一種識別車輛違規(guī)運動模式的智能交通監(jiān)控攝像機的制作方法
【技術領域】
[0001] 本發(fā)明涉及圖像處理和模式識別技術領域，具體是一種識別車輛違規(guī)運動模式的 智能交通監(jiān)控攝像機。
【背景技術】
[0002] 我國道路交通事故頻發(fā)，交通安全問題歷來是國家重點關注的重大民生問題。數 據表明，僅2013年，我國共接報道路交通事故598. 7萬起，涉及人員傷亡的道路交通事故 198394起，造成58539人死亡，直接財產損失10. 4億元。多數道路交通事故頻發(fā)的主要原 因在于道路交通管理力度不夠，且對于事故發(fā)生后的責任認定與劃分存在較大的爭議。近 年來，隨著電子產業(yè)的迅猛發(fā)展，各類新型傳感器以及超大容量存儲設備的不斷產生，基于 視頻的各種理論分析與應用日益完善。利用數字圖像處理技術，對道路監(jiān)控視頻進行處理， 能有效地對運動車輛的車牌進行識別，能精確的計算運動車輛的運行速度，亦能識別車輛 的運動模式。
[0003] 基于視頻的車輛運動模式識別技術可從監(jiān)控視頻中提取車輛的運動信息，利用模 式識別算法識別車輛的運動模式，靈活方便且識別率高，該方法受到了交通管理者及國內 外學者的廣泛關注。
[0004] 中國專利文獻CN101965600A提出了車輛行駛模式信息獲取裝置、行駛模式信息 獲取方法以及行駛模式信息獲取程序，該發(fā)明對于多臺車輛獲得用于識別道路上車輛的車 速識別信息，基于車速識別信息的分布，車速識別信息分別對應于車輛的各組運動，基于該 分類可獲得車輛的運動的發(fā)生概率。中國專利文獻CN101593422A提出了一種基于視頻追 蹤和模式識別的交通違規(guī)檢測方法，該發(fā)明屬于圖像識別和模式識別技術領域，首先是定 義違規(guī)模式：定義紅綠燈停車線、定義行駛方向，定義違規(guī)變道的區(qū)域和方向；其次是監(jiān)控 控制攝像頭拍攝路面的視頻畫面；然后嵌入式系統(tǒng)對視頻進行分析，使用模式識別方法檢 測測量，使用視頻追蹤獲取車輛的運行軌跡，使用模式識別方法根據運動軌跡分析任一車 輛的行為，如果有下列違規(guī)行為之一：逆行、違規(guī)實線變道、闖紅燈，則立刻對該車輛進行拍 照記錄。
[0005] 以上兩篇專利文獻中，都涉及到了圖像識別和模式識別領域，CN101965600A主 要識別車輛的車速以預測車輛的運動信息，與本文所提出的智能視頻顯示終端有較大的不 同；CN101593422A則運用視頻追蹤和模式識別的方法進行交通違規(guī)的檢測，但該檢測具有 隨機性，較大可能性會出現(xiàn)漏檢，且識別的模式只針對交通違規(guī)行為，對于交通管理者的數 據采集具有一定的局限性，此外，處理方式為簡單的抓拍，并不能完全的顯示出該車輛的具 體違法信息。國內外其他的專利文獻中，罕有研究者同時考慮運動車輛的各類運動模式，基 本為對某一模式進行較深的研究，且在模式識別的研究用途上也各有側重。對于識別各類 運動模式并進行數字化分類及分離違規(guī)運動模式的研究更為少見。除此之外，目前的研究 行為模式識別的處理均在后臺，少有能在監(jiān)控攝像頭端完成的，在實時性上具有一定的局 限。
[0006] 基于視頻的運動模式識別及分類，涉及較為復雜的圖像處理及模式識別算法。在 視頻識別技術中，需對運動車輛進行跟蹤，并進行特征提取，提取的特征包括Harr特征、積 分特征和角度特征，車輛的運動模式識別研究方法，可根據現(xiàn)有各種方法，包括蒙特卡洛仿 真方法、動態(tài)重復博弈論、行為學理論、線性跟馳理論等進行運動車輛的各類模式識別。

【發(fā)明內容】

[0007] 本發(fā)明所要解決的技術問題是針對上述存在的不足，提供一種能自動識別出當前 視頻監(jiān)控畫面內車輛的違規(guī)行為模式，并及時提取車輛的車牌信息，將所有涉及違規(guī)行為 的車輛以文本信息記錄，并將文本信息刻入原始視頻，以達到智能監(jiān)控的目的，而且能夠在 一定程度上解決交通事故問題，也能為交通事故的責任認定與劃分提供有力的證據的識別 車輛違規(guī)運動模式的智能交通監(jiān)控攝像機。
[0008] 本發(fā)明解決其技術問題所采用的技術方案是：
