CN105702048A - 基于行车记录仪的高速公路前车违法占道识别***及方法 - Google Patents

Abstract

本发明公开了一种基于行车记录仪的高速公路前车违法占道识别***及方法，该***包括行车记录仪、信息采集单元、抓拍单元、信息处理单元和车辆定位单元；信息采集单元，与行车记录仪连接，用于获取行车记录仪采集到的视频图像；抓拍单元，用于触发抓拍模式，对行车记录仪进行抓拍操作，从信息存储单元中获取抓拍时刻的视频信息；信息处理单元，用于将抓拍时刻的视频信息解码为连续帧图片，根据图片对车道线、车辆牌照和车辆目标进行识别，并根据识别结果对车辆的违法占道情况进行判断。本发明能够利用现有的大量行车记录仪设备，无需铺设大量的定点监控设备，节约了成本，为高速公路交通安全提供了技术支持。

Description

基于行车记录仪的高速公路前车违法占道识别***及方法

技术领域

本发明涉及高速公路交通违法行为取证技术领域，尤其涉及一种基于行车记录仪的高速公路前车违法占道识别***及方法。

背景技术

高速公路被誉为一个国家走向现代化的桥梁，是发展现代交通业的必经之路。我国高速公路发展迅速，高速公路里程已居世界第一位。然而，违法占道行驶、超速行驶以及疲劳驾驶等交通违法行为威胁着高速公路行车安全。现有的违法占道检测方法主要有人工检测和视频检测。现有的视频检测一般为定点监控，而定点监控需在高速公路重要路段建设监控基站，建设成本较高，且定点监控属于抽样式监控，不能实现全面覆盖，无法监控视觉盲区车辆。因此，需要更加灵活的交通违法行为识别和取证手段。

近些年，随着“全民执法”概念的普及，各地交警部门鼓励民众对道路交通违法行为进行抓拍举报活动。行车记录仪是目前使用最为广泛的车载视频装置。在国外某些国家，行车记录仪的使用率已经达到91％以上。在国内，强制客货车使用行车记录仪的制度正在逐步完善，且自发使用的人数也越来越多。可以预见，行车记录仪将会在汽车上普及使用。由于行车记录仪的基数大，在其基础上开发高速公路前车违法占道识别***与方法，可使每台装备了行车记录仪的车辆成为可移动的交通违法行为举报者，对交通违法者产生极大震慑作用，更能契合交通违法行为“全民执法”的理念。

因此，本领域技术人员需要解决的一个技术问题是：如何能够提出一种新型高速公路前车违法占道识别***与方法，利用广泛使用的行车记录仪拍摄视频信息，对高速公路前车违法占道行为进行识别和取证，能弥补当前定点监控的不足，为高速公路交通安全管控提供更全面的技术支持。

发明内容

本发明要解决的技术问题在于针对现有技术中通过设置摄像头定点监控违法占道建设成本高，且不能全面覆盖的缺陷，提供一种利用现有行车记录仪设备拍摄的视频信息进行违法占道识别的基于行车记录仪的高速公路前车违法占道识别***及方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种基于行车记录仪的高速公路前车违法占道识别***，包括行车记录仪、信息存储单元和供电单元，还包括：信息采集单元、抓拍单元、信息处理单元和车辆定位单元；

所述信息采集单元，与行车记录仪连接，用于获取行车记录仪采集到的视频图像；

所述抓拍单元，用于触发抓拍模式，对行车记录仪进行抓拍操作，从信息存储单元中获取抓拍时刻的视频信息，并将该视频信息另存至信息存储单元；

所述车辆定位单元，用于获取车辆的GPS位置信息；

所述信息处理单元，用于将抓拍时刻的视频信息解码为连续帧图片，根据图片对车道线、车辆牌照和车辆目标进行识别，并根据识别结果对车辆的违法占道情况进行判断；若判断有车辆违法占道，则将抓拍时刻的视频信息、违法占道发生时间与GPS位置信息、违法占道车辆牌照和计算的结果进行保存。

