CN105740836A - 一种违法占用应急车道的检测方法 - Google Patents

Abstract

本发明提供一种违法占用应急车道的检测方法，包括：获取道路图像；检测车道线边缘直线；去除典型的非应急车道线边缘直线；去除干扰车道线边缘直线；确定车道线边缘直线的类型；确定候选应急车道线边缘直线位置；确定当前帧的应急车道线边缘直线位置；确定应急车道区域；检测违法占用应急车道的车辆；对检测的车辆进行车牌识别；保存抓拍数据。本发明采用视频图像分析技术，实时精确定位应急车道区域，自动抓拍出现在应急车道区域内的车辆，本发明具有全路段抓拍、抓拍实时高效、抓拍精确等特点。

Description

一种违法占用应急车道的检测方法

技术领域

本发明涉及智能交通监控技术领域，具体是一种违法占用应急车道的检测方法。

背景技术

高速公路应急车道是专门为公众设立的救援通道，在危急关头更是一条实施紧急救援的生命通道。按照《中华人民共和国道路交通安全法》及《中华人民共和国道路交通安全法实施条例》的有关规定：除执行紧急任务的警车、消防车、工程救险车、救护车外，其他机动车不得进入应急车道内行驶或者停车。然而，随着我国汽车保有量的快速增长，越来越多的驾驶员在高速公路出现拥堵时，喜欢非法占用应急车道行驶或等待，甚至一些驾驶员在交通畅通时也随意在应急车道内超车或临时停车，这是非常危险的行为，一旦前方出现交通事故，往往会导致警车和救援车辆无法快速到达现场，延长交通拥堵的时间，造成救援困难，加重了事故损害后果。

近年来，为了治理违法占用应急车道行为，交警部门开展了相应的整治行动，利用高速公路监控***和民警配备的摄录机、照相机对违法占用应急车道的违法行为进行抓拍取证，然而这种方式却有极大的局限性，首先高速公路监控***无法进行全路段监控，其次民警通过摄录机和照相机手动抓拍，虽然可以实现全路段抓拍，但是效率较低，因此，迫切需要一种全路段的、高效的新型抓拍技术手段。

发明内容

本发明的目的在于提供一种违法占用应急车道的检测方法，能够实现全路段、实时高效、精确抓拍出现在应急车道内的车辆。

本发明的技术方案为：

一种违法占用应急车道的检测方法，包括以下步骤：

(1)对当前帧高速公路视频图像进行处理,获取当前帧道路图像；

(2)对当前帧道路图像进行处理，获取候选车道线边缘直线；

(3)去除候选车道线边缘直线中的非应急车道线边缘直线；

(4)去除候选车道线边缘直线中的干扰车道线边缘直线；

(5)判断获取的车道线边缘直线是实线还是虚线；

(6)若获取的车道线边缘直线只存在一条实线，则将其作为候选应急车道线边缘直线，若获取的车道线边缘直线存在多条实线，则将位于最右侧的一条作为候选应急车道线边缘直线；

(7)确定当前帧道路图像中的应急车道线边缘直线；

(8)基于应急车道线边缘直线，确定当前帧道路图像中的应急车道区域；

(9)在应急车道区域内进行车辆检测；

(10)对检测到的车辆进行车牌识别；

(11)保存车牌信息和相应的车辆视频图像。

所述的违法占用应急车道的检测方法，步骤(1)中，所述对当前帧高速公路视频图像进行处理,获取当前帧道路图像，具体包括以下步骤：

a、将当前帧高速公路视频图像的上半部分去除，保留下半部分作为有效部分；

b、对有效部分按照一定的缩放因子进行缩放，并将缩放后得到的图像作为当前帧道路图像。

所述的违法占用应急车道的检测方法，步骤(2)中，所述对当前帧道路图像进行处理，获取候选车道线边缘直线，具体包括以下步骤：

a、采用以下均值滤波模板公式，对当前帧道路图像进行模糊处理：

其中，K表示均值滤波模板；

b、采用以下卷积模板公式，获取当前帧道路垂直边缘图像：

其中，K表示垂直边缘检测卷积模板；

c、对当前帧道路垂直边缘图像进行统计，获取边缘强度直方图，按照由大到小的次序，将位于前5％范围内的边缘强度取均值，作为二值化阈值，大于该阈值的设为255，否则设为0，获取当前帧道路二值垂直边缘图像；

