CN101593422A - 一种基于视频追踪和模式识别的交通违规检测方法 - Google Patents

Abstract

本发明公开了一种基于视频追踪和模式识别的交通违规检测方法，属于图像识别和模式识别技术领域，首先是定义违规模式：定义红绿灯停车线、定义行驶方向，定义违规变道的区域和方向；其次是监控控制摄像头拍摄路口的视频画面；然后嵌入式系统对视频进行分析，使用模式识别方法检测测量，使用视频追踪获取车辆的运行轨迹，使用模式识别方法根据运动轨迹分析任一车辆的行为，如果有下列违规行为之一：逆行、违规实线变道、闯红灯，则立刻对该车辆进行拍照记录。所用检测装置，包括高速摄像机、视频控制器、视频追踪和模式识别装置，其中视频追踪和模式识别装置包括红绿灯信号接收装置、视频采集和转换模块、违规设置模块、车辆检测模块、视频追踪模块、违规分析模块、摄像机控制模块、数据无线传输模块。

Description

一种基于视频追踪和模式识别的交通违规检测方法

技术领域：

本发明涉及一种基于视频追踪和模式识别的交通违规检测方法，属于图像识别和模式识别技术领域。

背景技术：

随着我国经济的发展，汽车保有量大大增加，交通事故也越来越频繁的发生。而多数交通事故是由于交通肇事造成的，尤其是闯红灯、违规变道、逆行等严重违规行为。危害人民的生命财产安全，使国家蒙受不必要的重大经济损失。因此对这些行为的监控有着重大的实际意义。

我国当前对这些交通违规行为的检测采用的是感应线圈技术，即在交通路口埋设感应线圈，通过感应线圈触发照相拍摄。这种系统有以下几个缺陷；一个是需要开挖道路埋设线圈，故障率高，需要定期开挖路面翻修；一个是线圈本身的寿命问题，一个是对逆行无法监控；一个是由于交通不可变道实线往往很长，距离路口长达30米，对违规实线变道控制埋设线圈的成本非常高。

另外一种方法是通过视频对交通违规进行监测，既监测设备一端接入红绿灯信号，另一端接入摄像头。但该类技术的缺陷有两个重大缺陷，一个是缺少视频追踪技术和模式识别技术，只能根据红绿灯信号捕捉闯红灯行为，不能捕捉逆行、实线变道行为，适用性低；另一个是对摄像机的拍摄范围精度有较高的要求，其摄像范围划定在两个停止线之间，如果摄像范围扩大，如越过停止线，则会发生误拍的情况几率很高，会把没有闯红灯的汽车计算进来，技术施工的实施难度很大。

发明内容：

本发明所要解决的技术问题是提供一种能准确检测逆行、违规实线变道、闯红灯等交通违规行为的检测方法。

本发明通过如下技术方案实现：

一种基于视频追踪和模式识别的的交通违规检测方法，首先是定义违规模式：定义红绿灯停车线、定义行驶方向，定义违规变道的区域和方向；

其次是监控控制摄像头拍摄路口的视频画面；

然后嵌入式系统对视频进行分析，使用模式识别方法检测测量，使用视频追踪获取车辆的运行轨迹，使用模式识别方法根据运动轨迹分析任一车辆的行为，如果有下列违规行为之一：逆行、违规实线变道、闯红灯，则立刻对该车辆进行拍照记录。

一种基于视频追踪和模式识别的的交通违规检测方法所用检测装置，包括高速摄像机、视频控制器、视频追踪和模式识别装置，其中视频追踪和模式识别装置包括红绿灯信号接收装置、视频采集和转换模块、违规设置模块、车辆检测模块、视频追踪模块、违规分析模块、摄像机控制模块、数据无线传输模块，具体步骤为：

第一步，数据无线传输模块，通过无线网络跟上位管理机通讯；

第二步，违规设置模块，使得上位管理机可以设置违规行为，包括设置汽车行驶的正常方向，违规变道的方向和距离，红绿灯停车线在视频中的位置；

第三步，视频采集和转换模块，负责将CCD模拟视频转换成数字视频，将视频数据转换成帧位图读入内存；

第四步，红绿灯接收模块，负责接入红绿灯的信号，设置系统的红绿灯判断开关量；

第五步，车辆检测模块，使用公开的semi-supervised Cost-sensitive AdaBoost(半监督的代价敏感AdaBoost)学习技术训练大量车辆图片，并且进行识别，以有效区分车辆、行人、非机动车等，使得视频追踪可有效锁定机动车；

第六步，视频追踪模块，使用成熟的在线AdaBoost学习算法+序列蒙特卡洛滤波算法对视频中的车辆进行追踪，计算运动轨迹；

第七步，违规分析模块，根据车辆运动轨迹对违规行为轨迹进行匹配，寻找出违规车辆；

第八步，摄像机控制模块，控制视频控制器让摄像机对违规行为进行拍摄，并取得拍摄数据；

第九步，通过数据无线传输模块，传输数据给上位管理机，接收上位机管理。

本发明的有效效果在于：同时对于闯红灯、车辆逆行和违规实线变道三种严重并且常见的交通违规行为有监测作用；违规行为是由远程违规设置模块来设置的，可根据路况的改变而随时改变，如实线变道的方向、停车线的位置、正常行驶的方向，无需重新施工；视频追踪和模式识别装置可直接接入现有的摄像体系，无需全部更改，大大降低了实施成本。