进一步地，本发明的所述抓拍单元获取到的抓拍时刻的视频信息，包括抓拍时刻前5秒和抓拍时刻后5秒的历史视频信息。

本发明提供一种基于行车记录仪的高速公路前车违法占道识别方法，包括以下步骤：

S1、获取抓拍时刻的视频信息，将其解码为连续帧图片，根据连帧图片对车道线、车辆牌照和车辆目标进行识别；

S2、根据行车记录仪的安装位置计算行车记录仪的外参数，并根据该外参数建立图像坐标系与世界坐标系之间的关系；

S3、根据连帧图片计算车道线和车辆在世界坐标系中的位置，并计算车辆与车道线的位置关系；

S4、根据每张连帧图片中车辆与车道线的位置关系，绘制车辆随时间变化的横向轨迹，并根据该横向轨迹判断车辆是否违法占道。

进一步地，本发明的步骤S1中根据颜色识别和Hough变换相结合的方式进行车道线检测与识别，其具体步骤为：

a、收集大量高速公路车道线样本，形成车道线样本空间；

b、输入待检测图片，找出待检测图片中与车道线样本空间相匹配的像素点；

c、根据已匹配的像素点进行绘图，得到根据颜色特征检测出的车道线。

进一步地，本发明的步骤S1中根据模板匹配法进行车牌照的识别，其具体步骤为：

a、进行车牌的定位，在图像中找出车牌区域，并对其进行倾斜矫正；

b、对已定位的车牌区域进行颜色识别，对已定位的车牌区域进行对字符分割；

c、将目标车辆的车牌号字符与构造好的字符模版进行对比，根据其相似度大小确定识别结果，得到识别结果。

进一步地，本发明的步骤S2中根据3条平行车道线和车道宽度对行车记录仪的外参数进行标定。

进一步地，本发明的该方法还包括根据连帧图片的时间差计算车辆速度。

本发明产生的有益效果是：本发明的基于行车记录仪的高速公路前车违法占道识别方法，通过颜色特征和形状特征结合的方式进行车道线检测，并根据车道线和车辆的位置关系绘制出车辆的横向轨迹，进而判断车辆的违法占道情况；该方法的计算速度快，判断准确率高；并且能够利用现有的大量行车记录仪设备，无需铺设大量的定点监控设备，节约了成本，为高速公路交通安全提供了技术支持。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的基于行车记录仪的高速公路前车违法占道识别***的结构示意图；

图2是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的流程图；

图3是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的检测示意图(1)；

图4是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的检测示意图(2)；

图5是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的总体流程图；

图6是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的数据处理流程图；

图7是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的参考坐标系(1)；

图8是本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法的参考坐标系(2)。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例的基于行车记录仪的高速公路前车违法占道识别***，包括行车记录仪、信息存储单元和供电单元，其特征在于，还包括：信息采集单元、抓拍单元、信息处理单元和车辆定位单元；

信息采集单元，与行车记录仪连接，用于获取行车记录仪采集到的视频图像；

抓拍单元，用于触发抓拍模式，对行车记录仪进行抓拍操作，从信息存储单元中获取抓拍时刻的视频信息，并将该视频信息另存至信息存储单元；

车辆定位单元，用于获取车辆的GPS位置信息；

信息处理单元，用于将抓拍时刻的视频信息解码为连续帧图片，根据图片对车道线、车辆牌照和车辆目标进行识别，并根据识别结果对车辆的违法占道情况进行判断；若判断有车辆违法占道，则将抓拍时刻的视频信息、违法占道发生时间与GPS位置信息、违法占道车辆牌照和计算的结果进行保存。

