專利名稱：一種夜間車輛闖紅燈檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及智能交通領(lǐng)域，尤其涉及一種用于城市交通路ロ的夜間車輛闖紅燈檢測方法。
背景技術(shù)：
車輛闖紅燈檢測是城市交通監(jiān)管的重要組成部分，白天由于照明度高，易于進行車輛檢測，而夜晚照明度低，車燈光強變化大，視頻中的噪聲大，使得適用于白天的車輛檢測方法不能適用于夜晚的車輛檢測?，F(xiàn)有的技術(shù)中，大多是采用背景差法提取感興趣區(qū)域，即通過將當前幀圖像與背景圖像進行差分運算，提取目標區(qū)域，對目標區(qū)域進行特征提取，由區(qū)域的特征進行車輛的判斷。這類方法中背景的提取及更新是關(guān)鍵所在，由于夜晚照明度低，車燈光強變化大，視 頻中的噪聲大，很難形成穩(wěn)定的背景，使得適用于白天的車輛檢測方法不能適用于夜晚的車輛檢測?；虿捎脦罘▽⑾噜彽囊曨l幀進行差分提取興趣區(qū)域，對興趣區(qū)域進行車輛檢測，這對于一直處于運動中的車輛是有效的。若車輛停止或運動緩慢，這種方法就難以檢測車輛了。

發(fā)明內(nèi)容
本發(fā)明實施例提供ー種夜間車輛闖紅燈檢測方法，適用于夜間交通路ロ車輛闖紅燈的檢測。為解決以上技術(shù)問題，本發(fā)明采用如下技術(shù)方案實現(xiàn)所述的夜間車輛闖紅燈檢測方法包括如下步驟
1)設(shè)置檢測區(qū)域及檢測虛擬線圈；
2)獲取連續(xù)的視頻幀；
3)根據(jù)紅燈信號轉(zhuǎn)發(fā)器發(fā)回的信號判斷是否進行闖紅燈檢測；
4)檢測虛擬線圈內(nèi)的尾燈狀況；根據(jù)尾燈狀況的變化判斷是否進行第一幅違章圖片的獲取；
5)停車線后的車輛尾燈檢測及后續(xù)違章圖片的獲取；
6)將三張車輛闖紅燈違章圖片合成ー張，并展示特寫部分。技術(shù)方案中的第I)項設(shè)置檢測區(qū)域及檢測虛擬線圈，包括如下步驟
1)檢測區(qū)域設(shè)置根據(jù)需要檢測的車道確定視頻圖像處理的范圍，即檢測區(qū)域，前后包括停車線前兩個車身長度及停車線后三個車身長度的區(qū)域。寬度包括所有需要檢測的車道覽度；
2)虛擬線圈設(shè)置在檢測區(qū)域中，在需要檢測的車道的停車線前設(shè)置虛擬線圈1，寬度為車道寬度，長度為ー個小車的長度；在需要檢測的車道的停車線后斑馬線起始處設(shè)置虛擬線圈2，寬度為車道寬度，如無斑馬線則留出斑馬線的寬度后設(shè)置虛擬線圈2，長度為一個小車的長度。
技術(shù)方案中的第2)獲取連續(xù)的視頻幀，包括如下步驟
由路ロ攝像機獲取連續(xù)的視頻流，經(jīng)光端機、交換機傳輸至中心處理器，由中心處理器進行視頻處理。技術(shù)方案中的第3)項包括如下步驟
路ロ的紅燈信號由安裝于路ロ的紅燈信號轉(zhuǎn)發(fā)器接收，經(jīng)光端機、交換機傳輸至中心處理器，由中心處理器進行處理，決定對相應(yīng)車道進行車輛的闖紅燈行為進行檢測。技術(shù)方案中第4)項包括如下步驟
I)建立虛擬線圈I中車輛尾燈信息記錄表，包括成對尾燈的距離及與車道寬度比，尾燈的三色(r、g、b)的均值。
