CN107688764A - 检测车辆违章的方法及装置 - Google Patents

Abstract

本申请提供一种检测车辆违章的方法及装置，方法包括：在采集图像中检测目标车辆，获取目标车辆的车牌与目标车辆的第一相对位置比，根据第一相对位置比确定标准值；在跟踪目标车辆的过程中，采集跟踪图像，获取目标车辆在跟踪图像中的跟踪点的位置；利用目标车辆在跟踪图像中的跟踪点的位置，获取目标车辆的车牌与该目标车辆的第二相对位置比，判断第二相对位置比与标准值是否相同；若不相同，则利用标准值修正该跟踪点的位置，利用修正后的跟踪点的位置获取跟踪图像的车尾修正值，并根据跟踪图像的车尾修正值判断目标车辆是否违章。本申请通过修正后的跟踪点的位置获得车尾修正值，然后根据该车尾修正值判断车辆是否违章，可以避免误判的问题。

Description

检测车辆违章的方法及装置

技术领域

本申请涉及通信技术领域，尤其涉及一种检测车辆违章的方法及装置。

背景技术

由于电子警察能够缓解警力不足的问题，因此电子警察在交通管理中扮演着越来越重要的角色。以闯红灯违章抓拍为例，一辆车存在违章后，交管部门需要的理想违章证据图像链，为车辆未过停止线的抓拍图(如图1A所示的第一类证据图像)、车辆已经越过停止线的抓拍图(如图1B所示的第二类证据图像)以及车辆越过停止线后朝对面路口直行的抓拍图(如图1C所示的第三类证据图像)。

然而，在目前的证据图像抓拍技术中，通常利用车牌(或者车尾灯)作为跟踪点进行抓拍，如果单纯利用该跟踪点作为判断是否越过停止线的条件，很容易出现跟踪点过了停止线，但是车尾仍在停止线的另一端，即跟踪点过了停止线，车辆未过停止线，而造成误判。

发明内容

有鉴于此，本申请提供一种检测车辆违章的方法及装置，以解决现有违章判断方式容易造成误判的问题。

根据本申请实施例的第一方面，提供一种检测车辆违章的方法，应用于视频监控设备上，所述方法包括：

在采集图像中检测目标车辆，获取所述目标车辆的车牌与所述目标车辆的第一相对位置比，并根据所述第一相对位置比确定标准值；

在跟踪所述目标车辆的过程中，采集跟踪图像，并获取所述目标车辆在跟踪图像中的跟踪点的位置；

利用所述目标车辆在跟踪图像中的跟踪点的位置，获取所述目标车辆的车牌与所述目标车辆的第二相对位置比，并判断所述第二相对位置比与所述标准值是否相同；

若不相同，则利用所述标准值修正所述跟踪点的位置，并利用修正后的跟踪点的位置获取所述跟踪图像的车尾修正值，并根据所述跟踪图像的车尾修正值判断所述目标车辆是否违章。

根据本申请实施例的第二方面，提供一种检测车辆违章的装置，应用于视频监控设备上，所述装置包括：

标准值确定单元，用于在采集图像中检测目标车辆，获取所述目标车辆的车牌与所述目标车辆的第一相对位置比，并根据所述第一相对位置比确定标准值；

跟踪单元，用于在跟踪所述目标车辆的过程中，采集跟踪图像，并获取所述目标车辆在跟踪图像中的跟踪点的位置；

获取判断单元，用于利用所述目标车辆在跟踪图像中的跟踪点的位置，获取所述目标车辆的车牌与所述目标车辆的第二相对位置比，并判断所述第二相对位置比与所述标准值是否相同；

修正及判断违章单元，用于当判断结果为不相同时，利用所述标准值修正所述跟踪点的位置，并利用修正后的跟踪点的位置获取所述跟踪图像的车尾修正值，并根据所述跟踪图像的车尾修正值判断所述目标车辆是否违章。

应用本申请实施例，视频监控设备在采集图像中检测目标车辆，获取目标车辆的车牌与目标车辆的第一相对位置比，并根据第一相对位置比确定标准值；在跟踪目标车辆的过程中，采集跟踪图像，并获取目标车辆在跟踪图像中的跟踪点的位置；利用目标车辆在跟踪图像中的跟踪点的位置，获取目标车辆的车牌与目标车辆的第二相对位置比，并判断第二相对位置比与标准值是否相同；若不相同，则利用标准值修正跟踪点的位置，并利用修正后的跟踪点的位置获取跟踪图像的车尾修正值，并根据该跟踪图像的车尾修正值判断目标车辆是否违章。基于上述实现方式，视频监控设备在检测到目标车辆之后，通过目标车辆的车牌与目标车辆的第一相对位置比的标准值修正跟踪点的位置，以消除跟踪点的抖动现象。然后再通过修正后的跟踪点的位置获取车尾修正值，并根据车尾修正值判断车辆是否违章，从而不是单纯利用跟踪点作为判断车辆是否违章的条件，这样可以避免误判的问题。

