基于車輛軌跡的交通違法行為檢測(cè)方法

　　1、引言

　　交通違法行為檢測(cè)屬于智能監(jiān)控中高層次的內(nèi)容，是事件檢測(cè)、行為的理解和描述的一種表現(xiàn)形式。相對(duì)來(lái)說(shuō)，以前大多數(shù)的研究都集中在運(yùn)動(dòng)檢測(cè)和跟蹤等底層視覺(jué)問(wèn)題上，這方面的研究較少。近年來(lái)，經(jīng)濟(jì)與道路交通的快速發(fā)展，機(jī)動(dòng)車保有量持續(xù)攀升，交通違法行為也同步增加，這就對(duì)道路交通管理提出了更高的要求。關(guān)于這方面的研究也漸成熱點(diǎn)。

　　傳統(tǒng)應(yīng)用中，多以傳感器方式有針對(duì)性的監(jiān)控處理各類交通違法行為，此種方式有些代價(jià)昂貴，如雷達(dá)、激光；有些需要破壞路面、定期更換設(shè)備，如地感線圈。在同時(shí)處理多種違法類型時(shí)也常常束手，這使其越來(lái)越不適應(yīng)當(dāng)前交通管理應(yīng)用趨勢(shì)。

　　本文以圖像處理算法為基礎(chǔ)，結(jié)合模式識(shí)別原理，根據(jù)車輛軌跡對(duì)車輛交通行為進(jìn)行分析，極大地提高了道路安全部門對(duì)無(wú)人值守路口違法行為的監(jiān)控力度，并大幅降低了工程實(shí)現(xiàn)成本。

　　2、算法流程及軌跡獲取

　　2.1算法流程框架

　　本文首先通過(guò)車輛視頻檢測(cè)算法獲取目標(biāo)初始信息，采用均值漂移算法結(jié)合卡爾曼濾波算法實(shí)現(xiàn)目標(biāo)的視頻跟蹤，再對(duì)其軌跡進(jìn)行統(tǒng)計(jì)分析，獲取目標(biāo)實(shí)際行駛方向的軌跡特征，并以現(xiàn)場(chǎng)規(guī)則（信號(hào)燈狀態(tài)、車道屬性及導(dǎo)向規(guī)則等）為輔助，做出違法行為判定。

　　圖一交通違法行為檢測(cè)算法流程

　　2.2視頻檢測(cè)

　　視頻觸發(fā)是根據(jù)智能圖像識(shí)別后的車輛運(yùn)動(dòng)檢測(cè)結(jié)果，對(duì)經(jīng)過(guò)監(jiān)控車道的所有車輛進(jìn)行自動(dòng)背向抓拍。其中車輛運(yùn)動(dòng)檢測(cè)結(jié)果綜合了運(yùn)動(dòng)幀差信息、車輛特征（車牌、車輛尾部結(jié)構(gòu)特征和AdaBoost訓(xùn)練特征等）以及車輛的跟蹤狀態(tài)，最后形成車輛到達(dá)和離開(kāi)狀態(tài)的判斷，具備較好的實(shí)時(shí)性和穩(wěn)定性。

　　2.3車輛視頻跟蹤

　　視頻跟蹤是在目標(biāo)車輛離開(kāi)視頻觸發(fā)區(qū)域后我們獲取其實(shí)時(shí)位置信息的有效方式。均值漂移算法（Mean-shift）[2]是一種非參數(shù)概率密度估計(jì)算法，可以通過(guò)迭代快速地收斂于概率密度函數(shù)的局部最大值，因此在目標(biāo)實(shí)時(shí)跟蹤領(lǐng)域有著很高的應(yīng)用價(jià)值。

　　Mean-shift算法本身是通過(guò)對(duì)目標(biāo)原始區(qū)域的不斷迭代去尋找最佳匹配候選目標(biāo)，當(dāng)目標(biāo)運(yùn)動(dòng)速度較大時(shí)，很容易發(fā)生冗余迭代或局部收斂，針對(duì)此種情況，我們采用Kalman濾波[3]對(duì)每個(gè)目標(biāo)運(yùn)動(dòng)過(guò)程進(jìn)行建模，通過(guò)Kalman預(yù)測(cè)縮小迭代范圍，減少計(jì)算量，同時(shí)降低噪聲影響，得到目標(biāo)的最優(yōu)估計(jì)。

　　2.4軌跡獲取及示例

　　我們將目標(biāo)車輛進(jìn)入視場(chǎng)到離開(kāi)視場(chǎng)的軌跡進(jìn)行保存，并以此作為后續(xù)進(jìn)行交通違法行為分析的基礎(chǔ)數(shù)據(jù)，根據(jù)《道路交通安全違法行為圖像取證技術(shù)規(guī)范（2009）》對(duì)關(guān)鍵幀的交通信號(hào)燈狀態(tài)予以保存，設(shè)定現(xiàn)場(chǎng)參數(shù)，如停止線位置，車道線位置，車道導(dǎo)向規(guī)則，道路禁行標(biāo)志等。

　　下圖為截取現(xiàn)場(chǎng)處理的軌跡圖。

　　圖二現(xiàn)場(chǎng)軌跡圖

聲明:

凡文章來(lái)源標(biāo)明“中國(guó)智能交通網(wǎng)”的文章版權(quán)均為本站所有，請(qǐng)不要一聲不吭地來(lái)拿走，轉(zhuǎn)載請(qǐng)注明出處，違者本網(wǎng)保留追究相關(guān)法律責(zé)任的權(quán)利；所有未標(biāo)明來(lái)源為“中國(guó)智能交通網(wǎng)”的轉(zhuǎn)載文章均不代表本網(wǎng)立場(chǎng)及觀點(diǎn)，“中國(guó)智能交通網(wǎng)”不對(duì)這些第三方內(nèi)容或鏈接做出任何保證或承擔(dān)任何責(zé)任。