现有的车载行车记录仪已具备录像和视频存储的功能，***以车载行车记录仪作为信息采集单元的信息采集装置。若不触发抓拍单元，***一直处于行车记录仪模式。当本车人员怀疑前方车辆存在违法占道行为时，则通过抓拍单元对嫌疑车辆进行抓拍，抓拍单元会对行车记录仪进行抓拍操作，从信息存储单元中调取抓拍时刻前5秒的历史视频信息，并拍摄抓拍发生后5秒的视频信息，将抓拍前后5秒共10秒的视频信息另存至信息存储单元。与此同时，信息处理单元通过车辆定位单元中的GPS获取违法占道发生时间与地点。抓拍视频获取之后，信息处理单元对抓拍的视频进行分析，将视频解码为连续帧图片，根据图片实现对车道线、车辆牌照和车辆目标的识别，依据识别出的车道线对车辆进行定位，计算目标车辆与车道线的位置关系，通过连续帧图片的车辆位置绘制车辆的横向轨迹，判定前方车辆是否违法占道，如果判定为违法占道，则将视频数据、违法占道发生时间与地点、违法占道车辆牌照和计算的结果进行保存，作为判定车辆违法占道的证据。供电单元为整个***提供电源支持。

如图2所示，本发明实施例的基于行车记录仪的高速公路前车违法占道识别方法，包括以下步骤：

S1、获取抓拍时刻的视频信息，将其解码为连续帧图片，根据连帧图片对车道线、车辆牌照和车辆目标进行识别；

根据颜色识别和Hough变换相结合的方式进行车道线检测与识别，其具体步骤为：

a、收集大量高速公路车道线样本，形成车道线样本空间；

b、输入待检测图片，找出待检测图片中与车道线样本空间相匹配的像素点；

c、根据已匹配的像素点进行绘图，得到根据颜色特征检测出的车道线。

根据模板匹配法进行车牌照的识别，其具体步骤为：

a、进行车牌的定位，在图像中找出车牌区域，并对其进行倾斜矫正；

b、对已定位的车牌区域进行颜色识别，对已定位的车牌区域进行对字符分割；

c、将目标车辆的车牌号字符与构造好的字符模版进行对比，根据其相似度大小确定识别结果，得到识别结果。

S2、根据行车记录仪的安装位置计算行车记录仪的外参数，并根据该外参数建立图像坐标系与世界坐标系之间的关系；

S3、根据连帧图片计算车道线和车辆在世界坐标系中的位置，并计算车辆与车道线的位置关系；

S4、根据每张连帧图片中车辆与车道线的位置关系，绘制车辆随时间变化的横向轨迹，并根据该横向轨迹判断车辆是否违法占道。

该方法还包括根据连帧图片的时间差计算车辆速度。

在本发明的另一个实施例中，信息处理单元对抓拍的视频进行解码处理，将视频解码为等时间间距的连续帧图片并记录连续帧时间间距T。数据处理的过程分为4步，第1步为图像识别，包括车道线识别、车牌号识别和车辆识别；第2步为行车记录仪摄像机外参数计算；第3步为车辆横向定位，计算目标车辆与车道线的位置关系；第4步根据每帧图片的车辆位置计算连续帧图片车辆横向轨迹，并对其是否违法占道进行判定。

1.车道线识别、车牌号识别和车辆识别。

利用颜色识别和Hough变换相结合的方式进行车道线检测与识别，提取出图像中的车道线。高速公路车道线一般为白色，相对于路面的其他颜色是很明显的颜色特征，可以通过颜色特征对车道线进行检测提取。主要步骤为：首先收集大量高速公路车道线样本，形成车道线样本空间；其次输入待检测图片，找出待检测图片中与车道线样本空间相匹配的像素点；最后根据已匹配的像素点进行绘图，即为根据颜色特征检测出的车道线。在根据颜色特征提取的车道线基础上利用Hough变换进行进一步处理。Hough变换的基本思想是点线的对偶性，利用图像全局特性连接边缘像素组成区域边界。对图像中直线上的任意一点(x,y)，Hough变换将其映射到参数空间(θ,ρ)的一条正弦曲线上。由于图像空间内的一条直线由一对参数(θ₀,ρ₀)唯一地确定，因而该直线上的各点变换到参数空间的各正弦曲线必然都经过点(θ₀,ρ₀)，在参数空间中的这个点的坐标就代表了图像空间中这条直线的参数。这样将图像中的直线检测问题转换为参数空间中共线点的检测问题。在根据颜色特征提取的车道线基础上利用Hough变换可以识别并提取出车道线。

