[發明專利]一種基于顯著車輛部件模型的交通違章檢測方法

有效

• 申請號: 201310700175.9
• 申請日: 2013-12-17
• 公開（公告）號: CN103778786A
• 公開（公告）日: 2014-05-07
• 發明（設計）人: 王飛躍;田濱;李葉;李泊;王坤峰;熊剛;朱鳳華;胡斌
• 申請（專利權）人: 東莞中國科學院云計算產業技術創新與育成中心;中國科學院自動化研究所
• 主分類號: G08G1/017
• 分類號: G08G1/017;G06K9/00;G06T7/20
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

技術領域

本發明涉及交通監控技術領域，尤其是一種基于顯著車輛部件模型的交通違章檢測方法。

背景技術

在大中型城市，隨著城市化的發展，交通阻塞、交通違章和交通事故的情況也越來越多。為了對交通進行更有效的控制和管理，智能交通已經引起了廣泛的重視。交通信息服務是智能交通系統功能的一個重要部分，這一功能的實現必須首先對交通路況進行監控，快速、準確地獲取各種交通參數。隨著視頻傳感器數量的急劇增加，傳統的人工被動監控已經遠遠無法滿足監控任務的需要。因此，實現可以代替人眼的智能自動監控功能成為視頻監控研究的目標。尤其是，基于監控視頻的交通違章檢測系統，可以監控車輛的違章行為并完成車輛號牌識別。

基于視頻的交通違章檢測系統可以通過規范駕駛員的駕駛行為來減少交通事故，緩解交通違章帶來的交通問題。目前在視頻中檢測交通違章的技術主要包括：車輛定位、車輛跟蹤和號牌識別。在現有的智能交通系統中，車輛定位技術在交通監控中廣泛應用，其主要分為基于運動目標和靜態目標的定位方法?；谶\動目標的定位方法將道路上的車輛看作運動目標，可以處理光照變化、適用于多模態以及緩慢變化的背景。然而運動的目標未必是車輛，因此許多研究人員利用車輛表面的視覺信息來定位車輛。這些方法利用顏色、邊緣及角點特征來學習車輛或車輛部件模型，然后利用分類器以及生成式模型來定位車輛。車輛跟蹤方法主要使用基于均值漂移、卡爾曼濾波器和粒子濾波器等技術來實現。在最簡單的情況下，歐氏距離、尺寸和角度約束用來匹配相鄰幀之間的目標。進一步，卡爾曼濾波器和粒子濾波器可以用來估計下一幀的目標位置，從而更好的完成跟蹤過程?；诰灯频哪繕烁櫴且环N目標外觀模型跟蹤方法，即使在擁堵交通環境下效果也比較好。總結現有的交通視頻監控系統，在工程應用中依然存在以下挑戰：

1、全天候監控：一天中的不同時間段內，光照條件變化大，尤其是白天和夜間的光照差異；在夜間條件下，通常采用頻閃補光燈，可以看清補光范圍內的車輛信息，但補光范圍通常在幾十米內，難以完成車輛跟蹤、進而判斷車輛違章等行為。

2、車輛遮擋：圖像中的車輛被其他車輛遮擋，或者被非車輛目標(行人、自行車、樹木、建筑等)遮擋。比如，監控攝像機布設在交通路口，排隊等候信號燈的車輛易產生互相遮擋；再如，小車容易被大車遮擋，造成短時間的丟失檢測。

3、姿態變換：車輛在轉彎、變道等姿態變換時，在圖像中呈現的表面特征變化很大。

4、類內差異大，背景多樣性：車輛具有不同形狀、尺寸、顏色；在復雜場景中，有非機動車、行人、道路交通設施等背景目標，與車輛目標混雜在一起。

5、不同分辨率：當車輛駛過攝像機視野的過程中，其在圖像中的像素數變化很大。

經對現有技術文獻的檢索發現，在第201310251206.7號中國專利申請中，使用基于背景建模的方法，提取運動車輛目標，通過運動前景的位置判斷車輛的違章行為，但是，在車輛檢測過程中，運動目標未必是車輛，并且基于背景建模的方法難以處理車輛遮擋問題。在第200810240499.8號中國專利申請中，公開了一種車輛違章檢測系統，可以檢測闖紅燈、超速行駛等違章行為，但該系統除了使用攝像頭，還需要增加壓力傳感設備和測速裝置，輔助抓拍過程，成本較高。綜上所述，現有的交通違章檢測系統，通常利用運動信息進行檢測，監控精度較低，無法滿足日益增長的交通監控需求。很多系統需結合視頻攝像機和線圈等輔助設備進行檢測，成本較高，同時，在維修和安裝時需要中斷交通，破壞路面，因此維護難度大，維護成本高。

發明內容

本發明解決的技術問題在于提供克服現有技術中的不足，為城市交通監控提供一種基于顯著車輛部件模型的交通違章檢測方法。能在光照變化、檢測噪聲等實際工程應用的復雜環境下，實時準確地定位、跟蹤車輛目標，通過軌跡分析完成車輛違章檢測，為城市交通管理提供一種可靠而有效的途徑。

本發明解決上述技術問題的技術方案是：

包括以下步驟：

步驟S1，對道路交通場景進行圖像標定；

步驟S2，定位視頻序列中的所有車牌位置：

步驟S3，定位視頻序列中的所有車輛尾燈位置：

步驟S4，基于車輛的多個顯著部件，對車輛進行跟蹤從而獲取車輛的運動軌跡：

根據前一幀圖像中的車輛定位結果，預測當前幀的車輛位置；將當前幀中的車輛定位結果作為測量值，對于每一個跟蹤車輛，通過判斷其預測位置與測量值之間的歐式距離，搜索其觀察值；通過加權計算預測值與觀察值，更新預測值，作為目標的當前位置；