CN105070053A - 一种识别车辆违规运动模式的智能交通监控摄像机 - Google Patents

Abstract

本发明提供一种识别车辆违规运动模式的智能交通监控摄像机。包括视频采集模块、图像处理模块、车辆违规运动模式分类处理模块及视频传送系统，其中所述的视频采集模块为网络监控摄像头，所述的图像处理模块内置在摄像头中，并包含有模式识别系统，能够基于轨迹直方图与支持向量机对车辆行为进行模式识别；所述的车辆违规运动模式分类处理模块也内置在摄像头中，车辆违规运动模式分类处理模块处理来自图像处理模块识别的信息。本发明能自动识别出当前视频监控画面内车辆的违规行为模式，并及时提取车辆的车牌信息，以达到智能监控的目的，而且能够在一定程度上解决交通事故问题，也能为交通事故的责任认定与划分提供有力的证据。

Description

一种识别车辆违规运动模式的智能交通监控摄像机

技术领域

本发明涉及图像处理和模式识别技术领域，具体是一种识别车辆违规运动模式的智能交通监控摄像机。

背景技术

我国道路交通事故频发，交通安全问题历来是国家重点关注的重大民生问题。数据表明，仅2013年，我国共接报道路交通事故598.7万起，涉及人员伤亡的道路交通事故198394起，造成58539人死亡，直接财产损失10.4亿元。多数道路交通事故频发的主要原因在于道路交通管理力度不够，且对于事故发生后的责任认定与划分存在较大的争议。近年来，随着电子产业的迅猛发展，各类新型传感器以及超大容量存储设备的不断产生，基于视频的各种理论分析与应用日益完善。利用数字图像处理技术，对道路监控视频进行处理，能有效地对运动车辆的车牌进行识别，能精确的计算运动车辆的运行速度，亦能识别车辆的运动模式。

基于视频的车辆运动模式识别技术可从监控视频中提取车辆的运动信息，利用模式识别算法识别车辆的运动模式，灵活方便且识别率高，该方法受到了交通管理者及国内外学者的广泛关注。

中国专利文献CN101965600A提出了车辆行驶模式信息获取装置、行驶模式信息获取方法以及行驶模式信息获取程序，该发明对于多台车辆获得用于识别道路上车辆的车速识别信息，基于车速识别信息的分布，车速识别信息分别对应于车辆的各组运动，基于该分类可获得车辆的运动的发生概率。中国专利文献CN101593422A提出了一种基于视频追踪和模式识别的交通违规检测方法，该发明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面的视频画面；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。

以上两篇专利文献中，都涉及到了图像识别和模式识别领域，CN101965600A主要识别车辆的车速以预测车辆的运动信息，与本文所提出的智能视频显示终端有较大的不同；CN101593422A则运用视频追踪和模式识别的方法进行交通违规的检测，但该检测具有随机性，较大可能性会出现漏检，且识别的模式只针对交通违规行为，对于交通管理者的数据采集具有一定的局限性，此外，处理方式为简单的抓拍，并不能完全的显示出该车辆的具体违法信息。国内外其他的专利文献中，罕有研究者同时考虑运动车辆的各类运动模式，基本为对某一模式进行较深的研究，且在模式识别的研究用途上也各有侧重。对于识别各类运动模式并进行数字化分类及分离违规运动模式的研究更为少见。除此之外，目前的研究行为模式识别的处理均在后台，少有能在监控摄像头端完成的，在实时性上具有一定的局限。

基于视频的运动模式识别及分类，涉及较为复杂的图像处理及模式识别算法。在视频识别技术中，需对运动车辆进行跟踪，并进行特征提取，提取的特征包括Harr特征、积分特征和角度特征，车辆的运动模式识别研究方法，可根据现有各种方法，包括蒙特卡洛仿真方法、动态重复博弈论、行为学理论、线性跟驰理论等进行运动车辆的各类模式识别。

发明内容

本发明所要解决的技术问题是针对上述存在的不足，提供一种能自动识别出当前视频监控画面内车辆的违规行为模式，并及时提取车辆的车牌信息，将所有涉及违规行为的车辆以文本信息记录，并将文本信息刻入原始视频，以达到智能监控的目的，而且能够在一定程度上解决交通事故问题，也能为交通事故的责任认定与划分提供有力的证据的识别车辆违规运动模式的智能交通监控摄像机。

