[发明专利]一种基于Hadoop和监控视频流的车辆轨迹统计方法

摘要

本发明公开了一种基于Hadoop和监控视频流的车辆轨迹统计方法，该方法经过车辆检测算法、车牌识别算法、分布式视频处理和车辆轨迹统计，首先基于改进后的tiny‑yolo模型对视频帧进行车辆检测定位，结合HSV颜色模型、SVM分类器和文字定位技术从定位到的车辆区域中定位出车牌区域，通过改进后的LeNet‑5模型进行车牌字符识别，将车辆检测和车牌识别的处理算法编译为动态链接库，扩展MapReduce对视频类型格式的支持并在Map中通过JNI接口与动态链接库交互实现对监控视频流的分布式处理，通过Combiner、Partition、Reduce三个阶段对分析结果汇总，最终实现对车辆轨迹的统计和车辆帧的存储，该方法不仅车辆检测和车牌识别算法对复杂环境的适应性强，而且通过JNI接口与MapReduce交互方式在执行效率上更高效。

主权项

一种基于Hadoop和监控视频流的车辆轨迹统计方法，其特征在于，具体包括如下步骤：1）将各场景下的监控视频上传到HDFS，执行Hadoop任务；2）Hadoop视频数据处理接口从HDFS上读取视频数据初始化Xuggler解码库，Xuggler解码库解析视频数据，得到一系列<key，value>交由Map处理，其中key为视频名_帧号，value为视频帧元数据；3）Map函数对传入的<key，value>进行分析，具体是通过JNI与动态链接库交互实现对车辆检测定位和车牌识别，通过车辆检测算法从视频帧图像中定位到车辆区域，通过车牌识别算法对定位到的车辆区域进行车牌识别，未定位到车辆区域直接执行下一次<key，value>，将识别到车牌的帧图像以视频名_车牌号_时间戳形式进行命名写回到HDFS进行存储，Map输出<key1，value1>进入Combiner阶段，其中key1为车牌号，value1为封装了初始化统计次数1、时间戳以及视频名的容器对象；4）Combiner接收单前视频Split中的Map输出，以相同的key1归并Map输出结果为<key1，list<value1>>形式进行处理，引入时间戳和阈值判别来有效避免相同车辆在连续帧中出现带来的统计偏差，如果满足效验条件，行车频次加1，反之，不对行车频次进行累加，Combiner输出<key1，value2>进入Partition阶段，其中key1为车牌号，value2为封装了累计统计次数、视频名的容器对象，Partition阶段根据value2中的视频名进行分区，每个分区对应一个Reduce处理；5）Reduce接收Partition分配的多个Combiner结果，以相同的key1归并Combiner分析结果为<key1，list<value2>>形式进行处理，对list<value2>中存在相同视频名的value2中的统计次数进行累加并汇总，对不同视频名的value2中的统计次数进行汇总，最终生成新的<key1，value3>，其中key1为车牌号，value3为包含了该车牌号在不同视频名下分别出现次数，汇总结果以文本形式写入到HDFS；经过上述步骤，完成车辆轨迹统计。