CN103258429B - 路口拥堵时机动车强行驶入的视频检测方法 - Google Patents

Abstract

本发明公开了一种路口拥堵时机动车强行驶入的视频检测方法。该方法包括：根据所获取的视频图像数据对前方路口的溢出检测区的状态进行监测；实时跟踪并记录视频图像数据中出现的各个车辆的位置和停留时间，当溢出检测区的状态为车辆溢出状态时，将越过车辆检测区的停车线的车辆标记为疑似违章车辆；根据所获取的视频图像数据确定当前道路的交通状态；当当前道路的交通状态为拥堵状态时，将达到违章标准的疑似违章车辆标记为违章车辆；针对每一辆违章车辆，从所获取的视频图像数据中提取表征该违章车辆违章过程的多张图片。通过使用本发明中的视频检测方法，可以有效地对路口发生拥堵时强行驶入交叉路口的违章车辆进行违章抓拍。

Description

路口拥堵时机动车强行驶入的视频检测方法

技术领域

本发明涉及视频处理技术的智能交通监控技术领域，特别涉及一种路口拥堵时机动车强行驶入的视频检测方法。

背景技术

《道路交通安全法实施条例》第五十三条规定：机动车遇有前方交叉路口交通阻塞时，应当依次停在路口以外等候，不得进入路口。但是在实际的交通情况中，当前方的交通信号灯为绿灯，但前方道路已发生严重拥堵时，仍然会有车辆违章继续驶入路口。这些车辆由于前方的拥堵而不能驶入前方的道路，当交通信号变换为红灯时将仍然滞留于道路中央，使得交叉方向的车辆不能正常通行，从而人为导致严重的交通拥堵。

为了方便地对上述的违章行为进行有效地监控，现有技术中已经提出了一些解决方法。

在现有技术中，拥堵状态检测主要有线圈检测和视频检测两种方式。在实际应用中，线圈检测的方式具有损坏路面、信息获取单一等缺点。相对于线圈检测的方式，视频检测的方式则因其安装简单、维护方便并能够获取大量信息的优势而得到广泛应用。

在一个专利号为CN102867415的中国专利中，提出了一种以视频中检测区域为基础，通过背景差提取区域内的目标，计算平均车道占有率和平均时间占有率，然后以上述两者的简单逻辑关系推断当前道路状态处于畅通还是拥堵的方法。该方法的局限性在于过分依赖于检测区域背景的准确性，且在判断前景是否为诸如阴影和光线变化等干扰因素时所采用的形态学方法既耗时又无法达到理想效果，其实时性和有效性都无法保证，不具备拥堵闯入抓拍的功能。另外，该方法单纯地进行拥堵报警，因此限制了实际应用性。

在一个专利号为CN102768801的中国专利中，提出了一种以车辆跟踪为基础，判断当前道路发生拥堵时机动车绿灯跟进并滞留在路口中央的违章行为的方法。该方案的局限性在于利用车流量判断当前路口是否为拥堵状态，判断的结果比较模糊且可靠性较低，容易发生误报。另外，当道路真正发生拥堵时，采用提取车辆形状和纹理特征进行车辆跟踪的方法获取车辆轨迹的可行性低，随着车辆在道路上的积压、遮挡，极易发生由特征失效引发的漏报和误报，无法准确抓拍到车辆相应位置的图片，达不到有效违法处罚的结果，实际应用效果不理想。

由上可知，现有技术中的视频检测方法还存在上述的一些问题，因此，有必要提供一种更好的视频检测方法，从而能够有效地对路口发生拥堵时强行驶入交叉路口的违章车辆进行违章抓拍。

