CN105702048B - 基于行车记录仪的高速公路前车违法占道识别系统及方法 - Google Patents
基于行车记录仪的高速公路前车违法占道识别系统及方法 Download PDFInfo
- Publication number
- CN105702048B CN105702048B CN201610167514.5A CN201610167514A CN105702048B CN 105702048 B CN105702048 B CN 105702048B CN 201610167514 A CN201610167514 A CN 201610167514A CN 105702048 B CN105702048 B CN 105702048B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data recorder
- automobile data
- information
- lane line
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims description 20
- 238000009434 installation Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000000875 corresponding Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 241001212149 Cathetus Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000005035 ginseng Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006011 modification reaction Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002269 spontaneous Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Abstract
本发明公开了一种基于行车记录仪的高速公路前车违法占道识别系统及方法，该系统包括行车记录仪、信息采集单元、抓拍单元、信息处理单元和车辆定位单元；信息采集单元，与行车记录仪连接，用于获取行车记录仪采集到的视频图像；抓拍单元，用于触发抓拍模式，对行车记录仪进行抓拍操作，从信息存储单元中获取抓拍时刻的视频信息；信息处理单元，用于将抓拍时刻的视频信息解码为连续帧图片，根据图片对车道线、车辆牌照和车辆目标进行识别，并根据识别结果对车辆的违法占道情况进行判断。本发明能够利用现有的大量行车记录仪设备，无需铺设大量的定点监控设备，节约了成本，为高速公路交通安全提供了技术支持。
Description
基于行车记录仪的高速公路前车违法占道识别系统及方法
技术领域
[0001] 本发明涉及高速公路交通违法行为取证技术领域，尤其涉及一种基于行车记录仪 的高速公路前车违法占道识别系统及方法。
背景技术
[0002] 高速公路被誉为一个国家走向现代化的桥梁，是发展现代交通业的必经之路。我 国高速公路发展迅速，高速公路里程已居世界第一位。然而，违法占道行驶、超速行驶以及 疲劳驾驶等交通违法行为威胁着高速公路行车安全。现有的违法占道检测方法主要有人工 检测和视频检测。现有的视频检测一般为定点监控，而定点监控需在高速公路重要路段建 设监控基站，建设成本较高，且定点监控属于抽样式监控，不能实现全面覆盖，无法监控视 觉盲区车辆。因此，需要更加灵活的交通违法行为识别和取证手段。
[0003] 近些年，随着“全民执法”概念的普及，各地交警部门鼓励民众对道路交通违法行 为进行抓拍举报活动。行车记录仪是目前使用最为广泛的车载视频装置。在国外某些国家， 行车记录仪的使用率已经达到91%以上。在国内，强制客货车使用行车记录仪的制度正在 逐步完善，且自发使用的人数也越来越多。可以预见，行车记录仪将会在汽车上普及使用。 由于行车记录仪的基数大，在其基础上开发高速公路前车违法占道识别系统与方法，可使 每台装备了行车记录仪的车辆成为可移动的交通违法行为举报者，对交通违法者产生极大 震慑作用，更能契合交通违法行为“全民执法”的理念。
[0004] 因此，本领域技术人员需要解决的一个技术问题是：如何能够提出一种新型高速 公路前车违法占道识别系统与方法，利用广泛使用的行车记录仪拍摄视频信息，对高速公 路前车违法占道行为进行识别和取证，能弥补当前定点监控的不足，为高速公路交通安全 管控提供更全面的技术支持。