[0009] -種識別車輛違規(guī)運動模式的智能交通監(jiān)控攝像機，包括視頻采集模塊、圖像處 理模塊、車輛違規(guī)運動模式分類處理模塊及視頻傳送系統(tǒng)，其中所述的視頻采集模塊為網 絡監(jiān)控攝像頭，安裝于路邊高點處，且具有一定的高度，能廣角度清晰地拍攝及監(jiān)控路面車 輛的運動過程，其特征在于：
[0010] 所述的圖像處理模塊內置在攝像頭中，該模塊為DSP芯片，實現(xiàn)了視頻處理算法， 并包含有模式識別系統(tǒng)，能夠基于軌跡直方圖與支持向量機對車輛行為進行模式識別，主 要識別車輛的違規(guī)運動模式，包括：頻繁換道、非法換道、逆行、非法占道及非法掉頭，此外， 圖像處理模塊還能實時提取車牌信息。
[0011] 在上述方案中，所述的模式識別系統(tǒng)工作過程為：首先，從原始視頻中對車輛進行 檢測和跟蹤；第二步，以軌跡直方圖描述車輛的運動軌跡；第三步，將車輛的運動行為用支 持向量機（SVM)來體現(xiàn)，SVM的參數由粒子群優(yōu)化（PSO)算法進行優(yōu)化，車輛的檢測模型也 經過訓練；最后，違規(guī)車輛行為模式由經過訓練的SVM模型得到檢測。
[0012] 所述的車輛違規(guī)運動模式分類處理模塊也內置在攝像頭中，車輛違規(guī)運動模式分 類處理模塊處理來自圖像處理模塊識別的信息，將頻繁換道、非法換道、逆行、非法占道及 非法掉頭等模式轉換成數字信息進行編碼，并在所分析的視頻段內，將車輛違規(guī)運動模式 的編碼信息和經圖像處理模塊提取的車牌信息嵌入原始視頻信息，得到最終處理后的視 頻。
[0013] 在上述方案中，車輛違規(guī)運動模式分類處理模塊將處理后的視頻添加了文本信 息，文本信息顯示視頻畫面中車輛的違規(guī)行為模式及車牌信息。
[0014] 所述的視頻傳送系統(tǒng)，是利用光纖將實時的原始監(jiān)控視頻與處理后的視頻傳送至 交通管理中心，便于交通管理者實時觀察道路情況，并能隨時調取視頻進行分析。
[0015] 在上述方案中，所述的攝像機配有中央處理器，所有的處理過程均在路側攝像機 中完成。
[0016] 本發(fā)明的優(yōu)點及顯著效果在于：本發(fā)明能監(jiān)控道路上行駛的所有車輛的運動信 息，并截取車輛具有違規(guī)運動模式的視頻片段進行分析，分析處理后的視頻將車輛的違規(guī) 運動模式以數字編碼形式輸出，最后實時傳送原始監(jiān)控視頻及處理后的視頻至交通管理中 心，使交通管理者能快速判斷車輛的運動狀態(tài)，能提高道路監(jiān)控視頻的智能化水平，亦能為 交通事故的責任認定與劃分提供有力的證據。為交通管理者提供及時、有效的事故處理手 段與依據，在一定程度上能緩解交通事故的頻發(fā)。
【附圖說明】
[0017] 圖1為本發(fā)明實施例總體設計方案框圖；
[0018] 圖2為本發(fā)明實施例違法車輛行為識別流程圖；
[0019] 圖3為本發(fā)明實施例車輛違規(guī)行為模式識別及分類算法示意圖；
[0020] 圖4為本發(fā)明實施例攝像機路側安裝示意圖；
[0021] 圖5為本發(fā)明實施例處理后視頻示意圖。
【具體實施方式】
[0022] 下面結合【具體實施方式】，對本發(fā)明作進一步的說明：
[0023] 參照圖1，本發(fā)明為一種識別車輛違規(guī)運動模式的智能交通監(jiān)控攝像機，該發(fā)明的 核心處理器內置在路側智能交通監(jiān)控攝像機中，所有的工作均在路側完成。視頻采集模塊 安裝在路側，能廣角度拍攝及監(jiān)控路面車輛的運動過程，為車輛的運動模式識別提供基礎； 視頻采集模塊將視頻信息傳輸給圖像處理模塊，圖像處理模塊為DSP芯片，實現(xiàn)了視頻處 理算法，采用軌跡直方圖與支持向量機，能夠識別車輛運動軌跡和模式，主要識別車輛的違 規(guī)運動模式，包括：頻繁換道、非法換道、逆行、非法占道及非法掉頭。此外，圖像處理模塊 還能實時提取車牌信息；車輛違規(guī)運動模式分類處理模塊處理來自圖像處理模塊識別的信 息，將頻繁換道、非法換道、逆行、非法占道及非法掉頭等模式轉換成數字信息進行編碼，對 應的數字信息分別為"1"、"2"、"3"、"4"、"5"，并在所分析的視頻段內，將車牌信息和車輛違 規(guī)運動模式的編碼信息以文本框的形式嵌入原始視頻信息，得到最終處理后的視頻；視頻 傳送系統(tǒng)利用光纖將實時的原始監(jiān)控視頻與處