d、基于Hough变换理论获取当前帧道路二值垂直边缘图像中所有的边缘线段；

e、依据线段之间的倾斜角度差值和最大间隔距离，将属于同一条边缘直线的线段进行合并，其中，最大间隔距离通过以下公式获得：

其中，k表示第一个线段的斜率，b表示第一个线段的截距，max{}函数表示选择所有元素的最大值，dis(0)表示第二个线段的上部端点到第一个线段的距离，dis(1)表示第二个线段的中点到第一个线段的距离，dis(2)表示第二个线段的下部端点到第一个线段的距离，(x_i，y_i)表示坐标值，maxdis表示两个线段之间的最大间隔距离。

所述的违法占用应急车道的检测方法，步骤(3)中，所述去除候选车道线边缘直线中的非应急车道线边缘直线，具体通过以下公式进行判断，不满足以下公式的候选车道线边缘直线属于非应急车道线边缘直线，予以去除：

α_low≤α_L≤α_high

其中，α_L表示已知的某条候选车道线边缘直线的倾斜角度，α_low和α_high分别表示当前帧道路图像中应急车道线边缘直线所允许出现的倾斜角度的下限和上限。

所述的违法占用应急车道的检测方法，步骤(4)中，所述去除候选车道线边缘直线中的干扰车道线边缘直线，具体包括以下步骤：

a、获取当前候选车道线边缘直线右侧3个像素宽度区域内的亮度均值，作为车道线区域的亮度均值；

b、获取当前候选车道线边缘直线左侧3个像素宽度区域内的亮度均值，作为车道线左侧背景区域的亮度均值；

c、将当前候选车道线边缘直线向右平移W个像素，W的大小取决于当前帧道路图像中车道线的最大宽度，然后获取平移后边缘直线右侧3个像素宽度区域内的亮度均值，作为车道线右侧背景区域的亮度均值；

d、若当前候选车道线边缘直线不满足以下公式，则为干扰车道线边缘直线，予以丢弃：

其中，V_lane表示车道线区域的亮度均值，V_left表示车道线左侧背景区域的亮度均值，V_right表示车道线右侧背景区域的亮度均值，min{}函数表示求取所有元素的最小值。

所述的违法占用应急车道的检测方法，步骤(5)中，所述判断获取的车道线边缘直线是实线还是虚线，具体包括以下步骤：

a、将当前车道线边缘直线分别向左平移5个像素、向右平移W+5个像素，W的大小取决于当前帧道路图像中车道线的最大宽度，获取共同围成的区域，即为车道线局部区域；

b、基于最大类间距算法，获取车道线局部区域的二值图像；

c、去除车道线局部区域的二值图像中面积小于一定阈值的连通区域；

d、统计车道线局部区域的二值图像中剩余连通区域的数目；

e、获取最大面积和次大面积连通区域的高度；

f、如果连通区域的数目、最大面积和次大面积连通区域的高度满足以下公式，则当前车道线边缘直线是实线，否则是虚线：

其中，N表示连通区域的数目，H_FM表示最大面积连通区域的高度，H_SM表示次大面积连通区域的高度，IH表示当前帧道路图像的高度。

所述的基于车道线模型的违法占用应急车道检测方法，步骤(7)中，所述确定当前帧道路图像中的应急车道线边缘直线，具体包括以下步骤：

a、基于上一帧道路图像中的应急车道线边缘直线位置，采用kalman滤波器预测当前帧道路图像中的应急车道线边缘直线位置；

b、判断是否获取候选应急车道线边缘直线位置，如果获得，进入步骤c，如果没有获得，进入步骤e；

c、判断候选应急车道线边缘直线是否满足以下公式，若满足，则候选应急车道线边缘直线是真正的应急车道线边缘直线，进入步骤d，否则，则候选应急车道线边缘直线是错误的应急车道线边缘直线，予以丢弃，进入步骤e：