发明内容
[0005] 本发明要解决的技术问题在于针对现有技术中通过设置摄像头定点监控违法占 道建设成本高，且不能全面覆盖的缺陷，提供一种利用现有行车记录仪设备拍摄的视频信 息进行违法占道识别的基于行车记录仪的高速公路前车违法占道识别系统及方法。
[0006] 本发明解决其技术问题所采用的技术方案是：
[0007] 本发明提供一种基于行车记录仪的高速公路前车违法占道识别系统，包括行车记 录仪、信息存储单元和供电单元，还包括:信息采集单元、抓拍单元、信息处理单元和车辆定 位单元；
[0008] 所述信息采集单元，与行车记录仪连接，用于获取行车记录仪采集到的视频图像；
[0009] 所述抓拍单元，用于触发抓拍模式，对行车记录仪进行抓拍操作，从信息存储单元 中获取抓拍时刻的视频信息，并将该视频信息另存至信息存储单元；
[0010] 所述车辆定位单元，用于获取车辆的GPS位置信息；
[0011] 所述信息处理单元，用于将抓拍时刻的视频信息解码为连续帧图片，根据图片对 车道线、车辆牌照和车辆目标进行识别，并根据识别结果对车辆的违法占道情况进行判断； 若判断有车辆违法占道，则将抓拍时刻的视频信息、违法占道发生时间与GPS位置信息、违 法占道车辆牌照和计算的结果进行保存。
[0012] 进一步地，本发明的所述抓拍单元获取到的抓拍时刻的视频信息，包括抓拍时刻 前5秒和抓拍时刻后5秒的历史视频信息。
[0013] 本发明提供一种基于行车记录仪的高速公路前车违法占道识别方法，包括以下步 骤：
[0014] SI、获取抓拍时刻的视频信息，将其解码为连续帧图片，根据连帧图片对车道线、 车辆牌照和车辆目标进行识别；
[0015] S2、根据行车记录仪的安装位置计算行车记录仪的外参数，并根据该外参数建立 图像坐标系与世界坐标系之间的关系；
[0016] S3、根据连帧图片计算车道线和车辆在世界坐标系中的位置，并计算车辆与车道 线的位置关系；
[0017] S4、根据每张连帧图片中车辆与车道线的位置关系，绘制车辆随时间变化的横向 轨迹，并根据该横向轨迹判断车辆是否违法占道。
[0018] 进一步地，本发明的步骤Sl中根据颜色识别和Hough变换相结合的方式进行车道 线检测与识别，其具体步骤为：
[0019] a、收集大量高速公路车道线样本，形成车道线样本空间；
[0020] b、输入待检测图片，找出待检测图片中与车道线样本空间相匹配的像素点；
[0021] c、根据已匹配的像素点进行绘图，得到根据颜色特征检测出的车道线。
[0022] 进一步地，本发明的步骤Sl中根据模板匹配法进行车牌照的识别，其具体步骤为：
[0023] a、进行车牌的定位，在图像中找出车牌区域，并对其进行倾斜矫正；
[0024] b、对已定位的车牌区域进行颜色识别，对已定位的车牌区域进行对字符分割；
[0025] c、将目标车辆的车牌号字符与构造好的字符模版进行对比，根据其相似度大小确 定识别结果，得到识别结果。
[0026] 进一步地，本发明的步骤S2中根据3条平行车道线和车道宽度对行车记录仪的外 参数进行标定。
[0027] 进一步地，本发明的该方法还包括根据连帧图片的时间差计算车辆速度。
[0028] 本发明产生的有益效果是:本发明的基于行车记录仪的高速公路前车违法占道识 别方法，通过颜色特征和形状特征结合的方式进行车道线检测，并根据车道线和车辆的位 置关系绘制出车辆的横向轨迹，进而判断车辆的违法占道情况;该方法的计算速度快，判断 准确率高;并且能够利用现有的大量行车记录仪设备，无需铺设大量的定点监控设备，节约 了成本，为高速公路交通安全提供了技术支持。
附图说明
[0029] 下面将结合附图及实施例对本发明作进一步说明，附图中：
[0030] 图1是本发明实施例的基于行车记录仪的高速公路前车违法占道识别系统的结构 示意图；
[0031] 图2是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的流程 图；
[0032] 图3是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的检测 示意图（1);
[0033] 图4是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的检测 示意图（2);
[0034] 图5是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的总体 流程图；
[0035] 图6是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的数据 处理流程图；
