CN104463905A - 施工现场车辆监控方法 - Google Patents

Abstract

本发明公开了一种施工现场车辆监控方法，首先采用高斯背景建模方法得到高精度的监控区域背景；然后运用背景差分法、并结合二值化法实时提取运动目标；再区分车辆目标与行人目标，并根据运动目标的沿主轴方向孔洞分布特征来区分粘连行人目标与车辆目标；后通过车辆目标的尺寸特征和形状离散度特征来判定车辆目标为工程大车还是小型机动车；还对车辆目标进行基于计算机视觉的虚拟检测线法速度计算，当有车超速的时候予以抓拍和警告。有益效果：运行简便有序、监控结果可靠、人工监管成本降低，能够智能地对进出施工现场的运动目标进行准确区分，具备对监控信息进行存储、显示和报警等诸多功能，能满足大型施工现场对车辆进行自动高效监管。

Description

施工现场车辆监控方法

技术领域

本发明涉及一种监控方法，特别是涉及一种施工现场车辆监控方法，属于监控技术领域。

背景技术

在大型工地施工现场中，出入工地的施工车辆及其他车辆数目众多，施工现场对车辆的管理直接关系到施工现场的秩序和安全。比如在施工现场中，如对进入工地的车辆数目不加以控制，则会造成施工工地的内部拥堵；而如果施工现场中有过多的非施工车辆进入，也会造成一定混乱；诸如此类问题都需要通过对施工现场车辆进行合理监管来解决。

然而，目前施工现场中对车辆的监管还大多依赖于人力，比如采取人工记录进出的车辆数、车辆种类、车辆是否超速等措施，这些监管措施大都依靠值班人员人工进行监管，不仅耗费人力物力、也存在很多安全隐患问题。

发明内容

本发明的主要目的在于，克服现有技术中的不足，提供一种基于计算机视觉的施工现场车辆监控方法，特别适用于对大型施工现场对车辆进行自动高效监管。

本发明所要解决的技术问题是提供运行简便有序、监控结果可靠、人工监管成本降低、监管自动程度提高、实用性强的施工现场车辆监控方法，不仅能够智能地对进出施工现场的运动目标进行准确区分，有效地区分运动目标是车辆目标还是行人目标，其中可较为精确地区分出多个行人粘连形成的粘连行人目标与车辆目标；而且能够对判定的车辆目标进行准确识别、并加以监控，有效地区分车辆目标为工程大车还是小型机动车；同时具备对监控信息进行存储、显示和报警等诸多功能；极具有产业上的利用价值。

为了达到上述目的，本发明所采用的技术方案是：

一种施工现场车辆监控方法，依次包括监控图像序列采集步骤、监控图像序列处理步骤、监控信息存储步骤、以及监控信息的显示和报警步骤。

其中，所述监控图像序列处理步骤包括以下步骤：

步骤1：将序列采集来的监控图像采用背景差分法、并结合二值化法得出运动目标，其中采用高斯背景建模方法得到高精度的初始背景，并在后续过程中使用滑动平均法更新背景；

步骤2：判断步骤1得到的运动目标为车辆目标还是行人目标；

步骤3：判断步骤2中的车辆目标为工程大车还是小型机动车；

步骤4：对步骤3判定的车辆目标进行跟踪；

步骤5：对步骤4跟踪到的车辆目标进行监控信息的获取；

所述步骤2包括以下步骤：

步骤2-1：根据步骤1得到的运动目标的尺寸特征初步区分车辆目标与行人目标；

如果运动目标尺寸特征小于设定经验阈值一，则认为此时的运动目标是行人目标；

如果运动目标尺寸特征大于设定经验阈值一，则认为此时的运动目标可能是车辆目标、也可能是多个行人粘连形成的粘连行人目标；

步骤2-2：根据运动目标的沿主轴方向孔洞分布特征来区分粘连行人目标与车辆目标；

如果运动目标的沿主轴方向孔洞分布特征值大于设定经验阈值二，则认为此时的运动目标是粘连行人目标；否则认为是车辆目标；

所述沿主轴方向孔洞分布特征指的是：运动目标沿其主轴方向的外接矩形内的非前景像素点形成的孔洞的分布特征；具体根据是粘连行人目标中不规则孔洞主要分布在远离主轴的外围，而车辆目标远离主轴的外围孔洞则很少，只因车辆目标前后车窗的颜色接近地面而导致车辆目标中靠近主轴位置出现有少量的孔洞；

