CN102622884B - 一种基于跟踪的车辆违章掉头行为检测方法 - Google Patents
一种基于跟踪的车辆违章掉头行为检测方法 Download PDFInfo
- Publication number
- CN102622884B CN102622884B CN201210077839.6A CN201210077839A CN102622884B CN 102622884 B CN102622884 B CN 102622884B CN 201210077839 A CN201210077839 A CN 201210077839A CN 102622884 B CN102622884 B CN 102622884B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- region
- track
- target
- turning around
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn - After Issue
Links
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于跟踪的车辆违章掉头行为检测方法。本发明的具体步骤是:首先在道路的右边选取一个兴趣区域,该兴趣区域包含道路中所有的右车道,并提取进入该兴趣区域的车辆的位置作为候选违章掉头车辆的起始位置区域;对道路兴趣区域中检测到的车辆进行Mean?Shift跟踪,记录视频的每一帧中车辆的坐标位置;对车辆在交通场景中的历史坐标进行分析,根据被跟踪到的车辆在行驶过程中其车辆区域历史坐标值与行驶方向的特点判定车辆是否发生违章掉头行为。本发明无需对违章掉头时经过的多个车道及车辆的复杂运动过程进行分析,简化了检测方法。
Description
技术领域
本发明属于视频处理技术领域,涉及一种对车辆违章掉头行为的检测方法,具体是一种基于跟踪的车辆违章掉头行为检测方法。
背景技术
随着我国社会经济的不断发展,我国的汽车化进程也在不断加快。车辆的增多导致了道路交通拥挤问题的日益严重和道路交通安全问题的日益严峻,如何有效的检测各种交通事件,减少和预防交通事故带来的损失,快速有效的进行交通事故处理,防止交通堵塞,并记录交通事件已成为当今社会的一个重要议题。其中之一就是车辆违章掉头,所以迫切需要一种能有效检测车辆违章掉头的检测方法。而随着图像处理技术、模式识别技术的发展,基于视频的车辆违章掉头检测方法成为了可能。目前已经公开的文献资料,还没有对车辆的违章掉头行为进行检测的研究。
发明内容
本发明的目的是针对车辆在发生违章掉头时往往会跨越多个车道及运动过程复杂的特点提出一种基于跟踪的车辆违章掉头检测方法。
本发明检测的对象是在设有禁止掉头(左转弯)标志、或有人行横道、或有单实线、或单黄线、或双黄线区域的地段内发生的车辆违章掉头行为。
为解决上述技术问题,本发明提供的技术方案如下:
步骤(1)确定属于违章掉头的候选车辆,具体是:
所述的车辆违章掉头是指从道路的右侧掉头到道路的左侧,即车辆从其行车道掉头到其对向车道;为了记录车辆的行车路线,在道路的右侧选取一个兴趣区域,该兴趣区域包含道路中所有的右车道,当某一车辆第一次驶入该兴趣区域时,作为违章掉头的候选车辆对其进行跟踪,提取该车辆区域的图像坐标,并将视频流中车辆第一次驶入兴趣区域的那帧作为车辆跟踪开始的第一帧。
步骤(2)车辆行车路线提取,具体是:
首先获得车辆目标的模型和候选车辆的模型描述,然后对运动车辆目标进行跟踪。
车辆目标的模型描述:当车辆目标进入道路中的兴趣区域时,提取车辆区域的外接矩形,并统计该矩形的颜色信息,得到矩形区域的直方图,此即为车辆目标的特征描述;由于存在遮挡或者车辆阴影,车辆目标中心附近的像素往往比车辆目标周围的像素更可靠,对靠近车辆中心的像素赋予一个大的权值,对远离车辆中心的像素赋予一个小的权值。用引入权值后的车辆区域的外接矩形的直方图作为车辆目标模型的描述。
候选车辆模型描述:在视频图像序列的某一帧中得到车辆目标的模型,在后续帧中,可能包含该车辆目标的区域即为候选车辆区域,采用与车辆目标的模型描述相同的方法,用引入权值后的候选车辆区域的直方图作为候选车辆模型的描述。