[0036] 图7是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的参考 坐标系（1);
[0037] 图8是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的参考 坐标系(2)。
具体实施方式
[0038] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不 用于限定本发明。
[0039] 如图1所示，本发明实施例的基于行车记录仪的高速公路前车违法占道识别系统， 包括行车记录仪、信息存储单元和供电单元，其特征在于，还包括:信息采集单元、抓拍单 元、信息处理单元和车辆定位单元；
[0040] 信息采集单元，与行车记录仪连接，用于获取行车记录仪采集到的视频图像；
[0041] 抓拍单元，用于触发抓拍模式，对行车记录仪进行抓拍操作，从信息存储单元中获 取抓拍时刻的视频信息，并将该视频信息另存至信息存储单元；
[0042] 车辆定位单元，用于获取车辆的GPS位置信息；
[0043] 信息处理单元，用于将抓拍时刻的视频信息解码为连续帧图片，根据图片对车道 线、车辆牌照和车辆目标进行识别，并根据识别结果对车辆的违法占道情况进行判断;若判 断有车辆违法占道，则将抓拍时刻的视频信息、违法占道发生时间与GPS位置信息、违法占 道车辆牌照和计算的结果进行保存。
[0044] 现有的车载行车记录仪已具备录像和视频存储的功能，系统以车载行车记录仪作 为信息采集单元的信息采集装置。若不触发抓拍单元，系统一直处于行车记录仪模式。当本 车人员怀疑前方车辆存在违法占道行为时，则通过抓拍单元对嫌疑车辆进行抓拍，抓拍单 元会对行车记录仪进行抓拍操作，从信息存储单元中调取抓拍时刻前5秒的历史视频信息， 并拍摄抓拍发生后5秒的视频信息，将抓拍前后5秒共10秒的视频信息另存至信息存储单 元。与此同时，信息处理单元通过车辆定位单元中的GPS获取违法占道发生时间与地点。抓 拍视频获取之后，信息处理单元对抓拍的视频进行分析，将视频解码为连续帧图片，根据图 片实现对车道线、车辆牌照和车辆目标的识别，依据识别出的车道线对车辆进行定位，计算 目标车辆与车道线的位置关系，通过连续帧图片的车辆位置绘制车辆的横向轨迹，判定前 方车辆是否违法占道，如果判定为违法占道，则将视频数据、违法占道发生时间与地点、违 法占道车辆牌照和计算的结果进行保存，作为判定车辆违法占道的证据。供电单元为整个 系统提供电源支持。
[0045] 如图2所示，本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法， 包括以下步骤：
[0046] Sl、获取抓拍时刻的视频信息，将其解码为连续帧图片，根据连帧图片对车道线、 车辆牌照和车辆目标进行识别；
[0047] 根据颜色识别和Hough变换相结合的方式进行车道线检测与识别，其具体步骤为：
[0048] a、收集大量高速公路车道线样本，形成车道线样本空间；
[0049] b、输入待检测图片，找出待检测图片中与车道线样本空间相匹配的像素点；
[0050] C、根据已匹配的像素点进行绘图，得到根据颜色特征检测出的车道线。
[0051] 根据模板匹配法进行车牌照的识别，其具体步骤为：
[0052] a、进行车牌的定位，在图像中找出车牌区域，并对其进行倾斜矫正；
[0053] b、对已定位的车牌区域进行颜色识别，对已定位的车牌区域进行对字符分割；
[0054] c、将目标车辆的车牌号字符与构造好的字符模版进行对比，根据其相似度大小确 定识别结果，得到识别结果。
[0055] S2、根据行车记录仪的安装位置计算行车记录仪的外参数，并根据该外参数建立 图像坐标系与世界坐标系之间的关系；
[0056] S3、根据连帧图片计算车道线和车辆在世界坐标系中的位置，并计算车辆与车道 线的位置关系；
[0057] S4、根据每张连帧图片中车辆与车道线的位置关系，绘制车辆随时间变化的横向 轨迹，并根据该横向轨迹判断车辆是否违法占道。
[0058] 该方法还包括根据连帧图片的时间差计算车辆速度。
[0059] 在本发明的另一个实施例中，信息处理单元对抓拍的视频进行解码处理，将视频 解码为等时间间距的连续帧图片并记录连续帧时间间距T。数据处理的过程分为4步，第1步 为图像识别，包括车道线识别、车牌号识别和车辆识别；第2步为行车记录仪摄像机外参数 计算;第3步为车辆横向定位，计算目标车辆与车道线的位置关系;第4步根据每帧图片的车 辆位置计算连续帧图片车辆横向轨迹，并对其是否违法占道进行判定。
[0060] 1.车道线识别、车牌号识别和车辆识别。