其中，α_i表示当前帧道路图像中候选应急车道线边缘直线的倾斜角度，α_p表示预测得到的当前帧道路图像中应急车道线边缘直线的倾斜角度，D(L_i，L_p)表示当前帧道路图像中候选应急车道线边缘直线与预测得到的应急车道线边缘直线之间的最大距离，W表示当前帧道路图像中车道线的最大宽度；

d、将候选应急车道线边缘直线作为最终的应急车道线边缘直线；

e、将预测得到的应急车道线边缘直线作为最终的应急车道线边缘直线；

f、基于获得的当前帧道路图像中的应急车道线边缘直线位置，更新kalman滤波器的模型参数。

所述的基于车道线模型的违法占用应急车道检测方法，步骤(8)中，所述基于应急车道线边缘直线，确定当前帧道路图像中的应急车道区域，具体按照以下公式获得四个点，所述四个点连线围成的图像区域即是当前帧道路图像中的应急车道区域：

其中，(X₀，Y₀)表示应急车道线边缘直线上的已知点，W表示当前帧道路图像中车道线的最大宽度，k表示应急车道线边缘直线的斜率，IH表示当前帧道路图像的高度，(x₁，y₁)、(x₂，y₂)、(x₃，y₃)、(x₄，y₄)分别表示四个点的坐标。

所述的基于车道线模型的违法占用应急车道检测方法，步骤(9)中，所述在应急车道区域内进行车辆检测，具体包括以下步骤：

a、获取应急车道区域内所有的水平边缘直线；

b、将特定矩形框在应急车道区域内进行滑动，统计特定矩形框内水平边缘直线的最大数目，作为车辆的特征，其中，特定矩形框的宽度等于应急车道区域的宽度，特定矩形框的高度等于当前帧道路图像中车辆的最大高度；

c、判断车辆的特征是否大于预设阈值，若是，则表示存在车辆，若否，则表示不存在车辆。

本发明的有益效果为：

由上述技术方案可知，本发明采用视频图像分析技术，实时精确定位应急车道区域，自动抓拍出现在应急车道区域内的车辆，本发明具有全路段抓拍、抓拍实时高效、抓拍精确等特点。

附图说明

图1是本发明的方法流程图；

图2是获取的实时道路图像；

图3是检测车道线边缘直线效果图；

图4是去除干扰车道线边缘直线后的效果图；

图5是获取的应急车道区域图。

具体实施方式

下面结合附图和具体实施例进一步说明本发明。

如图1所示，一种违法占用应急车道的检测方法，包括以下顺序的步骤：

S1、获取当前帧道路图像，主要是对当前帧高速公路视频图像进行处理，获取包含应急车道的有效视频图像，效果如图2所示，具体步骤如下：

S11、通过安装在车顶的摄像机，实时抓拍高速公路视频图像；

S12、选择有效的道路图像，正常的道路图像，地平线以上的部分属于无效的部分，应该予以去除，本发明选择高速公路视频图像的下半部分作为有效的道路图像；

S13、为提高算法的处理速度，对有效的道路图像进行缩放，并将缩放后的图像作为当前帧道路图像用于后续处理。

S2、检测车道线边缘直线，高速公路上的车道线均符合国家的规范制式标准，而且相对于路面区域，亮度差别较大，正确地检测出车道线边缘直线位置，后续工作可以方便地获取需要的道路相关区域，效果如图3所示，具体步骤如下：

S21、图像模糊处理，由于车道线和路面的对比度很高，适当的模糊处理，可以去除很多干扰边缘区域，如路面纹理和道路旁边的树丛等，同时不破坏车道线边缘信息，本发明选择的是均值滤波，其滤波模板如公式(1)所示：

其中，K表示均值滤波模板。

S22、车道线边缘直线检测，由于道路图像中的车道线更加接近垂直方向，因此，基于卷积模板公式(2)，获取当前帧道路垂直边缘图像(左边缘)，可有效避免水平边缘的干扰：

其中，K表示垂直边缘检测卷积模板。

S23、获取当前帧道路二值垂直边缘图像，具体方法是，先统计当前帧道路垂直边缘图像，获取边缘强度直方图，然后，按照由大到小的次序，将位于前5％范围内的边缘强度取均值，作为二值化阈值，大于该阈值的设为255，小于该阈值的设为0。