利用模版匹配法进行车辆牌照的识别，主要步骤为：首先进行车牌的定位，在图像中找出车牌区域，并对其进行倾斜矫正；然后，对已定位的车牌区域进行颜色识别，判断该车辆是否是使用黄色车牌的低速车辆；其次，对已定位的车牌区域进行对字符分割；最后，利用模版匹配法进行字符的识别，得到目标车辆的车牌号，该方法的原理为将要识别的字符与事先构造好的字符模版进行对比，根据待检测的字符与模版的相似度大小确定识别结果。利用Hog(方向梯度直方图)算法结合SVM算法(支持向量机)进行车辆的检测和识别。首先搜集具备典型性的车辆图片，形成正样本库，搜集具备典型性的高速公路非车辆图片，形成负样本库；然后提取其Hog特征，训练SVM分类器；最后将待检测图片输入至SVM分类器，得到判断结果。

2.行车记录仪摄像机外参数计算。

在进行车辆位置计算前，需要标定行车记录仪摄像机内外参数，建立图像坐标系和世界坐标系之间的联系。设(u，v)为以像素为单位的图像坐标系的坐标，[uv1]^T表示以像素为单位的图像坐标系的齐次坐标，K为摄像机内参数矩阵，是一个3×3矩阵；R和t为摄像机外参数，R为3×3旋转矩阵，t为三维平移向量；[X_wY_wZ_w1]^T为空间点在世界坐标系的齐次坐标表示。根据小孔成像原理：

[uv1]^T≌K[Rt][X_wY_wZ_w1]^T(1)

一般同一款行车记录仪摄像机内参数相同，设K为已知条件。行车记录仪摄像机外参数与行车记录仪的安装位置有关，每一辆车都不相同。传统外参数标定需要在车辆静止的情况下拍摄至少2张棋盘格图片。然而，在实际情况中，没有机会对所有车辆进行外参数标定。对于标准高速公路，一般含有行车道、超车道和应急车道，行车道和超车道通过3条平行车道线隔开，并且车道宽度即车道线间距已知。本发明使用一种外参数标定的方法，通过3条平行车道线进行外参数计算，具体计算方法见具体实施方式。

3.车辆横向定位。

在得到摄像机内外参数之后，可以建立图像坐标系和世界坐标系之间的联系，可以根据图片计算出车道线和车辆在对应世界坐标系中的位置。执行第1步，可以得到图像中的车道线和车辆目标；执行第2步，得到摄像机内外参数；建立世界坐标系，根据小孔成像原理，计算车辆目标与车道线的位置关系。

4.车辆横向轨迹计算和违法占道判定。

执行第3步可以得到单帧图片中车辆目标与车道线的位置关系。对连续帧图片进行同样的操作，可以得到连续帧图片车辆目标与车道线的位置关系，以此绘制出车辆随时间变化的横向轨迹。根据目标车辆的横向轨迹可以判定目标车辆是否违法占道，如果判定为违法占道，则将视频数据、违法占道发生时间与地点、违法占道车辆牌照和计算的结果进行保存，作为判定车辆违法占道的证据。

如图3、图4和图5所示，在本发明的另一个实施例中，首先在T时刻，根据图片检测出车道线、车辆和车辆牌照，并计算车辆与车道线的位置关系，然后在T+1、T+2…T+N时刻，同样地检测出车道线、车辆和车辆牌照，并计算车辆与车道线的位置关系，最后根据每一时刻车辆与车道线的位置关系计算出车辆随时间变化的横向轨迹。