[0061] 利用颜色识别和Hough变换相结合的方式进行车道线检测与识别，提取出图像中 的车道线。高速公路车道线一般为白色，相对于路面的其他颜色是很明显的颜色特征，可以 通过颜色特征对车道线进行检测提取。主要步骤为:首先收集大量高速公路车道线样本，形 成车道线样本空间；其次输入待检测图片，找出待检测图片中与车道线样本空间相匹配的 像素点；最后根据已匹配的像素点进行绘图，即为根据颜色特征检测出的车道线。在根据颜 色特征提取的车道线基础上利用Hough变换进行进一步处理。Hough变换的基本思想是点线 的对偶性，利用图像全局特性连接边缘像素组成区域边界。对图像中直线上的任意一点(X， y)，Hough变换将其映射到参数空间（θ，ρ)的一条正弦曲线上。由于图像空间内的一条直线 由一对参数(θ〇，Ρ〇)唯一地确定，因而该直线上的各点变换到参数空间的各正弦曲线必然都 经过点（θ〇，Ρο)，在参数空间中的这个点的坐标就代表了图像空间中这条直线的参数。这样 将图像中的直线检测问题转换为参数空间中共线点的检测问题。在根据颜色特征提取的车 道线基础上利用Hough变换可以识别并提取出车道线。
[0062]利用模版匹配法进行车辆牌照的识别，主要步骤为:首先进行车牌的定位，在图像 中找出车牌区域，并对其进行倾斜矫正;然后，对已定位的车牌区域进行颜色识别，判断该 车辆是否是使用黄色车牌的低速车辆;其次，对已定位的车牌区域进行对字符分割;最后， 利用模版匹配法进行字符的识别，得到目标车辆的车牌号，该方法的原理为将要识别的字 符与事先构造好的字符模版进行对比，根据待检测的字符与模版的相似度大小确定识别结 果。利用Hog (方向梯度直方图）算法结合SVM算法(支持向量机)进行车辆的检测和识别。首 先搜集具备典型性的车辆图片，形成正样本库，搜集具备典型性的高速公路非车辆图片，形 成负样本库;然后提取其Hog特征，训练SVM分类器;最后将待检测图片输入至SVM分类器，得 到判断结果。
[0063] 2.行车记录仪摄像机外参数计算。
[0064] 在进行车辆位置计算前，需要标定行车记录仪摄像机内外参数，建立图像坐标系 和世界坐标系之间的联系。设(u，v)为以像素为单位的图像坐标系的坐标，[u V 1]τ表示以 像素为单位的图像坐标系的齐次坐标，K为摄像机内参数矩阵，是一个3 X 3矩阵;R和t为摄 像机外参数，R为3X3旋转矩阵，t为三维平移向量；[Xw Yw Zw 1]τ为空间点在世界坐标系的 齐次坐标表示。根据小孔成像原理：
[0065] [u V 1]T^K[R t] [Xw Yw Zw 1]T (I)
[0066] —般同一款行车记录仪摄像机内参数相同，设K为已知条件。行车记录仪摄像机外 参数与行车记录仪的安装位置有关，每一辆车都不相同。传统外参数标定需要在车辆静止 的情况下拍摄至少2张棋盘格图片。然而，在实际情况中，没有机会对所有车辆进行外参数 标定。对于标准高速公路，一般含有行车道、超车道和应急车道，行车道和超车道通过3条平 行车道线隔开，并且车道宽度即车道线间距已知。本发明使用一种外参数标定的方法，通过 3条平行车道线进行外参数计算，具体计算方法见具体实施方式。
[0067] 3.车辆横向定位。
[0068] 在得到摄像机内外参数之后，可以建立图像坐标系和世界坐标系之间的联系，可 以根据图片计算出车道线和车辆在对应世界坐标系中的位置。执行第1步，可以得到图像中 的车道线和车辆目标;执行第2步，得到摄像机内外参数;建立世界坐标系，根据小孔成像原 理，计算车辆目标与车道线的位置关系。
[0069] 4.车辆横向轨迹计算和违法占道判定。
[0070] 执行第3步可以得到单帧图片中车辆目标与车道线的位置关系。对连续帧图片进 行同样的操作，可以得到连续帧图片车辆目标与车道线的位置关系，以此绘制出车辆随时 间变化的横向轨迹。根据目标车辆的横向轨迹可以判定目标车辆是否违法占道，如果判定 为违法占道，则将视频数据、违法占道发生时间与地点、违法占道车辆牌照和计算的结果进 行保存，作为判定车辆违法占道的证据。
[0071] 如图3、图4和图5所示，在本发明的另一个实施例中，首先在T时刻，根据图片检测 出车道线、车辆和车辆牌照，并计算车辆与车道线的位置关系，然后在Τ+1、Τ+2···Τ+Ν时刻， 同样地检测出车道线、车辆和车辆牌照，并计算车辆与车道线的位置关系，最后根据每一时 刻车辆与车道线的位置关系计算出车辆随时间变化的横向轨迹。
