一種自助發(fā)卡機違章行為自動檢測方法
【技術領域】
[0001 ]本發(fā)明屬于智能交通技術領域，特別涉及一種自助發(fā)卡機違章行為自動檢測方 法。
【背景技術】
[0002] 隨著社會經濟的快速發(fā)展，我國高速公路通行量日益增長，收費站面臨人手嚴重 不足，效率太低的問題。因此，在一些人員編制不足的收費站設置了自助發(fā)卡車道，方便司 機自助快速取卡，快速通過。
[0003] 但是高科技在帶給我們便捷的同時，也逐步顯現(xiàn)出一些漏洞。一些不法分子利用 自動發(fā)卡機的漏洞，多次取卡，倒賣高速通行卡，從而進行逃費、漏費等一系列違法犯罪活 動。這種行為一方面讓國家經濟遭受損失，另一方面也擾亂高速正常的通行秩序，造成交通 安全隱患。
[0004] 隨著計算機視頻分析技術在各行各業(yè)的廣泛應用，智能分析系統(tǒng)能讓前端攝像機 實時自動"發(fā)現(xiàn)情況"，并主動"分析"視野中的監(jiān)視目標，同時判斷出這些被監(jiān)視目標的行 為是否存在異常動作，對已經出現(xiàn)或將要出現(xiàn)的異常行為，及時向值班人員發(fā)出警報，切實 提高高速公路的安全防范能力，實現(xiàn)智能化監(jiān)控。

【發(fā)明內容】

[0005] 本發(fā)明的目的是提供一種自助發(fā)卡機違章行為自動檢測方法，以解決對于高速公 路中針對自助發(fā)卡機的違法行為的自動識別。
[0006] 本發(fā)明的技術方案是，一種自助發(fā)卡機違章行為自動檢測方法，采用視頻監(jiān)控手 段，對于自助發(fā)卡機區(qū)域的車輛和行人的行為進行自動識別，所述自動檢測方法包括3個主 步驟，分別是目標分割、違章行為識別和違章行為檢測，所述自動檢測方法中的處理步驟均 是針對自助發(fā)卡機區(qū)域監(jiān)控視頻圖像的按照先后順序處理，
[0007] 所述目標分割，包括分步驟始背景提取、幀差分割目標和形態(tài)學濾波，
[0008] 所述的初始背景提取的實現(xiàn)步驟為：
[0009] al)統(tǒng)計連續(xù)N幀視頻變化情況，記錄像素中個點灰度出現(xiàn)情況
[0011]其中，P(x，y，k)表示像素點（x，y)處亮度值為k出現(xiàn)的次數(shù)，imagei(x，y，m)表示某 一幀圖像像素點(X，y)處亮度值為m，
[0012] a2)將連續(xù)N幀某點灰度出現(xiàn)頻率最大值，作為該點的灰度值，即初始背景灰度值。
[0013] Background(x,y) =max(P(x,y,k)) k = 0,1,2---255 (1.2)
[0014] 所述的幀差分割目標的具體實現(xiàn)步驟為：
[0015] bl)為方便后續(xù)計算，首先將抽樣后的結果進行塊化，設原始圖像寬度及高度為W、 H，塊的大小為w、h，則塊化后的圖像大小為
[0017] b2)使用當前圖像與背景圖像進行差分，以獲得運動目標，其中DifGraj^%背景差 分后某塊的灰度值，Gray n為當前幀某塊內像素灰度值，Backgroundn為背景中對應塊內像素 灰度值
[0019] b3)二值化閾值的選擇使用迭代式閾值選擇法，
[0020] A)選擇視頻圖像中的灰度的中值作為首先的估計閾值To;
[0021] B)利用開始估計的閾值To把圖像的灰度值分成兩個不同的區(qū)域:R^Rs，根據(jù)式 (1.5)計算區(qū)域心和此的灰度的均值m和U2:
[0023] C)計算出m和112后，計算出新的閾值Ti+1:
[0025] D)重復步驟B)、C)，直到1\+1和1\無限接近時，其值即為二值化閾值T，
[0026] b4)當差分結果大于閾值T時，則將該塊結果置為255,否則置為0,實現(xiàn)目標的二值 化，
[0028] 所述的形態(tài)學濾波實現(xiàn)的步驟為：
[0029] cl)對二值化分割結果進行橫向掃描，當相鄰兩白塊間間隔小于2個塊時，則將中 間區(qū)域的黑塊置為255，否則保留原值；