发明内容

根据本发明，提供了一种路口拥堵时机动车强行驶入的视频检测方法，从而能够有效地对路口发生拥堵时强行驶入交叉路口的违章车辆进行违章抓拍。

根据本发明的一种路口拥堵时机动车强行驶入的视频检测方法，该方法包括：

A、根据所获取的视频图像数据对前方路口的溢出检测区的状态进行监测；

B、实时跟踪并记录视频图像数据中出现的各个车辆的位置和停留时间，当溢出检测区的状态为车辆溢出状态时，将越过车辆检测区的停车线的车辆标记为疑似违章车辆；

C、根据所获取的视频图像数据确定当前道路的交通状态；

D、当当前道路的交通状态为拥堵状态时，将达到违章标准的疑似违章车辆标记为违章车辆；

E、针对每一辆违章车辆，从所获取的视频图像数据中提取表征该违章车辆违章过程的多张图片。

其中，在所述步骤A之前，该方法还进一步包括：

通过设置在交叉路口的摄像设备实时获取当前交叉路口的视频图像数据。

其中，所述步骤A包括：

A1、逐帧读取所获取的视频图像数据，从所读取的视频图像数据中提取溢出检测区信息，并将读取的视频图像数据按照时间顺序缓存在缓存区中；

A2、根据所提取的溢出检测区信息确定溢出检测区的状态。

其中，所述缓存区的最大缓存帧数为300帧。

其中，所述缓存区采用环形缓存的方式存储所读取的视频图像数据。

其中，所述步骤A2包括：

计算溢出检测区信息中的背景差和帧差，统计溢出检测区信息中连续有背景差且连续无帧差的时间；

当所述连续有背景差且连续无帧差的时间大于预设的第一阈值时，确定溢出检测区的状态为车辆溢出状态。

其中，所述第一阈值的取值为6秒。

其中，当满足预设的背景更新条件时，进行背景更新。

其中，所述背景更新条件为：

所述溢出检测区信息中连续有背景差且连续无帧差的时间大于第二阈值；同时，路口内无车辆停留且无车辆以低于预设速度的行车速度行驶。

其中，所述第二阈值的取值为5秒。

其中，所述实时跟踪并记录视频图像数据中出现的各个车辆的位置和停留时间包括：

对车辆检测区内的每个目标车辆进行车牌检测和识别，并基于车牌识别结果对目标车辆进行跟踪，记录目标车辆的位置和停留时间；

当目标车辆驶出车辆检测区时，使用预测与车尾模板匹配的车辆跟踪方法对目标车辆进行跟踪，记录目标车辆的位置和停留时间。

其中，该方法还进一步包括：

当目标车辆驶出车辆检测区且当前道路的交通状态处于拥堵状态时，使用缩小预测与搜索范围的车辆跟踪方法对目标车辆进行跟踪，记录目标车辆的位置和停留时间。

其中，所述缩小预测与搜索范围的车辆跟踪方法包括：

减小预设的预测距离和搜索距离；

根据减小后的预测距离，使用三点预测方式预测目标车辆在下一帧中出现的位置；

在预先设定的搜索范围内以所预测的位置为中心，以减小后的搜索距离为半径进行模板匹配。

其中，所述步骤C包括：

计算溢出检测区信息中的背景差和帧差，将溢出检测区信息中连续有背景差且连续无帧差的帧数作为溢出帧数；

根据所记录的各个车辆的位置和停留时间，计算各个车辆的位移；根据各个车辆的位移判断车辆是否在路口中等停，并将路口内连续有车辆等停的帧数作为等停帧数；

当所述溢出帧数和等停帧数满足预设的拥堵条件时，确定当前道路的交通状态为拥堵状态。

其中，所述的拥堵条件为：

溢出帧数大于第三阈值Thr3且等停帧数大于第四阈值Thr4；

或者溢出帧数大于Thr4且等停帧数大于Thr3；

或者溢出帧数和等停帧数均大于Thr4；

其中，0<Thr3<Thr4。

其中，所述第三阈值为6，所述第四阈值为12。

其中，在确定当前道路的交通状态为拥堵状态之前，该方法还进一步包括：计算车道中各个车辆的平均速度；

所述拥堵条件中还进一步包括：各个车辆的平均速度小于预先设定的速度值。

其中，在标记违章车辆之前，该方法还进一步包括：

根据每辆疑似违章车辆在路口内同一位置停留的帧数计算疑似违章车辆在同一位置的停留时长。

其中，所述违章条件为：

所述疑似违章车辆在同一位置的停留时长大于预先设置的第五阈值。

其中，所述步骤E包括：

利用缓存图片回溯法从所获取的视频图像数据中提取表征该违章车辆违章过程的三张图片；

其中，所提取的第一张图片为该违章车辆即将越过停车线时的图片；第二张图片为该违章车辆开始在路口同一位置停留时的图片，第三张图片为该违章车辆在路口同一位置的停留时间为第五阈值时的图片