附图说明

图1A～图1C为本申请根据一示例性实施例示出的一种车辆违章证据图像链；

图2为本申请根据一示例性实施例示出的一种检测车辆违章的应用场景图；

图3A为本申请根据一示例性实施例示出的一种检测车辆违章的方法的实施例流程图；

图3B为图3A所示实施例中的跟踪图像的坐标轴图；

图3C为图3A所示实施例中的目标车辆的车牌距离地面的高度的侧面图；

图3D为图3A所示实施例中的目标车辆运动过程图；

图3E为图3A所示实施例中的目标车辆运动过程中跟踪点的位置的抖动曲线图；

图3F为图3A所示实施例中的目标车辆越过左转触发线示意图；

图4为本申请根据一示例性实施例示出的一种视频监控设备的硬件结构图；

图5为本申请根据一示例性实施例示出的一种检测车辆违章的装置的实施例结构图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

图2为本申请根据一示例性实施例示出的一种检测车辆违章的应用场景图，图2中包括：检测区域、第一抓拍区域、第二抓拍区域、第三抓拍区域以及车道线的延长线(图2中虚线所示)，其中，检测区域为开始线位置之前的区域，指的是车辆能够被检测到的区域；第一抓拍区域为开始线位置与停止线位置之间的区域，即第一类证据图像的抓拍区域，开始线位置与停止线位置之间的距离可以是稍大于一个车身的距离；第二抓拍区域为停止线位置与直行触发线位置之间的区域，即第二类证据图像的抓拍区域，该直行触发线指的是车辆触碰到该线之后，是即将直行离开，不会左转(或者右转)；第三抓拍区域为直行触发线位置与对面路口斑马线位置之间的区域，即第三类证据图像的抓拍区域，上述抓拍区域的设定可以根据实际情况进行调整，在此不进行限定。

图3A为本申请根据一示例性实施例示出的一种检测车辆违章的方法的实施例流程图，如图3A所示，该实施例可以应用于视频监控设备上，例如，该视频监控设备可以为IPC(IP camera，网络摄像机)、DVR(Digital Video Recorder，数码录像机)、NVR(NetworkVideo Recorder，网络硬盘录像机)等，下面结合图2所示的场景图，以闯红灯为例进行详细阐述，包括以下步骤：

步骤301：在采集图像中检测目标车辆，获取该目标车辆的车牌与该目标车辆的第一相对位置比，并根据第一相对位置比确定标准值。

在一个例子中，在对面路口的红灯亮时，视频监控设备采集图像，并利用车牌识别算法对采集图像的检测区域进行检测，当在采集图像的检测区域中检测到车牌时，将该车牌对应的车辆作为目标车辆，并可以将该采集图像作为初始跟踪图像，即检测帧。在另一个例子中，视频监控设备在采集图像的检测区域也可以检测车尾灯以确定目标车辆。

其中，车牌识别算法的步骤可以包括：1、车牌定位，例如可以利用梯度信息投影统计算法实现；2、字符分割，例如可以利用小波变换算法实现；3、字符识别，例如可以利用车牌区域扫描连线算法实现。

针对获取该目标车辆的车牌与该目标车辆的第一相对位置比，并根据第一相对位置比确定标准值的过程，下面以两种方式进行确定。

第一种方式：针对采集图像，视频监控设备可以根据车牌识别算法获取目标车辆在该采集图像中的跟踪点的位置，并利用该跟踪点的位置获取该目标车辆的车牌距离地面的高度，并根据预设的车型识别算法获取该目标车辆的高度；将该目标车辆的车牌距离地面的高度与该目标车辆的高度的比值作为该目标车辆的车牌与所述目标车辆的第一相对位置比，并将该第一相对位置比确定为标准值。

其中，通过车牌识别算法可以得到目标车辆在检测帧中的跟踪点的位置，在本申请实施例中，将车牌的中心点作为跟踪点的位置为例进行阐述，即以车牌的中心点的坐标作为跟踪点的坐标为例。预设的车型识别算法可以是CNN(Convolutional NeuralNetworks，卷积神经网络)车型识别算法，也可以是激光扫描算法，由于车型确定之后，目标车辆的实际车身高和宽即已确定，因此由预设的车型识别算法得到的目标车辆的高度即为实际车身高。例如，根据车型识别算法获取的目标车辆的高度为H，该目标车辆的车牌距离地面的高度为h_x，则得到第一相对位置比：将μ确定为该目标车辆的车牌与所述目标车辆的第一相对位置比的标准值。

针对利用该跟踪点的位置获取该目标车辆的车牌距离地面的高度的过程，由车牌识别算法还可以得到检测帧中的车牌的高度h_{检测帧车牌高度}和该目标车辆的车牌的实际高度h_{实际车牌高度}，图3B为图3A所示实施例中的跟踪图像的坐标轴图，如图3B所示，将跟踪图像的水平方向作为横轴，竖直方向作为纵轴，假设检测帧的宽度为a，高度为b，在检测帧中，跟踪点的坐标为(x_检测帧，y_检测帧)。图3C为图3A所示实施例中的目标车辆的车牌距离地面的高度的侧面图，如图3C所示，车牌距离地面的高度h_x的求解过程如下：

检测帧中的车牌的高度与车牌的实际高度比：其中，β表示的是目标车辆在检测帧中时，图像与实际的换算比例，该比例也可以由检测帧中的目标车辆的高度和由预设的车型识别算法得到的目标车辆的高度之比得到。

