CN105389991B - 一种自适应的闯红灯抓拍方法 - Google Patents
一种自适应的闯红灯抓拍方法 Download PDFInfo
- Publication number
- CN105389991B CN105389991B CN201510882078.5A CN201510882078A CN105389991B CN 105389991 B CN105389991 B CN 105389991B CN 201510882078 A CN201510882078 A CN 201510882078A CN 105389991 B CN105389991 B CN 105389991B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- tail
- light
- night
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种自适应的闯红灯抓拍方法,包括以下步骤:设置闯红灯抓拍规则参数;获取被监测区域的视频图像;判断当前视频图像是白天时段还是夜间时段;进行抓拍。本发明提出的夜间跟踪模式,在车尾灯配对之后,增加了车牌识别,加强了车尾灯属于同一辆车的置信度,同时,由于车辆在夜间的特征不明显,用车尾灯跟踪替代车辆跟踪,能更准确地进行闯红灯抓拍。
Description
技术领域
本发明涉及智能视频监控技术,尤其涉及一种自适应的闯红灯抓拍方法。
背景技术
智能交通***(Intelligent traffic system),将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造,加强车辆、道路和使用者三者之间的联系,从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输***。
近年来,随着我国机动车保有量的提高,交通安全问题日益成为社会经济发展中一个重要的制约因素,智能交通***在机场、车道客流疏导、城市交通智能调度、高速公路智能调度、运营车辆调度管理和机动车自动控制等方面的应用,能够有效缓解日益繁忙的交通勤务管理与执行警力严重不足之间的矛盾,因此得到研究人员的诸多关注。但是由于户外条件比较复杂,受天气因素、季节、路段交通流量不同的影响,各个路口在不同时间点的情况各异,因此提出一套鲁棒的、实时的监控方法,自适应智能交通***所面对的各种时间段、天气情况以及人流车流量的路口情况,成为亟需解决的技术问题。
发明内容
本发明所要解决的技术问题是提供一种自适应的闯红灯抓拍方法,能够分别对白天时段和夜间时段进行准确的闯红灯抓拍,提高车辆跟踪的准确度。
本发明解决技术问题所采用的技术方案是:
一种自适应的闯红灯抓拍方法,包括以下步骤:
1)设置闯红灯抓拍规则参数;
2)获取被监测区域的视频图像;
3)判断当前视频图像是白天时段还是夜间时段;
4)根据步骤3)的判断结果进行相应的抓拍。
在采用上述技术方案的同时,本发明还可以采用或者组合采用以下进一步的技术方案:
所述抓拍规则参数包括车辆检测区、车道、停止线、直行抓拍线、左转抓拍线、右转抓拍线以及车辆跟踪区,所述抓拍规则参数用于设定抓拍规则。
所述步骤2)是实时获取被监测区域的网络摄像机传输的视频图像,所述步骤3)是根据图像亮度、车尾灯开启情况以及***时间,综合判断当前视频图像是白天时段还是夜间时段。
所述步骤3)具体包括:
3.1)统计当前视频图像中亮度低于一定阈值的像素数,计算当前视频图像中总像素数的比例,如果该比例大于一定阈值,则认为是夜间时段,否则进行下一步;因为夜间灯光影响,图像的平均亮度不能准确描述白天和夜间模式的区别,而灯光覆盖不到的部分的绝对亮度能更好地描述白天和夜间的区别,因此采用图像中较暗部分的像素的统计数据作为白天和夜间模式的判断依据之一。
3.2)使用车尾检测器检测越过停止线的车辆,检测这些车辆车尾灯的开启情况,如果当前越过停止线的车辆数大于5辆,并且80%的车尾灯均开启,则认为是夜间时段,否则进行下一步判断;
3.3)根据当前时间和人为设置的白天时段和夜间时段的比较,最终判断是白天时段还是夜间时段。由于当前时间和人为设置存在一定的不确定性,如果能够通过步骤3.1或者步骤3.2的判断得到结果的数据会比人为设置的更为准确,但在步骤3.1和步骤3.2均无法得到准确结果时,通过人为设置的***时间作为兜底判断方式。
所述步骤3.2)中车尾灯的检测步骤包括:
3.2.1)计算越过停止线的超红像素,超红像素的判定规则为:R>G+50&&R>B+50&&R>150&&G<100&&B<100,其中R、G、B分别为像素的RGB值分量,&&表示同时满足条件;
3.2.2)进行膨胀和空洞填充,将周边一些漏检的像素包含进来;
3.2.3)使用连通区域找到独立的车尾灯;
3.2.4)在车辆的目标框中,根据车尾灯大小和位置进行配对,得到最终的车尾灯对。