其中，所述第五阈值为10秒。

由上述技术方案可见，在本发明中的路口拥堵时机动车强行驶入的视频检测方法中，可先根据所获取的视频图像数据对前方路口的溢出检测区的状态进行监测，当溢出检测区的状态为车辆溢出状态时，将越过车辆检测区的停车线的车辆标记为疑似违章车辆，然后再判断当前道路是否处于拥堵状态，并在处于拥堵状态时对滞留在路口中的违章车辆进行违章抓拍，从而能够有效地对路口发生拥堵时强行驶入交叉路口的违章车辆进行违章抓拍，为此类违章行为的处罚提供有力证据，提高了违法抓拍的有效性和实际应用性，也对减少此类违章行为、改善道路交通拥堵状况起到促进作用；同时，上述方法中提出了一种结合背景差、帧差和车辆运动信息的拥堵状态检测模型，从而可以解决拥堵状态检测准确度低的问题，提高背景更新的速率和准确性；此外，还可避免因单独考虑背景信息而导致的拥堵误抓。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，以下将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，以下描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员而言，还可以根据这些附图所示实施例得到其它的实施例及其附图。

图1为本发明实施例中的路口拥堵时机动车强行驶入的视频检测方法的流程示意图；

图2为本发明实施例中的交叉路口的结构示意图；

图3为本发明实施例中的拥堵条件的示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。

图1为本发明实施例中的路口拥堵时机动车强行驶入的视频检测方法的流程图。如图1所示，本发明实施例中的路口拥堵时机动车强行驶入的视频检测方法包括如下所述步骤：

步骤101，根据所获取的视频图像数据对前方路口的溢出检测区的状态进行监测。

在本发明的技术方案中，在对溢出检测区的状态进行监测之前，将先获取溢出检测区的视频图像数据。较佳的，在本发明的具体实施例中，可以通过设置在交叉路口的摄像设备(例如，摄像头或摄像机等)实时获取当前交叉路口的视频图像数据。

另外，在本发明的具体实施例中，还可在所述交叉路口中预先设定一个溢出检测区和一个车辆检测区。其中，所述溢出检测区是用于判断前方路口是否有车辆停滞状况的可配置区域。图2为本发明实施例中的交叉路口的结构示意图。如图2所示，所述溢出检测区21位于交叉路口中的前方路口，而车辆检测区22则位于交叉路口中的后方路口。在车辆检测区中，还设置有相应的停车线23，分别对应于实际的交叉路口的各条车道上的停车线。

由于所获取的视频图像数据中包括了溢出检测区的视频图像数据，因此，在获取视频图像数据之后，即可根据所获取的视频图像数据对溢出检测区的状态进行监测，以判断溢出检测区的状态是否为车辆溢出状态。

在本发明的技术方案中，上述步骤101的具体实现方式可以有多种，以下将以其中的一种具体实现方法为例，对本发明的技术方案进行介绍。

在本发明的较佳实施例中，上述的步骤101可以通过如下所述的步骤实现：

步骤11，逐帧读取所获取的视频图像数据，从所读取的视频图像数据中提取溢出检测区信息，并将读取的视频图像数据按照时间顺序缓存在缓存区中。

较佳的，在本发明的具体实施例中，可以根据需要预先设置所述缓存区的最大缓存帧数，从而便于在后续步骤中从所述缓存区中截取各个违章车辆违章过程中的多张图片。例如，可以将所述缓存区的最大缓存帧数设置为300帧。

此外，所述缓存区将采用环形缓存的方式存储所读取的视频图像数据，从而使得后读取的视频图像数据可以逐步覆盖之前所读取的视频图像数据。

步骤12，根据所提取的溢出检测区信息确定溢出检测区的状态。

上述确定溢出检测区的状态的具体实现方式可以有多种，以下将以其中的一种具体实现方法为例进行介绍。

在本发明的较佳实施例中，所述根据所提取的溢出检测区信息确定溢出检测区的状态可以通过如下所述的步骤实现：

步骤121，计算溢出检测区信息中的背景差和帧差，统计溢出检测区信息中连续有背景差且连续无帧差的时间。

步骤122，当所述连续有背景差且连续无帧差的时间大于预设的第一阈值时，确定溢出检测区的状态为车辆溢出状态。

在本发明的技术方案中，由于是逐帧从所读取的视频图像数据中提取溢出检测区信息，因此当溢出检测区信息中长时间出现连续有背景差且连续无帧差的情况时，说明溢出检测区的车辆已经出现了车辆溢出的现象，表示前方路口已经发生了交通阻塞。因此，通过判断连续有背景差且连续无帧差的时间是否大于预设的阈值，即可判断溢出检测区的状态是否为车辆溢出状态。另外，当所述连续有背景差且连续无帧差的时间小于或等于预设的阈值时，则表示溢出检测区的状态并不是车辆溢出状态，前方路口并未发生交通阻塞。