所述沿主轴方向孔洞分布特征值的具体计算步骤为：

步骤A：根据二值化运动目标图像的一阶矩和二阶矩来计算确定运动目标主轴方向θ：

$\mathrm{\θ}=\frac{1}{2}{\tan }^{-1}\left(\frac{{2M}_{11}}{M_{20}-M_{02}}\right)+N\frac{\mathrm{\π}}{2}$

其中M₁₁是二值化运动目标图像的一阶矩，M₂₀是二值化运动目标图像的水平方向二阶矩，M₀₂是二值化运动目标图像的垂直方向二阶矩，N为任意整数；

步骤B：计算二值化运动目标在主轴上的长度为N_s个像素，作为基准像素数；

步骤C：在二值化运动目标内做平行于主轴方向的扫描检测线，向主轴两侧分别等间隔划取P条平行于主轴的扫描检测线，直至运动目标边界，主轴线本身也作一条检测线；

步骤D：给步骤C的扫描检测线由左向右依次进行编号为i，i为符合0≤i≤2*P条件的整数，由左向右编号依次增大；其中，每条扫描检测线的远离主轴程度用权值α_i表征，权值越大表示远离主轴程度越大；取最远离运动目标主轴的扫描检测线权值为P，随着扫描检测线与运动目标主轴距离的不断减小，则权值依次减1，直至主轴线的权值为0；根据扫描检测线的编号可以得出编号i与权值α_i的关系，即

α_i＝P-i％P

步骤E：统计二值化运动目标沿其主轴方向的外接矩形内每条扫描检测线上的非前景像素点个数，编号为i的扫描检测线上的非前景像素点个数为N_i；

步骤F：计算二值化运动目标沿主轴方向孔洞分布特征值为C：

$C=\underset{i=0}{\overset{2P}{\mathrm{\Σ}}}(\frac{N_i}{N_s}\×{\mathrm{\α}}_i)$

其值越小则说明孔洞主要分布在沿主轴方向的内部且数量较小，其值越大则说明孔洞主要分布在沿主轴方向外部且数量较大；

步骤G：确定可以区分粘连行人目标与车辆目标的沿主轴方向孔洞分布特征经验阈值C_H；

如果运动目标的C值大于C_H，则认为此时的运动目标是粘连行人目标；否则认为是车辆目标。

本发明进一步设置为：所述监控图像序列处理步骤中步骤3具体为，在经判定的车辆目标中，根据车辆目标的尺寸特征和形状离散度特征来判定车辆目标为工程大车还是小型机动车；如果车辆目标尺寸特征大于设定经验阈值三、且形状离散度特征值大于预定经验阈值四，则认为此时的车辆目标是工程大车；否则，则认为此时的车辆目标是小型机动车。

本发明更进一步设置为：所述车辆目标的形状离散度特征值具体为，通过背景差分法后、由二值化得到的前景图像中，可以确定的车辆目标的轮廓周长之平方与车辆目标所包含面积的比值；如果形状离散度特征值越大，则表明车辆目标轮廓离散程度大；如果形状离散度特征值越小，则表明车辆目标轮廓离散程度小。

本发明更进一步设置为：所述监控图像序列处理步骤中步骤5的监控信息的获取包括将到达预先划定的计数检测线的车辆目标进行分类型、分进出方向、并统计计数，以及对到达预先划定的测速检测线的车辆目标进行速度计算、并判断是否超速。

本发明更进一步设置为：所述步骤5中对车辆目标进行速度计算具体为，在监控设备获取的监控图像中，按垂直于车辆目标的行驶方向，划取两条虚拟检测线；再测定两条虚拟检测线的实际距离；计算车辆目标分别到达两条虚拟检测线的时间差；最后用两条虚拟检测线的实际距离除以车辆目标分别到达两条虚拟检测线的时间差得到车辆目标的速度。

本发明更进一步设置为：所述监控图像序列处理步骤中步骤4的跟踪采用的跟踪方法是最短距离跟踪法；即在上一帧的所有车辆目标中找出形心与当前帧的待跟踪车辆目标形心相距最短的车辆目标，认定为同一车辆目标后进行信息跟踪，并传递跟踪信息；所述跟踪信息包括该车辆目标首次出现时的位置坐标、行进方向、车辆类型。

