[發明專利]基于云臺和相機設備的車輛行為分析識別方法

有效

• 申請號: 201310567228.4
• 申請日: 2013-11-15
• 公開（公告）號: CN103646544A
• 公開（公告）日: 2014-03-19
• 發明（設計）人: 戴林;李志國;朱明
• 申請（專利權）人: 天津天地偉業數碼科技有限公司
• 主分類號: G08G1/017
• 分類號: G08G1/017;H04N7/18
• 代理公司: 天津市宗欣專利商標代理有限公司 12103
• 代理人: 王寧寧

技術領域

本發明屬于智能交通技術領域，涉及一種基于云臺和相機設備的車輛行為分析識別方法。

背景技術

在智能交通行業，監控攝像機和云臺已經非常普及，但是對車輛的行為檢測和分析的智能化程度卻較低，自動檢測違章事件（違章停車，逆行等）的能力不強，大多派專人查看，這樣不僅需要投入大量的人力物力資源，而且由于人的精力和注意力有限，在高強度的工作環境下，往往會出現疏漏，從而，不能及時地對異常情況進行反應。

發明內容

本發明就是為了解決上述現有技術中的問題，提供了一種基于云臺和相機設備的車輛行為分析識別方法。

為了達到上述目的，本發明采用如下技術方案：

本發明的基于云臺和相機設備的車輛行為分析識別方法，包括如下步驟：

利用基于圖像弱邊緣的混合高斯背景建模方法進行運動前景檢測；

利用基于級聯LBP（local?binary?patterns，局部二值模式特征）空間直方圖特征的車輛檢測算法檢測運動前景區域，判斷該區域是否有車輛，并精確定位車輛位置；

利用基于類蕨（Fern）特征的快速車輛匹配算法長時間匹配定位目標車輛；

利用目標的特征匹配數量來判斷是否為違章停車，云臺預置位切換后在未檢測出運動前景下靜態檢測目標車輛，對事前目標車輛進行分析與識別；

使用嵌入式一體化的硬件結構，實現實時視頻圖像的采集、車輛行為分析、云臺聯動、相機變倍聚焦、車輛抓拍、車牌識別、圖像壓縮和網絡傳輸。

其中，利用基于圖像弱邊緣的混合高斯背景建模方法進行運動前景檢測的具體步驟如下：首先利用改進的大尺度SOBEL（索貝爾）算子對圖象進行垂直和水平方向卷積并取最大值得到邊緣圖；然后用邊緣圖象建立混合高斯模型建立背景和提取前景。

利用基于級聯LBP空間直方圖特征的車輛檢測算法確認檢測運動前景中是否有車輛存在的步驟級聯使用了兩種分類器：快速檢測并過濾掉非車輛的SVM（support?vector?machine，支持向量基）線性分類器和進行精確的確認的SVM?HIK（Histogram?intersection?kernel，直方圖交叉核）非線性分類器。

基于類Fern特征的快速車輛匹配算法把匹配圖像分為子區域，利用積分圖方法計算所有子區域內的平均灰度作為匹配準則。

利用目標的特征匹配數量來判斷是否為違章停車，將每幀圖象檢測到運動目標的位置、大小和距離放入固定長度的緩沖區進行不斷的更新，并把最新檢測到的目標特征和歷史數據遍歷進行匹配記數，達到預定數值便為停車。

在云臺預置位切換后，采用基于多標定尺度的靜態車輛檢測技術，對事前目標車輛進行分析與識別，由遠及近計算出不同的車輛標定尺度。

使用嵌入式一體化的硬件結構，通過智能分析模塊、視頻采集緩沖模塊、云臺主控模塊和視頻壓縮等四大模塊在云臺前端完成監控、智能分析功能。

本發明具有的優點和積極效果是：

本發明的基于云臺和相機設備的車輛行為分析識別方法，可以對目標車輛進行實時的檢測與分析，對違章車輛進行抓拍圖像并錄像，記錄下整個違章過程，操作人員只需要查詢違章記錄即可，大大提高了操作人員的工作效率。該方法能夠及時地對異常情況進行反應和記錄，避免了由于人工而造成疏漏。

附圖說明

圖1是本發明的LBP算子的計算方法；

圖2是本發明的LBP空間直方圖；

圖3是基于級聯LBP空間直方圖特征的車輛檢測算法流程圖；

圖4是基于類Fern特征的快速車輛匹配算法的分區圖；

圖5是本發明的硬件結構系統框圖；

圖6是違章車輛檢測、車輛抓拍、車牌分析識別的流程圖。

具體實施方式

下面結合附圖和具體實施例對本發明的基于云臺和相機設備的車輛行為分析識別方法做進一步說明。下述各實施例僅用于說明本發明而并非對本發明的限制。

本發明的基于云臺和相機設備的車輛行為分析識別方法，包括如下步驟：

利用基于圖像弱邊緣的混合高斯背景建模方法進行運動前景檢測：

利用基于級聯LBP空間直方圖特征的車輛檢測算法檢測運動前景區域，判斷該區域是否有車輛，并精確定位車輛位置；

利用基于類Fern特征的快速車輛匹配算法長時間匹配定位目標車輛；

利用目標的特征匹配數量來判斷是否為違章停車，云臺預置位切換后在未檢測出運動前景下靜態檢測目標車輛，對事前目標車輛進行分析與識別；