S24、检测候选车道线边缘直线，主要是基于Hough变换理论获取当前帧道路二值垂直边缘图像中所有的边缘直线。

S25、合并候选车道线边缘直线，由于Hough变换获取的直线均是线段，可能存在一条车道线边缘直线被检测为多个线段，因此，需要对线段进行合并，获取完整的直线。具体方法是对于不同的两个线段，依据二者的倾斜角度差值和最大间隔距离联合判断是否属于同一条直线，其中，最大间隔距离是基于公式(3)完成，将属于同一条直线的线段进行合并：

其中，k表示第一个线段的斜率，b表示第一个线段的截距，max{}函数表示选择所有元素的最大值，dis(0)表示第二个线段的上部端点到第一个线段的距离，dis(1)表示第二个线段的中点到第一个线段的距离，dis(2)表示第二个线段的下部端点到第一个线段的距离。

S3、去除典型的非应急车道线边缘直线，根据视频场景下应急车道线的特征，不满足公式(4)的候选车道线边缘直线，属于典型的非应急车道线边缘直线，予以去除：α_low≤α_L≤α_high(4)

其中，α_L表示已知的某条候选车道线边缘直线的倾斜角度，α_low和α_high分别表示当前帧道路图像中应急车道线边缘直线所允许出现的倾斜角度的下限和上限。

S4、去除干扰车道线边缘直线，主要是道路边缘处的栏杆和树丛的干扰，根据车道线区域比背景区域亮度大的特点，效果如图4所示，具体步骤如下：

S41、获取车道线区域的亮度均值，主要是获取当前候选车道线边缘直线右侧3个像素宽度区域内的亮度均值。

S42、获取车道线左侧背景区域的亮度均值，主要是获取当前候选车道线边缘直线左侧3个像素宽度区域内的亮度均值。

S43、获取车道线右侧背景区域的亮度均值，主要是将当前候选车道线边缘直线向右平移W个像素，W的大小取决于当前帧道路图像中车道线的最大宽度，然后获取平移后边缘直线右侧3个像素宽度区域内的亮度均值。

S44、判断当前候选车道线边缘直线是否是真正的车道线边缘直线，主要方法是如果某一条候选车道线边缘直线不满足公式(5)，那么该候选车道线边缘直线就是虚假的车道线边缘直线，即干扰车道线边缘直线，予以丢弃。

其中，V_lane是车道线区域的亮度均值，V_left是车道线左侧背景区域的亮度均值，Vr_ight是车道线右侧背景区域的亮度均值，min{}函数表示求取所有元素的最小值。

S5、确定车道线边缘直线的类型，主要是判断已获取的车道线边缘直线是属于实线还是虚线，具体步骤如下：

S51、获取车道线局部区域，主要方法是将当前车道线边缘直线分别向左平移5个像素、向右平移W+5个像素，W的大小取决于当前帧道路图像中车道线的最大宽度，获取共同围成的区域，即是车道线局部区域。

S52、获取车道线局部区域的二值图像，主要是基于最大类间距算法。

S53、去除面积较小的连通区域。

S54、统计剩余连通区域的数目。

S55、获取最大面积和次大面积连通区域的高度。

S56、判断当前车道线边缘直线的类型，如果满足公式(6)，则当前车道线边缘直线属于实线：

其中，N表示所有连通区域的数目，H_FM表示最大面积连通区域的高度，H_SM表示次大面积连通区域的高度，IH表示当前帧道路图像的高度。

S6、确定候选应急车道线边缘直线位置，如果只存在一条实线，那么它就是候选应急车道线边缘直线位置，如果存在多条实线，那么选择最右侧的一条作为候选应急车道线边缘直线位置。

S7、获取当前帧道路图像中的应急车道线边缘直线位置，具体步骤如下：

S71、基于上一帧道路图像中的应急车道线边缘直线位置，采用kalman滤波器预测当前帧道路图像中的应急车道线边缘直线位置。

S72、判断是否获取候选应急车道线边缘直线位置，如果获得，进入步骤S73，如果没有获得，进入步骤S75。

S73、判断候选应急车道线边缘直线是否是真正的应急车道线边缘直线，如果满足公式(7)，说明候选应急车道线边缘直线是真正的应急车道线边缘直线，进入步骤S74，否则，说明候选应急车道线边缘直线是错误的应急车道线边缘直线，予以丢弃，进入步骤S75：