该***包括信息采集单元、抓拍单元、信息处理单元、车辆定位单元、信息存储单元和供电单元。现有的行车记录仪已具备录像和视频存储的功能，所述***以行车记录仪作为信息采集单元的信息采集装置。若不触发抓拍单元，***一直处于行车记录仪模式。当本车人员怀疑前方车辆存在违法占道行为时，则通过抓拍单元对嫌疑车辆进行抓拍，抓拍单元会对行车记录仪进行抓拍操作，从信息存储单元中调取抓拍时刻前5秒的历史视频信息，并拍摄抓拍发生后5秒的视频信息，将抓拍前后5秒共10秒的视频信息另存至信息存储单元。与此同时，信息处理单元通过车辆定位单元中的GPS获取违法占道发生时间与地点。抓拍视频获取之后，信息处理单元对抓拍的视频进行分析，将视频解码为连续帧图片，根据图片实现对车道线、车辆牌照和车辆目标的识别，依据识别出的车道线对车辆进行定位，计算目标车辆与车道线的位置关系，通过连续帧图片的车辆位置绘制车辆的横向轨迹，判定前方车辆是否违法占道，如果判定为违法占道，则将视频数据、违法占道发生时间与地点、违法占道车辆牌照和计算的结果进行保存，作为判定车辆违法占道的证据。供电单元为整个***提供电源支持。

如图6所示，信息处理单元对抓拍的视频进行解码处理，将视频解码为等时间间距的连续帧图片并记录连续帧时间间距T。数据处理的过程分为4步，第1步为图像识别，包括车道线识别、车牌号识别和车辆识别；第2步为行车记录仪摄像机外参数计算；第3步为车辆横向定位，计算目标车辆与车道线的位置关系；第4步根据每帧图片的车辆位置计算连续帧图片车辆横向轨迹，并对其是否违法占道进行判定。

第1步，车道线识别、车牌号识别和车辆识别。利用颜色识别和Hough变换相结合的方式进行车道线检测与识别，提取出图像中的车道线。高速公路车道线一般为白色，相对于路面的其他颜色是很明显的颜色特征，可以通过颜色特征对车道线进行检测提取。具体方法是，首先收集大量高速公路车道线样本，形成车道线样本空间；然后输入待检测图片，找出待检测图片中与车道线样本空间相匹配的像素点；最后根据已匹配的像素点进行绘图，即为根据颜色特征检测出的车道线。在根据颜色特征提取的车道线基础上利用Hough变换进行进一步处理。Hough变换的基本思想是点线的对偶性，利用图像的全局特性将边缘像素连接起来组成区域边界。对图像中直线上的任意一点(x,y)，Hough变换将其映射到参数空间(θ,ρ)的一条正弦曲线上。由于图像空间内的一条直线由一对参数(θ,ρ)唯一地确定,因而该直线上的各点变换到参数空间的各正弦曲线必然都经过点(θ,ρ)，在参数空间中的这个点的坐标就代表了图像空间中这条直线的参数。这样将图像中的直线检测问题转换为参数空间中共线点的检测问题。在颜色特征处理的车道线基础上利用Hough变换的过程为：

(1)根据图像尺寸决定Hough变换累加器的大小并分配内存。

(2)设定阈值，并根据阈值大小将Hough变换累加器中累加值小于阈值的点清零,即认为这些点并不对应图像域中的一条直线。

(3)查找Hough变换累加器中累加值最大的点，记录该点并继续查找记录下一个累加值最大的点，直到累加器中所有的累加值都为零，记录的这些点即对应了检测到的图像中的直线。

(4)根据检测到的点在图像域中绘出直线。

利用模版匹配法进行车辆牌照的识别，主要步骤为：首先进行车牌的定位，在图像中找出车牌区域，并对其进行倾斜矫正；然后，对已定位的车牌区域进行字符分割；最后，利用模版匹配法进行字符的识别，该方法的原理为将要识别的字符与事先构造好的字符模版进行对比，根据待检测的字符与模版的相似度大小确定识别结果。利用Hog算法和SVM进行车辆的检测和识别。首先搜集具备典型性的车辆图片，形成正样本库，搜集具备典型性的道路非车辆图片，形成负样本库；然后提取其Hog特征，训练SVM分类器；最后将待检测图片输入至SVM分类器，得到判断结果。

