[发明专利]一种交通场景下视频元数据的校正方法

说明书

技术邻域

本申请涉及图论与图像识别邻域，具体涉及基于视频元数据的时空关系与图像相似度，自动检测可疑的视频元数据并进行校正的方法，尤其涉及一种交通场景下视频元数据的校正方法。

背景技术

几乎遍布城市所有道路的交通摄像头所拍摄的监控视频使得智能交通成为可能。通过分析这些海量视频数据，我们可以追踪嫌犯车辆的逃离轨迹，自动检测交通拥塞情况和交通违规情况。而视频元数据作为原始视频数据的一层抽象，被广泛地用于支撑多种上层应用，如语义检索以及事件识别。交通场景下的视频元数据主要包括车辆的各种属性信息，如车牌号，地点，时间，车型，车身颜色等信息。

传统的视频元数据提取方法基于单个监控摄像头获取的监控视频数据。以提取车牌元数据算法为例，首先检测车牌位置，然后使用光学字符识别(OCR)技术识别车牌图像上的车牌号。

传统的视频元数据提取方法依赖于计算机视觉算法。这些计算机视觉算法在现实中复杂的交通场景下不能达到足够高的准确率。以车牌识别算法为例，虽然很多生产商声明车牌识别的准确率达到98％，但是在实际的应用场景中，即使使用最好的设备，在最好的光照条件下准确率也只有90％至94％。即使准确率达到90％，每天有成千上万辆车经过某个摄像头，也会发生上百个识别错误。如果该车牌号正是来自犯罪嫌疑人的车，那后果将不堪设想。

发明内容

本申请提供了一种交通场景下视频元数据的校正方法，可以有效提升视频元数据的识别准确率。

本申请实施例提供的一种交通场景下视频元数据的校正方法，包括：

A、获取表示交通监控摄像头之间的连接关系的图结构，所述图结构中，节点为交通监控摄像头，节点之间的边表示节点之间有路相连，边的权重为一辆车从一个交通监控摄像头到另一个交通监控摄像头的最短时间；

B、从各个交通监控摄像头获得的监控视频文件中提取用于标识车辆的主要视频元数据及其对应的时间参数和空间参数；

C、检测每个交通监控摄像头获取的主要视频元数据的空间参数，若一个交通监控摄像头中的某个主要视频元数据在所述图结构中该交通监控摄像头的相邻交通监控摄像头中均未出现，将所述主要视频元数据作为可疑视频元数据集合中的元素；按照上述方式遍历图结构中的每一个摄像头，获得可疑视频元数据集合；

D、遍历目标车辆的轨迹，检测轨迹中是否出现断点，若是，获取生成断点处的两点之间所有可能路径；

E、根据可疑视频元数据集合中元素的时间参数和空间参数确定位于可能路径上的备选元素集合SP；

F、计算备选元素集合SP中的元素与目标车辆的主要视频元数据的图像相似度，将图像相似度最高的元素校正为目标车辆的主要视频元数据。

较佳地，所述主要视频元数据为车牌号，时间参数为进入交通监控摄像头的时间，空间参数为交通监控摄像头的标识。

较佳地，步骤B进一步包括：从各个交通监控摄像头获得的监控视频文件中提取用于标识车辆的次要视频元数据；

步骤F之后进一步包括：基于校正后的主要视频元数据校正次要视频元数据。

较佳地，所述次要视频元数据包括：车型和/或车身颜色。

较佳地，步骤C包括：

C1、根据交通监控摄像头标识查询得到每个交通监控摄像头下的车牌号集合；设交通监控摄像头集合为C＝{c₀,c₁,…c_N}，第i个交通监控摄像头下的车牌号集合为c_i.plates；

C2、求出交通监控摄像头c_ik邻域内的交通监控摄像头集合N_G(c_i,k)。其中某点k邻域指的是距该点最短跳数为k的节点；

C3、对于交通监控摄像头c_i下检测出的车牌号集合中的目标车牌号p_i,j，判断目标车牌号p_i,j是否出现在交通监控摄像头c_i的k邻域内交通监控摄像头的车牌集合N_G(c_i,k)中；如果不出现，则认为该车牌号p_i,j为可疑的车牌号，将p_i,j存储在交通监控摄像头c_i对应的可疑车牌集合S_i中。

较佳地，步骤E包括：