在所述步骤4)中,如果判断结果是白天时段,则相应的抓拍方法具体包括:
4.1)在车辆检测区内,用当前帧灰度图像与上一帧灰度图像相减,二值化后得到前景图,如果前景比例大于一定阈值,则启动车尾检测器;
4.2)在车尾检测器检测到的车辆目标内识别车牌,找到车牌后,将对应的车辆目标框对应的图像作为***的初始跟踪框,同时初始化跟踪参数,用meanshift方法跟踪车辆;
4.3)根据车辆位于图像的不同位置,根据车道的缩小比例自适应调整车辆大小,并且每次调整的时候,根据当前车辆的大小和位置重新初始化跟踪参数;
4.4)根据车辆相对闯红灯规则线的相对位置进行抓拍,抓拍的图像均包含清晰可辨的车辆信息、车牌信息以及车辆行驶行为的信号灯状态。
在所述步骤4)中,如果判断结果是夜间时段,则相应的抓拍方法具体包括:
5.1)在车辆检测区内,检测车尾灯,根据车尾灯的大小和位置进行配对;
5.2)根据车尾灯和车牌的相对位置关系,往外扩,在这个范围内识别车牌,找到车牌后,认为该车尾灯对属于同一辆车,该车尾灯对的跟踪轨迹表示对应车辆;
5.3)利用距离和相似度跟踪车尾灯,得到车尾灯的跟踪轨迹;
5.4)根据车尾灯相对闯红灯规则线的相对位置进行抓拍,一辆车对应的两个车尾灯中任意一个满足抓拍要求,就认为符合闯红灯抓拍条件,抓拍的图像均包含清晰可辨的车辆信息、车牌信息以及车辆行驶行为的信号灯状态。
在所述步骤5.4)中,所述闯红灯规则线包括停止线、直行抓拍线、左转抓拍线和右转抓拍线。
本发明的有益效果是:本发明通过智能检测与分析当前的场景,实现对白天和夜间道路车辆进行准确的闯红灯抓拍,改进了meadshift目标跟踪算法中无法自适应调整车辆大小的问题,提高车辆跟踪准确度。本发明具有以下创新:1、结合图像亮度的统计特征、车尾灯打开的统计特征和***时间综合判断白天模式还是夜间模式,相比较人为设定和其他方法,能更加鲁棒、准确地转换白天模式和夜间模式。
2、本发明提出的白天跟踪模式,根据车道信息自适应调整车辆大小,并实时调整meanshift跟踪参数,解决了meanshift跟踪无法自适应跟踪目标大小的问题。
3、本发明提出的夜间跟踪模式,在车尾灯配对之后,增加了车牌识别,加强了车尾灯属于同一辆车的置信度,同时,由于车辆在夜间的特征不明显,用车尾灯跟踪替代车辆跟踪,能更准确地进行闯红灯抓拍。
附图说明
图1是本发明的流程图。
具体实施方式
参照附图。
本发明的一种自适应的闯红灯抓拍方法包括以下步骤:
步骤A:设置闯红灯抓拍规则,包括:车辆检测区、车道、停止线、直行抓拍线、左转抓拍线、右转抓拍线及车辆跟踪区。
步骤B:实时获取交通路口的网络摄像机传输的视频图像,根据图像亮度、车尾灯开启情况以及***时间,综合判断当前处于白天时段还是夜间时段;
1、统计图像中亮度低于20的像素数,计算与图像总像素数的比例,如果该比例大于0.2,则认为是夜间时段,否则进行下一步判断,因为夜间灯光影响,图像的平均亮度不能准确描述白天和夜间模式的区别,而灯光覆盖不到的部分的绝对亮度能更好地描述白天和夜间的区别,所以,采用图像中较暗部分的像素的统计数据作为白天和夜间模式的判断依据之一;
2、使用车尾灯检测器检测越过停止线的车辆,检测这些车辆车尾灯的开启情况,如果当前越过停止线的车辆数大于5辆,并且80%的车尾灯均开启,则认为是夜间时段,否则进行下一步判断;
车尾灯检测器的检测步骤是:
首先,计算越过停止线的超红像素,超红像素的判定规则为:R>G+50&&R>B+50&&R>150&&G<100&&B<100,其中R、G、B分别为像素的RGB值分量,&&表示同时满足条件;
然后,进行膨胀和空洞填充,将周边一些漏检的像素包含进来;
再次,使用连通区域找到独立的车尾灯;
最后,在车辆的目标框中,根据车尾灯大小和位置进行配对,得到最终的车尾灯对。
3、根据当前时间和人为设置的白天时段和夜间时段的比较,最终判断是白天时段还是夜间时段。
步骤C:如果判断结果是白天时段,则相应的抓拍方法具体包括:
1、在车辆检测区内,用当前帧灰度图像与上一帧灰度图像相减,二值化后得到前景图,如果前景比例大于0.05,则启动车尾检测器。
2、在车尾检测器检测到的车辆目标内通过车牌检测器识别车牌,找到车牌后,将对应的车辆目标框对应的图像作为***的初始跟踪框,同时初始化跟踪参数,用meanshift方法跟踪车辆,具体的,车位检测器和车牌检测器为基于haar特诊的svm分类器。
3、根据车辆位于图像的不同位置,根据车道的缩小比例自适应调整车辆大小,并且每次调整的时候,根据当前车辆的大小和位置重新初始化跟踪参数。
4、根据车辆相对闯红灯规则线的相对位置进行抓拍,抓拍的图像均包含清晰可辨的车辆信息、车牌信息以及车辆行驶行为的信号灯状态。
步骤D:如果判断结果是夜间时段,则相应的抓拍方法具体包括:
1、在车辆检测区内,检测车尾灯,根据车尾灯的大小和位置进行配对;