[0072] 该系统包括信息采集单元、抓拍单元、信息处理单元、车辆定位单元、信息存储单 元和供电单元。现有的行车记录仪已具备录像和视频存储的功能，所述系统以行车记录仪 作为信息采集单元的信息采集装置。若不触发抓拍单元，系统一直处于行车记录仪模式。当 本车人员怀疑前方车辆存在违法占道行为时，则通过抓拍单元对嫌疑车辆进行抓拍，抓拍 单元会对行车记录仪进行抓拍操作，从信息存储单元中调取抓拍时刻前5秒的历史视频信 息，并拍摄抓拍发生后5秒的视频信息，将抓拍前后5秒共10秒的视频信息另存至信息存储 单元。与此同时，信息处理单元通过车辆定位单元中的GPS获取违法占道发生时间与地点。 抓拍视频获取之后，信息处理单元对抓拍的视频进行分析，将视频解码为连续帧图片，根据 图片实现对车道线、车辆牌照和车辆目标的识别，依据识别出的车道线对车辆进行定位，计 算目标车辆与车道线的位置关系，通过连续帧图片的车辆位置绘制车辆的横向轨迹，判定 前方车辆是否违法占道，如果判定为违法占道，则将视频数据、违法占道发生时间与地点、 违法占道车辆牌照和计算的结果进行保存，作为判定车辆违法占道的证据。供电单元为整 个系统提供电源支持。
[0073] 如图6所示，信息处理单元对抓拍的视频进行解码处理，将视频解码为等时间间距 的连续帧图片并记录连续帧时间间距T。数据处理的过程分为4步，第1步为图像识别，包括 车道线识别、车牌号识别和车辆识别;第2步为行车记录仪摄像机外参数计算;第3步为车辆 横向定位，计算目标车辆与车道线的位置关系;第4步根据每帧图片的车辆位置计算连续帧 图片车辆横向轨迹，并对其是否违法占道进行判定。
[0074] 第1步，车道线识别、车牌号识别和车辆识别。利用颜色识别和Hough变换相结合的 方式进行车道线检测与识别，提取出图像中的车道线。高速公路车道线一般为白色，相对于 路面的其他颜色是很明显的颜色特征，可以通过颜色特征对车道线进行检测提取。具体方 法是，首先收集大量高速公路车道线样本，形成车道线样本空间；然后输入待检测图片，找 出待检测图片中与车道线样本空间相匹配的像素点；最后根据已匹配的像素点进行绘图， 即为根据颜色特征检测出的车道线。在根据颜色特征提取的车道线基础上利用Hough变换 进行进一步处理。Hough变换的基本思想是点线的对偶性，利用图像的全局特性将边缘像素 连接起来组成区域边界。对图像中直线上的任意一点（x，y)，H〇ugh变换将其映射到参数空 间（Θ，ρ)的一条正弦曲线上。由于图像空间内的一条直线由一对参数（Θ，ρ)唯一地确定，因 而该直线上的各点变换到参数空间的各正弦曲线必然都经过点（Θ，Ρ)，在参数空间中的这 个点的坐标就代表了图像空间中这条直线的参数。这样将图像中的直线检测问题转换为参 数空间中共线点的检测问题。在颜色特征处理的车道线基础上利用Hough变换的过程为：
[0075] (1)根据图像尺寸决定Hough变换累加器的大小并分配内存。
[0076] (2)设定阈值，并根据阈值大小将Hough变换累加器中累加值小于阈值的点清零， 即认为这些点并不对应图像域中的一条直线。
[0077] (3)查找Hough变换累加器中累加值最大的点，记录该点并继续查找记录下一个累 加值最大的点，直到累加器中所有的累加值都为零，记录的这些点即对应了检测到的图像 中的直线。
[0078] ⑷根据检测到的点在图像域中绘出直线。
[0079] 利用模版匹配法进行车辆牌照的识别，主要步骤为:首先进行车牌的定位，在图像 中找出车牌区域，并对其进行倾斜矫正;然后，对已定位的车牌区域进行字符分割;最后，利 用模版匹配法进行字符的识别，该方法的原理为将要识别的字符与事先构造好的字符模版 进行对比，根据待检测的字符与模版的相似度大小确定识别结果。利用Hog算法和SVM进行 车辆的检测和识别。首先搜集具备典型性的车辆图片，形成正样本库，搜集具备典型性的道 路非车辆图片，形成负样本库;然后提取其Hog特征，训练SVM分类器;最后将待检测图片输 入至SVM分类器，得到判断结果。
[0080] 第2步，行车记录仪摄像机外参数计算。在进行车辆位置计算前，需要标定行车记 录仪摄像机内外参数，建立图像坐标系和世界坐标系之间的联系。设(u，v)为以像素为单位 的图像坐标系的坐标，[u V 1]τ表示以像素为单位的图像坐标系的齐次坐标，K为摄像机内 参数矩阵，是一个3 X 3矩阵;R和t为摄像机外参数，R为3 X 3旋转矩阵，t为三维平移向量； [Xw Yw Zw 1]τ为空间点在世界坐标系的齐次坐标表示。根据小孔成像原理：
[0081] [u V 1]T^K[R t] [Xw Yw Zw 1]T (I)
[0082] 一般同一款行车记录仪摄像机内参数相同，设K为已知条件。行车记录仪摄像机外 参数与行车记录仪的安装位置有关，每一辆车都不相同。传统外参数标定需要在车辆静止 的情况下拍摄至少2张棋盘格图片。然而，在实际情况中，没有机会对所有车辆进行外参数 标定。本发明提供一种通过平行车道线进行外参数标定的方法。对于标准高速公路，一般含 有行车道、超车道和应急车道，行车道和超车道通过3条平行车道线隔开，并且车道宽度即 车道线间距已知。