本发明解决其技术问题所采用的技术方案是：

一种识别车辆违规运动模式的智能交通监控摄像机，包括视频采集模块、图像处理模块、车辆违规运动模式分类处理模块及视频传送系统，其中所述的视频采集模块为网络监控摄像头，安装于路边高点处，且具有一定的高度，能广角度清晰地拍摄及监控路面车辆的运动过程，其特征在于：

所述的图像处理模块内置在摄像头中，该模块为DSP芯片，实现了视频处理算法，并包含有模式识别系统，能够基于轨迹直方图与支持向量机对车辆行为进行模式识别，主要识别车辆的违规运动模式，包括：频繁换道、非法换道、逆行、非法占道及非法掉头，此外，图像处理模块还能实时提取车牌信息。

在上述方案中，所述的模式识别系统工作过程为：首先，从原始视频中对车辆进行检测和跟踪；第二步，以轨迹直方图描述车辆的运动轨迹；第三步，将车辆的运动行为用支持向量机(SVM)来体现，SVM的参数由粒子群优化(PSO)算法进行优化，车辆的检测模型也经过训练；最后，违规车辆行为模式由经过训练的SVM模型得到检测。

所述的车辆违规运动模式分类处理模块也内置在摄像头中，车辆违规运动模式分类处理模块处理来自图像处理模块识别的信息，将频繁换道、非法换道、逆行、非法占道及非法掉头等模式转换成数字信息进行编码，并在所分析的视频段内，将车辆违规运动模式的编码信息和经图像处理模块提取的车牌信息嵌入原始视频信息，得到最终处理后的视频。

在上述方案中，车辆违规运动模式分类处理模块将处理后的视频添加了文本信息，文本信息显示视频画面中车辆的违规行为模式及车牌信息。

所述的视频传送系统，是利用光纤将实时的原始监控视频与处理后的视频传送至交通管理中心，便于交通管理者实时观察道路情况，并能随时调取视频进行分析。

在上述方案中，所述的摄像机配有中央处理器，所有的处理过程均在路侧摄像机中完成。

本发明的优点及显著效果在于：本发明能监控道路上行驶的所有车辆的运动信息，并截取车辆具有违规运动模式的视频片段进行分析，分析处理后的视频将车辆的违规运动模式以数字编码形式输出，最后实时传送原始监控视频及处理后的视频至交通管理中心，使交通管理者能快速判断车辆的运动状态，能提高道路监控视频的智能化水平，亦能为交通事故的责任认定与划分提供有力的证据。为交通管理者提供及时、有效的事故处理手段与依据，在一定程度上能缓解交通事故的频发。

附图说明

图1为本发明实施例总体设计方案框图；

图2为本发明实施例违法车辆行为识别流程图；

图3为本发明实施例车辆违规行为模式识别及分类算法示意图；

图4为本发明实施例摄像机路侧安装示意图；

图5为本发明实施例处理后视频示意图。

具体实施方式

下面结合具体实施方式，对本发明作进一步的说明：

参照图1，本发明为一种识别车辆违规运动模式的智能交通监控摄像机，该发明的核心处理器内置在路侧智能交通监控摄像机中，所有的工作均在路侧完成。视频采集模块安装在路侧，能广角度拍摄及监控路面车辆的运动过程，为车辆的运动模式识别提供基础；视频采集模块将视频信息传输给图像处理模块，图像处理模块为DSP芯片，实现了视频处理算法，采用轨迹直方图与支持向量机，能够识别车辆运动轨迹和模式，主要识别车辆的违规运动模式，包括：频繁换道、非法换道、逆行、非法占道及非法掉头。此外，图像处理模块还能实时提取车牌信息；车辆违规运动模式分类处理模块处理来自图像处理模块识别的信息，将频繁换道、非法换道、逆行、非法占道及非法掉头等模式转换成数字信息进行编码，对应的数字信息分别为“1”、“2”、“3”、“4”、“5”，并在所分析的视频段内，将车牌信息和车辆违规运动模式的编码信息以文本框的形式嵌入原始视频信息，得到最终处理后的视频；视频传送系统利用光纤将实时的原始监控视频与处理后的视频传送至交通管理中心。