第2步，行车记录仪摄像机外参数计算。在进行车辆位置计算前，需要标定行车记录仪摄像机内外参数，建立图像坐标系和世界坐标系之间的联系。设(u，v)为以像素为单位的图像坐标系的坐标，[uv1]^T表示以像素为单位的图像坐标系的齐次坐标，K为摄像机内参数矩阵，是一个3×3矩阵；R和t为摄像机外参数，R为3×3旋转矩阵，t为三维平移向量；[X_wY_wZ_w1]^T为空间点在世界坐标系的齐次坐标表示。根据小孔成像原理：

[uv1]^T≌K[Rt][X_wY_wZ_w1]^T(1)

一般同一款行车记录仪摄像机内参数相同，设K为已知条件。行车记录仪摄像机外参数与行车记录仪的安装位置有关，每一辆车都不相同。传统外参数标定需要在车辆静止的情况下拍摄至少2张棋盘格图片。然而，在实际情况中，没有机会对所有车辆进行外参数标定。本发明提供一种通过平行车道线进行外参数标定的方法。对于标准高速公路，一般含有行车道、超车道和应急车道，行车道和超车道通过3条平行车道线隔开，并且车道宽度即车道线间距已知。

如图7和图8所示，设3条平行车道线分别为L₁，L₂和L₃，L₁与L₂间距为d₁，L₁与L₃的间距为d₂，世界坐标系选择车道线方向为X方向，选择与车道线垂直的方向为Y方向，3条车道线在图像中相交于消失点V₁。在Y方向取任意一条直线L_a与L₁，L₂和L₃分别相交于m₁，m₂和m₃，L_a的消失点为V_a。m₁，m₂，m₃和V_a的坐标表示分别为M₁，M₂，M₃，M₀。

由于消失点在车道线上，根据点在直线上的性质可得：

$\left(\begin{array}{ccc}{l}_{1x}& l_{1y}& l_{1z}\\ l_{2x}& l_{2y}& l_{2z}\\ l_{3x}& l_{3y}& l_{3z}\end{array}\right)\left(\begin{array}{c}{V}_x\\ V_y\\ 1\end{array}\right)=\left(\begin{array}{c}0\\ 0\\ 0\end{array}\right)---\left(2\right)$

再根据消失点的性质有：

V≌Kn(3)

于是有:n₁≌K^-1V₁，将n₁定义为X轴方向。

Y方向计算利用交比不变性,根据交比不变性可得：

$R(M_1,M_3,M_2,M_0)=\frac{\left|M_1{M}_2\right|}{\left|M_3{M}_2\right|}/\frac{\left|M_1{M}_0\right|}{\left|M_3{M}_0\right|}=\frac{\left|M_1{M}_2\right|}{\left|M_3{M}_2\right|}=\frac{d_1}{d_1-d_2}---\left(4\right)$

$\frac{\left|m_1{m}_2\right|}{\left|m_3{m}_2\right|}/\frac{\left|m_1{V}_a\right|}{\left|m_3{V}_a\right|}=\frac{d_1}{d_1-d_2}---\left(5\right)$

由此计算由此可以计算出消失点V_a，n_a≌K^-1V_a。并且平面法向量垂直于n₁和n_a，于是n₃≌n₁×n_a，可以定义Y轴方向为n₂≌n₁×n₃。

由计算得到的X和Y方向可计算旋转矩阵R：

$\begin{array}{cc}R{\left[\begin{array}{ccc}1& 0& 0\end{array}\right]}^T=r^{\left(1\right)}=\frac{n_1}{\left|\right|n_1\left|\right|}& R{\left[\begin{array}{ccc}0& 1& 0\end{array}\right]}^T=r^{\left(2\right)}=\frac{n_2}{\left|\right|n_2\left|\right|}\end{array}---\left(6\right)$

$R=\left(\begin{array}{ccc}\frac{n_1}{\left|\right|n_1\left|\right|}& \frac{n_2}{\left|\right|n_2\left|\right|}& \frac{n_1\×n_2}{\left|\right|n_1\×n_2\left|\right|}\end{array}\right)---\left(7\right)$