[0083] 如图7和图8所示，设3条平行车道线分别为L1，LdPL3，1^与1^间距为Cl1，1^与1^的间 距为d2,世界坐标系选择车道线方向为X方向，选择与车道线垂直的方向为Y方向，3条车道 线在图像中相交于消失点Vi。在Y方向取任意一条直线La与Li，L2和L3分别相交于mi，m2和m3， La的消失点为Va。血，m2，Π13和Va的坐标表不分别为Ml，M2，M3，Mo。
[0084] 由于消失点在车道线上，根据点在直线上的性质可得：
[0085] (2)
[0086] 再根据消失点的性质有：
[0087] V^Kn (3)
[0088] 于是有:IUgIT1V1，将m定义为X轴方向。
[0089] Y方向计算利用交比不变性，根据交比不变性可得：
[0090]
[0091]
[0092] 由此计算由此可以计算出消失点VunaSIT1Va。并且平面法向量垂直于njPna，于 是MSm Xna，可以定义Y轴方向为Xn3。
[0093] 由计算得到的X和Y方向可计算旋转矩阵R:
[0094]
[0095]
(7)
[0096] 3.车辆横向定位。
[0097] 在得到摄像机内外参数之后，可以建立图像坐标系和世界坐标系之间的联系，可 以根据图片计算出车道线和车辆在对应世界坐标系中的位置。执行第1步，可以得到图像中 的车道线和车辆目标;执行第2步，得到摄像机内外参数;建立世界坐标系，根据小孔成像原 理，计算车辆目标与车道线的位置关系。
[0098] 4.车辆横向轨迹计算和违法占道判定。
[0099] 执行第3步可以得到单帧图片中车辆目标与车道线的位置关系。对连续帧图片进 行同样的操作，可以得到连续帧图片车辆目标与车道线的位置关系，以此绘制出车辆随时 间变化的横向轨迹。根据目标车辆的横向轨迹可以判定目标车辆是否违法占道，如果判定 为违法占道，则将视频数据、违法占道发生时间与地点、违法占道车辆牌照和计算的结果进 行保存，作为判定车辆违法占道的证据。
[0100] 应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换， 而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (3)
1. 一种基于行车记录仪的高速公路前车违法占道识别方法，其特征在于，通过基于行 车记录仪的高速公路前车违法占道识别系统实现，该系统包括行车记录仪、信息存储单元 和供电单元，还包括:信息采集单元、抓拍单元、信息处理单元和车辆定位单元； 所述信息采集单元，与行车记录仪连接，用于获取行车记录仪采集到的视频图像； 所述抓拍单元，用于触发抓拍模式，对行车记录仪进行抓拍操作，从信息存储单元中获 取抓拍时刻的视频信息，并将该视频信息另存至信息存储单元； 所述车辆定位单元，用于获取车辆的GPS位置信息； 所述信息处理单元，用于将抓拍时刻的视频信息解码为连续帧图片，根据图片对车道 线、车辆牌照和车辆目标进行识别，并根据识别结果对车辆的违法占道情况进行判断;若判 断有车辆违法占道，则将抓拍时刻的视频信息、违法占道发生时间与GPS位置信息、违法占 道车辆牌照和计算的结果进行保存； 所述抓拍单元获取到的抓拍时刻的视频信息，包括抓拍时刻前5秒和抓拍时刻后5秒的 历史视频信息； 该方法包括以下步骤： 51、 获取抓拍时刻的视频信息，将其解码为连续帧图片，根据连帧图片对车道线、车辆 牌照和车辆目标进行识别； 根据颜色识别和Hough变换相结合的方式进行车道线检测与识别，其具体步骤为： 通过颜色特征对车道线进行检测提取;主要步骤为：首先收集大量高速公路车道线样 本，形成车道线样本空间；其次输入待检测图片，找出待检测图片中与车道线样本空间相匹 配的像素点;最后根据已匹配的像素点进行绘图，即为根据颜色特征检测出的车道线； 在根据颜色特征提取的车道线基础上利用Hough变换进行进一步处理;主要步骤为：利 用Hough变换的基本思想，即点线的对偶性，利用图像全局特性连接边缘像素组成区域边 界，将图像中的直线检测问题转换为参数空间中共线点的检测问题;在根据颜色特征提取 的车道线基础上利用Hough变换可以识别并提取出车道线； 根据模板匹配法进行车牌照的识别，其具体步骤为： a、 进行车牌的定位，在图像中找出车牌区域，并对其进行倾斜矫正； b、 对已定位的车牌区域进行颜色识别，对已定位的车牌区域进行字符分割； c、 将目标车辆的车牌号字符与构造好的字符模版进行对比，根据其相似度大小确定识 别结果，得到识别结果； 52、 根据行车记录仪的安装位置计算行车记录仪的外参数，并根据该外参数建立图像 坐标系与世界坐标系之间的关系； 53、 根据连帧图片计算车道线和车辆在世界坐标系中的位置，并计算车辆与车道线的 位置关系； 54、 根据每张连帧图片中车辆与车道线的位置关系，绘制车辆随时间变化的横向轨迹， 并根据该横向轨迹判断车辆是否违法占道。
