[发明专利]一种基于视频监控的酒驾车辆轨迹识别系统

权利要求书

1.一种基于视频监控的酒驾车辆轨迹识别系统，其特征在于，包括视频采集模块、数字图像预处理模块、车辆行驶特征检测模块、酒驾车辆识别模块、车牌识别模块以及报送交警人工检测模块；其中，数字图像预处理模块包括车道线识别模块、汽车识别模块和图像预处理模块；车辆行驶特征检测模块包括汽车追踪模块、转向灯识别模块、角度检测模块和压线检测模块；视频采集模块、数字图像预处理模块、车辆行驶特征检测模块、酒驾车辆识别模块、车牌识别模块以及报送交警人工检测模块，各模块依次连接；

数字图像预处理模块，用于对监控视频中的汽车使用轮廓识别法获取车辆的原始图像，并分割图像中车辆和车道线，对所得图像进行图像预处理，包括滤波、二值化、填充、修饰、细化处理，获取含有车辆与车道线的轮廓图像；

数字图像预处理模块中的车道线识别模块、汽车识别模块和图像预处理模块的具体实现过程如下：

车道线识别模块，利用Sobel算子、Laplacian算子和Canny算子进行边缘检测，使用fillConvexPoly进行感兴趣区域检测，输出元素矩阵，绘制掩膜图像，获取感兴趣区域；利用霍夫变换将组成车道线的独立像素点连成直线，再使用addWeighted函数，实现图像加权叠加；

汽车识别模块，用于判断汽车，锁定汽车位置；使用方向梯度直方图HOG和支持向量机SVM结合的算法进行识别，具体实现过程如下：

S11、通过提取图像的方向梯度直方图HOG描述子，生成图像的特征数据，进行方向梯度直方图HOG特征向量归一化；其中，方向梯度计算原理如下：

G(x,y)＝g_x(x,y)+g_y(x,y) (1)

g_x(x,y)＝I(x+1,y)-I(x,y) (2)

g_y(x,y)＝I(x,y+1)-I(x,y) (3)

β＝arctan(g_y/g_x) (5)

其中，(x,y)为像素的坐标；G(x,y)为输入图像中像素点(x,y)处的水平与垂直方向梯度之和；g_x(x,y)为输入图像中像素点(x,y)处的水平方向梯度；g_y(x,y)为输入图像中像素点(x,y)处的垂直方向梯度；I(x,y)为图像在(x,y)处的像素值，I(x+1,y)为图像在(x+1,y)处的像素值；I(x,y+1)为图像在(x,y+1)处的像素值；g为像素点的梯度幅值；g_x为像素点的水平方向梯度；g_y为像素点的垂直方向梯度；β为像素点的梯度方向；

S12、串联HOG特征，将图像分成若干个连接区域，将每个连接区域都进行x，y方向上的卷积核kernels运算，获取梯度积分图；

S13、通过计算特征维度，对梯度向量正则化，获取最终HOG特征；

S14、结合SVM分类器，判断出汽车，锁定汽车位置，对图像建立直角坐标系，检测获取汽车中心点，获取汽车当前的坐标，汽车宽度；

图像预处理模块，用于视频分帧，让视频以每一帧的形式进行下一步的图像处理；对图像进行预处理，利用高斯滤波对每一帧图像进行噪点剔除，利用灰度变换进行灰度化处理，通过cvtColor函数将RGB的图像转换成灰度图，再把获取到的图像进行二值化处理；

车辆行驶特征检测模块，用于检测车身与车道线夹角；汽车的压线行驶；汽车在等红绿灯且为第一辆汽车时，其车头的压线情况；

车辆行驶特征检测模块中的汽车追踪模块、转向灯识别模块、角度检测模块和压线检测模块的具体实现过程如下：

汽车追踪模块，通过结合卡尔曼滤波和匈牙利算法，获取汽车运动方向及汽车运动线，具体实现过程如下：

S21、设当前汽车中心点坐标(x,y)，上一时刻中心点坐标(x^t-1,y^t-1)，则其欧几里得距离：

其中，D_t|t-1为上一时刻检测到的中心点坐标集合；

S22、利用OpenCV库的goodFeaturesToTrack获取角点，计算角点平均点进而确定运动方向；

S23、根据汽车运动方向和汽车中心点绘制汽车的行驶路劲，将车身拟成一条直线；

转向灯识别模块，利用YOLO识别出转向灯位置，然后利用OpenCV识别转向灯的颜色，具体实现过程如下：

S31、获取摄像头采集到的图像数据，将图像数据输入到YOLO中，进行目标检测，获取目标列表；

S32、查看目标列表中的转向灯的目标类型；

S33、利用OpenCV提取目标为转向灯的图片区域，将各个像素点的颜色由RGB空间转换到HSV空间，识别黄色的转向灯；

角度检测模块，用于计算汽车与车道线两条直线的角度，利用Canny算子对图像进行边缘检测，统计霍夫曼变换HoughLinesP求出所有线，计算向量间的最大夹角；其中，Canny边缘检测通过Canny函数利用sober算子，对图像进行卷积，算出图像在x，y方向的梯度；

压线检测模块，用于检测汽车行驶的压线行为，进而判断出汽车酒驾嫌疑。