跟踪点的坐标距离图像下边沿的距离：S_{跟踪点距离图像下边沿}＝b-y_检测帧；

车牌的实际高度的投影距离：L＝β×h_{检测帧车牌高度}；

车牌投影距离立杆的长度：

S_{车牌投影与立杆距离}＝β×S_{跟踪点距离图像下边沿}+tanα×H_立杆高度+0.5×L

其中，α指的是视频监控设备在立杆上面的安装角度，视频监控设备无法采集到该角度范围内对应的图像，H_立杆高度指的是视频监控设备距离地面的高度，为视频监控设备预先设置的。

透视三角形角度θ：

车牌投影三角形边长：h＝tanθ×L；

目标车辆的车牌距离地面的高度h_x的公式为：

基于第一种方式的描述可知，由于车牌识别算法为深度学习算法，得到的跟踪点的位置准确度比较高，因此由该跟踪点的位置得到的车牌距离地面的高度的准确度也比较高，又由于预设的车型识别算法也为深度学习算法，因此由预设的车型识别算法得到的目标车辆的高度的准确度也比较高，从而，由检测帧得到的目标车辆的车牌距离地面高度与目标车辆的高度的第一相对位置比，比较符合目标车辆实际运动轨迹的位置比，可以作为目标车辆的车牌与目标车辆的第一相对位置比的标准值。

第二种方式，针对该目标车辆在检测区域时采集的多帧跟踪图像的每一帧跟踪图像，视频监控设备可以根据跟踪算法获取该目标车辆在该跟踪图像中的跟踪点的位置，并利用该跟踪点的位置获取该目标车辆的车牌距离地面的高度与该目标车辆的高度，并将该车牌距离地面的高度与该目标车辆的高度的比值作为该目标车辆的车牌与该目标车辆的第一相对位置比，并记录该跟踪点的位置与该第一相对位置比的对应关系；利用该多帧跟踪图像对应的对应关系进行线性拟合，得到跟踪点的位置与第一相对位置比的关系式，并根据该关系式获取该目标车辆的车牌与该目标车辆的第一相对位置比的标准值。

其中，视频监控设备在根据车牌识别算法检测到目标车辆之后，可以利用该目标车辆在检测区域时采集的多帧跟踪图像统计该目标车辆的车牌与该目标车辆的第一相对位置比，在检测到目标车辆之后采集的跟踪图像即为非检测帧，通过跟踪算法可以获取该目标车辆在每帧跟踪图像(非检测帧)中的跟踪点的位置，即跟踪点的坐标(x_非检测帧，y_非检测帧)。该跟踪算法可以是MeanShift算法，也可以是LK(Lucas–Kanade，光流)算法。为了确保线性拟合的准确性，该多帧跟踪图像至少几十帧，例如29帧，该帧数可以由目标车辆刚被检测到的位置距离开始线的位置进行调整。

假设目标车辆的高度为H′，下面为利用该跟踪点的位置获取目标车辆的高度H′的求解过程：

由上述预设的车型识别算法获得的目标车辆的实际车身高H_{实际车身高}和车牌识别算法获得的车牌的实际高度h_{实际车牌高度}的比，与在图像中的目标车辆的高度与车牌的高度的比相等原则：可以得到检测帧中的目标车辆的高度H_{检测帧车身高}。图3D为图3A所示实施例中的目标车辆运动过程图，如图3D所示，两条车道线的延长线的直线方程分别为L1：y＝k1*x+b1和L2：y＝k2*x+b2，由L1和L2可以得到交叉点A的坐标，将检测帧中的跟踪点的纵坐标y_检测帧代入L1，可以得到C点的坐标，将非检测帧中的跟踪点的纵坐标y_非检测帧代入L1，可以得到B点的坐标，从而可以得到A点与B点的长度AB以及A点与C点的长度AC，由相似三角形原理以及可以得到非检测帧中的目标车辆的高度H_{非检测帧车身高}和非检测帧中的车牌的高度h_{非检测帧车牌高度}；再由车牌在图像与实际中的比例与目标车辆在图像与实际中的比例相同原则可以得到目标车辆的高度H′。

针对利用该跟踪点的位置获取该目标车辆的车牌距离地面的高度，即在检测帧之后的非检测帧求解车牌距离地面的高度的过程，视频监控设备可以先将第一种方式中车牌距离地面的高度h_x公式中的车牌投影三角形边长h由当前得到的车牌投影距离立杆的长度与上一次得到的车牌投影距离立杆的长度的增量代替，该增量求解过程如下：

非检测帧中的车牌的高度与车牌的实际高度比：其中，该比例也可以由非检测帧中的目标车辆的高度H_{非检测帧车身高}和目标车辆的高度H′之比得到。

跟踪点的坐标距离图像下边沿的距离：S′_{跟踪点距离图像下边沿}＝b-y_非检测帧；

其中，由于视频监控设备采集跟踪图像的大小为固定的，因此所有跟踪图像的高度均为b。

车牌的实际高度的投影距离： _{非检测帧车牌高度}；

车牌投影距离立杆的长度：

针对在检测帧之后采集的第一个非检测帧，该增量ΔS＝S′_{车牌投影与立杆距离}-S_{车牌投影与立杆距离}；

其中，在计算下一个非检测帧的增量时，将该非检测帧中的车牌投影距离立杆的长度减去上一个非检测帧中的车牌投影距离立杆的长度，以此类推。

目标车辆的车牌距离地面的高度h′_x：

针对利用该多帧跟踪图像对应的对应关系进行线性拟合，得到跟踪点的位置与第一相对位置比的关系式，并根据该关系式获取该目标车辆的车牌与该目标车辆的第一相对位置比的标准值的过程，视频监控设备可以利用线性拟合算法获得该目标车辆的车牌与该目标车辆的第一相对位置比的标准值，例如，最小二乘直线拟合算法。下面以最小二乘拟合算法为例进行详细阐述。