其中，α_i表示当前帧道路图像中候选应急车道线边缘直线的倾斜角度，α_p表示预测得到的当前帧道路图像中应急车道线边缘直线的倾斜角度，D(L_i，L_p)表示当前帧道路图像中候选应急车道线边缘直线与预测得到的应急车道线边缘直线之间的最大距离，W表示当前帧道路图像中车道线的最大宽度。

S74、将候选应急车道线边缘直线作为最终的应急车道线边缘直线。

S75、将预测得到的应急车道线边缘直线作为最终的应急车道线边缘直线。

S76、更新跟踪模型参数，主要是基于获得的当前帧道路图像中的应急车道线边缘直线位置，更新kalman滤波器的模型参数，为预测下一帧道路图像中的应急车道线边缘直线做准备。

S8、确定应急车道区域，按照公式(8)获得四个点，它们围成的图像区域即是当前帧道路图像中的应急车道区域，效果如图5所示：

其中，(X₀，Y₀)表示应急车道线边缘直线上的已知点，W表示当前帧道路图像中车道线的最大宽度，k表示应急车道线边缘直线的斜率，IH表示当前帧道路图像的高度。

S9、检测违法占用应急车道的车辆，主要是判断在应急车道区域内是否出现车辆，具体步骤如下：

S91、按照公式(9)，在应急车道区域内进行水平边缘检测，再类比步骤S23至步骤S25，获取应急车道区域内所有的水平边缘直线：

其中，K表示水平边缘检测卷积模板。

S92、获取车辆的特征，主要方法是将特定矩形框在应急车道区域内进行滑动，统计特定矩形框内水平边缘直线的最大数目，其中，特定矩形框的宽度等于应急车道区域的宽度，特定矩形框的高度等于当前帧道路图像中典型车辆的最大高度。

S93、判断是否存在车辆，主要是判断车辆的特征是否大于某个值T，其中，T表示当前帧道路图像中典型车辆的水平边缘直线的最小数目，如果大于，说明存在车辆，如果小于，说明不存在车辆。

S10、对检测到的车辆进行车牌识别。

S11、保存抓拍数据，包括车牌信息和相应的车辆视频图像。

以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims (9)

1.一种违法占用应急车道的检测方法，其特征在于，包括以下步骤：

(1)对当前帧高速公路视频图像进行处理,获取当前帧道路图像；

(2)对当前帧道路图像进行处理，获取候选车道线边缘直线；

(3)去除候选车道线边缘直线中的非应急车道线边缘直线；

(4)去除候选车道线边缘直线中的干扰车道线边缘直线；

(5)判断获取的车道线边缘直线是实线还是虚线；

(6)若获取的车道线边缘直线只存在一条实线，则将其作为候选应急车道线边缘直线，若获取的车道线边缘直线存在多条实线，则将位于最右侧的一条作为候选应急车道线边缘直线；

(7)确定当前帧道路图像中的应急车道线边缘直线；

(8)基于应急车道线边缘直线，确定当前帧道路图像中的应急车道区域；

(9)在应急车道区域内进行车辆检测；

(10)对检测到的车辆进行车牌识别；

(11)保存车牌信息和相应的车辆视频图像。

2.根据权利要求1所述的违法占用应急车道的检测方法，其特征在于，步骤(1)中，所述对当前帧高速公路视频图像进行处理,获取当前帧道路图像，具体包括以下步骤：

a、将当前帧高速公路视频图像的上半部分去除，保留下半部分作为有效部分；

b、对有效部分按照一定的缩放因子进行缩放，并将缩放后得到的图像作为当前帧道路图像。

3.根据权利要求1所述的违法占用应急车道的检测方法，其特征在于，步骤(2)中，所述对当前帧道路图像进行处理，获取候选车道线边缘直线，具体包括以下步骤：

a、采用以下均值滤波模板公式，对当前帧道路图像进行模糊处理：

$K=\frac{1}{17}\left[\begin{array}{ccccccc}0& 0& 0& 1& 0& 0& 0\\ 0& 0& 0& 1& 0& 0& 0\\ 0& 0& 1& 1& 1& 0& 0\\ 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 1& 1& 1& 0& 0\\ 0& 0& 0& 1& 0& 0& 0\\ 0& 0& 0& 1& 0& 0& 0\end{array}\right]$