[0030] C2)對二值化分割結果進行縱向掃描，當相鄰兩白塊間間隔小于2個塊時，則將中 間區(qū)域的黑塊置為255，否則保留原值；
[0031 ]所述的違章行為識別，包括分步驟車輛定位和車型識別，
[0032] 所述的車輛定位的實現(xiàn)步驟為：
[0033] dl)統(tǒng)計圖像范圍內各行不為0的像素點，記錄其個數(shù)，獲得該行圖像的寬度，
[0034] d2)統(tǒng)計圖像范圍內各列不為0的像素點，記錄其個數(shù)，獲得該列圖像的高度，
[0035]根據(jù)dl)和d2)的統(tǒng)計結果，即可獲得目標的位置信息和目標的寬度高度信息，根 據(jù)目標的位置信息判斷其是否在違章行為抓拍區(qū)域，如在檢測區(qū)域內則對車型進行識別， 反之，不對其進行檢測；
[0036]所述的車型識別實現(xiàn)步驟為：
[0037] 針對檢測目標機動車、摩托車和行人，對摩托車和行人不做區(qū)分，確定機動車和摩 托車目標模型，即在圖像顯示區(qū)域內，設置機動車和摩托車的模版大小，以方便后續(xù)檢測，
[0040]其中，η為目標區(qū)域寬度高度之比，對于機動車、摩托車η取值范圍根據(jù)多次實驗獲 得，S=width*height為目標區(qū)域面積，根據(jù)其與模版面積大小比對，判斷目標所屬類型； [0041 ]所述的違章行為檢測，包括對機動車輛逆行行為檢測和摩托車及行人在檢測區(qū)域 內偷卡行為檢測，
[0042] 機動車輛逆行行為檢測，通過對車輛目標軌跡進行跟蹤，根據(jù)其軌跡方向判斷是 否有逆行行為發(fā)生，具體實現(xiàn)步驟為：
[0043] el)采用角點跟蹤算法，目標運行過程中，用變模板正向最小差值匹配跟蹤算法， 同步尋找角點在每幀圖像中出現(xiàn)的位置，每當找到新的目標位置，則用當前位置信息更新 模版數(shù)據(jù)；
[0044] e2)對每行像素進行車輛正確行駛方向的標定，由于采樣頻率及車輛速度的限制， 設定在相鄰三個像素范圍內其運動軌跡呈均勻變化，此時計算誤差較小；
[0045] e3)從圖像下邊沿第0行像素開始分別對各行像素進行方向標定，對于遠離攝像機 方向為行駛正方向的路段，其第k行方向矢量分別為：
[0047 ]對于駛向攝像機方向為行駛正方向的路段，其第k行方向矢量分別為：
[0049] e4)根據(jù)對于逆行車輛，其軌跡方向與車輛正確行駛方向的夾角具有一定特征，將 車輛發(fā)生逆行時跟蹤軌跡與標定車道線正確行駛方向的夾角定義為120°，規(guī)定對于每條目 標運動軌跡，當其與車道正常行駛方向夾角超過120°的數(shù)量大于設定的閾值時，則判定該 條運動軌跡為逆行軌跡，即被跟蹤車輛出現(xiàn)逆行行為；
[0050] e5) 5:為標定車道線的車輛正確行駛矢量，各為軌跡實際運動矢量，其中， 5 =(Wi) &=(々.>·:)則車輛實際行駛方向與規(guī)定的車輛正確行駛方向的夾角Θ可表示 為：
[0052] e6)在實際檢測過程中，當θ>120°時，則將相應計數(shù)器加1，當滿足逆行條件數(shù)量大 于設定閾值時，則可判定當前跟蹤車輛逆行；
[0053] 所述的偷卡行為檢測是指，對于在監(jiān)控視頻圖像檢測區(qū)域內已經確定為摩托車和 行人的目標，則直接對其進行報警，記錄其車牌信息；
[0054] 對于確定的機動車車輛，如果其有逆行行為則認為其有偷卡行為，則對其進行報 警。
[0055] 進一步的，在所述的目標分割、違章行為識別和違章行為檢測之前，還包括預處理 步驟，
[0056]所述預處理是指由于監(jiān)控視頻的高分辨率，為減少運算量，對采集到的圖像進行 橫向及縱向抽樣處理。
[0057]與現(xiàn)有技術相比，采用本發(fā)明具有以下的技術效果：
[0058] 1、大場景實時監(jiān)控
[0059]前端相機選用高清攝像機，保證整個監(jiān)控范圍內車輛圖像清晰，保證可以看清進 入