利用如下的最小二乘拟合方程，可以得到跟踪点的位置与第一相对位置比的关系式y＝k3*x+b3的系数k3与b3:

其中，由于目标车辆在直行运动过程中，通常情况下，可以认为跟踪点的横坐标保持不变，纵坐标一直在变化，因此，x_i可以表示每帧跟踪图像中跟踪点的纵坐标，y_i表示每帧跟踪图像中跟踪点的坐标对应的第一相对位置比。

图3E为图3A所示实施例中的目标车辆运动过程中跟踪点的位置的抖动曲线图；视频监控设备在检测到目标车辆之后，利用跟踪算法对目标车辆进行跟踪，然而在目标车辆逐渐远离视频监控设备时，跟踪算法对跟踪点的位置的确定越容易受到背景颜色的干扰，所以，目标车辆在直行运动过程中，会存在跟踪点的位置的抖动现象，如图3E中所示的曲线。相应的，由跟踪点的位置获得的第一相对位置比也会存在相同的抖动曲线，而在实际中，由于车牌距离地面的高度与车辆的高度的比值是固定的，因此第一相对位置比应该为一个常数，从而抖动曲线应该是接近与一条垂直于坐标轴的直线，即由最小二乘拟合方程得到的k3应该趋近于0，从而得到的关系式是y＝b3，那么b3可以被确定为该目标车辆的车牌与该目标车辆的第一相对位置比的标准值。

需要说明的是，视频监控设备利用目标车辆在检测区域时采集的多帧跟踪图像，统计得到的目标车辆的车牌与目标车辆的第一相对位置比的标准值的过程也可以扩展为从目标车辆被检测到开始，一直到目标车辆驶离跟踪区域(检测区域、第一抓拍区域、第二抓拍区域以及第三抓拍区域)全程统计。

基于第二种方式的描述可知，由于车牌识别算法过程复杂，耗时比较长，例如100毫秒，在环境复杂场景中，可能达到300毫秒，如果每帧跟踪图像均利用车牌识别算法获取跟踪点的位置，可能会导致前端设备运行死机，因此，本申请只在初始跟踪图像(检测帧)中用车牌识别算法获取跟踪点的位置。而跟踪算法耗时一般在5毫秒之内，比车牌识别算法短很多，在后面的跟踪图像中，视频监控设备利用跟踪算法获得目标车辆在跟踪图像中的跟踪点的位置。此外，由于由跟踪算法得到的跟踪点的位置准确度比较低，因此需要由多帧跟踪图像的目标车辆的车牌与目标车辆的第一相对位置比进行拟合以得到标准值。

步骤302：在跟踪该目标车辆的过程中，采集跟踪图像，并获取该目标车辆在该跟踪图像中的跟踪点的位置。

如步骤301所述，视频监控设备在利用车牌识别算法检测到目标车辆之后，后续可以利用跟踪算法跟踪目标车辆，并且在跟踪该目标车辆的过程中，会采集到多帧跟踪图像(非检测帧)，通过跟踪算法可以获取到该目标车辆在每帧跟踪图像中的跟踪点的位置。

需要说明的是，当视频监控设备检测到目标车辆在跟踪图像中的跟踪点的位置越过开始线的位置时，表示该目标车辆已由检测区域进入第一抓拍区域，此时，视频监控设备可以对该目标车辆进行抓拍，得到第一类证据图像。

针对检测目标车辆在跟踪图像中的跟踪点的位置越过开始线的位置的过程，再如图3B中建立的坐标轴，假设跟踪图像中的跟踪点的横坐标为x_跟踪，跟踪点的纵坐标为y_跟踪，开始线在纵轴方向上的坐标为y_开始线，视频监控设备可以将y_开始线与y_跟踪之间的差与第一预设阈值比较，若该差超过第一预设阈值，则确定跟踪点的位置越过开始线的位置。该第一预设阈值可以15个像素。

步骤303：利用该目标车辆在跟踪图像中的跟踪点的位置，获取该目标车辆的车牌与该目标车辆的第二相对位置比，并判断该第二相对位置比与标准值是否相同，若不相同，则执行步骤304，若相同，则执行步骤305。

针对获取该目标车辆的车牌与该目标车辆的第二相对位置比的过程请参见上述第一相对位置比的获得过程的描述，不再赘述。

其中，第一相对位置比的标准值表示的是比较符合目标车辆实际运动轨迹的位置比，因此，通过将第二相对位置比与标准值比较，可以校验当前跟踪图像中的跟踪点的位置是否正确，若不相同，则表示当前跟踪图像中的跟踪点的位置出错，需要进行修正，执行步骤304，若第二相对位置比与标准值相同，则表示当前跟踪图像中的跟踪点的位置无误，可以直接执行步骤305。