较佳的，在本发明的具体实施例中，可以预先设置所述的第一阈值的取值。例如，在本发明的较佳实施例中，所述第一阈值的取值为6秒(s)。

较佳的，在本发明的具体实施例中，还可以定期进行背景更新。例如，当满足预设的背景更新条件时，进行背景更新；其中，所述背景更新条件为：所述溢出检测区信息中连续有背景差且连续无帧差的时间大于第二阈值；同时，路口内无车辆停留且无车辆以低于预设速度的行车速度行驶。

较佳的，在本发明的具体实施例中，可以预先设置所述的第二阈值的取值。例如，在本发明的较佳实施例中，所述第二阈值的取值为5秒(s)。

步骤102，实时跟踪并记录视频图像数据中出现的各个车辆的位置和停留时间，当溢出检测区的状态为车辆溢出状态时，将越过车辆检测区的停车线的车辆标记为疑似违章车辆。

在本发明的具体实施例中，可以使用多种方法实时跟踪并记录视频图像数据中出现的各个车辆的位置和停留时间。例如，可以通过如下所述的方式进行实时的跟踪和记录：

步骤201，对车辆检测区内的每个目标车辆进行车牌检测和识别，并基于车牌识别结果对目标车辆进行跟踪，记录目标车辆的位置和停留时间。

步骤202，当目标车辆驶出车辆检测区时，使用预测与车尾模板匹配的车辆跟踪方法对目标车辆进行跟踪，记录目标车辆的位置和停留时间。

另外，在本发明的较佳实施例中，当目标车辆驶出车辆检测区且当前道路的交通状态处于拥堵状态时，还可使用缩小预测与搜索范围的车辆跟踪方法对目标车辆进行跟踪，记录目标车辆的位置和停留时间，从而既可以解决目标车辆多带来的耗时问题，还可以提高车辆跟踪的准确性。

在本发明的技术方案中，当当前道路的交通状态未处于拥堵状态时，可根据预先设置的预测距离，使用三点预测方式预测目标车辆在下一帧中出现的位置，并在预先设定的搜索范围内以所预测的位置为中心，以预设的搜索距离为半径进行模板匹配。

较佳的，当当前道路的交通状态处于拥堵状态时，所述缩小预测与搜索范围的车辆跟踪方法包括：

减小预设的预测距离和搜索距离，并根据减小后的预测距离，使用三点预测方式预测目标车辆在下一帧中出现的位置，并在预先设定的搜索范围内以所预测的位置为中心，以减小后的搜索距离为半径进行模板匹配。

