一種基于視頻監(jiān)控系統(tǒng)的城市交通違規(guī)行為檢測方法
【專利摘要】本發(fā)明公開了一種基于視頻監(jiān)控系統(tǒng)的城市交通違規(guī)行為檢測方法，包括以下步驟：軌跡提取即檢測視頻運動目標(biāo)并進(jìn)行目標(biāo)跟蹤提取目標(biāo)軌跡；軌跡結(jié)構(gòu)化即分割軌跡段，對軌跡段進(jìn)行結(jié)構(gòu)化，用四個結(jié)構(gòu)特征表示；軌跡相似度計算即分別計算軌跡段的四個結(jié)構(gòu)特征所對應(yīng)的特征距離，通過加權(quán)和計算軌跡間的相對相似度，計算軌跡間的相似度；軌跡聚類與建模即根據(jù)軌跡間的相似度構(gòu)造相似度矩陣并對軌跡聚類，將聚類后的軌跡建為高斯模型組合，屬于同一類的軌跡建立為同一組高斯模型；異常檢測即計算待測軌跡屬于每個模型的概率，根據(jù)最大概率是否大于預(yù)設(shè)閾值判斷異常。本發(fā)明基于視頻監(jiān)控系統(tǒng)進(jìn)行交通違規(guī)行為檢測，提高了檢測的效率、準(zhǔn)確度和違規(guī)行為類別。
【專利說明】一種基于視頻監(jiān)控系統(tǒng)的城市交通違規(guī)行為檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于機器視覺行為分析領(lǐng)域，具體的說是涉及一種基于視頻監(jiān)控系統(tǒng)的城市交通違規(guī)行為檢測方法。
【背景技術(shù)】
[0002]截至2012年底中國汽車保有量已超過1.2億輛，車輛數(shù)量的急劇增長致使交通違法行為增多，道路上交通事故頻發(fā)，造成了大量的人員傷亡和巨額的經(jīng)濟損失。當(dāng)前，交通管理部門利用視頻監(jiān)控系統(tǒng)能夠自動檢測車輛的部分交通違章行為，如超速行駛、違章停車和逆向行駛等。但是對于違章變道等其他違章行為，以及其他交通參與者的異常行為，包括行人或者自行車出現(xiàn)在機動車道、行人橫穿馬路等可能引發(fā)交通事故的違規(guī)行為，現(xiàn)有的視頻監(jiān)控系統(tǒng)尚未包含檢測和識別這類行為的技術(shù)。
[0003]視頻運動目標(biāo)的運動軌跡是目標(biāo)行為最直觀的體現(xiàn)，通過分析交通場景內(nèi)交通參與者的軌跡，可以獲取交通場景信息，同時檢測交通參與者的異常行為。然而，在目前的基于軌跡的異常行為檢測方法在中，大部分是將軌跡視為簡單的時空點集，忽略了軌跡內(nèi)部所包含的豐富信息，從而導(dǎo)致場景分析效果不佳，難以用于實際應(yīng)用。