其中，K表示均值滤波模板；

b、采用以下卷积模板公式，获取当前帧道路垂直边缘图像：

$K=\left[\begin{array}{ccccc}0& 1& 0& -1& 0\\ 1& 2& 0& -2& -1\\ 2& 4& 0& -4& -2\\ 1& 2& 0& -2& -1\\ 0& 1& 0& -1& 0\end{array}\right]$

其中，K表示垂直边缘检测卷积模板；

c、对当前帧道路垂直边缘图像进行统计，获取边缘强度直方图，按照由大到小的次序，将位于前5％范围内的边缘强度取均值，作为二值化阈值，大于该阈值的设为255，否则设为0，获取当前帧道路二值垂直边缘图像；

d、基于Hough变换理论获取当前帧道路二值垂直边缘图像中所有的边缘线段；

e、依据线段之间的倾斜角度差值和最大间隔距离，将属于同一条边缘直线的线段进行合并，其中，最大间隔距离通过以下公式获得：

$\left\{\begin{array}{c}maxdis=max\{dis\left(0\right),dis\left(1\right),dis\left(2\right)\}\\ dis\left(i\right)=\frac{|xi*k-yi+b|}{\sqrt{1+k^2}}\end{array}\right.$

其中，k表示第一个线段的斜率，b表示第一个线段的截距，max{}函数表示选择所有元素的最大值，dis(0)表示第二个线段的上部端点到第一个线段的距离，dis(1)表示第二个线段的中点到第一个线段的距离，dis(2)表示第二个线段的下部端点到第一个线段的距离，(x_i，y_i)表示坐标值，maxdis表示两个线段之间的最大间隔距离。

4.根据权利要求1所述的违法占用应急车道的检测方法，其特征在于，步骤(3)中，所述去除候选车道线边缘直线中的非应急车道线边缘直线，具体通过以下公式进行判断，不满足以下公式的候选车道线边缘直线属于非应急车道线边缘直线，予以去除：

α_low≤α_L≤α_high

其中，α_L表示已知的某条候选车道线边缘直线的倾斜角度，α_low和α_high分别表示当前帧道路图像中应急车道线边缘直线所允许出现的倾斜角度的下限和上限。

5.根据权利要求1所述的违法占用应急车道的检测方法，其特征在于，步骤(4)中，所述去除候选车道线边缘直线中的干扰车道线边缘直线，具体包括以下步骤：

a、获取当前候选车道线边缘直线右侧3个像素宽度区域内的亮度均值，作为车道线区域的亮度均值；

b、获取当前候选车道线边缘直线左侧3个像素宽度区域内的亮度均值，作为车道线左侧背景区域的亮度均值；

c、将当前候选车道线边缘直线向右平移W个像素，W的大小取决于当前帧道路图像中车道线的最大宽度，然后获取平移后边缘直线右侧3个像素宽度区域内的亮度均值，作为车道线右侧背景区域的亮度均值；

d、若当前候选车道线边缘直线不满足以下公式，则为干扰车道线边缘直线，予以丢弃：

$\left\{\begin{array}{c}{V}_{lane}-V_{left}\≥V_{lane}*0.2\\ V_{lane}-V_{right}\≥V_{lane}*0.2\\ |V_{left}-V_{right}|\≤\min \{V_{left},V_{right}\}*0.1\end{array}\right.$

其中，V_lane表示车道线区域的亮度均值，V_left表示车道线左侧背景区域的亮度均值，V_right表示车道线右侧背景区域的亮度均值，min{}函数表示求取所有元素的最小值。

