[发明专利]一种违法车辆路线预测方法

权利要求书

1.一种违法车辆路线预测方法，其特征在于，包括如下步骤：

步骤S1：在电子监控视频的各个场景中采集大量车辆的正负样本；

步骤S2：提取样本图像的类Haar特征，进一步进行特征选择；

步骤S3：基于Haar特征训练一系列的Adaboost弱分类器；

步骤S4：依据权重把这项弱分类器组合成强分类器；

步骤S5：输入待检测车辆图片至强分类器，输出车辆检测结果；

步骤S6：将识别车辆录入路线预测模块，计算出车辆接下来行驶的路线；

步骤S7：智慧中心根据预测的车辆行驶路径进行部署。

2.根据权利要求1所述的一种违法车辆路线预测方法，其特征在于，所述步骤S2中，类Haar的每个特征有矩形组成，对边缘和线性特征进行监测，其特征值的计算为组成进行区域灰度积分之和，公式如下：

式中，ω_i∈R为矩形的权重；RecSum(r_i)为矩形r_i构成的区域灰度积分，N为构成矩形的个数。

3.根据权利要求1所述的一种违法车辆路线预测方法，其特征在于，所述步骤S3中,制作弱分类器的步骤如下：

步骤S31：对于给定的训练样本(x₁,y₁)、(x₂,y₂)、...、(x_n,y_n)；

步骤S32：对权重进行初始化：w_1,i＝D(i)；

步骤S33：归一化权重；

步骤S34：基于每个特征f均训练一个弱分类器h(x,f,p,θ)，计算所有这些弱分类器的加权(q_i)错误率ε_f；

步骤S35：选择最佳的弱分类器h_i(x)；

步骤S36：按照该最佳弱分类器调整权重；

步骤S37：得到最终的强分类器。

4.根据权利要求1所述的一种违法车辆路线预测方法，其特征在于，所述步骤S4中，在训练时，减少被正确分类的样本权重，增加被错误分类的样本权重，以强化后面训练的简单分类器对错误分类样本的训练，整合所有的弱分类器，构成最终的强分类器。

5.根据权利要求1所述的一种违法车辆路线预测方法，其特征在于，所述步骤S6中，路线预测模块是通过当前时间段和进入当前路段连通驶入其他路段作为模型训练的要素，同时要考虑该车辆当前路段所占车道与进入连通路段的转向角度在预设的转向角阀值范围内。

6.根据权利要求5所述的一种违法车辆路线预测方法，其特征在于，所述识别车辆进入当前路段后，获取当前车速、所占车道以及车道路况，输入到路线预测模块，由路线预测模块计算出车辆驶入路段连通且车辆驶入概率最高的一条路段，该条路段至少满足与进入路段的转向角度在预设的转向角阈值范围内；以获取到的与进入路段连通且车辆驶入概率最高的一条路段作为新的进入路段，重复执行获取与进入路段连通且车辆驶入概率最高的一条路段，直到获取到的各条路段满足预设的预测终止条件。

7.根据权利要求5、6所述的一种违法车辆路线预测方法，其特征在于，所述识别车辆若偏离预测的行驶路线，则执行识别车辆当前所在路段为进入路段，获得与当前进入路段连通且车辆驶入概率最高的一条路段作为新的进入路段。