2. 根据权利要求1所述的基于行车记录仪的高速公路前车违法占道识别方法，其特征 在于，步骤S2中根据3条平行车道线和车道宽度对行车记录仪的外参数进行标定。
3. 根据权利要求1所述的基于行车记录仪的高速公路前车违法占道识别方法，其特征 在于，该方法还包括根据连帧图片的时间差计算车辆速度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610167514.5A CN105702048B (zh) | 2016-03-23 | 2016-03-23 | 基于行车记录仪的高速公路前车违法占道识别系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610167514.5A CN105702048B (zh) | 2016-03-23 | 2016-03-23 | 基于行车记录仪的高速公路前车违法占道识别系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105702048A CN105702048A (zh) | 2016-06-22 |
| CN105702048B true CN105702048B (zh) | 2018-09-11 |
Family
ID=56231745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610167514.5A Expired - Fee Related CN105702048B (zh) | 2016-03-23 | 2016-03-23 | 基于行车记录仪的高速公路前车违法占道识别系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105702048B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107705552B (zh) * | 2016-08-08 | 2020-04-28 | 杭州海康威视数字技术股份有限公司 | 一种应急车道占用行为检测方法、装置及系统 |
| CN106251627A (zh) * | 2016-08-26 | 2016-12-21 | 上海德督信息科技有限公司 | 一种车载式交通违章智能监控设备 |
| CN106446856A (zh) * | 2016-09-30 | 2017-02-22 | 北京中星微电子有限公司 | 车辆占道行驶智能监控方法和系统 |
| US9952594B1 (en) * | 2017-04-07 | 2018-04-24 | TuSimple | System and method for traffic data collection using unmanned aerial vehicles (UAVs) |
| CN107705577B (zh) * | 2017-10-27 | 2020-05-26 | 中国科学院声学研究所 | 一种基于车道线标定车辆违章变道的实时检测方法及系统 |
| CN109034171A (zh) * | 2018-07-24 | 2018-12-18 | 北京易泊时代科技有限公司 | 视频流中的无牌车辆检测方法和装置 |
| CN109637151B (zh) * | 2018-12-31 | 2021-12-07 | 上海眼控科技股份有限公司 | 一种高速公路应急车道违章行驶的识别方法 |
| CN111554098B (zh) * | 2020-04-27 | 2021-10-15 | 上海智能交通有限公司 | 一种高速公路应急车道占用检测系统及其实现方法 |
| CN112396040B (zh) * | 2021-01-19 | 2022-03-01 | 成都四方伟业软件股份有限公司 | 一种车辆占道识别方法及装置 |
| CN113591820A (zh) * | 2021-09-30 | 2021-11-02 | 深圳市鑫道为科技有限公司 | 一种可提取肇事车牌信息的行车数据存储方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6366222B1 (en) * | 1998-05-28 | 2002-04-02 | Edward L. Russell, Jr. | Able to operate tag |