步骤304：利用该标准值修正该跟踪点的位置，并利用修正后的跟踪点的位置获取该跟踪图像的车尾修正值，并根据该跟踪图像的车尾修正值判断目标车辆是否违章。

针对利用该标准值修正该跟踪点的位置的过程，视频监控设备在获得多帧跟踪图像对应的第一相对位置比的标准值之后，可以从所有第一相对位置比中选择一个与该标准值相同(或者最接近)的第一相对位置比，并记录该第一相对位置比对应的目标车辆的高度，那么由该标准值与记录的目标车辆的高度，可以得到该目标车辆的车牌距离地面的高度，由于该目标车辆的车牌距离地面的高度是由跟踪点的位置得到的，因此，由当前得到的该目标车辆的车牌距离地面的高度可以反推得到新的跟踪点的位置，以修正该跟踪点的位置。

针对利用修正后的跟踪点的位置获取该跟踪图像的车尾修正值的过程，视频监控设备可以利用该跟踪点的位置获得该目标车辆的车牌距离地面的高度和该跟踪图像中的车牌的宽度，并利用视频监控设备距离地面的高度、视频监控设备距离停止线的长度以及车牌距离地面的高度获得车牌与车尾的实际距离，然后再获取该目标车辆的车牌的实际宽度，并利用该跟踪图像中的车牌的宽度、车牌与车尾的实际距离以及目标车辆的车牌的实际宽度获得该跟踪图像的车尾修正值。

针对利用该跟踪点的位置获得该目标车辆的车牌距离地面的高度的过程，如步骤301所述，不再赘述。

针对利用该跟踪点的位置获得该跟踪图像中的车牌的宽度的过程，如步骤301所述，由车牌识别算法还可以得到检测帧中的车牌的宽度w_{检测帧车牌宽度}，再如图3D所示，假设该跟踪图像中的跟踪点的纵坐标为y_跟踪点，将y_跟踪点代入L1得到D点的坐标，由相似三角形原理可以得到该跟踪图像中的车牌的宽度w_{图像车牌宽}。

针对利用视频监控设备距离地面的高度、视频监控设备距离停止线的长度以及车牌距离地面的高度获得车牌与车尾的实际距离的计算公式为：

其中，视频监控设备距离地面的高度指的是H_立杆高度，视频监控设备距离停止线的长度为视频监控设备预先设置的，该车牌与车尾的实际距离在实际中是固定的。

针对获取该目标车辆的车牌的实际宽度的过程，如步骤301所述，视频监控设备在利用车牌识别算法得到车牌的实际高度的同时，也可以得到车牌的实际宽度w_{实际车牌宽度}。

针对利用该跟踪图像中的车牌的宽度、车牌与车尾的实际距离以及车牌的实际宽度、获得该跟踪图像的车尾修正值X的计算公式为：

其中，车尾修正值X指的是该跟踪图像中的值，在每帧跟踪图像中的X是不同的，需要每次都利用该公式进行计算跟踪图像中的车尾修正值。

针对根据该跟踪图像的车尾修正值判断目标车辆是否违章的过程，视频监控设备可以利用该跟踪图像的车尾修正值与修正后的跟踪点在预设方向上的坐标之和判断目标车辆是否违章。

其中，再如图3B中建立的坐标轴，该预设方向可以指的是纵轴方向。下面以一个例子阐述根据该跟踪图像的车尾修正值判断目标车辆是否违章。

假设停止线在纵轴方向上的坐标为y_停止线，目标车辆在跟踪图像中的跟踪点的坐标为(x₀，y₀)，并且该跟踪图像的车尾修正值为X，视频监控设备可以先得到y₀与X之和，即为真正的车尾，然后再将该和与y_停止线进行比较，若该和小于y_停止线，则确定目标车辆越过停止线，进入第二抓拍区域，可以对该目标车辆进行抓拍，得到第二类证据图像，然后继续跟踪该目标车辆，并根据当前跟踪图像的车尾修正值判断目标车辆是否越过直行触发线，若是，则对该目标车辆进行抓拍，得到第三类证据图像。从而，完成闯红灯违章抓拍，得到交管部门需要的违章证据图像链。若该和大于y_停止线，则确定目标车辆未越过停止线，视频监控设备每采集一帧跟踪图像都需要计算一次当前跟踪图像的车尾修正值，即利用当前跟踪图像中的车牌的宽度、车牌与车尾的实际距离以及车牌的实际宽度获得当前跟踪图像的车尾修正值。直到根据当前跟踪图像的车尾修正值确定目标车辆越过停止线停止计算车尾修正值的过程。

基于闯红灯违章抓拍例的描述可知，由于视频监控设备每采集一帧跟踪图像都根据当前跟踪图像的车尾修正值判断车辆是否越过停止线，因此，可以避免单纯利用跟踪点判断车辆是否越过停止线而造成的误判问题。此外，视频监控设备在确定目标车辆越过停止线之后，通过当前跟踪图像的车尾修正值判断目标车辆是否越过直行触发线作为第三类证据图像的抓拍条件，而不是在抓拍完第二类证据图像之后，立即抓拍第三类证据图像，从而可以提高抓拍证据图像的精确度。

需要说明的是，根据该跟踪图像的车尾修正值判断目标车辆是否违章的过程也适用于其他交通处罚类的判断，例如违章掉头及停车、未按车道行驶、越线、压线以及绿灯停车等。下面以检测左转为例，视频监控设备在确定目标车辆越过停止线之后，在跟踪目标车辆过程中，检测目标车辆是否变化车道，当检测到目标车辆变化车道之后，判断跟踪点的位置是否越过左转触发线，若是，则对目标车辆进行左转抓拍。