参照图2，本发明的具体流程为：视频采集模块拍摄道路车辆运动状态，利用网络将原始视频数据传送至模式识别系统，在模式识别系统内识别出运动车辆的各种运动模式，将处理后的结果输入到模式处理分类系统，在模式处理分类系统将各类运动模式转化成数字信息，并判断是否存在违规运动模式，最后显示终端上显示处理完成的数字信息，数字信息包括颜色与数字。至此，整个处理及显示过程结束。

参照图3，本发明在进行车辆行为模式识别时，所用的方法为轨迹直方图和支持向量机。车辆检测及模式识别过程分四步。首先，从原始视频中对车辆进行检测和跟踪；第二步，以轨迹直方图描述车辆的运动轨迹；第三步，将车辆的运动行为用支持向量机(SVM)来体现，SVM的参数由粒子群优化(PSO)算法进行优化，车辆的检测模型也经过训练；最后，违规车辆行为模式由经过训练的SVM模型得到检测。车辆的运动轨迹表示基于三次B样曲线，轨迹的形状及时空分布轮廓由B样曲线的控制点来表述；根据三次B样曲线，每条轨迹的控制点数量(恒定值)即可获得，基于恒定的控制点的数量，便可提取出包含了车辆的控制角、控制角的变换频率、速度变化、平均速度等参数的轨迹直方图；车辆的横向运动可由控制角和控制角的变化频率来描述。

支持向量机(SVM)的概念：支持向量机(SVM)是建立在统计学习理论基础上的一种数据挖掘方法，能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域和学科。SVM的机理是寻找一个满足分类要求的最优分类超平面，使得该超平面在保证分类精度的同时，能够使超平面两侧的空白区域最大化。理论上，支持向量机能够实现对线性可分数据的最优分类。

轨迹直方图：轨迹直方图的提出是基于三次B样曲线方法，某个轨迹的形状及时空分布由B样控制点描述，算法描述如下：

输入：节点的轨迹训练序号的集合和轨迹坐标；

输出：控制点矩阵；

初始化节点向量：

计算1：轨迹参数向量的定义和计算

l＝{0,l₂,…l_N-1,l_N}

$l_t=\frac{h_t}{h_N}=\frac{\underset{i=2}{\overset{t}{\Σ}}\sqrt{{(x_i-x_{i-1})}^2+{(y_i-y_{i-1})}^2}}{\underset{i=2}{\overset{N}{\Σ}}\sqrt{{(x_i-x_{i-1})}^2+{(y_i-y_{i-1})}^2}},(t=2,3,...,N,l_t\∈(0,1\])$

上式中，表示给定点(x_n,y_n)运动的总距离。

计算2：三次B样曲线的基函数

$K_{i,1}\left(l_t\right)=\left\{\begin{array}{cc}1& \begin{array}{cc}if& {\mathrm{\&tau;}}_i<l_t<{\mathrm{\&tau;}}_{i+1}\end{array}\\ 0& otherwise\end{array}\right.$

$K_{i,j}=\frac{l_t-{\mathrm{\&tau;}}_i}{{\mathrm{\&tau;}}_{i+j-1}-{\mathrm{\&tau;}}_i}{K}_{i,j-1}+\frac{{\mathrm{\&tau;}}_{i+j}-l_t}{{\mathrm{\&tau;}}_{i+j}-{\mathrm{\&tau;}}_{i+1}}{K}_{i+1,j-1}$

计算3：输出控制点

C^XY＝φ^⊥T^XY

式中，φ^⊥＝(φ^Tφ)^-1φ^T

由三次B样曲线可获取每条轨迹的控制点的数量，根据控制点的数量，提出了轨迹直方图(包含控制角、控制角变化频率、速度变化及平均速度)的定义。

与现有的基于图像识别算法的差异

现有的图像识别算法基本上都是基于HOG+SVM(方向直方图+支持向量机)及其改进算法进行目标识别与跟踪，很难精细到车辆的运动模式识别。基于轨迹直方图与支持向量机的车辆行为模式识别通过跟踪车辆行驶过程中的角度、速度、速度变化等情况，判断车辆行驶时的各种运动模式，并利用SVM进行运动模式的分类，不是纯粹的图像识别研究，在图像识别的基础上添加了模式识别。

