[发明专利]一种违法车辆路线预测方法

说明书

本发明公开了一种违法车辆路线预测方法，涉及智能交通技术领域。本发明包括如下步骤：在电子监控视频的各个场景中采集大量车辆的正负样本；提取样本图像的类Haar特征，进一步进行特征选择；基于Haar特征训练一系列的Adaboost弱分类器；依据权重把这项弱分类器组合成强分类器；输入待检测车辆图片至强分类器，输出车辆检测结果；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；智慧中心根据预测的车辆行驶路径进行部署。本发明通过在电子监控下的各个场景采集大量车辆训练得到分类器和路线预测模块，分类器能够在拥堵的车道上违法车辆，路线预测模块预测车辆的行进路线，以便提前安排警察进行蹲守，快速锁定违法车辆，避免违法车辆逃逸。

技术领域

本发明属于智能交通技术领域，特别是涉及一种违法车辆路线预测方法。

背景技术

为了维护交通秩序，交通部门会在道路上设置电子眼，通过电子眼捕捉车辆的违章图文信息，对车辆的违章行为进行处罚，车辆的违章行为包括超速、闯红灯、违章停车、遮挡车牌、驾车逃逸等。

随着城市化进程的加快，智能交通的重要性越发凸显。而车辆检测作为智能交通领域中至关重要的一部分，现有电子眼在道路上方进行路况拍摄时，都是先判断判断违章车辆信息，并将违章返款发送至驾驶员的移动终端，同时驾驶员近日内去交管大队办理罚款手续。而存在许多特殊情况，如：车辆遮挡车牌、使用假车牌、不按车牌时，电子眼不能够识别车辆就无法同时到驾驶员。

而造成该问题的原因在于，现在的技术无法准确的预测车辆的行驶路线，因此，急需一种对车辆路线的预测方法来解决上述问题。

发明内容

本发明的目的在于提供一种违法车辆路线预测方法，通过在电子监控下的各个场景采集大量车辆训练得到分类器和路线预测模块，分类器能够在拥堵的车道上违法车辆，路线预测模块预测车辆的行进路线。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种违法车辆路线预测方法，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。

优选地，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。

优选地，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；