针对判断跟踪点的位置是否越过左转触发线的过程，视频监控设备可以通过求解出跟踪点的位置距离左转触发线的长度，并判断该长度是否超过二分之一的车身宽度，以确定目标车辆是否要左转。图3F为图3A所示实施例中的检测目标车辆越过左转触发线示意图；如图3F所示，假设左转触发线的直线方程为x＝k4*y+b4，跟踪点的坐标为(x′，y′)，将y′代入左转触发线的直线方程得到x″，将x″与x′与之差确定为跟踪点的位置距离左转触发线的长度，再如图3D所述，将(x′，y′)代入车道线的延长线直线方程，并利用相似三角形原理可以得到当前跟踪图像中车身宽度，如果跟踪点的位置距离左转触发线的长度超过该车身宽度的二分之一，则确定目标车辆左转。

需要进一步说明的是，视频监控设备在判断目标车辆是否违章的过程中，也可以检测目标车辆是否停止运动，若检测到目标车辆停止运动，则可以停止计算当前跟踪图像的车尾修正值，以节省视频监控设备的性能。例如，若当前跟踪图像的跟踪点的坐标与上一帧跟踪图像的跟踪点的坐标的差值低于第二预设阈值，例如，10个像素，则表示目标车辆停止运动，视频监控设备可以停止计算当前跟踪图像的车尾修正值。

基于步骤304描述可知，视频监控设备通过目标车辆的车牌与目标车辆的第一相对位置比的标准值修正跟踪点的位置，可以消除跟踪点的位置的抖动现象，增强跟踪算法的抗干扰能力。此外，由于并不是所有车辆的车牌均位于车尾，车牌与车尾而是有一段距离，车牌上的跟踪点的位置越过停止线，并不代表车辆的车尾也越过停止线，因此，在判断跟踪点的位置位于停止线之后，后面每采集一帧跟踪图像都需要获得当前跟踪图像的车尾修正值，从而，可以避免单纯利用跟踪点的位置判断车辆越过停止线而造成误判的问题。

步骤305：利用该跟踪点的位置获取该跟踪图像的车尾修正值，并根据该跟踪图像的车尾修正值判断该目标车辆是否违章。

步骤305的过程如步骤304所述，只是视频监控设备不需要利用标准值修正跟踪点的位置。

由上述实施例可知，视频监控设备在采集图像中检测目标车辆，获取目标车辆的车牌与目标车辆的第一相对位置比，并根据第一相对位置比确定标准值；在跟踪目标车辆的过程中，采集跟踪图像，并获取目标车辆在跟踪图像中的跟踪点的位置；利用目标车辆在跟踪图像中的跟踪点的位置，获取目标车辆的车牌与目标车辆的第二相对位置比，并判断第二相对位置比与标准值是否相同；若不相同，则利用标准值修正跟踪点的位置，并利用修正后的跟踪点的位置获取跟踪图像的车尾修正值，并根据该跟踪图像的车尾修正值判断目标车辆是否违章。基于上述实现方式，视频监控设备在检测到目标车辆之后，通过目标车辆的车牌与目标车辆的第一相对位置比的标准值修正跟踪点的位置，以消除跟踪点的抖动现象。然后再通过修正后的跟踪点的位置获取车尾修正值，并根据车尾修正值判断车辆是否违章，从而不是单纯利用跟踪点作为判断车辆是否违章的条件，这样可以避免误判的问题。

与前述检测车辆违章的方法的实施例相对应，本申请还提供了检测车辆违章的装置的实施例。

本申请检测车辆违章的装置的实施例可以应用在视频监控设备上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图4所示，为本申请根据一示例性实施例示出的一种视频监控设备的硬件结构图，除了图4所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的设备通常根据该设备的实际功能，还可以包括其他硬件，对此不再赘述。

图5为本申请根据一示例性实施例示出的一种检测车辆违章的装置的实施例结构图，该实施例可以应用于视频监控设备上，如图5所示，该装置包括：标准值确定单元510、跟踪单元520、获取判断单元530、修正及判断违章单元540。

其中，标准值确定单元510，用于在采集图像中检测目标车辆，获取所述目标车辆的车牌与所述目标车辆的第一相对位置比，并根据所述第一相对位置比确定标准值；

跟踪单元520，用于在跟踪所述目标车辆的过程中，采集跟踪图像，并获取所述目标车辆在跟踪图像中的跟踪点的位置；

获取判断单元530，用于利用所述目标车辆在跟踪图像中的跟踪点的位置，获取所述目标车辆的车牌与所述目标车辆的第二相对位置比，并判断所述第二相对位置比与所述标准值是否相同；

修正及判断违章单元540，用于当判断结果为不相同时，利用所述标准值修正所述跟踪点的位置，并利用修正后的跟踪点的位置获取所述跟踪图像的车尾修正值，并根据所述跟踪图像的车尾修正值判断所述目标车辆是否违章。

