本發(fā)明具體涉及一種車輛違章檢測(cè)方法。
背景技術(shù)：
在智能交通系統(tǒng)中，視頻監(jiān)控技術(shù)得到了廣泛應(yīng)用。目前，人們研究的焦點(diǎn)集中于車輛的檢測(cè)、識(shí)別、跟蹤、流量統(tǒng)計(jì)、交通疏導(dǎo)和違章檢測(cè)等方面。交通違章是發(fā)生交通事故的根源，常見(jiàn)的違章形式有闖紅燈、實(shí)線變道、逆向行駛等。檢測(cè)車輛違章的前提是準(zhǔn)確地檢測(cè)到車輛并跟蹤其行駛軌跡。
人們利用了許多方案實(shí)現(xiàn)交通數(shù)據(jù)采集、事件檢測(cè)、違章抓拍以及違章車輛號(hào)牌識(shí)別。在車輛違章檢測(cè)方面，人們主要利用車輛行駛軌跡與車道線的關(guān)系判斷車輛是否違章，這方面的研究有：有文獻(xiàn)針對(duì)復(fù)雜的城市路口監(jiān)控環(huán)境提出了車輛檢測(cè)與跟蹤算法，在判斷闖紅燈違章方面，主要是通過(guò)抓拍停止線前、上、后3張過(guò)程圖片，然后進(jìn)行人工分揀圖片來(lái)判定違章；有文獻(xiàn)只對(duì)車輛的實(shí)線違章變道進(jìn)行了檢測(cè)研究，其主要方法是通過(guò)跟蹤車輛軌跡和當(dāng)前位置，結(jié)合其與初始所屬車道是否一致來(lái)判斷是否有違章行為發(fā)生，分析了6種違章變道情況，但是未對(duì)違章變道進(jìn)行細(xì)分；有文獻(xiàn)通過(guò)建立十字路口的隱馬爾科夫模型對(duì)違章事件進(jìn)行分類，判斷交通事故的嚴(yán)重程度；有文獻(xiàn)提出了一種車輛闖紅燈檢測(cè)與識(shí)別算法，即在停止線附近的檢測(cè)窗口內(nèi)，利用車輛與停止線之間的位置關(guān)系，再結(jié)合信號(hào)燈的實(shí)際狀態(tài)，來(lái)判定車輛是否有闖紅燈違章行為，如果違章，則進(jìn)行抓拍，顯然該文方法有較大的局限性，例如無(wú)法提供車輛與不同道路區(qū)域之間的位置關(guān)系，尚未考慮各種信號(hào)燈狀態(tài)下違章檢測(cè)的統(tǒng)一方案。
上述研究都沒(méi)有對(duì)不同的道路區(qū)域進(jìn)行分析，尤其是沒(méi)有將不同區(qū)域之間的位置關(guān)系、車輛軌跡以及具體的信號(hào)燈相結(jié)合，無(wú)法提供車輛違章時(shí)所在的道路區(qū)域和違反的具體交通規(guī)則等信息。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明要解決的技術(shù)問(wèn)題是提供一種車輛違章檢測(cè)方法。
一種車輛違章檢測(cè)方法，包括以下步驟：
s1：獲取各路視頻流，點(diǎn)擊一路視頻放大顯示窗口；
s2：在放大的視頻窗口內(nèi)根據(jù)實(shí)際道路標(biāo)線手工繪制直線段并指定不同的道路區(qū)域，系統(tǒng)自動(dòng)確定各個(gè)線段的表達(dá)式，獲得各個(gè)道路區(qū)域內(nèi)的正負(fù)號(hào)序列；
s3：利用高斯混合模型進(jìn)行背景建模和更新；
s4：將當(dāng)前幀與背景模型進(jìn)行比較，獲得前景圖像；
s5：對(duì)前景圖像進(jìn)行預(yù)處理，包括中值濾波、膨脹和腐蝕等操作，消除其中噪聲進(jìn)而獲得比較干凈的前景，然后對(duì)前景進(jìn)行二值化；
s6：計(jì)算前景中各個(gè)目標(biāo)的重心和面積，若面積大于規(guī)定的閾值，則目標(biāo)判定為車輛；
s7：獲得目標(biāo)車輛的行駛軌跡；
s8：根據(jù)車輛的行駛軌跡和不同道路區(qū)域的正負(fù)號(hào)序列變化，并結(jié)合當(dāng)前交通信號(hào)燈的實(shí)際情況利用判斷規(guī)則判定當(dāng)前車輛是否違章；
s9：重復(fù)步驟s3至步驟s8，直到視頻結(jié)束。
本發(fā)明的有益效果是：
本發(fā)明根據(jù)車輛行駛軌跡和隱式曲線族所描述的不同區(qū)域之間的位置關(guān)系，能夠快速準(zhǔn)確地判定車輛是否違章以及所違反的交通規(guī)則，極大地提高了檢測(cè)效率，進(jìn)而提高了違章判斷的準(zhǔn)確性。
具體實(shí)施方式
以下具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步闡述，但不作為對(duì)本發(fā)明的限定。
一種車輛違章檢測(cè)方法，包括以下步驟：
s1：獲取各路視頻流，點(diǎn)擊一路視頻放大顯示窗口；
s2：在放大的視頻窗口內(nèi)根據(jù)實(shí)際道路標(biāo)線手工繪制直線段并指定不同的道路區(qū)域，系統(tǒng)自動(dòng)確定各個(gè)線段的表達(dá)式，獲得各個(gè)道路區(qū)域內(nèi)的正負(fù)號(hào)序列；
s3：利用高斯混合模型進(jìn)行背景建模和更新；
s4：將當(dāng)前幀與背景模型進(jìn)行比較，獲得前景圖像；
s5：對(duì)前景圖像進(jìn)行預(yù)處理，包括中值濾波、膨脹和腐蝕等操作，消除其中噪聲進(jìn)而獲得比較干凈的前景，然后對(duì)前景進(jìn)行二值化；
s6：計(jì)算前景中各個(gè)目標(biāo)的重心和面積，若面積大于規(guī)定的閾值，則目標(biāo)判定為車輛；
s7：獲得目標(biāo)車輛的行駛軌跡；
s8：根據(jù)車輛的行駛軌跡和不同道路區(qū)域的正負(fù)號(hào)序列變化，并結(jié)合當(dāng)前交通信號(hào)燈的實(shí)際情況利用判斷規(guī)則判定當(dāng)前車輛是否違章；
s9：重復(fù)步驟s3至步驟s8，直到視頻結(jié)束。