本发明更进一步设置为：所述监控图像序列采集步骤中监控设备的采集频率为每秒5到20帧。

本发明更进一步设置为：所述监控信息存储步骤包括每天设置并存储用于记录当天车辆目标出入情况的四个列表。

其中，所述四个列表分别为：进入的工程大车列表、出去的工程大车列表、进入的小型机动车列表、出去的小型机动车列表；所述四个列表的当天数据信息实时更新、实时显示。

本发明更进一步设置为：所述监控信息的显示和报警步骤包括显示施工现场出入的车辆类型、数量，对超出施工现场规定限制车速的车辆目标予以报警、并将超速车辆的监控图像显示。

本发明的有益效果在于：

1、针对大型施工现场对车辆进行自动高效监管，不再依靠人工监管措施，大幅降低人工监管成本；依靠监控设备所得到的监控结果可靠，实现施工现场车辆监控的自动化。

2、施工现场出入通道运动目标的获取高清准确，通过采用高斯背景建模方法得到高精度的监控区域背景后，而将序列采集来的监控图像采用背景差分法、并结合二值化法得出运动目标，实现运动目标提取清晰有效。

3、采用的监控图像序列处理步骤能够智能地对进出施工现场的运动目标进行准确区分，有效地区分运动目标是车辆目标还是行人目标，重要的是可较为精确地区分出多个行人粘连形成的粘连行人目标与车辆目标；具体是根据运动目标的尺寸特征初步区分车辆目标与行人目标，再根据运动目标的沿主轴方向孔洞分布特征来区分粘连行人目标与车辆目标。

4、可根据车辆目标的尺寸特征和形状离散度特征来判定车辆目标为工程大车还是小型机动车，在准确识别后能加以监控；对车辆目标的类型、进出方向、进出次数，行驶速度、超速与否等监控信息均进行存储、显示、以及超速报警，可准确地实现对施工现场车辆目标的检测与跟踪、以及车辆目标的实时数量与速度的统计和检测。

上述内容仅是本发明技术方案的概述，为了更清楚的了解本发明的技术手段，下面结合附图对本发明作进一步的描述。

附图说明

图1为本发明施工现场车辆监控方法的整体流程图；

图2为本发明施工现场车辆监控方法的判断运动目标的处理过程图。

具体实施方式

下面结合说明书附图，对本发明作进一步的说明。

一种施工现场车辆监控方法，依次包括监控图像序列采集步骤、监控图像序列处理步骤、监控信息存储步骤、以及监控信息的显示和报警步骤。所述的监控图像序列采集步骤中监控设备的采集频率可采用每秒5到20帧；所述监控信息存储步骤包括每天设置并存储用于记录当天车辆目标出入情况的多个列表，列表中当天数据信息要求实时更新、实时显示；另外，所述监控信息的显示和报警步骤包括显示施工现场出入的车辆类型、数量，对超出施工现场规定限制车速的车辆目标予以报警、并将超速车辆的监控图像显示。

具体如图1所示，首先是采用高斯背景建模方法得到高精度的监控区域背景；考虑到施工现场场景的复杂程度，取监控设备摄像头启动后的前150帧进行高斯背景建模，得到一张较为精确的初始背景，在后续的监控系统工作过程中，为了实时使用背景差分法得到运动目标，要进行背景更新，可选用变速率的滑动平均法来更新背景以满足需求。

然后运用背景差分法、并结合二值化法实时提取运动目标。

再根据运动目标的尺寸特征初步区分车辆目标与行人目标，根据运动目标的沿主轴方向孔洞分布特征来区分粘连行人目标与车辆目标；后通过车辆目标的尺寸特征和形状离散度特征来判定车辆目标为工程大车还是小型机动车。

还对到达预先划定的计数检测线的车辆目标进行监控信息的获取，具体包括分类型、分进出方向、并统计计数，以及对车辆目标进行速度计算、并判断是否超速；其中对车辆目标速度计算采用的是基于计算机视觉的虚拟检测线法，而当有车辆超速的时候则予以抓拍和警告。

其中，对车辆目标进行跟踪采用的跟踪方法是最短距离跟踪法；即在上一帧的所有车辆目标中找出形心与当前帧的待跟踪车辆目标形心相距最短的车辆目标，认定为同一车辆目标后进行信息跟踪，并传递跟踪信息；所述跟踪信息包括该车辆目标首次出现时的位置坐标、行进方向、车辆类型。