在一个可选的实现方式中，标准值确定单510元，具体用于针对所述采集图像，根据车牌识别算法获取所述目标车辆在所述采集图像中的跟踪点的位置，并利用所述跟踪点的位置获取所述目标车辆的车牌距离地面的高度；根据预设的车型识别算法获取所述目标车辆的高度；将所述目标车辆的车牌距离地面的高度与所述目标车辆的高度的比值作为所述目标车辆的车牌与所述目标车辆的第一相对位置比；将所述第一相对位置比确定为标准值。

在另一个可选的实现方式中，标准值确定单元510，还具体用于针对所述目标车辆在检测区域时采集的多帧跟踪图像的每一帧跟踪图像，根据跟踪算法获取所述目标车辆在该跟踪图像中的跟踪点的位置，并利用所述跟踪点的位置获取所述目标车辆的车牌距离地面的高度与所述目标车辆的高度，并将所述车牌距离地面的高度与所述目标车辆的高度的比值作为所述目标车辆的车牌与所述目标车辆的第一相对位置比，并记录所述跟踪点的位置与所述第一相对位置比的对应关系；利用所述多帧跟踪图像对应的对应关系进行线性拟合，得到跟踪点的位置与第一相对位置比的关系式；根据所述关系式获取所述目标车辆的车牌与所述目标车辆的第一相对位置比的标准值。

在另一个可选的实现方式中，所述视频监控设备中记录有视频监控设备距离地面的高度与视频监控设备距离停止线的长度，修正及判断违章单元540，具体用于在利用修正后的跟踪点的位置获取跟踪图像的车尾修正值的过程中，利用所述修正后的跟踪点的位置获取所述目标车辆的车牌距离地面的高度和所述跟踪图像中的车牌的宽度；利用所述视频监控设备距离地面的高度、所述视频监控设备距离停止线的长度以及所述车牌距离地面的高度获得车牌与车尾的实际距离；获取所述目标车辆的车牌的实际宽度；利用所述跟踪图像中的车牌的宽度、所述车牌与车尾的实际距离以及所述目标车辆的车牌的实际宽度获得所述跟踪图像的车尾修正值。

在另一个可选的实现方式中，所述跟踪点的位置为当前跟踪图像中车牌中心点的坐标，修正及判断违章单元540，还具体用于在根据所述跟踪图像的车尾修正值判断所述目标车辆是否违章的过程中，利用所述跟踪图像的车尾修正值与所述修正后的跟踪点在预设方向上的坐标之和判断所述目标车辆是否违章。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

由上述实施例可知，视频监控设备在采集图像中检测目标车辆，获取目标车辆的车牌与目标车辆的第一相对位置比，并根据第一相对位置比确定标准值；在跟踪目标车辆的过程中，采集跟踪图像，并获取目标车辆在跟踪图像中的跟踪点的位置；利用目标车辆在跟踪图像中的跟踪点的位置，获取目标车辆的车牌与目标车辆的第二相对位置比，并判断第二相对位置比与标准值是否相同；若不相同，则利用标准值修正跟踪点的位置，并利用修正后的跟踪点的位置获取跟踪图像的车尾修正值，并根据该跟踪图像的车尾修正值判断目标车辆是否违章。基于上述实现方式，视频监控设备在检测到目标车辆之后，通过目标车辆的车牌与目标车辆的第一相对位置比的标准值修正跟踪点的位置，以消除跟踪点的抖动现象。然后再通过修正后的跟踪点的位置获取车尾修正值，并根据车尾修正值判断车辆是否违章，从而不是单纯利用跟踪点作为判断车辆是否违章的条件，这样可以避免误判的问题。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (10)

1.一种检测车辆违章的方法，应用于视频监控设备上，其特征在于，所述方法包括：

在采集图像中检测目标车辆，获取所述目标车辆的车牌与所述目标车辆的第一相对位置比，并根据所述第一相对位置比确定标准值；

在跟踪所述目标车辆的过程中，采集跟踪图像，并获取所述目标车辆在跟踪图像中的跟踪点的位置；

利用所述目标车辆在跟踪图像中的跟踪点的位置，获取所述目标车辆的车牌与所述目标车辆的第二相对位置比，并判断所述第二相对位置比与所述标准值是否相同；

若不相同，则利用所述标准值修正所述跟踪点的位置，并利用修正后的跟踪点的位置获取所述跟踪图像的车尾修正值，并根据所述跟踪图像的车尾修正值判断所述目标车辆是否违章。

2.根据权利要求1所述的方法，其特征在于，所述获取所述目标车辆的车牌与所述目标车辆的第一相对位置比，并根据所述第一相对位置比确定标准值的过程，具体包括：

针对所述采集图像，根据车牌识别算法获取所述目标车辆在所述采集图像中的跟踪点的位置，并利用所述跟踪点的位置获取所述目标车辆的车牌距离地面的高度；

根据预设的车型识别算法获取所述目标车辆的高度；

将所述目标车辆的车牌距离地面的高度与所述目标车辆的高度的比值作为所述目标车辆的车牌与所述目标车辆的第一相对位置比；

将所述第一相对位置比确定为标准值。

3.根据权利要求1所述的方法，其特征在于，所述获取所述目标车辆的车牌与所述目标车辆的第一相对位置比，并根据所述第一相对位置比确定标准值的过程，还具体包括：

针对所述目标车辆在检测区域时采集的多帧跟踪图像的每一帧跟踪图像，根据跟踪算法获取所述目标车辆在该跟踪图像中的跟踪点的位置，并利用所述跟踪点的位置获取所述目标车辆的车牌距离地面的高度与所述目标车辆的高度，并将所述车牌距离地面的高度与所述目标车辆的高度的比值作为所述目标车辆的车牌与所述目标车辆的第一相对位置比，并记录所述跟踪点的位置与所述第一相对位置比的对应关系；

