[发明专利]一种基于车牌识别技术的道路状态判别器及其判别方法

说明书

技术领域

本发明涉及计算机应用技术和智能交通控制领域，特别是基于精确车牌识别技术的道路交通状态判别装置以及道路交通状态判别方法。

背景技术

道路交通状态包括正常状态和异常状态两大类。异常交通状态又可分为常发性交通拥挤和交通事件。交通状态评价的目的是运用一定的方法对实时交通数据进行分析，快速识别出各种异常交通状态，为交通控制提供依据。

交通拥堵和交通事件的判别方法可分为两大类：人工判别方法和自动判别方法。前者包括市民报告、专职人员报告和闭路电视监视等。这种方法的优点是方便、直接、经济，缺点是要求当时当地有目击者，因此难以24小时全天候发挥作用。后者以信息采集与处理技术、计算机技术和通信技术为基础，可以在全天候连续监视道路交通的运行状态，得到了越来越多的关注和长足发展。

国内外现有的交通状态判别装置，大多以感应线圈采集的交通流量、占有率和地点速度等交通数据为基础，与事先设定的各类经验阈值进行比较，识别交通状态。这类方法的主要缺点在于过分依赖先验阈值，不能准确的区分的道路同步流和阻塞的各类状态；同时，该方法也不能对检测点路口的交通状态进行短时预测。此外，与视频采集技术相比，感应线圈耗损且安装维护成本较高。

发明内容

针对传统交通状态判别装置的不足，本发明的目的是提出一种基于车牌识别技术的道路状态判别器及其判别方法，旨在以精确车牌识别技术获得的前端数据为基础，在获得交通流量等传统交通参量信息的基础上，充分利用视频中其它辅助信息，通过交通参量多层次分析和事件检测技术，实现交通状态的准确识别。

本发明的目的是这样实现的：一种基于精确车牌识别技术的多功能道路状态判别器，包括车辆检测装置，还具有，

前端视频采集设备：采用摄像机抓拍车辆车牌信息，同时，采集车辆的由速度和流量组成的交通参量的时间序列信息；

车牌自动识别器：与前端视频采集设备连接；接收前端视频采集设备输出的车牌信息并对车牌进行识别和记录，同时，接收车辆的交流参量信息，加以记录，并接收所述车辆检测装置输出的实时交通数据：包括交通流量、占有率以及地点速度信息，加以记录；

多功能道路状态判别模块：接收车牌自动识别器的输出信息，根据交通参量的时间序列，分析交通流量的长程相关性变化，准确识别同步流和宽运动阻塞，进行短时交通预测；

根据随机游走理论的思想，将去趋势波动分析法引入到交通流量的非平稳性时间序列的自相似性研究；通过计算不同演化状态的Hurst指数，分析事件极端值对系统长程相关性的影响，找到交通趋于拥堵时交通时间序列的Hurst指数的变化规律，对交通拥挤做出预测；

基于实测历史交通数据分析，构建道路多模式状态判别模型，设置动态先验阈值，根据海量历史交通数据，分析道路路网结构，城区功能分布和居民出行因素对特定路段交通流的影响，构建道路的多模式状态库，为不同的时段和路段，动态设置先验阈值，识别交通状态；

综合运用交通参量信息与视频检测技术，建立特殊交通事件的识别模型：

针对前端采集的视频数据，在进行车牌识别记录交通参量信息的同时，引入背景差和帧间差视频检测技术，对两类信息进行数据融合，实现交通事件的检测；

将上述检测结果经通信模块输出至红绿灯控制器。

上述前端视频采集设备采用高清数字摄像机；车牌自动识别器采用智胜2000汽车号牌识别器。

本发明的又一目的是提供一种采用上述判别器的道路交通状态判别方法。

本发明的又一目的是这样实现的：一种基于精确车牌识别技术的多功能道路状态判别器的道路状态识别方法，按以下步骤进行：

a、根据前端视频采集设备记录的交通参量即速度和流量的时间序列信息，分析交通参量的长程相关性变化，准确识别同步流和宽运动阻塞，进行短时交通预测；

根据随机游走理论的思想，将去趋势波动分析法引入到交通流量的非平稳性时间序列的自相似性研究。通过计算不同演化状态的Hurst指数，分析事件极端值对系统长程相关性的影响，找到交通趋于拥堵时交通时间序列的Hurst指数的变化规律，对交通拥挤做出预测；

b、基于实测历史交通数据分析，构建道路多模式状态判别模型，设置动态先验阈值；

同时，根据海量历史交通数据，分析道路路网结构，城区功能分布和居民出行因素对特定路段交通流的影响，构建道路的多模式状态库，为不同的时段和路段，动态设置先验阈值，识别交通状态；

c、综合运用交通参量信息与视频检测技术，建立特殊交通事件的识别模型：