2、根据车尾灯和车牌的相对位置关系通过车牌检测器识别车牌,找到车牌后,认为该车尾灯对属于同一辆车,该车尾灯对的跟踪轨迹表示对应车辆,具体的,车牌检测器为基于haar的svm分类器。
3、利用距离和相似度跟踪车尾灯,得到车尾灯的跟踪轨迹;
4、根据车尾灯相对闯红灯规则线的相对位置进行抓拍,一辆车对应的两个车尾灯其中任意一个满足抓拍要求,就认为符合闯红灯抓拍条件,抓拍的图像均包含清晰可辨的车辆信息、车牌信息以及车辆行驶行为的信号灯状态。
所述闯红灯规则线包括停止线、直行抓拍线、左转抓拍线、右转抓拍线。
Claims (6)
1.一种自适应的闯红灯抓拍方法,其特征在于:包括以下步骤:
1)设置闯红灯抓拍规则参数;
2)获取被监测区域的视频图像;
3)判断当前视频图像是白天时段还是夜间时段;
4)根据步骤3)的判断结果进行相应的抓拍;
如果步骤3)的判断结果是白天时段,则相应的抓拍方法具体包括:
4.1)在车辆检测区内,用当前帧灰度图像与上一帧灰度图像相减,二值化后得到前景图,如果前景比例大于一定阈值,则启动车尾检测器;
4.2)在车尾检测器检测到的车辆目标内识别车牌,找到车牌后,将对应的车辆目标框对应的图像作为***的初始跟踪框,同时初始化跟踪参数,用meanshift方法跟踪车辆;
4.3)根据车辆位于图像的不同位置,根据车道的缩小比例自适应调整车辆大小,并且每次调整的时候,根据当前车辆的大小和位置重新初始化跟踪参数;
4.4)根据车辆相对闯红灯规则线的相对位置进行抓拍,抓拍的图像均包含清晰可辨的车辆信息、车牌信息以及车辆行驶行为的信号灯状态;
如果步骤3)的判断结果是夜间时段,则相应的抓拍方法具体包括:
5.1)在车辆检测区内,检测车尾灯,根据车尾灯的大小和位置进行配对;
5.2)根据车尾灯和车牌的相对位置关系识别车牌,找到车牌后,认为该车尾灯对属于同一辆车,该车尾灯对的跟踪轨迹表示对应车辆;
5.3)利用距离和相似度跟踪车尾灯,得到车尾灯的跟踪轨迹;
5.4)根据车尾灯相对闯红灯规则线的相对位置进行抓拍,一辆车对应的两个车尾灯中任意一个满足抓拍要求,就认为符合闯红灯抓拍条件,抓拍的图像均包含清晰可辨的车辆信息、车牌信息以及车辆行驶行为的信号灯状态。
2.如权利要求1所述的一种自适应的闯红灯抓拍方法,其特征在于:所述抓拍规则参数包括车辆检测区、车道、停止线、直行抓拍线、左转抓拍线、右转抓拍线以及车辆跟踪区,所述抓拍规则参数用于设定抓拍规则。
3.如权利要求1所述的一种自适应的闯红灯抓拍方法,其特征在于:所述步骤2)是实时获取被监测区域的网络摄像机传输的视频图像,所述步骤3)是根据图像亮度、车尾灯开启情况以及***时间,综合判断当前视频图像是白天时段还是夜间时段。
4.如权利要求3所述的一种自适应的闯红灯抓拍方法,其特征在于:所述步骤3)具体包括:
3.1)统计当前视频图像中亮度低于一定阈值的像素数,计算该像素数与当前视频图像中总像素数的比例,如果该比例大于一定阈值,则认为是夜间时段,否则进行下一步;
3.2)使用车尾检测器检测越过停止线的车辆,检测这些车辆车尾灯的开启情况,如果当前越过停止线的车辆数大于5辆,并且80%的车尾灯均开启,则认为是夜间时段,否则进行下一步判断;
3.3)根据当前时间和人为设置的白天时段和夜间时段的比较,最终判断是白天时段还是夜间时段。
5.如权利要求4所述的一种自适应的闯红灯抓拍方法,其特征在于:所述步骤3.2)中车尾灯的检测步骤包括:
3.2.1)计算越过停止线的超红像素,超红像素的判定规则为:R>G+50&&R>B+50&&R>150&&G<100&&B<100,其中R、G、B分别为像素的RGB值分量,&&表示同时满足条件;
3.2.2)进行膨胀和空洞填充,将周边一些漏检的像素包含进来;
3.2.3)使用连通区域找到独立的车尾灯;
3.2.4)在车辆的目标框中,根据车尾灯大小和位置进行配对,得到最终的车尾灯对。
6.如权利要求1所述的一种自适应的闯红灯抓拍方法,其特征在于:在所述步骤5.4)中,所述闯红灯规则线包括停止线、直行抓拍线、左转抓拍线和右转抓拍线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510882078.5A CN105389991B (zh) | 2015-12-03 | 2015-12-03 | 一种自适应的闯红灯抓拍方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510882078.5A CN105389991B (zh) | 2015-12-03 | 2015-12-03 | 一种自适应的闯红灯抓拍方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105389991A CN105389991A (zh) | 2016-03-09 |
CN105389991B true CN105389991B (zh) | 2017-12-15 |