所述对车辆目标进行速度计算具体为，在监控设备获取的监控图像中，按垂直于车辆目标的行驶方向，划取两条虚拟检测线；再测定两条虚拟检测线的实际距离；计算车辆目标分别到达两条虚拟检测线的时间差；最后用两条虚拟检测线的实际距离除以车辆目标分别到达两条虚拟检测线的时间差得到车辆目标的速度。

本发明施工现场车辆监控方法中的监控图像序列处理步骤包括，在提取运动目标这一步骤1完成后，即进入运动目标的判断之步骤2，需要区分所监控的运动目标为车辆目标还是行人目标。

具体步骤2包括以下步骤：

步骤2-1：根据步骤1得到的运动目标的尺寸特征初步区分车辆目标与行人目标；

如果运动目标尺寸特征小于设定经验阈值一，则认为此时的运动目标是行人目标；

如果运动目标尺寸特征大于设定经验阈值一，则认为此时的运动目标可能是车辆目标、也可能是多个行人粘连形成的粘连行人目标；

步骤2-2：根据运动目标的沿主轴方向孔洞分布特征来区分粘连行人目标与车辆目标；

如果运动目标的沿主轴方向孔洞分布特征值大于设定经验阈值二，则认为此时的运动目标是粘连行人目标；否则认为是车辆目标；

所述沿主轴方向孔洞分布特征指的是：运动目标沿其主轴方向的外接矩形内的非前景像素点形成的孔洞的分布特征；具体根据是粘连行人目标中不规则孔洞主要分布在远离主轴的外围，而车辆目标远离主轴的外围孔洞则很少，只因车辆目标前后车窗的颜色接近地面而导致车辆目标中靠近主轴位置出现有少量的孔洞；如图2所示。

其中，所述沿主轴方向孔洞分布特征值的具体计算步骤为：

步骤A：根据二值化运动目标图像的一阶矩和二阶矩来计算确定运动目标主轴方向θ：

$\mathrm{\θ}=\frac{1}{2}{\tan }^{-1}\left(\frac{{2M}_{11}}{M_{20}-M_{02}}\right)+N\frac{\mathrm{\π}}{2}$

其中M₁₁是二值化运动目标图像的一阶矩，M₂₀是二值化运动目标图像的水平方向二阶矩，M₀₂是二值化运动目标图像的垂直方向二阶矩，N为任意整数；

步骤B：计算二值化运动目标在主轴上的长度为N_s个像素，作为基准像素数；

步骤C：在二值化运动目标内做平行于主轴方向的扫描检测线，向主轴两侧分别等间隔划取P条平行于主轴的扫描检测线，直至运动目标边界，主轴线本身也作一条检测线；

步骤D：给步骤C的扫描检测线由左向右依次进行编号为i，i为符合0≤i≤2*P条件的整数，由左向右编号依次增大；其中，每条扫描检测线的远离主轴程度用权值α_i表征，权值越大表示远离主轴程度越大；取最远离运动目标主轴的扫描检测线权值为P，随着扫描检测线与运动目标主轴距离的不断减小，则权值依次减1，直至主轴线的权值为0；根据扫描检测线的编号可以得出编号i与权值α_i的关系，即

α_i＝P-i％P

步骤E：统计二值化运动目标沿其主轴方向的外接矩形内每条扫描检测线上的非前景像素点个数，编号为i的扫描检测线上的非前景像素点个数为N_i；

步骤F：计算二值化运动目标沿主轴方向孔洞分布特征值为C：

$C=\underset{i=0}{\overset{2P}{\mathrm{\Σ}}}(\frac{N_i}{N_s}\×{\mathrm{\α}}_i)$

其值越小则说明孔洞主要分布在沿主轴方向的内部且数量较小，其值越大则说明孔洞主要分布在沿主轴方向外部且数量较大；

步骤G：确定可以区分粘连行人目标与车辆目标的沿主轴方向孔洞分布特征经验阈值C_H；

如果运动目标的C值大于C_H，则认为此时的运动目标是粘连行人目标；否则认为是车辆目标。

根据步骤2的判断方法可以得到车辆目标，但是车辆目标有大型和小型的区别，所以需要在经判定的车辆目标中，根据车辆目标的尺寸特征和形状离散度特征来判定车辆目标为工程大车还是小型机动车。所述车辆目标的形状离散度特征值具体为，通过背景差分法后、由二值化得到的前景图像中，可以确定的车辆目标的轮廓周长之平方与车辆目标所包含面积的比值；如果形状离散度特征值越大，则表明车辆目标轮廓离散程度大；如果形状离散度特征值越小，则表明车辆目标轮廓离散程度小。

