[发明专利]一种基于智能视频分析技术的车辆越线检测方法

说明书

本发明公开了一种基于智能视频分析技术的车辆越线检测方法，包括以下步骤：根据实时光强对视频监控图像进行预处理；采用改进的三帧差分算法将视频监控图像中的车辆检测出来；检测到车辆位置后，跟踪车辆的运动轨迹；通过不断的迭代计算获得目标在当前帧的实际位置，获取车辆的运动轨迹；将上一帧的结果作为下一帧的初始值，如此不断循环迭代；得到车辆的多条运动轨迹，选取合适的运动轨迹检测警戒线与轨迹是否相交，判定车辆是否越线。该方法采用改进的三帧差分法快速检测目标车辆，并通过基于核密度估计的均值漂移算法跟踪车辆的运动轨迹，进而通过车辆运动轨迹判定车辆是否存在越线行为，实时性强、精确度高、应用范围广。

技术领域

本发明属于视频检测技术领域，具体涉及一种基于智能视频分析技术的车辆越线检测方法。

背景技术

车辆越线检测是指在道路交通场景中设定警戒线和警戒方向，检测车辆的越线行为并产生告警。主要应用于道路分道线、车库入口、红绿灯路口等区域的车辆越线行为检测，通过这一技术可以快速的检测和识别车辆异常行为，并进行异常警告或疏导，能够大大降低交通事故的发生率。以往的车辆越线检测技术往往采用监控人员实时监控道路视频或者采用地感线圈、激光检测系统的直接检测方式实现，往往只能适用于特定的场景下，成本高昂，检测准确率也不尽如人意。

目前国内外车辆越线检测技术主要包括这样几种形式。一是前文提到的采用人工检测或者实地检测设备的直接检测方式，这一方式成本较高，且适用范围较小。另一类则是利用智能视频检测算法直接识别车辆越线行为的方法，随着道路交通的迅猛发展和机动车保有量的逐年攀升日益成为主流的车辆越线检测技术。常见的如通过卷积神经网络实现的车辆检测技术，该技术准确率高但是往往计算量大，难以实时检测越线行为。或是基于目标轮廓的车辆跟踪算法，具有较强的抗光照变换特性，但是抗噪声能力较差，易受场景干扰。另外，现有的方法普遍存在成本较高、计算量大、易受场景干扰等问题。

发明内容

针对现有技术中存在的上述问题，本发明提供了一种基于智能视频分析技术的车辆越线检测方法，该方法采用改进的三帧差分法快速检测目标车辆，并通过基于核密度估计的均值漂移算法跟踪车辆的运动轨迹，进而通过车辆运动轨迹判定车辆是否存在越线行为，实时性强、精确度高、应用范围广。

为此，本发明采用了以下技术方案：

一种基于智能视频分析技术的车辆越线检测方法，包括以下步骤：

步骤一，根据实时光强对视频监控图像进行预处理，消除场景变化的影响；

步骤二，采用改进的三帧差分算法将视频监控图像中的车辆检测出来；

步骤三，检测到车辆位置后，以外接矩形框标注，通过目标跟踪算法跟踪车辆的运动轨迹；

步骤四，利用度量函数检测初始帧目标车辆与当前帧候选目标的相似性，通过不断的迭代计算获得目标在当前帧的实际位置，获取车辆的运动轨迹；

步骤五，对视频序列的每一帧当中都运用步骤四的迭代计算，并将上一帧的结果作为下一帧的初始值，如此不断循环迭代；

步骤六，重复步骤五得到车辆的多条运动轨迹，选取合适的运动轨迹检测警戒线与轨迹是否相交，判定车辆是否越线。

进一步地，步骤一的具体过程包括：获取视频监控帧后，通过比对正常天气条件下的道路场景，估计整个环境的明暗变化，获取场景的整体光强I，消除每一帧图像的环境整体变化，便于图像的后续处理。

进一步地，步骤二的具体过程如下：

(1)将相邻的三帧图像F_f-1(x,y),F_f(x,y),F_f+1(x,y)作为一组，通过Canny边缘提取算子对图像进行边缘提取；

(2)对边缘提取后的三帧图像分别计算相邻两帧图像的差值：