[发明专利]基于云台和相机设备的车辆行为分析识别方法

说明书

技术领域

本发明属于智能交通技术领域，涉及一种基于云台和相机设备的车辆行为分析识别方法。

背景技术

在智能交通行业，监控摄像机和云台已经非常普及，但是对车辆的行为检测和分析的智能化程度却较低，自动检测违章事件（违章停车，逆行等）的能力不强，大多派专人查看，这样不仅需要投入大量的人力物力资源，而且由于人的精力和注意力有限，在高强度的工作环境下，往往会出现疏漏，从而，不能及时地对异常情况进行反应。

发明内容

本发明就是为了解决上述现有技术中的问题，提供了一种基于云台和相机设备的车辆行为分析识别方法。

为了达到上述目的，本发明采用如下技术方案：

本发明的基于云台和相机设备的车辆行为分析识别方法，包括如下步骤：

利用基于图像弱边缘的混合高斯背景建模方法进行运动前景检测；

利用基于级联LBP（local binary patterns，局部二值模式特征）空间直方图特征的车辆检测算法检测运动前景区域，判断该区域是否有车辆，并精确定位车辆位置；

利用基于类蕨（Fern）特征的快速车辆匹配算法长时间匹配定位目标车辆；

利用目标的特征匹配数量来判断是否为违章停车，云台预置位切换后在未检测出运动前景下静态检测目标车辆，对事前目标车辆进行分析与识别；

使用嵌入式一体化的硬件结构，实现实时视频图像的采集、车辆行为分析、云台联动、相机变倍聚焦、车辆抓拍、车牌识别、图像压缩和网络传输。

其中，利用基于图像弱边缘的混合高斯背景建模方法进行运动前景检测的具体步骤如下：首先利用改进的大尺度SOBEL（索贝尔）算子对图象进行垂直和水平方向卷积并取最大值得到边缘图；然后用边缘图象建立混合高斯模型建立背景和提取前景。

利用基于级联LBP空间直方图特征的车辆检测算法确认检测运动前景中是否有车辆存在的步骤级联使用了两种分类器：快速检测并过滤掉非车辆的SVM（support vector machine，支持向量基）线性分类器和进行精确的确认的SVM HIK（Histogram intersection kernel，直方图交叉核）非线性分类器。

基于类Fern特征的快速车辆匹配算法把匹配图像分为子区域，利用积分图方法计算所有子区域内的平均灰度作为匹配准则。

利用目标的特征匹配数量来判断是否为违章停车，将每帧图象检测到运动目标的位置、大小和距离放入固定长度的缓冲区进行不断的更新，并把最新检测到的目标特征和历史数据遍历进行匹配记数，达到预定数值便为停车。

在云台预置位切换后，采用基于多标定尺度的静态车辆检测技术，对事前目标车辆进行分析与识别，由远及近计算出不同的车辆标定尺度。

使用嵌入式一体化的硬件结构，通过智能分析模块、视频采集缓冲模块、云台主控模块和视频压缩等四大模块在云台前端完成监控、智能分析功能。

本发明具有的优点和积极效果是：

本发明的基于云台和相机设备的车辆行为分析识别方法，可以对目标车辆进行实时的检测与分析，对违章车辆进行抓拍图像并录像，记录下整个违章过程，操作人员只需要查询违章记录即可，大大提高了操作人员的工作效率。该方法能够及时地对异常情况进行反应和记录，避免了由于人工而造成疏漏。

附图说明

图1是本发明的LBP算子的计算方法；

图2是本发明的LBP空间直方图；

图3是基于级联LBP空间直方图特征的车辆检测算法流程图；

图4是基于类Fern特征的快速车辆匹配算法的分区图；

图5是本发明的硬件结构系统框图；

图6是违章车辆检测、车辆抓拍、车牌分析识别的流程图。

具体实施方式

下面结合附图和具体实施例对本发明的基于云台和相机设备的车辆行为分析识别方法做进一步说明。下述各实施例仅用于说明本发明而并非对本发明的限制。

本发明的基于云台和相机设备的车辆行为分析识别方法，包括如下步骤：

利用基于图像弱边缘的混合高斯背景建模方法进行运动前景检测：

利用基于级联LBP空间直方图特征的车辆检测算法检测运动前景区域，判断该区域是否有车辆，并精确定位车辆位置；

利用基于类Fern特征的快速车辆匹配算法长时间匹配定位目标车辆；

利用目标的特征匹配数量来判断是否为违章停车，云台预置位切换后在未检测出运动前景下静态检测目标车辆，对事前目标车辆进行分析与识别；