CN105761501A - 一种智能车辆行为检测抓拍方法 - Google Patents

Abstract

本发明属于视频监控技术领域，它公开了一种智能车辆行为检测抓拍方法，其特征在于，步骤包括：获取摄像视频序列，获取实时的视频流并进行序列化；前景区域检测，利用背景差分算法检测运动前景；车辆检测，过滤噪声，并获取准确的车辆位置；车辆跟踪，采用时空信息、匹配和预测方法，对车辆进行准确的跟踪，得到车辆对象的运动轨迹，并保存车辆对象的轨迹信息；判断车辆是否到达触发线位置，如是没有到达，则进行下一帧的检测，如果到达则发出触发信号。本发明即提高了电子交通管理智能化水平，又提高了对交通违章车辆检测、识别、抓拍的效率，可实现电子交通管理中采集、识别、记录智能一体化。

Description

一种智能车辆行为检测抓拍方法

技术领域

本发明涉及视频监控技术领域，具体涉及一种智能车辆行为检测抓拍方法。

背景技术

在“向科技要警力、向科技要效率”的今天，随着城市机动车数量的不断增长，带来诸多便利的同时，也存在着一些问题，城市道路交通事故频频发生，给城市交通管理造成了一定的难度。

利用科技手段实现对道路交通进行有力的治理，既能有效的防止此类交通违章行为，减少由此引起的事故，又能对违章的驾驶员起到威慑作用，促进交通秩序良性循环，同时能将部分交警解放下来，在一定程度上缓解警力不足，真正体现向科技要警力的无穷力量。

近年来孕育而生的电子化交通管理等已得到了广泛的应用，例如：闯红灯抓拍、超速抓拍等；但其多数系统停留在对违章等车辆的抓拍上，后续需经过较多的人工成本和时间对车辆进行识别，这也产生了工作量大，效率不高，智能化程度低的问题。

发明内容

本发明针对现有技术的上述问题，提供一种智能车辆行为检测抓拍方法，本方法提高了电子交通管理智能化水平，又提高了对交通违章检测、车辆行为识别、违章抓拍等的效率，可实现交通违章等行为管理中采集、识别、记录智能一体化管理。

为了达到上述目的，本发明采用的技术方案为：

本发明一种智能车辆行为检测抓拍方法，包括如下步骤：

获取摄像视频序列，获取实时的视频流并进行序列化；

前景区域检测，利用背景差分算法检测运动前景；

车辆检测，过滤噪声，并获取准确的车辆位置；

车辆跟踪，采用时空信息、匹配和预测方法，对车辆进行准确的跟踪，得到车辆对象的运动轨迹，并保存车辆对象的轨迹信息；

判断车辆是否到达触发线位置，如是没有到达，则进行下一帧的检测，如果到达则发出触发信号。

本发明进一步的，所述步骤前景区域检测中包括如下步骤：

首先通过初始多帧视频图像的自学习建立一个背景模型；

然后对当前帧图像与背景模型进行差分计算，消除背景的影响，从而获取运动目标的前景区域。

进一步的，本发明方法步骤还包括：

背景更新，根据步骤前景区域检测中，背景差分计算中运动目标检测的结果，有选择性地更新背景模型，并保存背景模型用于下一次的前景区域检测。

进一步的，本发方法步骤还包括：

采用车牌识别方法，在车辆到达触发线的时刻，若检测到图像中的车辆存在车牌，则进行车牌识别，并触发抓拍；对于无后车牌或后车牌遮挡的车辆，无法检测到车牌，此时将检测运动对象与系统内建的车辆模型相是否匹配，是则触发抓拍，并记录为无牌车辆。

进一步的，本发明方法步骤还包括：

抓拍将至少分两次进行，第一次在车辆到达红灯触发线时进行一次抓拍；第二次在车辆离开红灯触发线进行一次抓拍。

本发明具有下述优点：

1、本发明通过图像采集并对图像中的车辆进行智能分析自动检测红绿灯和车辆闯红灯行为，实时触发违章拍照，智能识别车辆，减轻了人工成本，提高了电子化交通管理的智能化水平和工作效率；