本发明所涉及的车辆违规轨迹行为模式分类由SVM训练模型实现。基于SVM理论，本发明采用普遍使用的C-SVM模型进行试验数据集的获取和训练，以进行车辆的违规行为模式分类。本发明所涉及的智能交通监控摄像机获取的数据为车辆的违规行为数据，每辆车的行为数据在训练的数据集中都有一个相应的标签，该标签代表了车辆的违规行为模式；然后，将训练的数据集和参数C、γ放进C-SVM模型中；在C-SVM模型中，基于核函数f(x)能将训练数据匹配到高维度空间，因而能找到最优的分类超平面，即可对违规行为模式进行分类。

参照图4，本发明的视频采集模块及主传感器——智能交通监控摄像机安装在路侧，安装高度和角度需严格控制，需保证较大的监控范围，为中央处理器的数据分析提供充足的数据。

参照图5，本发明的最终处理处理视频将通过光纤传送至交通管理中心。处理后的视频画面中嵌入了一块文本信息，该文本描述的内容是在本帧图像内，具有违规行为模式车辆的车牌信息及数字化后的该车辆的违规行为模式。视频画面中所有具有违规行为模式的车辆信息均被录入该文本中，且该文本的内容会随视频画面的变化而变化。

以上内容是结合优选技术方案对本发明所做的进一步详细说明，不能认定本发明的具体实施仅限于这些说明。对本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出简单的推演和替换，都应当视为本发明的保护内容。

Claims (6)

1.一种识别车辆违规运动模式的智能交通监控摄像机，包括视频采集模块、图像处理模块、车辆违规运动模式分类处理模块及视频传送系统，其中所述的视频采集模块为网络监控摄像头，安装于路边高点处，且具有一定的高度，能广角度清晰地拍摄及监控路面车辆的运动过程，其特征在于：

所述的图像处理模块内置在摄像头中，该模块为DSP芯片，实现了视频处理算法，并包含有模式识别系统，能够基于轨迹直方图与支持向量机对车辆行为进行模式识别，识别车辆的违规运动模式，包括：频繁换道、非法换道、逆行、非法占道及非法掉头，此外，图像处理模块还能实时提取车牌信息；

所述的车辆违规运动模式分类处理模块也内置在摄像头中，车辆违规运动模式分类处理模块处理来自图像处理模块识别的信息，将频繁换道、非法换道、逆行、非法占道及非法掉头等模式转换成数字信息进行编码，并在所分析的视频段内，将车辆违规运动模式的编码信息和经图像处理模块提取的车牌信息嵌入原始视频信息，得到最终处理后的视频；

所述的视频传送系统，是利用光纤将实时的原始监控视频与处理后的视频传送至交通管理中心，便于交通管理者实时观察道路情况，并能随时调取视频进行分析。

2.如权利要求1所述的识别车辆违规运动模式的智能交通监控摄像机，其特征在于，所述的模式识别系统工作过程为：

首先，从原始视频中对车辆进行检测和跟踪；

第二步，以轨迹直方图描述车辆的运动轨迹；

第三步，将车辆的运动行为用支持向量机(SVM)来体现，SVM的参数由粒子群优化(PSO)算法进行优化，车辆的检测模型也经过训练；

最后，违规车辆行为模式由经过训练的SVM模型得到检测。

3.如权利要求1所述的识别车辆违规运动模式的智能交通监控摄像机，其特征在于，所述DSP芯片中车辆违规行为分类算法将频繁换道、非法换道、逆行、非法占道及非法掉头这5种模式转换成对应的数字信息“1”、“2”、“3”、“4”、“5”。

4.如权利要求1所述的识别车辆违规运动模式的智能交通监控摄像机，其特征在于，所述的车辆违规运动模式分类处理模块同时将车辆牌照和运动模式编码储存起来。

5.如权利要求1所述的识别车辆违规运动模式的智能交通监控摄像机，其特征在于，所述的车辆违规运动模式分类处理模块将处理后的视频添加了文本信息，文本信息显示视频画面中车辆的违规行为模式及车牌信息。

6.如权利要求1所述的识别车辆违规运动模式的智能交通监控摄像机，其特征在于，所述的摄像机配有中央处理器，所有的处理过程均在路侧摄像机中完成。