判定车辆目标为工程大车还是小型机动车的判断操作为：如果车辆目标尺寸特征大于设定经验阈值三、且形状离散度特征值大于预定经验阈值四，则认为此时的车辆目标是工程大车；否则，则认为此时的车辆目标是小型机动车。

本发明的创新点在于，首先采用高斯背景建模方法得到高精度的监控区域背景；然后运用背景差分法、并结合二值化法实时提取运动目标；再区分车辆目标与行人目标，并确定车辆目标；后通过车辆目标的尺寸特征和形状离散度特征来判定车辆目标为工程大车还是小型机动车；还对车辆目标进行基于计算机视觉的虚拟检测线法速度计算，当有车超速的时候予以抓拍和警告。其中，可根据运动目标的尺寸特征来初步区分车辆目标与行人目标；更重要的是可根据运动目标的沿主轴方向孔洞分布特征来区分粘连行人目标与车辆目标，区分准确、自动高效。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.一种施工现场车辆监控方法，其特征在于：依次包括监控图像序列采集步骤、监控图像序列处理步骤、监控信息存储步骤、以及监控信息的显示和报警步骤；

所述监控图像序列处理步骤包括以下步骤：

步骤1：将序列采集来的监控图像采用背景差分法、并结合二值化法得出运动目标，其中采用高斯背景建模方法得到高精度的初始背景，并在后续过程中使用滑动平均法更新背景；

步骤2：判断步骤1得到的运动目标为车辆目标还是行人目标；

步骤3：判断步骤2中的车辆目标为工程大车还是小型机动车；

步骤4：对步骤3判定的车辆目标进行跟踪；

步骤5：对步骤4跟踪到的车辆目标进行监控信息的获取；

所述步骤2包括以下步骤：

步骤2-1：根据步骤1得到的运动目标的尺寸特征初步区分车辆目标与行人目标；

如果运动目标尺寸特征小于设定经验阈值一，则认为此时的运动目标是行人目标；

如果运动目标尺寸特征大于设定经验阈值一，则认为此时的运动目标可能是车辆目标、也可能是多个行人粘连形成的粘连行人目标；

步骤2-2：根据运动目标的沿主轴方向孔洞分布特征来区分粘连行人目标与车辆目标；

如果运动目标的沿主轴方向孔洞分布特征值大于设定经验阈值二，则认为此时的运动目标是粘连行人目标；否则认为是车辆目标；

所述沿主轴方向孔洞分布特征指的是：运动目标沿其主轴方向的外接矩形内的非前景像素点形成的孔洞的分布特征；具体根据是粘连行人目标中不规则孔洞主要分布在远离主轴的外围，而车辆目标远离主轴的外围孔洞则很少，只因车辆目标前后车窗的颜色接近地面而导致车辆目标中靠近主轴位置出现有少量的孔洞；

所述沿主轴方向孔洞分布特征值的具体计算步骤为：

步骤A：根据二值化运动目标图像的一阶矩和二阶矩来计算确定运动目标主轴方向θ：

$\mathrm{\θ}=\frac{1}{2}{\tan }^{-1}\left(\frac{2M_{11}}{M_{20}-M_{02}}\right)+N\frac{\mathrm{\π}}{2}$

其中M₁₁是二值化运动目标图像的一阶矩，M₂₀是二值化运动目标图像的水平方向二阶矩，M₀₂是二值化运动目标图像的垂直方向二阶矩，N为任意整数；

步骤B：计算二值化运动目标在主轴上的长度为N_s个像素，作为基准像素数；

步骤C：在二值化运动目标内做平行于主轴方向的扫描检测线，向主轴两侧分别等间隔划取P条平行于主轴的扫描检测线，直至运动目标边界，主轴线本身也作一条检测线；

步骤D：给步骤C的扫描检测线由左向右依次进行编号为i，i为符合0≤i≤2*P条件的整数，由左向右编号依次增大；其中，每条扫描检测线的远离主轴程度用权值α_i表征，权值越大表示远离主轴程度越大；取最远离运动目标主轴的扫描检测线权值为P，随着扫描检测线与运动目标主轴距离的不断减小，则权值依次减1，直至主轴线的权值为0；根据扫描检测线的编号可以得出编号i与权值α_i的关系，即

