法，其特征在于，步骤S2包括：基于特征匹配建立当前帧各个车辆图像区域与车辆目标预测位置的对应关系；利用空间变换获得各个车辆目标在实际路面上的位置并计算其速度；基于车辆目标的在图像中位置区域连续变化形成的坐标轨迹，以及速度信息对车辆通行行为进行识别，从而识别交通违法行为；基于车辆目标位置、速度、尺度、图像特征值这些状态信息更新各个车辆目标的卡尔曼滤波参数；利用卡尔曼滤波方法对各个车辆目标的位置进行预测。5.如权利要求4所述的用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法，其特征在于，步骤S2的具体实现步骤包括：步骤S21，车辆图像区域匹配；将当前帧中的所有车辆图像区域与步骤S25中预测得到的各个车辆目标位置进行匹配，匹配的依据包括当前帧中的车辆图像区域与车辆目标预测区域间的重叠度、形状相似度、质心距离，建立当前帧中的车辆图像区域和各个车辆目标预测位置间的对应关系，将当前帧中的车辆图像区域的位置、尺度、图像特征值作为对应车辆目标新的状态信息；步骤S22，车辆位置及速度测量；根据摄像机观测视场空间标定的变换映射，将各个车辆目标在图像中的位置信息变换到以摄像机为原点、垂直于车道的方向为X轴、车道方向为Y轴的实际空间坐标系中，获得车辆的位置信息，并根据车辆在连续多帧中的位移计算得到速度；步骤S23，车辆通行行为识别；对连续多帧图像中车辆的位置和速度信息进行分析，识别车辆的通行行为，从而识别交通违法行为；步骤S24，车辆状态模型更新；基于卡尔曼滤波方法对各个车辆目标的状态模型进行更新，用于对...

【专利技术属性】
技术研发人员：王敏，姜良维，王长君，邹平，郑煜，蔡岗，
申请(专利权)人：公安部交通管理科学研究所，
类型：发明
国别省市：江苏,32