步骤103，根据所获取的视频图像数据确定当前道路的交通状态。

在本发明的技术方案中，可以通过统计溢出检测区的车辆滞留程度和交叉路口内的车辆等停情况，确定当前道路的交通状态是否处于拥堵状态。

在本发明的技术方案中，上述步骤103的具体实现方式可以有多种，以下将以其中的一种具体实现方法为例，对本发明的技术方案进行介绍。

在本发明的较佳实施例中，上述的步骤103可以通过如下所述的步骤实现：

步骤31，计算溢出检测区信息中的背景差和帧差，将溢出检测区信息中连续有背景差且连续无帧差的帧数作为溢出帧数。

步骤32，根据所记录的各个车辆的位置和停留时间，计算各个车辆的位移；根据各个车辆的位移判断车辆是否在路口中等停，并将路口内连续有车辆等停的帧数作为等停帧数。

步骤33，当所述溢出帧数和等停帧数满足预设的拥堵条件时，确定当前道路的交通状态为拥堵状态。

较佳的，在本发明的具体实施例中，可以预先设置所述的拥堵条件。

例如，在本发明的较佳实施例中，所述拥堵条件可以为：

溢出帧数大于第三阈值Thr3且等停帧数大于第四阈值Thr4；

或者溢出帧数大于Thr4且等停帧数大于Thr3；

或者溢出帧数和等停帧数均大于Thr4；

其中，0<Thr3<Thr4。

图3为本发明实施例中的拥堵条件的示意图。如图3所示，图3中的阴影部分表示达到了拥堵条件。

较佳的，在本发明的具体实施例中，所述第三阈值为6，所述第三阈值为12。

较佳的，在本发明的具体实施例中，在确定当前道路的交通状态为拥堵状态之前，上述的方法中还可以进一步包括：计算车道中各个车辆的平均速度。此时，上述的拥堵条件中还可以进一步包括：各个车辆的平均速度小于预先设定的速度值。也就是说，还可将车道中的车辆是否处于低速运行状态作为当前道路的交通状态是否达到拥堵状态的必要条件。

步骤104，当当前道路的交通状态为拥堵状态时，将达到违章标准的疑似违章车辆标记为违章车辆。

较佳的，在本发明的具体实施例中，可以预先设置所述的违章标准。

例如，在本发明的较佳实施例中，在标记违章车辆之前，上述的方法中还可以进一步包括：根据每辆疑似违章车辆在路口内同一位置停留的帧数计算疑似违章车辆在同一位置的停留时长。此时，所述违章条件可以为：

所述疑似违章车辆在同一位置的停留时长大于预先设置的第五阈值。

较佳的，在本发明的具体实施例中，所述第五阈值为10秒(s)。

步骤105，针对每一辆违章车辆，从所获取的视频图像数据中提取表征该违章车辆违章过程的多张图片。

在本发明的技术方案中，上述步骤105的具体实现方式可以有多种，以下将以其中的一种具体实现方法为例，对本发明的技术方案进行介绍。

在本发明的较佳实施例中，上述的步骤105可以包括：

利用缓存图片回溯法从所获取的视频图像数据中提取表征该违章车辆违章过程的三张图片；

其中，所提取的第一张图片为该违章车辆即将越过停车线时的图片；第二张图片为该违章车辆开始在路口同一位置停留时的图片，第三张图片为该违章车辆在路口同一位置的停留时间为第五阈值(例如，10s)时的图片。

通过从视频图像数据中提取违章过程的图片，从而能够对违章车辆的违法过程进行有效取证。

综上可知，在本发明中所提供的路口拥堵时机动车强行驶入的视频检测方法中，可先根据所获取的视频图像数据对前方路口的溢出检测区的状态进行监测，当溢出检测区的状态为车辆溢出状态时，将越过车辆检测区的停车线的车辆标记为疑似违章车辆，然后再判断当前道路是否处于拥堵状态，并在处于拥堵状态时对滞留在路口中的违章车辆进行违章抓拍，从而能够有效地对路口发生拥堵时强行驶入交叉路口的违章车辆进行违章抓拍，为此类违章行为的处罚提供有力证据，提高了违法抓拍的有效性和实际应用性，也对减少此类违章行为、改善道路交通拥堵状况起到促进作用；同时，上述方法中提出了一种结合背景差、帧差和车辆运动信息的拥堵状态检测模型，从而可以解决拥堵状态检测准确度低的问题，提高背景更新的速率和准确性；此外，还可避免因单独考虑背景信息而导致的拥堵误抓。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。

Claims (19)

1.一种路口拥堵时机动车强行驶入的视频检测方法，其特征在于，包括：

A、逐帧读取所获取的视频图像数据，从所读取的视频图像数据中提取溢出检测区信息，并将读取的视频图像数据按照时间顺序缓存在缓存区中；

根据所提取的溢出检测区信息计算溢出检测区信息中的背景差和帧差，统计溢出检测区信息中连续有背景差且连续无帧差的时间；当所述连续有背景差且连续无帧差的时间大于预设的第一阈值时，确定溢出检测区的状态为车辆溢出状态；