运动车辆目标跟踪的实现过程:当前帧中具有与车辆目标区域的巴式距离值最大的候选区域,其所在位置即是车辆目标出现的位置。车辆目标跟踪的过程就是通过Mean Shift向量的梯度下降搜索求出巴式距离值的最大值,从而找到车辆目标在当前帧中的最佳匹配位置,该最佳匹配位置即为车辆目标在下一帧中的初始位置,依次类推,由该初始位置出发求得的下一帧车辆目标位置的最佳匹配位置,从而获得了车辆的行车路线。
步骤(3)车辆违章掉头行为判定,具体是:
摄像头放置在道路中间的高处,摄像头对着道路方向进行拍摄,车辆在道路中的行驶方向与摄像头位置之间的关系可分为两类,第一类是车辆在发生违章掉头行为后向着靠近摄像头方向行驶,第二类是车辆在发生违章掉头行为后向着远离摄像头方向行驶。
车辆的行驶路线与车道的方向不完全相同,采用车道的方向区间来检测车辆是否在某一车道内行驶。假设车道的角度为α,车道的斜率为k=tanα,当车辆沿车道方向偏移一定角度Δα进行行驶,即车辆沿[α-Δα,α+Δα]区间内的角度行驶时,该车辆被认为在该车道中行驶。
在第一类情况下,车辆违章掉头判决的条件为:将视频序列中连续N次、每次相隔M帧的两帧中的车辆位置其纵坐标Y的差值在掉头前的同一时间段内都小于0,同时两帧中的车辆行驶方向都在掉头前所驶车道方向区间内为第一个条件;将视频序列中连续N次、每次相隔M帧的两帧中的车辆位置其纵坐标Y的差值在掉头后的同一时间段内都大于0,同时两帧中的车辆行驶方向都在掉头后所驶车道方向区间内为第二个条件。当在车辆行驶过程中这两个条件依次被满足时就判定发生了违章掉头行为。
在第二类情况下,车辆违章掉头判决的条件为:将视频序列中连续N次、每次相隔M帧的两帧中的车辆位置其纵坐标Y的差值在掉头前的同一时间段内都大于0,同时两帧中的车辆行驶方向都在掉头前所驶车道方向区间内为第一个条件;将视频序列中连续N次、每次相隔M帧的两帧中的车辆位置其纵坐标Y的差值在掉头后的同一时间段内都小于0,同时两帧中的车辆行驶方向都在掉头后所驶车道方向区间内为第二个条件。当在车辆行驶过程中这两个条件依次被满足时就判定发生了违章掉头行为。
本发明只需提取违章掉头车辆的行驶路线,根据路线中在掉头前后车辆区域的历史坐标值与行驶方向的特点即可判定车辆是否发生违章掉头行为,而无需对违章掉头时经过的多个车道及车辆的复杂运动过程进行分析,简化了检测方法。
附图说明
图1为交通场景中车辆检测兴趣区域选取和车辆违章掉头行为图;
图2为车辆违章掉头行为检测流程图。
具体实施方式
以下结合附图和实施实例对本发明加以详细说明。
步骤(1)确定属于违章掉头的候选车辆,具体是:
所述的车辆违章掉头是指从道路的右侧掉头到道路的左侧,即车辆从其行车道掉头到其对向车道;为了记录车辆的行车路线,在道路的右侧选取一个兴趣区域,该兴趣区域包含道路中所有的右车道,如图1所示,当某一车辆第一次驶入该兴趣区域时,作为违章掉头的候选车辆对其进行跟踪,说明该车辆有违章可能性,提取该车辆区域的图像坐标,并将视频流中车辆第一次驶入兴趣区域的那帧作为车辆跟踪开始的第一帧。
步骤(2)车辆行车路线提取,具体是:
首先获得车辆目标的模型和候选车辆的模型描述,然后对运动车辆目标进行跟踪。
车辆目标的模型描述:当车辆目标进入道路中的兴趣区域时,提取车辆区域的外接矩形,并统计该矩形的颜色信息,得到矩形区域的直方图,此即为车辆目标的特征描述;由于存在遮挡或者车辆阴影,车辆目标中心附近的像素往往比车辆目标周围的像素更可靠,对靠近车辆中心的像素赋予一个大的权值,对远离车辆中心的像素赋予一个小的权值。用引入权值后的车辆区域的外接矩形的直方图作为车辆目标模型的描述。
候选车辆模型描述:在视频图像序列的某一帧中得到车辆目标的模型,在后续帧中,可能包含该车辆目标的区域即为候选车辆区域,采用与车辆目标的模型描述相同的方法,用引入权值后的候选车辆区域的直方图作为候选车辆模型的描述。
运动车辆目标跟踪的实现过程:当前帧中具有与车辆目标区域的巴式距离值最大的候选区域,其所在位置即是车辆目标出现的位置。车辆目标跟踪的过程就是通过Mean Shift向量的梯度下降搜索求出巴式距离值的最大值,从而找到车辆目标在当前帧中的最佳匹配位置,该最佳匹配位置即为车辆目标在下一帧中的初始位置,依次类推,由该初始位置出发求得的下一帧车辆目标位置的最佳匹配位置,从而获得了车辆的行车路线。