Family
ID=55422229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510882078.5A Active CN105389991B (zh) | 2015-12-03 | 2015-12-03 | 一种自适应的闯红灯抓拍方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105389991B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105894822A (zh) * | 2016-06-24 | 2016-08-24 | 桂林金铱星科技发展有限公司 | 自动抓拍*** |
CN110009913B (zh) * | 2019-03-27 | 2021-06-01 | 江苏智通交通科技有限公司 | 一种闯红灯车辆的非现场执法图片智能审核方法和*** |
CN111652143B (zh) * | 2020-06-03 | 2023-09-29 | 浙江大华技术股份有限公司 | 一种车辆检测方法、装置以及计算机存储介质 |
CN111968378A (zh) * | 2020-07-07 | 2020-11-20 | 浙江大华技术股份有限公司 | 机动车闯红灯抓拍方法、装置、计算机设备和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CZ20032279A3 (cs) * | 2001-01-26 | 2004-01-14 | Raytheon Company | Systém a způsob pro čtení registračních značek |
CN101034005A (zh) * | 2007-04-12 | 2007-09-12 | 上海交通大学 | 昼夜视频车辆检测间的切换方法 |
CN101064062A (zh) * | 2006-04-26 | 2007-10-31 | 刘业兴 | 机动车违法调头、违法左转自动监测*** |
CN101216996A (zh) * | 2007-12-28 | 2008-07-09 | 云南澜博科技有限公司 | 用视频监测车辆违法行为的方法 |
CN101383096A (zh) * | 2008-09-23 | 2009-03-11 | 青岛海信电子产业控股股份有限公司 | 视频车辆检测模式的选取方法和装置 |
TW200915240A (en) * | 2007-09-27 | 2009-04-01 | Univ Nat Yunlin Sci & Tech | Intelligent vehicle surveillance, video recording and search system |
KR101038669B1 (ko) * | 2009-06-15 | 2011-06-02 | (주) 알티솔루션 | 영상기반의 비검지식 차량 인식 시스템 및 차량 인식방법 |
CN102280030A (zh) * | 2011-07-20 | 2011-12-14 | 杭州海康威视软件有限公司 | 夜晚车辆检测的方法及其*** |
CN102332209A (zh) * | 2011-02-28 | 2012-01-25 | 王志清 | 一种汽车违章视频监测方法 |
CN102768799A (zh) * | 2011-12-21 | 2012-11-07 | 湖南工业大学 | 一种夜间车辆闯红灯检测方法 |
CN103020948A (zh) * | 2011-09-28 | 2013-04-03 | 中国航天科工集团第二研究院二○七所 | 智能车载防撞预警***中的夜间图像特征提取方法 |
-
2015
- 2015-12-03 CN CN201510882078.5A patent/CN105389991B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CZ20032279A3 (cs) * | 2001-01-26 | 2004-01-14 | Raytheon Company | Systém a způsob pro čtení registračních značek |
CN101064062A (zh) * | 2006-04-26 | 2007-10-31 | 刘业兴 | 机动车违法调头、违法左转自动监测*** |
CN101034005A (zh) * | 2007-04-12 | 2007-09-12 | 上海交通大学 | 昼夜视频车辆检测间的切换方法 |