附图说明：

图1是本发明的结构框图；

图2是本发明视频追踪和识别装置结构框图；

图3是本发明的检测方法流程图；

图4是本发明视频追踪和识别装置原理框图；

图5是本发明监控违规的场景。

实施方式：

下面结合附图对本发明作进一步说明。

一种基于视频追踪和模式识别的的交通违规检测方法，首先是定义违规模式：定义红绿灯停车线、定义行驶方向，定义违规变道的区域和方向；

其次是监控控制摄像头拍摄路口的视频画面；

然后嵌入式系统对视频进行分析，使用模式识别方法检测测量，使用视频追踪获取车辆的运行轨迹，使用模式识别方法根据运动轨迹分析任一车辆的行为，如果有下列违规行为之一：逆行、违规实线变道、闯红灯，则立刻对该车辆进行拍照记录。

一种基于视频追踪和模式识别的的交通违规检测方法所用检测装置，包括高速摄像机201、视频控制器202、视频追踪和模式识别装置203，其中视频追踪和模式识别装置203包括红绿灯信号接收装置、视频采集和转换模块、违规设置模块、车辆检测模块、视频追踪模块、违规分析模块、摄像机控制模块、数据无线传输模块。

如图1所示，上位管理机205通过无线网络对视频追踪和识别装置203进行设置，定义违规行为。视频控制器202将接受到的高速摄像头201视频传输给视频追踪和识别装置203，203接收红绿灯信号204.视频传输给视频追踪和识别装置203内置模块对视频进行分析，并通过视频控制器202控制摄像头进行拍照处理，将输出结果通过无线网络传输给上位机205。视频追踪和识别装置203包括8个模块，其流程和功能以实例解释：

第一步，数据无线传输模块：通过无线网络(GPRS/WIFI/CDMA等)跟上位管理机通讯；

第二步，违规设置模块：使得上位管理机可以设置违规行为，包括设置汽车行驶的正常方向，违规变道的方向和距离，红绿灯停车线在视频中的位置；

第三步，视频采集和转换模块：负责将CCD模拟视频转换成数字视频，将视频数据转换成帧位图读入内存；

第四步，红绿灯接收模块：负责接入红绿灯的信号，设置系统的红绿灯判断开关量；

第五步，车辆检测模块：使用公开的semi-supervised Cost-sensitive AdaBoost(半监督的代价敏感AdaBoost)学习技术训练大量车辆图片，并且进行识别，以有效区分车辆、行人、非机动车等，使得视频追踪可有效锁定机动车；

第六步，视频追踪模块：使用成熟的在线AdaBoost学习算法+序列蒙特卡洛滤波算法对视频中的车辆进行追踪，计算运动轨迹；

第七步，违规分析模块：根据车辆运动轨迹对违规行为轨迹进行匹配，寻找出违规车辆；

第八步，摄像机控制模块：控制视频控制器让摄像机对违规行为进行拍摄，并取得拍摄数据；

第九步，通过数据无线传输模块，传输数据给上位管理机，接收上位机管理；

本实施方法的流程参见图3，本发明对交通违规尤其是逆行和违规实线变道提供了灵活高效的解决方案。相对以往方案对现行设备的改造成本低、速度快、故障点少，升级维护方便，可极大的提高交通违规监控的效率。

Claims (3)

1、一种基于视频追踪和模式识别的交通违规检测方法，其特征在于：首先是定义违规模式：定义红绿灯停车线、定义行驶方向，定义违规变道的区域和方向；其次是使用检测装置的高速摄像机拍摄路口的视频画面；然后嵌入式系统对视频进行分析，使用模式识别方法检测测量，使用视频追踪获取车辆的运行轨迹，使用模式识别方法根据运动轨迹分析任一车辆的行为，如果有下列违规行为之一：逆行、违规实线变道、闯红灯，则立刻对该车辆进行拍照记录。

2、根据权利要求1所述的一种基于视频追踪和模式识别的交通违规检测方法，其特征在于：所使用的检测装置，包括高速摄像机、视频控制器、视频追踪和模式识别装置。

3、根据权利要求2所述的一种基于视频追踪和模式识别的交通违规检测方法，其特征在于：所述视频追踪和模式识别装置包括红绿灯信号接收装置、视频采集和转换模块、违规设置模块、车辆检测模块、视频追踪模块、违规分析模块、摄像机控制模块、数据无线传输模块，具体步骤为：

第一步，数据无线传输模块，通过无线网络跟上位管理机通讯；

第二步，违规设置模块，使得上位管理机可以设置违规行为，包括设置汽车行驶的正常方向，违规变道的方向和距离，红绿灯停车线在视频中的位置；

第三步，视频采集和转换模块，负责将CCD模拟视频转换成数字视频，将视频数据转换成帧位图读入内存；

第四步，红绿灯接收模块，负责接入红绿灯的信号，设置系统的红绿灯判断开关量；

第五步，车辆检测模块，使用公开的semi-supervised Cost-sensitive AdaBoost(半监督的代价敏感AdaBoost)学习技术训练大量车辆图片，并且进行识别，以有效区分车辆、行人、非机动车等，使得视频追踪可有效锁定机动车；

第六步，视频追踪模块，使用成熟的在线AdaBoost学习算法+序列蒙特卡洛滤波算法对视频中的车辆进行追踪，计算运动轨迹；

第七步，违规分析模块，根据车辆运动轨迹对违规行为轨迹进行匹配，寻找出违规车辆；

第八步，摄像机控制模块，控制视频控制器让摄像机对违规行为进行拍摄，并取得拍摄数据；

第九步，通过数据无线传输模块，传输数据给上位管理机，接收上位机管理。

Images