| CN100481149C (zh) * | 2006-05-22 | 2009-04-22 | 昆明利普机器视觉工程有限公司 | 交通违章取证的车辆视频数据挖掘系统和方法 |
| CN201111725Y (zh) * | 2007-09-06 | 2008-09-10 | 浙江银江电子股份有限公司 | 基于视频的电子警察系统 |
| CN103605977B (zh) * | 2013-11-05 | 2017-01-18 | 奇瑞汽车股份有限公司 | 一种车道线的提取方法及装置 |
| CN104834932A (zh) * | 2015-04-29 | 2015-08-12 | 河南城建学院 | 一种汽车车牌识别的matlab算法 |
| CN104952122B (zh) * | 2015-05-19 | 2017-11-24 | 佛山市锐诚云智能照明科技有限公司 | 可自动进行违章取证的行车记录仪及系统 |
-
2016
- 2016-03-23 CN CN201610167514.5A patent/CN105702048B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN105702048A (zh) | 2016-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105702048B (zh) | 基于行车记录仪的高速公路前车违法占道识别系统及方法 | |
| US10762338B2 (en) | Method and apparatus for detecting fake license plates of vehicles, readable storage medium, and electronic device | |
| CN102722704B (zh) | 一种融合视频动态跟踪的车牌识别方法和系统 | |
| Saha et al. | License Plate localization from vehicle images: An edge based multi-stage approach | |
| CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
| CN103824452A (zh) | 一种轻量级的基于全景视觉的违章停车检测装置 | |
| CN102867417B (zh) | 一种出租车防伪系统及方法 | |
| CN109949579A (zh) | 一种基于深度学习的闯红灯违法自动审核方法 | |
| CN105046966A (zh) | 即停即离区域的违章停车行为自动检测系统和方法 | |
| CN102682304A (zh) | 一种融合多特征的行人检测方法及装置 | |
| CN103164958B (zh) | 车辆监控方法及系统 | |
| CN109637151A (zh) | 一种高速公路应急车道违章行驶的识别方法 | |
| CN102682608A (zh) | 机动车遮挡和污损车牌行为的图像取证方法 | |
| CN108133599A (zh) | 一种渣土车视频识别方法及系统 | |
| CN103914682A (zh) | 一种车牌识别方法及系统 | |
| CN108986472A (zh) | 一种掉头车辆监控方法及装置 | |
| CN110866479A (zh) | 一种检测摩托车驾驶员未戴头盔的方法、装置及系统 | |
| CN103390145A (zh) | 一种目标区域车辆检测方法以及系统 | |
| CN103699880A (zh) | 基于物联网的交通违法车辆牌照检测与识别方法 | |
| CN101369312B (zh) | 检测图像中交叉口的方法和设备 | |
| CN112115800A (zh) | 一种基于深度学习目标检测的车辆组合识别系统及方法 | |
| CN204884166U (zh) | 一种交通禁停区域违章停车监测装置 | |
| CN105184301B (zh) | 一种利用四轴飞行器判别车辆方位的方法 | |
| CN106960193A (zh) | 一种车道线检测装置和方法 | |
| Kumar et al. | Smart City Traffic Management and Surveillance System for Indian Scenario |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180911 Termination date: 20190323 |