6.根据权利要求1所述的违法占用应急车道的检测方法，其特征在于，步骤(5)中，所述判断获取的车道线边缘直线是实线还是虚线，具体包括以下步骤：

a、将当前车道线边缘直线分别向左平移5个像素、向右平移W+5个像素，W的大小取决于当前帧道路图像中车道线的最大宽度，获取共同围成的区域，即为车道线局部区域；

b、基于最大类间距算法，获取车道线局部区域的二值图像；

c、去除车道线局部区域的二值图像中面积小于一定阈值的连通区域；

d、统计车道线局部区域的二值图像中剩余连通区域的数目；

e、获取最大面积和次大面积连通区域的高度；

f、如果连通区域的数目、最大面积和次大面积连通区域的高度满足以下公式，则当前车道线边缘直线是实线，否则是虚线：

$\left\{\begin{array}{c}N\≤2\\ H_{FM}\≥H_{SM}*2\\ H_{FM}\≥IH*0.7\end{array}\right.$

其中，N表示连通区域的数目，H_FM表示最大面积连通区域的高度，H_SM表示次大面积连通区域的高度，IH表示当前帧道路图像的高度。

7.根据权利要求1所述的基于车道线模型的违法占用应急车道检测方法，其特征在于，步骤(7)中，所述确定当前帧道路图像中的应急车道线边缘直线，具体包括以下步骤：

a、基于上一帧道路图像中的应急车道线边缘直线位置，采用kalman滤波器预测当前帧道路图像中的应急车道线边缘直线位置；

b、判断是否获取候选应急车道线边缘直线位置，如果获得，进入步骤c，如果没有获得，进入步骤e；

c、判断候选应急车道线边缘直线是否满足以下公式，若满足，则候选应急车道线边缘直线是真正的应急车道线边缘直线，进入步骤d，否则，则候选应急车道线边缘直线是错误的应急车道线边缘直线，予以丢弃，进入步骤e：

$\left\{\begin{array}{c}|{\mathrm{\α}}_i-{\mathrm{\α}}_p|\≤5\\ D\left(L_i,L_p\right)\≤W*2\end{array}\right.$

其中，α_i表示当前帧道路图像中候选应急车道线边缘直线的倾斜角度，α_p表示预测得到的当前帧道路图像中应急车道线边缘直线的倾斜角度，D(L_i，L_p)表示当前帧道路图像中候选应急车道线边缘直线与预测得到的应急车道线边缘直线之间的最大距离，W表示当前帧道路图像中车道线的最大宽度；

d、将候选应急车道线边缘直线作为最终的应急车道线边缘直线；

e、将预测得到的应急车道线边缘直线作为最终的应急车道线边缘直线；

f、基于获得的当前帧道路图像中的应急车道线边缘直线位置，更新kalman滤波器的模型参数。

8.根据权利要求1所述的基于车道线模型的违法占用应急车道检测方法，其特征在于，步骤(8)中，所述基于应急车道线边缘直线，确定当前帧道路图像中的应急车道区域，具体按照以下公式获得四个点，所述四个点连线围成的图像区域即是当前帧道路图像中的应急车道区域：

$\left\{\begin{array}{c}(x_1,y_1)=(X_0-\frac{Y_0}{k},0)\\ (x_2,y_2)=(W+X_0-\frac{Y_0}{k},0)\\ (x_3,y_3)=(W+X_0+\frac{IH-Y_0}{k},IH)\\ (x_4,y_4)=(X_0+\frac{IH-Y_0}{k},IH)\end{array}\right.$

其中，(X₀，Y₀)表示应急车道线边缘直线上的已知点，W表示当前帧道路图像中车道线的最大宽度，k表示应急车道线边缘直线的斜率，IH表示当前帧道路图像的高度，(x₁，y₁)、(x₂，y₂)、(x₃，y₃)、(x₄，y₄)分别表示四个点的坐标。

9.根据权利要求1所述的基于车道线模型的违法占用应急车道检测方法，其特征在于，步骤(9)中，所述在应急车道区域内进行车辆检测，具体包括以下步骤：

a、获取应急车道区域内所有的水平边缘直线；

b、将特定矩形框在应急车道区域内进行滑动，统计特定矩形框内水平边缘直线的最大数目，作为车辆的特征，其中，特定矩形框的宽度等于应急车道区域的宽度，特定矩形框的高度等于当前帧道路图像中车辆的最大高度；

c、判断车辆的特征是否大于预设阈值，若是，则表示存在车辆，若否，则表示不存在车辆。