步骤(3)车辆违章掉头行为判定,具体是:
摄像头放置在道路中间的高处,摄像头对着道路方向进行拍摄,车辆在道路中的行驶方向与摄像头位置之间的关系可分为两类,第一类是车辆在发生违章掉头行为后向着靠近摄像头方向行驶,第二类是车辆在发生违章掉头行为后向着远离摄像头方向行驶。
车辆的行驶路线与车道的方向不完全相同,采用车道的方向区间来检测车辆是否在某一车道内行驶。假设车道的角度为α,车道的斜率为k=tanα,当车辆沿车道方向偏移一定角度Δα进行行驶,即车辆沿[α-Δα,α+Δα]区间内的角度行驶时,取Δα=15°,该车辆被认为在该车道中行驶。
在第一(二)类情况下,车辆违章掉头判决的条件为:将视频序列中连续N次、每次相隔M帧的两帧中的车辆位置其纵坐标Y的差值在掉头前的同一时间段内都小于(大于)0,同时两帧中的车辆行驶方向都在掉头前所驶车道方向区间内为第一个条件;将视频序列中连续N次、每次相隔M帧的两帧中的车辆位置其纵坐标Y的差值在掉头后的同一时间段内都大于(小于)0,同时两帧中的车辆行驶方向都在掉头后所驶车道方向区间内为第二个条件。当在车辆行驶过程中这两个条件依次被满足时就判定发生了违章掉头行为,取N=5,M=10。
违章掉头检测的实施过程如图2所示。
Claims (1)
1.一种基于跟踪的车辆违章掉头行为检测方法,其特征在于该方法包括以下步骤:
步骤(1)确定属于违章掉头的候选车辆,具体是:
所述的车辆违章掉头是指从道路的右侧掉头到道路的左侧,即车辆从其行车道掉头到其对向车道;为了记录车辆的行车路线,在道路的右侧选取一个兴趣区域,该兴趣区域包含道路中所有的右车道,当某一车辆第一次驶入该兴趣区域时,作为违章掉头的候选车辆对其进行跟踪,提取该车辆区域的图像坐标,并将视频流中车辆第一次驶入兴趣区域的那帧作为车辆跟踪开始的第一帧;
步骤(2)车辆行车路线提取,具体是:
首先获得车辆目标的模型和候选车辆的模型描述,然后对运动车辆目标进行跟踪;
车辆目标的模型描述:当车辆目标进入道路中的兴趣区域时,提取车辆区域的外接矩形,并统计该矩形的颜色信息,得到矩形区域的直方图,此即为车辆目标的特征描述;由于存在遮挡或者车辆阴影,车辆目标中心附近的像素往往比车辆目标周围的像素更可靠,对靠近车辆中心的像素赋予一个大的权值,对远离车辆中心的像素赋予一个小的权值;用引入权值后的车辆区域的外接矩形的直方图作为车辆目标模型的描述;
候选车辆模型描述:在视频图像序列的某一帧中得到车辆目标的模型,在后续帧中,可能包含该车辆目标的区域即为候选车辆区域,采用与车辆目标的模型描述相同的方法,用引入权值后的候选车辆区域的直方图作为候选车辆模型的描述;
运动车辆目标跟踪的实现过程:当前帧中具有与车辆目标区域的巴式距离值最大的候选区域,其所在位置即是车辆目标出现的位置;车辆目标跟踪的过程就是通过Mean Shift向量的梯度下降搜索求出巴式距离值的最大值,从而找到车辆目标在当前帧中的最佳匹配位置,该最佳匹配位置即为车辆目标在下一帧中的初始位置,依次类推,由该初始位置出发求得的下一帧车辆目标位置的最佳匹配位置,从而获得了车辆的行车路线;
步骤(3)车辆违章掉头行为判定,具体是:
摄像头放置在道路中间的高处,摄像头对着道路方向进行拍摄,车辆在道路中的行驶方向与摄像头位置之间的关系可分为两类,第一类是车辆在发生违章掉头行为后向着靠近摄像头方向行驶,第二类是车辆在发生违章掉头行为后向着远离摄像头方向行驶;
车辆的行驶路线与车道的方向不完全相同,采用车道的方向区间来检测车辆是否在某一车道内行驶;假设车道的角度为α,车道的斜率为k=tanα,当车辆沿车道方向偏移一定角度Δα进行行驶,即车辆沿[α-Δα,α+Δα]区间内的角度行驶时,该车辆被认为在该车道中行驶;
在第一类情况下,车辆违章掉头判决的条件为:将视频序列中连续N次、每次相隔M帧的两帧中的车辆位置其纵坐标Y的差值在掉头前的同一时间段内都小于0,同时两帧中的车辆行驶方向都在掉头前所驶车道方向区间内为第一个条件;将视频序列中连续N次、每次相隔M帧的两帧中的车辆位置其纵坐标Y的差值在掉头后的同一时间段内都大于0,同时两帧中的车辆行驶方向都在掉头后所驶车道方向区间内为第二个条件;当在车辆行驶过程中这两个条件依次被满足时就判定发生了违章掉头行为;