3.车辆横向定位。

在得到摄像机内外参数之后，可以建立图像坐标系和世界坐标系之间的联系，可以根据图片计算出车道线和车辆在对应世界坐标系中的位置。执行第1步，可以得到图像中的车道线和车辆目标；执行第2步，得到摄像机内外参数；建立世界坐标系，根据小孔成像原理，计算车辆目标与车道线的位置关系。

4.车辆横向轨迹计算和违法占道判定。

执行第3步可以得到单帧图片中车辆目标与车道线的位置关系。对连续帧图片进行同样的操作，可以得到连续帧图片车辆目标与车道线的位置关系，以此绘制出车辆随时间变化的横向轨迹。根据目标车辆的横向轨迹可以判定目标车辆是否违法占道，如果判定为违法占道，则将视频数据、违法占道发生时间与地点、违法占道车辆牌照和计算的结果进行保存，作为判定车辆违法占道的证据。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (7)

1.一种基于行车记录仪的高速公路前车违法占道识别***，包括行车记录仪、信息存储单元和供电单元，其特征在于，还包括：信息采集单元、抓拍单元、信息处理单元和车辆定位单元；

所述信息采集单元，与行车记录仪连接，用于获取行车记录仪采集到的视频图像；

所述抓拍单元，用于触发抓拍模式，对行车记录仪进行抓拍操作，从信息存储单元中获取抓拍时刻的视频信息，并将该视频信息另存至信息存储单元；

所述车辆定位单元，用于获取车辆的GPS位置信息；

所述信息处理单元，用于将抓拍时刻的视频信息解码为连续帧图片，根据图片对车道线、车辆牌照和车辆目标进行识别，并根据识别结果对车辆的违法占道情况进行判断；若判断有车辆违法占道，则将抓拍时刻的视频信息、违法占道发生时间与GPS位置信息、违法占道车辆牌照和计算的结果进行保存。

2.根据权利要求1所述的基于行车记录仪的高速公路前车违法占道识别***，其特征在于，所述抓拍单元获取到的抓拍时刻的视频信息，包括抓拍时刻前5秒和抓拍时刻后5秒的历史视频信息。

3.一种基于行车记录仪的高速公路前车违法占道识别方法，其特征在于，包括以下步骤：

S1、获取抓拍时刻的视频信息，将其解码为连续帧图片，根据连帧图片对车道线、车辆牌照和车辆目标进行识别；

S2、根据行车记录仪的安装位置计算行车记录仪的外参数，并根据该外参数建立图像坐标系与世界坐标系之间的关系；

S3、根据连帧图片计算车道线和车辆在世界坐标系中的位置，并计算车辆与车道线的位置关系；

S4、根据每张连帧图片中车辆与车道线的位置关系，绘制车辆随时间变化的横向轨迹，并根据该横向轨迹判断车辆是否违法占道。

4.根据权利要求3所述的基于行车记录仪的高速公路前车违法占道识别方法，其特征在于，步骤S1中根据颜色识别和Hough变换相结合的方式进行车道线检测与识别，其具体步骤为：

a、收集大量高速公路车道线样本，形成车道线样本空间；

b、输入待检测图片，找出待检测图片中与车道线样本空间相匹配的像素点；

c、根据已匹配的像素点进行绘图，得到根据颜色特征检测出的车道线。

5.根据权利要求3所述的基于行车记录仪的高速公路前车违法占道识别方法，其特征在于，步骤S1中根据模板匹配法进行车牌照的识别，其具体步骤为：

a、进行车牌的定位，在图像中找出车牌区域，并对其进行倾斜矫正；

b、对已定位的车牌区域进行颜色识别，对已定位的车牌区域进行对字符分割；

c、将目标车辆的车牌号字符与构造好的字符模版进行对比，根据其相似度大小确定识别结果，得到识别结果。

6.根据权利要求3所述的基于行车记录仪的高速公路前车违法占道识别方法，其特征在于，步骤S2中根据3条平行车道线和车道宽度对行车记录仪的外参数进行标定。

7.根据权利要求3所述的基于行车记录仪的高速公路前车违法占道识别方法，其特征在于，该方法还包括根据连帧图片的时间差计算车辆速度。