2)如果當前監(jiān)測車道為紅燈狀態(tài)，檢測虛擬線圈I中所有車輛尾燈。3)查詢處于紅燈狀態(tài)的車道尾燈信息記錄表中是否有尾燈對。4)如尾燈信息記錄表中無尾燈，檢查當前幀中是否有符合車輛條件的尾燈對。如有，則將此尾燈對加入尾燈信息記錄表中；如無，則此幀圖像處理結(jié)束，尾燈信息記錄表中為空。5)如尾燈信息記錄表中有尾燈，檢查表中尾燈對是否與當前幀中對應(yīng)的尾燈對匹配，如是，則更新表中尾燈，如不是，判定此車輛已駛出虛擬線圈1，啟動高清相機抓拍第一幅圖片。技術(shù)方案中第5)項包括如下步驟
虛擬線圈2中的車輛尾燈的檢測，車輛尾燈與前述虛擬線圈I中消失的尾燈對的匹配，如匹配成功，則判斷為車輛進入該區(qū)域，啟動高清相機抓拍后續(xù)兩幅違章圖片。技術(shù)方案中第6)項包括如下步驟
三幅圖片中對應(yīng)車輛的一致判斷，即判斷為闖紅燈的車輛屬于同一車輛，并將三幅圖片合成一幅，并展示車輛尾部車牌特寫。本發(fā)明所述方案，通過對檢測區(qū)域內(nèi)的虛擬線圈1、2內(nèi)車輛尾燈的提取，與記錄表中的信息進行匹配，以判斷車輛在對應(yīng)車道處于紅燈相位時是否越過停車線并繼續(xù)行駛，并啟動高清相機進行抓拍，形成完整的證據(jù)，實現(xiàn)夜間對車輛闖紅燈行為的檢測。


圖I為本發(fā)明實施例提供的夜間車輛闖紅燈檢測流程 圖2為本發(fā)明實施例提供的區(qū)域設(shè)置 圖3為本發(fā)明實施例提供的虛擬線圈I的檢測流程 圖4為本發(fā)明實施例提供的尾燈信息為空時處理流程 圖5為本發(fā)明實施例提供的尾燈信息不為空時處理流程 圖6為本發(fā)明實施例提供的尾燈信息更新處理流程 圖7為本發(fā)明實施例提供的車輛駛出判斷流程 圖8為本發(fā)明實施例提供的虛擬線圈2的檢測流程 圖9為本發(fā)明實施例提供的違章圖像合成流程 圖10為本發(fā)明實施例提供的違章圖像合成圖示例。
具體實施例方式為了解決夜間交通路ロ的車輛闖紅燈檢測問題，本發(fā)明例提供ー種夜間車輛闖紅燈檢測方法和裝置。根據(jù)需檢測的車道，設(shè)置合適的檢測區(qū)域和虛擬線圏。依據(jù)路ロ傳回的紅燈信號確定是否對相應(yīng)車道進行檢測。在檢測區(qū)域的虛擬線圈內(nèi)進行車輛尾燈對的檢測。依據(jù)相關(guān)規(guī)則啟動高清相機抓拍車輛違章圖片。下面結(jié)合附圖和具體實施例對本發(fā)明方法進行詳細說明。如圖I為本發(fā)明實施例提供的夜間車輛闖紅燈檢測流程圖，包括
步驟101，區(qū)域設(shè)置，包括檢測區(qū)域和虛擬線圈設(shè)置。在進行闖紅燈檢測時，只需要在圖像中特定的范圍進行車輛檢測即可，不需要對整幅視頻圖像進行處理，根據(jù)需要檢測的車道確定視頻圖像處理的范圍，即檢測區(qū)域，前后包括停車線前兩個車身長度及停車線后三個車身長度的區(qū)域。寬度包括所有需要檢測的車道寬度。
虛擬線圈設(shè)置在檢測區(qū)域中，在需要檢測的車道的停車線前設(shè)置虛擬線圈1，寬度為車道寬度，長度為ー個小車的長度；在需要檢測的車道的停車線后斑馬線起始處設(shè)置虛擬線圈2，寬度為車道寬度，如無斑馬線則留出斑馬線的寬度后設(shè)置虛擬線圈2，長度為ー個小車的長度。如圖2。步驟102，獲取連續(xù)的視頻，通過路ロ的攝像機獲取連續(xù)的視頻流，經(jīng)光端機、交換機傳輸至中心處理器，由中心處理器進行視頻處理。步驟103，由安裝于路ロ的紅燈信號轉(zhuǎn)發(fā)器將紅燈信息經(jīng)光端機、交換機傳輸至中心處理器，由中心處理器進行處理，決定對相應(yīng)車道進行車輛的闖紅燈行為進行檢測。步驟104，檢測虛擬線圈1，記錄相關(guān)車輛尾燈信息，判斷是否進行第一幅違章圖片的抓柏。如圖3所示,所述步驟104具體包括