在第二类情况下,车辆违章掉头判决的条件为:将视频序列中连续N次、每次相隔M帧的两帧中的车辆位置其纵坐标Y的差值在掉头前的同一时间段内都大于0,同时两帧中的车辆行驶方向都在掉头前所驶车道方向区间内为第一个条件;将视频序列中连续N次、每次相隔M帧的两帧中的车辆位置其纵坐标Y的差值在掉头后的同一时间段内都小于0,同时两帧中的车辆行驶方向都在掉头后所驶车道方向区间内为第二个条件;当在车辆行驶过程中这两个条件依次被满足时就判定发生了违章掉头行为。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210077839.6A CN102622884B (zh) | 2012-03-22 | 2012-03-22 | 一种基于跟踪的车辆违章掉头行为检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210077839.6A CN102622884B (zh) | 2012-03-22 | 2012-03-22 | 一种基于跟踪的车辆违章掉头行为检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102622884A CN102622884A (zh) | 2012-08-01 |
CN102622884B true CN102622884B (zh) | 2015-04-29 |
Family
ID=46562775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210077839.6A Withdrawn - After Issue CN102622884B (zh) | 2012-03-22 | 2012-03-22 | 一种基于跟踪的车辆违章掉头行为检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102622884B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411846B (zh) * | 2011-11-16 | 2013-08-14 | 江苏大为科技股份有限公司 | 一种车辆行为预警分析方法 |
CN102903239B (zh) * | 2012-09-27 | 2014-05-14 | 安科智慧城市技术(中国)有限公司 | 交通路口车辆左右违章转向检测方法和系统 |
CN103903278A (zh) * | 2012-12-28 | 2014-07-02 | 重庆凯泽科技有限公司 | 运动目标检测与跟踪系统 |
MY192556A (en) * | 2014-03-27 | 2022-08-28 | Mimos Berhad | Vehicle monitoring system and method thereof |
CN104299425B (zh) * | 2014-10-22 | 2016-07-06 | 江苏苏科畅联科技有限公司 | 一种定位公交车在公交车专用道上行驶方向的方法与装置 |
CN105761483B (zh) * | 2014-12-16 | 2019-08-09 | 高德软件有限公司 | 一种车辆数据处理方法及设备 |
CN104637304B (zh) * | 2015-03-08 | 2016-08-24 | 江苏巴吉装备科技有限公司 | 一种抢行左侧车道的车辆违章行为检测方法 |
CN106205135B (zh) * | 2015-04-30 | 2018-11-30 | 北京文安智能技术股份有限公司 | 一种违章掉头车辆行为的检测方法、装置及系统和一种球机 |
CN105957347B (zh) * | 2016-06-16 | 2018-06-19 | 大连海事大学 | 一种基于导航行车记录仪的车辆违章掉头检测方法 |
CN107886536A (zh) * | 2016-09-26 | 2018-04-06 | 比亚迪股份有限公司 | 行车记录仪定位方法、装置及行车记录仪 |