利用所述多帧跟踪图像对应的对应关系进行线性拟合，得到跟踪点的位置与第一相对位置比的关系式；

根据所述关系式获取所述目标车辆的车牌与所述目标车辆的第一相对位置比的标准值。

4.根据权利要求1所述的方法，其特征在于，所述视频监控设备中记录有视频监控设备距离地面的高度与视频监控设备距离停止线的长度，所述利用修正后的跟踪点的位置获取跟踪图像的车尾修正值的过程，具体包括：

利用所述修正后的跟踪点的位置获取所述目标车辆的车牌距离地面的高度和所述跟踪图像中的车牌的宽度；

利用所述视频监控设备距离地面的高度、所述视频监控设备距离停止线的长度以及所述车牌距离地面的高度获得车牌与车尾的实际距离；

获取所述目标车辆的车牌的实际宽度；

利用所述跟踪图像中的车牌的宽度、所述车牌与车尾的实际距离以及所述目标车辆的车牌的实际宽度获得所述跟踪图像的车尾修正值。

5.根据权利要求1所述的方法，其特征在于，所述跟踪点的位置为跟踪图像中车牌中心点的坐标，所述根据所述跟踪图像的车尾修正值判断所述目标车辆是否违章的过程，具体包括：

利用所述跟踪图像的车尾修正值与所述修正后的跟踪点在预设方向上的坐标之和判断所述目标车辆是否违章。

6.一种检测车辆违章的装置，应用于视频监控设备上，其特征在于，所述装置包括：

标准值确定单元，用于在采集图像中检测目标车辆，获取所述目标车辆的车牌与所述目标车辆的第一相对位置比，并根据所述第一相对位置比确定标准值；

跟踪单元，用于在跟踪所述目标车辆的过程中，采集跟踪图像，并获取所述目标车辆在跟踪图像中的跟踪点的位置；

获取判断单元，用于利用所述目标车辆在跟踪图像中的跟踪点的位置，获取所述目标车辆的车牌与所述目标车辆的第二相对位置比，并判断所述第二相对位置比与所述标准值是否相同；

修正及判断违章单元，用于当判断结果为不相同时，利用所述标准值修正所述跟踪点的位置，并利用修正后的跟踪点的位置获取所述跟踪图像的车尾修正值，并根据所述跟踪图像的车尾修正值判断所述目标车辆是否违章。

7.根据权利要求6所述的装置，其特征在于，所述标准值确定单元，具体用于针对所述采集图像，根据车牌识别算法获取所述目标车辆在所述采集图像中的跟踪点的位置，并利用所述跟踪点的位置获取所述目标车辆的车牌距离地面的高度；根据预设的车型识别算法获取所述目标车辆的高度；将所述目标车辆的车牌距离地面的高度与所述目标车辆的高度的比值作为所述目标车辆的车牌与所述目标车辆的第一相对位置比；将所述第一相对位置比确定为标准值。

8.根据权利要求6所述的装置，其特征在于，所述标准值确定单元，还具体用于针对所述目标车辆在检测区域时采集的多帧跟踪图像的每一帧跟踪图像，根据跟踪算法获取所述目标车辆在该跟踪图像中的跟踪点的位置，并利用所述跟踪点的位置获取所述目标车辆的车牌距离地面的高度与所述目标车辆的高度，并将所述车牌距离地面的高度与所述目标车辆的高度的比值作为所述目标车辆的车牌与所述目标车辆的第一相对位置比，并记录所述跟踪点的位置与所述第一相对位置比的对应关系；利用所述多帧跟踪图像对应的对应关系进行线性拟合，得到跟踪点的位置与第一相对位置比的关系式；根据所述关系式获取所述目标车辆的车牌与所述目标车辆的第一相对位置比的标准值。

9.根据权利要求6所述的装置，其特征在于，所述视频监控设备中记录有视频监控设备距离地面的高度与视频监控设备距离停止线的长度，所述修正及判断违章单元，具体用于在利用修正后的跟踪点的位置获取跟踪图像的车尾修正值的过程中，利用所述修正后的跟踪点的位置获取所述目标车辆的车牌距离地面的高度和所述跟踪图像中的车牌的宽度；利用所述视频监控设备距离地面的高度、所述视频监控设备距离停止线的长度以及所述车牌距离地面的高度获得车牌与车尾的实际距离；获取所述目标车辆的车牌的实际宽度；利用所述跟踪图像中的车牌的宽度、所述车牌与车尾的实际距离以及所述目标车辆的车牌的实际宽度获得所述跟踪图像的车尾修正值。

10.根据权利要求6所述的装置，其特征在于，所述跟踪点的位置为跟踪图像中车牌中心点的坐标，所述修正及判断违章单元，还具体用于在根据所述跟踪图像的车尾修正值判断所述目标车辆是否违章的过程中，利用所述跟踪图像的车尾修正值与所述修正后的跟踪点在预设方向上的坐标之和判断所述目标车辆是否违章。