步驟301，檢測虛擬線圈I較亮區(qū)域。在夜間照明度較低的環(huán)境中，車輛尾燈是車輛最顯著信息，以尾燈的檢測代替車輛的檢測。尾燈在較暗的環(huán)境中發(fā)光，在視頻圖像中形成較亮的區(qū)域。此步驟計算視頻幀中位于視頻幀內(nèi)像素點的灰度
g =0J39r+0_50g +0.116
式中g(shù)、r、g、b分別代表像素的灰度值、紅色分量值、緑色分量值、藍色分量值。設(shè)置合適閾值th，大于此閾值的像素顔色分量保持不變，小于此閾值的像素顔色分量取為0
步驟302，在較亮的區(qū)域中選擇偏紅的區(qū)域。由于車輛尾燈為紅色，計算每塊連通的較亮區(qū)域的偏紅程度rm
7 .rI
i為較亮區(qū)域內(nèi)的像素，區(qū)域顔色越紅，此值越大。選擇合適的閾值rth，對于的區(qū)域則保留作為車輛尾燈，對于的區(qū)域則去棹。步驟303，對偏紅區(qū)域進行配對，形成區(qū)域?qū)?。在虛擬線圈中，只有能匹配成對且在運動中仍保持匹配的尾燈對才屬于同一車輛尾燈，對于相隔距離小于某ー閾值的尾燈則合并為ー個，即前后距離小于某ー距離閾值的合并為ー個尾燈，左右距離小于某ー距離閾值的也合并為ー個尾燈。計算處于同一水平線上的尾燈的距離，若其水平距離與車道寬度比，據(jù)此可判定為小型車、中型車及大型車。步驟304，對區(qū)域?qū)μ崛√卣鳎鳛檐囕v特征。需要提取的特征包括尾燈對中每個尾燈區(qū)域的偏紅程度(rml，rm2),尾燈區(qū)域中心距離與車道寬度的比值R。如圖4所示，在進行步驟304后所述步驟后還需進行
步驟401，查詢尾燈信息表。步驟402，尾燈信息表沒有記錄尾燈信息，則在此幀圖像以前虛擬線圈I沒出現(xiàn)車輛。步驟403，如果當前幀圖像中有尾燈對特征值，則將此計入尾燈信息表中。如果沒有，則除了下ー幀圖像。
步驟404，繼續(xù)下一幀圖像的處理。如圖5所示,在尾燈信息表不為空時,進行
步驟501，在查詢尾燈信息表。步驟502，尾燈信息表不為空，即在此幀圖像以前虛擬線圈I存在尾燈對。步驟503，將當前車輛尾燈對信息與尾燈信息表中的尾燈信息進行匹配。如圖6所示，在步驟503后，進行
步驟601，將當前車輛尾燈對信息與尾燈信息表中的尾燈信息進行匹配。步驟602，匹配成功。根據(jù)尾燈特征即將每個尾燈區(qū)域的偏紅程度(rml，rffl2),尾燈區(qū)域中心距離與車道寬度的比值R合成一個向量(rml，rffl2, R)，進行向量間距離計算
權(quán)利要求
1.ー種夜間車輛闖紅燈檢測方法，其特征在干 1)設(shè)置檢測區(qū)域及檢測虛擬線圈； 2)獲取連續(xù)的視頻幀； 3)根據(jù)紅燈信號轉(zhuǎn)發(fā)器發(fā)回的信號判斷是否進行闖紅燈檢測； 4)檢測虛擬線圈內(nèi)的尾燈狀況；根據(jù)尾燈狀況的變化判斷是否進行第一幅違章圖片的獲?。? 5)停車線后的車輛尾燈檢測及后續(xù)違章圖片的獲??； 6)將三張車輛闖紅燈違章圖片合成ー張，并展示特寫部分。
2.根據(jù)權(quán)利要求I所述的ー種夜間車輛闖紅燈檢測方法，其特征在于，所述的設(shè)置檢測區(qū)域及檢測虛擬線圈，包括 1)檢測區(qū)域設(shè)置根據(jù)需要檢測的車道確定視頻圖像處理的范圍，即檢測區(qū)域，包括停車線前及停車線后的區(qū)域； 2)虛擬線圈設(shè)置在檢測區(qū)域中，在需要檢測的車道的停車線前設(shè)置第一個虛擬線圈，在需要檢測的車道的停車線后設(shè)置第二個虛擬線圈。