B、实时跟踪并记录视频图像数据中出现的各个车辆的位置和停留时间，当溢出检测区的状态为车辆溢出状态时，将越过车辆检测区的停车线的车辆标记为疑似违章车辆；

C、根据所获取的视频图像数据确定当前道路的交通状态；

D、当当前道路的交通状态为拥堵状态时，将达到违章标准的疑似违章车辆标记为违章车辆；

E、针对每一辆违章车辆，从所获取的视频图像数据中提取表征该违章车辆违章过程的多张图片。

2.如权利要求1所述的方法，其特征在于，在所述步骤A之前，该方法还进一步包括：

通过设置在交叉路口的摄像设备实时获取当前交叉路口的视频图像数据。

3.如权利要求1或2所述的方法，其特征在于：

所述缓存区的最大缓存帧数为300帧。

4.如权利要求1或2所述的方法，其特征在于：

所述缓存区采用环形缓存的方式存储所读取的视频图像数据。

5.如权利要求1所述的方法，其特征在于：

所述第一阈值的取值为6秒。

6.如权利要求1所述的方法，其特征在于，该方法还进一步包括：

当满足预设的背景更新条件时，进行背景更新。

7.如权利要求6所述的方法，其特征在于，所述背景更新条件为：

所述溢出检测区信息中连续有背景差且连续无帧差的时间大于第二阈值；同时，路口内无车辆停留且无车辆以低于预设速度的行车速度行驶。

8.如权利要求7所述的方法，其特征在于：

所述第二阈值的取值为5秒。

9.如权利要求1所述的方法，其特征在于，所述实时跟踪并记录视频图像数据中出现的各个车辆的位置和停留时间包括：

对车辆检测区内的每个目标车辆进行车牌检测和识别，并基于车牌识别结果对目标车辆进行跟踪，记录目标车辆的位置和停留时间；

当目标车辆驶出车辆检测区时，使用预测与车尾模板匹配的车辆跟踪方法对目标车辆进行跟踪，记录目标车辆的位置和停留时间。

10.如权利要求9所述的方法，其特征在于，该方法还进一步包括：

当目标车辆驶出车辆检测区且当前道路的交通状态处于拥堵状态时，使用缩小预测与搜索范围的车辆跟踪方法对目标车辆进行跟踪，记录目标车辆的位置和停留时间。

11.如权利要求10所述的方法，其特征在于，所述缩小预测与搜索范围的车辆跟踪方法包括：

减小预设的预测距离和搜索距离；

根据减小后的预测距离，使用三点预测方式预测目标车辆在下一帧中出现的位置；

在预先设定的搜索范围内以所预测的位置为中心，以减小后的搜索距离为半径进行模板匹配。

12.如权利要求1所述的方法，其特征在于，所述步骤C包括：

计算溢出检测区信息中的背景差和帧差，将溢出检测区信息中连续有背景差且连续无帧差的帧数作为溢出帧数；

根据所记录的各个车辆的位置和停留时间，计算各个车辆的位移；根据各个车辆的位移判断车辆是否在路口中等停，并将路口内连续有车辆等停的帧数作为等停帧数；

当所述溢出帧数和等停帧数满足预设的拥堵条件时，确定当前道路的交通状态为拥堵状态。

13.如权利要求12所述的方法，其特征在于，所述的拥堵条件为：

溢出帧数大于第三阈值Thr3且等停帧数大于第四阈值Thr4；

或者溢出帧数大于Thr4且等停帧数大于Thr3；

或者溢出帧数和等停帧数均大于Thr4；

其中，0<Thr3<Thr4。

14.如权利要求13所述的方法，其特征在于：

所述第三阈值为6，所述第四阈值为12。

15.如权利要求13所述的方法，其特征在于：

在确定当前道路的交通状态为拥堵状态之前，该方法还进一步包括：计算车道中各个车辆的平均速度；

所述拥堵条件中还进一步包括：各个车辆的平均速度小于预先设定的速度值。

16.如权利要求1所述的方法，其特征在于，在标记违章车辆之前，该方法还进一步包括：

根据每辆疑似违章车辆在路口内同一位置停留的帧数计算疑似违章车辆在同一位置的停留时长。

17.如权利要求16所述的方法，其特征在于，所述违章条件为：

所述疑似违章车辆在同一位置的停留时长大于预先设置的第五阈值。

18.如权利要求1所述的方法，其特征在于，所述步骤E包括：

利用缓存图片回溯法从所获取的视频图像数据中提取表征该违章车辆违章过程的三张图片；

其中，所提取的第一张图片为该违章车辆即将越过停车线时的图片；第二张图片为该违章车辆开始在路口同一位置停留时的图片，第三张图片为该违章车辆在路口同一位置的停留时间为第五阈值时的图片。

19.如权利要求17或18所述的方法，其特征在于：

所述第五阈值为10秒。