【發(fā)明內(nèi)容】

[0004]針對現(xiàn)有技術(shù)存在的不足，本發(fā)明目的是提供一種基于視頻監(jiān)控系統(tǒng)的城市交通違規(guī)行為檢測方法，能夠提高城市交通違規(guī)行為的檢測效率和準(zhǔn)確度。
[0005]為了實現(xiàn)上述目的，本發(fā)明是通過如下的技術(shù)方案來實現(xiàn):
[0006]本發(fā)明的一種基于視頻監(jiān)控系統(tǒng)的城市交通違規(guī)行為檢測方法，包括以下幾個步驟:
[0007](I)、軌跡提取:利用背景差分法檢測視頻運動目標(biāo)，并利用卡爾曼濾波進(jìn)行目標(biāo)跟蹤，提取目標(biāo)軌跡；
[0008](2)、軌跡結(jié)構(gòu)化:根據(jù)軌跡轉(zhuǎn)角分割軌跡段，對所述軌跡段進(jìn)行結(jié)構(gòu)化，用四個結(jié)構(gòu)特征表示，所述四個結(jié)構(gòu)特征分別為位置特征、速度特征、方向特征和轉(zhuǎn)角特征；
[0009](3)、軌跡相似度計算:分別計算軌跡段的四個結(jié)構(gòu)特征所對應(yīng)的特征距離，通過加權(quán)和計算軌跡間的相對相似度，進(jìn)而計算軌跡間的相似度；
[0010](4)、軌跡聚類與建模:根據(jù)軌跡間的相似度構(gòu)造相似度矩陣，利用譜聚類方法對軌跡聚類，譜聚類過程中用到了 K-means聚類方法，將聚類后的軌跡建為一系列高斯模型的組合，屬于同一類的軌跡建立為同一組高斯模型；
[0011](5)、異常檢測:利用貝葉斯決策理論，計算待測軌跡屬于每個軌跡類的概率，根據(jù)最大概率是否大于預(yù)設(shè)閾值判斷異常。
[0012]步驟(I)中，軌跡提取具體包括以下幾個步驟:
[0013](IA)、利用背景差分法檢測視頻運動目標(biāo)，設(shè)當(dāng)前幀的圖像為Fi (X，y)，背景圖像SBi(Xj),則當(dāng)前幀的目標(biāo)二值圖像為
【權(quán)利要求】
1.一種基于視頻監(jiān)控系統(tǒng)的城市交通違規(guī)行為檢測方法，其特征在于，包括以下幾個步驟: (1)、軌跡提取:利用背景差分法檢測視頻運動目標(biāo)，并利用卡爾曼濾波進(jìn)行目標(biāo)跟蹤，提取目標(biāo)軌跡； (2)、軌跡結(jié)構(gòu)化:根據(jù)軌跡轉(zhuǎn)角分割軌跡段，對所述軌跡段進(jìn)行結(jié)構(gòu)化，用四個結(jié)構(gòu)特征表示，所述四個結(jié)構(gòu)特征分別為位置特征、速度特征、方向特征和轉(zhuǎn)角特征； (3)、軌跡相似度計算:分別計算軌跡段的四個結(jié)構(gòu)特征所對應(yīng)的特征距離，通過加權(quán)和計算軌跡間的相對相似度，進(jìn)而計算軌跡間的相似度； (4)、軌跡聚類與建模:根據(jù)軌跡間的相似度構(gòu)造相似度矩陣，利用譜聚類方法對軌跡聚類，將聚類后的軌跡建為一系列高斯模型的組合，屬于同一類的軌跡建立為同一組高斯模型； (5)、異常檢測:利用貝葉斯決策理論，計算待測軌跡屬于每個軌跡類的概率，根據(jù)最大概率是否大于預(yù)設(shè)閾值判斷異常。
2.根據(jù)權(quán)利要求1所述的基于視頻監(jiān)控系統(tǒng)的城市交通違規(guī)行為檢測方法，其特征在于，步驟(1)中，所述軌跡提取具體包括以下幾個步驟: (1A)、利用背景差分法檢測視頻運動目標(biāo)，設(shè)當(dāng)前幀的圖像為
3.根據(jù)權(quán)利要求2所述的基于視頻監(jiān)控系統(tǒng)的城市交通違規(guī)行為檢測方法，其特征在于，步驟(3A)中，利用所述卡爾曼濾波進(jìn)行目標(biāo)跟蹤具體包括以下幾個步驟:
(IB)、定義狀態(tài)向量sk = (xk, yk, Lk, Wk, Δ xk, Δ yk, Δ Lk, Δ Wk)τ 和觀測向量 Zk =(xk，yk，Wk，Lk)T，其中T表示轉(zhuǎn)置，(xk, yk)為運動目標(biāo)的坐標(biāo)，Lk、Wk分別為目標(biāo)外接矩形的長和寬，Axk, Ayk, ALk, Λ Wk分別為對應(yīng)變量的變化量，定義狀態(tài)方程Sk = AkUwk和觀測方程
4.根據(jù)權(quán)利要求3所述的基于視頻監(jiān)控系統(tǒng)的城市交通違規(guī)行為檢測方法，其特征在于，步驟(2)中，所述軌跡結(jié)構(gòu)化具體包括以下幾個步驟: (IC)、軌跡分段:計算每個軌跡點的轉(zhuǎn)角Θ，設(shè)置轉(zhuǎn)角閾值ω> O，對滿足I Θ I > ω的軌跡點作為分段點，將軌跡劃分為多個軌跡段； (2C)、對每個軌跡段，用四個結(jié)構(gòu)特征描述，SP: (al)位置特征:由軌跡段的點的坐標(biāo)表示Position = Kx1, Y1), (x2, y2),..., (xNs,yNs)}，Ns為軌跡段內(nèi)軌跡點數(shù)； (bl)速度特征:假設(shè)在兩個軌跡點之間目標(biāo)做勻速直線運動，兩個軌跡點間的速度由其平均速度表TjK，即
5.根據(jù)權(quán)利要求4所述的基于視頻監(jiān)控系統(tǒng)的城市交通違規(guī)行為檢測方法，其特征在于，步驟(3)中，軌跡相似度計算具體包括以下幾個步驟: (ID)、計算軌跡段的四個特征距離，分別對應(yīng)于四個結(jié)構(gòu)特征，計算方法具體包括以下幾個步驟: (a2)位置距離:PD (TSi, TSj) = max (h (TSi, TSj), h (TSj, TSi)),其中
6.根據(jù)權(quán)利要求5所述的基于視頻監(jiān)控系統(tǒng)的城市交通違規(guī)行為檢測方法，其特征在于，步驟(4)中，軌跡聚類與建模具體包括以下幾個步驟: (IE)、根據(jù)步驟(3D)得到的軌跡相似度，構(gòu)造相似度矩陣W，其中
7.根據(jù)權(quán)利要求6所述的基于視頻監(jiān)控系統(tǒng)的城市交通違規(guī)行為檢測方法，其特征在于，步驟(5)中，所述異常檢測具體包括以下幾個步驟:(IF)、待測軌跡的某一軌跡段TS屬于軌跡段模型.,,的概率由最大后驗概率

【文檔編號】G06K9/46GK103942533SQ201410111979
【公開日】2014年7月23日 申請日期:2014年3月24日 優(yōu)先權(quán)日:2014年3月24日
【發(fā)明者】范新南, 鄭併斌, 李敏, 張繼, 史朋飛, 李威龍 申請人:河海大學(xué)常州校區(qū)