[發(fā)明專利]一種識別跟蹤罪犯車輛的方法

有效

• 申請?zhí)枺?/td>: 201310714749.8
• 申請日: 2013-12-20
• 公開（公告）號: CN103714697A
• 公開（公告）日: 2014-04-09
• 發(fā)明（設(shè)計）人: 周智恒;鐘嘉慧;毆曉文;張文婷
• 申請（專利權(quán)）人: 華南理工大學
• 主分類號: G08G1/017
• 分類號: G08G1/017;G06T7/20
• 代理公司: 廣州市華學知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 蔡茂略

技術(shù)領(lǐng)域

本發(fā)明涉及智能交通監(jiān)控技術(shù)領(lǐng)域，特別涉及一種識別跟蹤罪犯車輛的方法。

背景技術(shù)

隨著社會的發(fā)展，人們的生活水平不斷提高，但人們的安全感卻不見得有所提高，近年來我國的犯罪率有增無減，盜竊、搶劫、走私等犯罪行為嚴重影響了公眾的生命和財產(chǎn)安全，而車輛則成為這些罪犯的主要逃亡工具。即便是警察鎖定了罪犯，但罪犯借助車輛逃脫了警方的追捕，這樣對于公眾來說，依然存在潛在危險。在罪犯成功逃脫之前將其捉獲則成為維護社會安定的重中之重。在龐大的道路交通網(wǎng)上，交通的參與者有幾萬甚至幾十萬，其中包括步行、騎自行車、乘公交車、乘出租車或自己駕車，道路上的情況瞬息萬變。智能交通監(jiān)控系統(tǒng)的概念應(yīng)運而生，它使道路上的交通信息與交通相關(guān)信息盡量完整和實時；交通參與者、交通管理者、交通工具、道路管理設(shè)施之間的信息交換實時和高效。智能交通監(jiān)控系統(tǒng)就是通過監(jiān)控系統(tǒng)將監(jiān)視區(qū)域內(nèi)的現(xiàn)場圖像傳回指揮中心，使管理人員直接掌握車輛排隊、堵塞、信號燈等交通狀況，及時調(diào)整信號配時或通過其他手段來疏導(dǎo)交通，改變交通流的分布，以達到緩解交通堵塞的目的。即使有如今的科學技術(shù)提供支持，要在信息量如此龐大的系統(tǒng)中找到罪犯的嫌疑車輛也是一大難題。

而圖像識別和匹配這計算機視覺領(lǐng)域已經(jīng)得到充分的發(fā)展，車輛檢測與跟蹤技術(shù)作為安全輔助駕駛的重要組成部分，在智能交通系統(tǒng)研究領(lǐng)域上有了長足發(fā)展。申請?zhí)枮?01210315966.5的中國專利，專利名稱為：一種實時反饋更新的車輛檢測方法，“包括離線學習過程、實時檢測過程和在線學習過程，先利用離線學習過程得到的離線強分類器對實時檢測過程的第1～K幀圖片進行分類，得到檢測目標；在線學習過程根據(jù)得到檢測目標截取樣本，利用在線強分類器進行車輛檢測，得到檢測目標；在線學習過程不斷對在線強分類器進行更新。申請?zhí)枮?01310014669.1的中國專利，專利名稱為：智能交通監(jiān)控系統(tǒng)中的車輛檢測方法和裝置，“本發(fā)明提出了一種智能交通監(jiān)控系統(tǒng)中的車輛檢測方法，其包括：步驟S101，通過電荷耦合元件CCD攝像頭采集道路交通視頻幀序列；步驟S102，將采集的視頻幀序列數(shù)據(jù)進行圖像預(yù)處理，得到計算機能夠識別的數(shù)字視頻序列；步驟S103，輸入步驟S102所得的數(shù)字視頻序列，利用改進的混合高斯背景建模算法實現(xiàn)運動目標的檢測；步驟S104，對步驟S103檢測所得的運動目標前景進行陰影檢測；步驟S105，對運動目標前景進行陰影去除，實現(xiàn)運動目標的正確識別。但將車輛檢測與跟蹤的方法應(yīng)用于鎖定、追蹤和捕獲犯罪上還屬于空白。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)存在的缺點與不足，本發(fā)明提供一種識別跟蹤罪犯車輛的方法。

本發(fā)明采用如下技術(shù)方案：

一種識別跟蹤罪犯車輛的方法，包括如下步驟：

S1獲取罪犯車輛的圖像信息，確定要識別跟蹤的目標車輛；

S2提取目標車輛的不變性特征，所述不變性特征包括SURF特征；

S3將不變性特征量化形成特征描述器，作為匹配識別罪犯車輛的依據(jù)傳輸?shù)街醒肟刂浦行模ㄟ^中央控制中心傳送到各個犯罪偵察網(wǎng)點；

S4估計目標車輛所在位置的潛在區(qū)域，在潛在區(qū)域內(nèi)的犯罪偵察網(wǎng)點將通過監(jiān)控攝像頭拍攝的車輛與特征描述器相匹配，匹配成功則縮小偵察范圍；

S5中央控制中心將不變性特征發(fā)送到縮小后的偵察范圍內(nèi)的前方巡邏車，

S6接收到目標車輛特征的前方巡邏車利用車內(nèi)實時監(jiān)控視頻，對前方車輛進行實時不變性特征匹配，當目標車輛不變性特征與前方車輛匹配成功，則實施跟蹤。

所述S2提取目標車輛的SURF特征，具體采用surf識別算法。

所述估計目標車輛所在位置的潛在區(qū)域，具體為：

S4.1計算目標車輛的逃離距離d=vt，其中t是目標車輛從被發(fā)現(xiàn)開始的逃離時間，v為目標車輛的車速；

S4.2以目標車輛被發(fā)現(xiàn)的位置為圓心O1，逃離距離為半徑R1的圓就是目標車輛所在位置的潛在區(qū)域。

所述縮小偵察范圍，具體為：以檢測到目標車輛的監(jiān)控攝像頭的位置為圓心O2，以逃離距離R1與O1到O2的距離之差為半徑R2的圓就是縮小后的偵察范圍。

本發(fā)明的有益效果：

（1）本發(fā)明給出了一種科學的，利用現(xiàn)有的交通監(jiān)控系統(tǒng)資源的識別并追蹤罪犯車輛的方法，給警方追捕罪犯提供了技術(shù)支持，可以在一定程度上提高破案的成功率和維護社會治安；

（2）本發(fā)明提供一個“特征信息提取—中央控制傳輸—分點信息獲取”的罪犯目標車輛信息交互框架，使這一應(yīng)用規(guī)范化程序化，有相當?shù)目蓤?zhí)行性；