2、本发明与视频监控、智能分析识别、电子抓拍形成一体，具有很好的兼容性和通用性；

3、本发明方法流程简洁，系统实现效率高，车辆行为检测和抓拍准确率高；

4、本发明具有很好的扩展性，可扩展交通车辆管理处罚等应用。

附图说明

图1为本发明实施例中一种智能车辆行为检测抓拍方法的车辆检测流程图。

图2为本发明实施例中一种智能车辆行为检测抓拍方法的抓拍触发流程图。

具体实施方式

实施例1，

如图1所示，本实施例中一种智能车辆行为检测抓拍方法的车辆检测流程图；

本实施例采用基于运动检测的车辆检测方法，其通过学习建立道路背景模型，将当前帧图像与背景模型进行背景差分得到运动前景像素点，然后对这些运动前景像素进行处理得到车辆信息。

整个检测过程分为以下步骤：

1、获取摄像视频序列，由高清摄像头获取实时的视频流并进行序列化；

2、前景区域检测，利用背景差分算法检测运动前景；

首先通过初始多帧视频图像的自学习建立一个背景模型；

然后对当前帧图像与背景模型进行差分运算，消除背景的影响，从而获取运动目标的前景区域；

3、背景更新，根据背景差分运算中运动目标检测的结果，有选择性地更新背景模型，并保存背景模型；

4、车辆检测，过滤噪声，并获取准确的车辆位置；

5、车辆跟踪，运用时空信息、匹配和预测等算法，对车辆进行准确的跟踪，得到车辆对象的运动轨迹，并保存车辆对象的轨迹信息；

6、判断车辆是否到达触发线位置，如是没有到达，则进行下一帧的检测，如果到达则发出触发信号。

实施例2，

如图2所示，本实施例中智能车辆行为检测抓拍方法的抓拍触发流程图；

本实施例进一步改进，抓拍触发流程如下：

当接收到抓拍触发指令；

首先在车辆到达触发线的时刻，检测识别是否有车牌信息，若检测到图像中的车辆存在车牌，则采用车牌识别方法进行车牌识别，并触发抓拍；

对于无后车牌或后车牌遮挡的车辆，系统无法检测到车牌，此时将启用车辆匹配模式，若运动对象与系统内建的车辆模型相匹配，则触发抓拍，并记录为无牌车辆；

抓拍将至少分两次进行，第一次在车辆到达红灯触发线时进行一次抓拍；第二次在车辆离开红灯触发线进行一次抓拍。

以上所述仅是本专利的优选实施方式，本专利的保护范围并不仅局限于上述实施例，凡属于本专利思路下的技术方案均属于本专利的保护范围。应当指出，对于本专利的普通技术人员来说，在不脱离本专利原理前提下的若干改进和润饰，这些改进和润饰也应视为本专利的保护范围。

Claims (5)

1.一种智能车辆行为检测抓拍方法，其特征在于，包括如下步骤：

获取摄像视频序列，获取实时的视频流并进行序列化；

前景区域检测，利用背景差分算法检测运动前景；

车辆检测，过滤噪声，并获取准确的车辆位置；

车辆跟踪，采用时空信息、匹配和预测方法，对车辆进行准确的跟踪，得到车辆对象的运动轨迹，并保存车辆对象的轨迹信息；

判断车辆是否到达触发线位置，如是没有到达，则进行下一帧的检测，如果到达则发出触发信号。

2.根据权利要求1所述一种智能车辆行为检测抓拍方法，其特征在于，所述步骤前景区域检测中包括如下步骤：

首先通过初始多帧视频图像的自学习建立一个背景模型；

然后对当前帧图像与背景模型进行差分计算，消除背景的影响，从而获取运动目标的前景区域。

3.根据权利要求2所述一种智能车辆行为检测抓拍方法，其特征在于，步骤还包括：

背景更新，根据步骤前景区域检测中，背景差分计算中运动目标检测的结果，有选择性地更新背景模型，并保存背景模型用于下一次的前景区域检测。

4.根据权利要求1-3任一项所述一种智能车辆行为检测抓拍方法，其特征在于，步骤还包括：

采用智能车牌识别方法，在车辆到达触发线的时刻，若检测到图像中的车辆存在车牌，则进行车牌识别，并触发抓拍；

对于无后车牌或后车牌遮挡的车辆，无法检测到车牌，此时将检测运动对象与系统内建的车辆模型相是否匹配，是则触发抓拍，并记录为无牌车辆。

5.根据权利要求1-3任一项所述一种智能车辆行为检测抓拍方法，其特征在于，步骤还包括：

抓拍将至少分两次进行，第一次在车辆到达红灯触发线时进行一次抓拍；第二次在车辆离开红灯触发线进行一次抓拍。