CN106781520A (zh) * | 2016-12-26 | 2017-05-31 | 无锡高新兴智能交通技术有限公司 | 一种基于车辆跟踪的交通违法检测方法及系统 |
CN108986472B (zh) * | 2017-05-31 | 2020-10-30 | 杭州海康威视数字技术股份有限公司 | 一种掉头车辆监控方法及装置 |
CN107133610B (zh) * | 2017-06-01 | 2020-09-01 | 电子科技大学 | 一种复杂路况下行车流量视觉检测与计数方法 |
CN107563310B (zh) * | 2017-08-16 | 2020-06-16 | 电子科技大学 | 一种违章变道检测方法 |
CN111226266A (zh) * | 2018-07-13 | 2020-06-02 | 深圳市尚佳能源网络有限责任公司 | 一种车载电子围栏控制方法 |
CN111199647B (zh) * | 2018-11-16 | 2021-10-01 | 中电科新型智慧城市研究院有限公司 | 一种道路车辆连续变道和违规掉头的监控视频检测方法 |
CN110211404B (zh) * | 2019-06-30 | 2021-11-05 | 湖南华咨工程咨询有限公司 | 一种基于wifi无线的智能交通系统 |
CN111508235B (zh) * | 2019-07-11 | 2021-03-16 | 杭州海康威视系统技术有限公司 | 无效车辆的监控方法、装置、设备及存储介质 |
CN110929676A (zh) * | 2019-12-04 | 2020-03-27 | 浙江工业大学 | 一种基于深度学习的违章掉头实时检测方法 |
CN111145555B (zh) * | 2019-12-09 | 2021-02-26 | 浙江大华技术股份有限公司 | 一种检测车辆违章的方法和装置 |
CN111260932A (zh) * | 2020-01-19 | 2020-06-09 | 上海眼控科技股份有限公司 | 车辆违法行为的确定方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007316856A (ja) * | 2006-05-24 | 2007-12-06 | Sumitomo Electric Ind Ltd | 移動体検出装置、コンピュータプログラム及び移動体検出方法 |
CN101873414A (zh) * | 2010-05-17 | 2010-10-27 | 清华大学 | 一种基于分层结构的事件视频检测系统 |
CN102129779A (zh) * | 2010-01-13 | 2011-07-20 | 中国科学院自动化研究所 | 路口交通信号安全和效率监测系统 |
CN102201165A (zh) * | 2010-03-25 | 2011-09-28 | 北京汉王智通科技有限公司 | 交通路口车辆违章的监测系统及方法 |
CN102332209A (zh) * | 2011-02-28 | 2012-01-25 | 王志清 | 一种汽车违章视频监测方法 |
-
2012
- 2012-03-22 CN CN201210077839.6A patent/CN102622884B/zh not_active Withdrawn - After Issue
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007316856A (ja) * | 2006-05-24 | 2007-12-06 | Sumitomo Electric Ind Ltd | 移動体検出装置、コンピュータプログラム及び移動体検出方法 |
CN102129779A (zh) * | 2010-01-13 | 2011-07-20 | 中国科学院自动化研究所 | 路口交通信号安全和效率监测系统 |
CN102201165A (zh) * | 2010-03-25 | 2011-09-28 | 北京汉王智通科技有限公司 | 交通路口车辆违章的监测系统及方法 |
CN101873414A (zh) * | 2010-05-17 | 2010-10-27 | 清华大学 | 一种基于分层结构的事件视频检测系统 |