α_i＝P-i％P

步骤E：统计二值化运动目标沿其主轴方向的外接矩形内每条扫描检测线上的非前景像素点个数，编号为i的扫描检测线上的非前景像素点个数为N_i；

步骤F：计算二值化运动目标沿主轴方向孔洞分布特征值为C：

$C=\underset{i=0}{\overset{2P}{\mathrm{\Σ}}}(\frac{N_i}{N_s}\×{\mathrm{\α}}_i)$

其值越小则说明孔洞主要分布在沿主轴方向的内部且数量较小，其值越大则说明孔洞主要分布在沿主轴方向外部且数量较大；

步骤G：确定可以区分粘连行人目标与车辆目标的沿主轴方向孔洞分布特征经验阈值C_H；

如果运动目标的C值大于C_H，则认为此时的运动目标是粘连行人目标；否则认为是车辆目标。

2.根据权利要求1所述的施工现场车辆监控方法，其特征在于：所述监控图像序列处理步骤中步骤3具体为，在经判定的车辆目标中，根据车辆目标的尺寸特征和形状离散度特征来判定车辆目标为工程大车还是小型机动车；

如果车辆目标尺寸特征大于设定经验阈值三、且形状离散度特征值大于预定经验阈值四，则认为此时的车辆目标是工程大车；

否则，则认为此时的车辆目标是小型机动车。

3.根据权利要求2所述的施工现场车辆监控方法，其特征在于：所述车辆目标的形状离散度特征值具体为，通过背景差分法后、由二值化得到的前景图像中，可以确定的车辆目标的轮廓周长之平方与车辆目标所包含面积的比值；

如果形状离散度特征值越大，则表明车辆目标轮廓离散程度大；

如果形状离散度特征值越小，则表明车辆目标轮廓离散程度小。

4.根据权利要求1所述的施工现场车辆监控方法，其特征在于：所述监控图像序列处理步骤中步骤5的监控信息的获取包括将到达预先划定的计数检测线的车辆目标进行分类型、分进出方向、并统计计数，以及对到达预先划定的测速检测线的车辆目标进行速度计算、并判断是否超速。

5.根据权利要求4所述的施工现场车辆监控方法，其特征在于：所述步骤5中对车辆目标进行速度计算具体为，在监控设备获取的监控图像中，按垂直于车辆目标的行驶方向，划取两条虚拟检测线；

再测定两条虚拟检测线的实际距离；计算车辆目标分别到达两条虚拟检测线的时间差；

最后用两条虚拟检测线的实际距离除以车辆目标分别到达两条虚拟检测线的时间差得到车辆目标的速度。

6.根据权利要求1所述的施工现场车辆监控方法，其特征在于：所述监控图像序列处理步骤中步骤4的跟踪采用的跟踪方法是最短距离跟踪法；

即在上一帧的所有车辆目标中找出形心与当前帧的待跟踪车辆目标形心相距最短的车辆目标，认定为同一车辆目标后进行信息跟踪，并传递跟踪信息；所述跟踪信息包括该车辆目标首次出现时的位置坐标、行进方向、车辆类型。

7.根据权利要求1所述的施工现场车辆监控方法，其特征在于：所述监控图像序列采集步骤中监控设备的采集频率为每秒5到20帧。

8.根据权利要求1所述的施工现场车辆监控方法，其特征在于：所述监控信息存储步骤包括每天设置并存储用于记录当天车辆目标出入情况的四个列表；

所述四个列表分别为：进入的工程大车列表、出去的工程大车列表、进入的小型机动车列表、出去的小型机动车列表；

所述四个列表的当天数据信息实时更新、实时显示。

9.根据权利要求1所述的施工现场车辆监控方法，其特征在于：所述监控信息的显示和报警步骤包括显示施工现场出入的车辆类型、数量，对超出施工现场规定限制车速的车辆目标予以报警、并将超速车辆的监控图像显示。