3.根據(jù)權(quán)利要求I所述的ー種夜間車輛闖紅燈檢測方法，其特征在于，所述的獲取連續(xù)的視頻幀，包括由路ロ攝像機獲取連續(xù)的視頻流，經(jīng)光端機、交換機傳輸至中心處理器，由中心處理器進行視頻處理。
4.根據(jù)權(quán)利要求I所述的ー種夜間車輛闖紅燈檢測方法，其特征在于，所述的根據(jù)紅燈信號轉(zhuǎn)發(fā)器發(fā)回的信號判斷是否進行闖紅燈檢測，包括路ロ的紅燈信號由安裝于路ロ的紅燈信號轉(zhuǎn)發(fā)器經(jīng)光端機、交換機傳輸至中心處理器，由中心處理器進行處理。
5.根據(jù)權(quán)利要求I所述的ー種夜間車輛闖紅燈檢測方法，其特征在于，所述的檢測虛擬線圈內(nèi)的尾燈狀況；根據(jù)尾燈狀況的變化判斷是否進行第一幅違章圖片的獲取，包括 1)建立虛擬線圈I中車輛尾燈信息記錄表，含成對尾燈的距離及與車道寬度比，尾燈的三色(r、g、b)的均值； 2)如果當前監(jiān)測車道為紅燈狀態(tài)，檢測虛擬線圈I中所有車輛尾燈； 3)查詢處于紅燈狀態(tài)的車道尾燈信息記錄表中是否有尾燈對； 4)如尾燈信息記錄表中無尾燈，檢查當前幀中是否有符合車輛條件的尾燈對；如有，則將此尾燈對加入尾燈信息記錄表中；如無，則此幀圖像處理結(jié)束，尾燈信息記錄表中為空; 5)如尾燈信息記錄表中有尾燈，檢查表中尾燈對是否與當前幀中對應(yīng)的尾燈對匹配，如是，則更新表中尾燈，如不是，判定此車輛已駛出虛擬線圈I，啟動高清相機抓拍第一幅圖片。
6.根據(jù)權(quán)利要求I所述的ー種夜間車輛闖紅燈檢測方法，其特征在于，所述的停車線后的車輛尾燈檢測及后續(xù)違章圖片的獲取，包括虛擬線圈2中的車輛尾燈的檢測，車輛尾燈與前述虛擬線圈I中消失的尾燈對的匹配，如匹配成功，則判斷為車輛進入該區(qū)域，啟動高清相機抓拍后續(xù)兩幅違章圖片。
7.根據(jù)權(quán)利要求I所述的ー種夜間車輛闖紅燈檢測方法，其特征在于，所述的將三幅車輛闖紅燈違章圖片合成一幅，并展示特寫部分，包括三幅圖片中對應(yīng)車輛的一致判斷，即判斷為闖紅燈的車輛屬于同一車輛，并將三幅圖片合成一幅，并展示車輛尾部車牌特寫。
全文摘要
本發(fā)明公開一種夜間車輛闖紅燈檢測方法和裝置，涉及智能交通系統(tǒng)領(lǐng)域，以解決夜間闖紅燈車輛識別的準確性降低問題。本發(fā)明提供的技術(shù)方案包括設(shè)置檢測區(qū)域及檢測虛擬線圈；獲取連續(xù)的視頻幀，根據(jù)紅燈轉(zhuǎn)發(fā)器發(fā)回的信號判斷是否進行闖紅燈檢測；檢測虛擬線圈內(nèi)的尾燈狀況；根據(jù)尾燈狀況的變化判斷是否進行第一幅違章圖片的獲??；停車線后的車輛尾燈檢測及后續(xù)違章圖片的獲取。本發(fā)明實施例提供的技術(shù)方案適用于智能交通系統(tǒng)。
文檔編號G08G1/01GK102768799SQ201110431878
公開日2012年11月7日 申請日期2011年12月21日 優(yōu)先權(quán)日2011年12月21日
發(fā)明者仇實, 劉素君, 肖習(xí)雨, 舒小華, 蘇志敏, 陳勝藍, 龍永紅 申請人:湖南工業(yè)大學(xué)