CN102332209A (zh) * | 2011-02-28 | 2012-01-25 | 王志清 | 一种汽车违章视频监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102622884A (zh) | 2012-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102622884B (zh) | 一种基于跟踪的车辆违章掉头行为检测方法 | |
CN108389430B (zh) | 一种基于视频检测的交叉口行人与机动车碰撞预测方法 | |
CN104537841B (zh) | 无牌车辆违章检测方法及其检测系统 | |
CN103021186B (zh) | 一种车辆监控的方法及系统 | |
CN104008645B (zh) | 一种适用于城市道路车道线预测及预警方法 | |
CN102768804B (zh) | 基于视频的交通信息采集方法 | |
CN104021378B (zh) | 基于时空关联与先验知识的交通信号灯实时识别方法 | |
CN105632186A (zh) | 检测车辆加塞行为的方法和装置 | |
CN103117005B (zh) | 车道偏移警示方法及系统 | |
CN103258429B (zh) | 路口拥堵时机动车强行驶入的视频检测方法 | |
WO2019079941A1 (en) | METHOD AND APPARATUS FOR DETERMINING A DRIVING STRATEGY OF A VEHICLE | |
JP6202635B2 (ja) | 運転者支援システムのためのレーン相対位置推定の方法及びシステム | |
Sivaraman et al. | Combining monocular and stereo-vision for real-time vehicle ranging and tracking on multilane highways | |
CN104835323B (zh) | 一种结合电子围栏的多目标公交客流检测方法 | |
CN104361350A (zh) | 一种交通标识识别系统 | |
CN104575043B (zh) | 一种机动车行经人行横道时的自动提示系统和方法 | |
CN106778593A (zh) | 一种基于多地面标志融合的车道级定位方法 | |
CN104732774B (zh) | 一种车辆逆行的检测方法和检测系统 | |
CN102765365A (zh) | 基于机器视觉的行人检测方法及行人防撞预警系统 | |
CN103400157A (zh) | 一种基于视频分析的道路行人及非机动车检测方法 | |
CN109101939B (zh) | 车辆运动状态的确定方法、系统、终端及可读存储介质 | |
CN105513349A (zh) | 基于双视角学习的山区高速公路车辆事件检测方法 | |
CN104616502A (zh) | 基于组合式车路视频网络的车牌识别与定位系统 | |
CN103177586A (zh) | 一种基于机器视觉的城市交叉路口多车道车流量检测方法 | |
CN102768726A (zh) | 一种预防行人碰撞的行人检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
AV01 | Patent right actively abandoned |
Granted publication date: 20150429 Effective date of abandoning: 20170417 |
|
AV01 | Patent right actively abandoned |
Granted publication date: 20150429 Effective date of abandoning: 20170417 |
|
AV01 | Patent right actively abandoned | ||
AV01 | Patent right actively abandoned |