TW200915240A (en) * | 2007-09-27 | 2009-04-01 | Univ Nat Yunlin Sci & Tech | Intelligent vehicle surveillance, video recording and search system |
CN101216996A (zh) * | 2007-12-28 | 2008-07-09 | 云南澜博科技有限公司 | 用视频监测车辆违法行为的方法 |
CN101383096A (zh) * | 2008-09-23 | 2009-03-11 | 青岛海信电子产业控股股份有限公司 | 视频车辆检测模式的选取方法和装置 |
KR101038669B1 (ko) * | 2009-06-15 | 2011-06-02 | (주) 알티솔루션 | 영상기반의 비검지식 차량 인식 시스템 및 차량 인식방법 |
CN102332209A (zh) * | 2011-02-28 | 2012-01-25 | 王志清 | 一种汽车违章视频监测方法 |
CN102280030A (zh) * | 2011-07-20 | 2011-12-14 | 杭州海康威视软件有限公司 | 夜晚车辆检测的方法及其*** |
CN103020948A (zh) * | 2011-09-28 | 2013-04-03 | 中国航天科工集团第二研究院二○七所 | 智能车载防撞预警***中的夜间图像特征提取方法 |
CN102768799A (zh) * | 2011-12-21 | 2012-11-07 | 湖南工业大学 | 一种夜间车辆闯红灯检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105389991A (zh) | 2016-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9704060B2 (en) | Method for detecting traffic violation | |
CN102945603B (zh) | 检测交通事件的方法及电子警察装置 | |
CN101872546B (zh) | 一种基于视频的过境车辆快速检测方法 | |
CN105389991B (zh) | 一种自适应的闯红灯抓拍方法 | |
CN101656023B (zh) | 一种视频监视模式下的室内停车场管理方法 | |
CN109410601A (zh) | 交通信号灯控制方法、装置、电子设备及存储介质 | |
CN104751634B (zh) | 高速公路隧道行车图像采集信息的综合应用方法 | |
CN101739827B (zh) | 一种车辆检测跟踪方法和装置 | |
EP2995177B1 (en) | Smart optical sensor for adaptive, predictive, and on-demand control of public lighting | |
CN109703460B (zh) | 多摄像头的复杂场景自适应车辆碰撞预警装置及预警方法 | |
KR101671428B1 (ko) | 지능형 교차로 위법 차량 감시 시스템 | |
CN105913685A (zh) | 一种基于视频监控的车位识别及智能引导方法 | |
CN106571039A (zh) | 一种高速公路违章行为自动抓拍*** | |
CN107808392B (zh) | 开放场景的安检车辆自动跟踪定位方法及*** | |
CN106485927A (zh) | 一种智能交通违章信息采集装置及采集方法 | |
CN104537841A (zh) | 无牌车辆违章检测方法及其检测*** | |
CN112750170B (zh) | 一种雾特征识别方法、装置及相关设备 | |
CN103646550A (zh) | 一种智能车牌识别*** | |
CN202422425U (zh) | 基于视频检测的路口智能信号控制*** | |
CN109784254A (zh) | 一种车辆违规事件检测的方法、装置和电子设备 | |
CN103325258A (zh) | 基于视频处理的闯红灯检测装置及其方法 | |
CN109887276B (zh) | 基于前景提取与深度学习融合的夜间交通拥堵检测方法 | |
KR102434154B1 (ko) | 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법 | |
Magrini et al. | Computer vision on embedded sensors for traffic flow monitoring | |
CN106571035B (zh) | 城市道路行程时间噪声数据处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |