[发明专利]一种违章变道检测方法

说明书

本发明公开了一种违章变道检测方法，首先在输入的交通监控视频的场景中标记出待检测区域中的实线，再基于此对视频序列进行逐帧车辆检测。逐帧检测是否有目标出现在标记的实线附近，若有目标接近实线则对该目标进行跟踪。在跟踪的过程中计算当前车辆所有位置到实线上的垂直或水平投影，并计算投影到实际位置的有向距离。当相邻两帧出现该距离的符号反向则说明车辆已经越过实线，完成了变道。本发明的方法将实线附近的一个小邻域作为越线目标的候选区域，缩小了搜索和跟踪的范围，提高了整个处理过程的效率。而在跟踪过程中不断计算自己位置的几何中心与在实线上投影的有向距离来辨别车辆是否最终完成了变道，简便易行，机制鲁棒性强。

技术领域

本发明属于智能交通和计算机视觉技术领域，具体涉及一种利用交通监控视频进行违章变道检测的方法。

背景技术

违章变道的检测是智能交通和计算机视觉等领域的重要技术，利用摄像头进行交通状况的实时拍摄，并使用计算机对拍摄视频中的违章变道现象进行自动检测不仅可以节省大量的人力资源，在提高交通异常事件的检测效率的同时，实现了完全无监督的自动化智能监控。违章变道在实际生活中频繁出现，严重影响了交通秩序并且容易引发交通事故。因此违章变道的检测是智能交通监控中的一个重要组成部分，为后续的违章车辆抓拍、识别以及违章车辆的惩治做了充分的准备，因此研究违章变道的检测方法具有重要的意义。

目前，基于视觉算法的违章变道识别方法主要有：

(1)基于车辆轨迹分析的识别处理，将车辆的行为分析分为3个步骤：车辆检测、参数化特征、行为识别。采用GMM(混合高斯模型)背景建模和基于Haar-like特征的Adaboost算法进行车辆识别；通过背景减除法检测运动前景，随后加载分类器检测车辆；最后，使用Camshift算法进行目标跟踪，并通过相邻帧之间的联系，得到目标的坐标变化从而提取出目标的轨迹特征。因该方法使用camshift算法进行目标跟踪，虽然计算复杂度较低，但对于复杂场景和丰富纹理目标跟踪效果较差，在面对多目标的复杂道路场景可靠性较差。

(2)基于车载摄像机的车辆变道检测方法，首先对图像天空区域和地面区域进行分割，获取地面区域图像，然后利用Sobel算子进行边缘检测以及Otsu二值化处理；在车道线提取方面该方法使用霍夫变换进行直线检测并拟合车道线方程。在变道判决的过程中，该方法通过对上述处理的拟合结果进行标记并进行违章判决。由于其仅使用霍夫变换进行车道线拟合，算法对噪声的鲁棒性较差，且直线拟合结果直接影响了车辆越线的判决结果，因此本检测方法对复杂车道场景处理较差。

(3)基于视频的车辆违章变道事件检测方法，该方法主要包括基于块的二值化分割，将待处理视频帧中的目标和背景分离开来。基于块的特征角点选择，通过标记目标的特征点进行车辆跟踪并记录其跟踪点的位置信息。最后基于跟踪轨迹特征实现匹配计算车辆位置比例方差从而判断车辆是否变道。在变道判决方面，计算车辆跟踪轨迹中的坐标，即匹配角点的位置，和相应禁止跨越车道线之间的水平代数距离，将该距离作为变道判决依据。但由于该检测方法使用特征点跟踪方式，特征匹配的随机性匹配特征点不能确保均匀分布在目标表面，从而容易造成目标中心估计不准确进而引起越线误判。

(4)通过V-S分水岭算法(基于沉浸模拟的分水岭算法)处理背景和前景二值图像提取运动目标区域，并利用车辆目标与车道线在N时间段距离的方差来表示S进行违章越线判决：当车辆在车道线内行驶时，其方差S较小(即在N时间段内车辆与车道线距离的波动较小)，若发生变道操作，则S较大。因其使用方差S作为越线判决依据，相较于使用直线模型判决法适应性更强，不受直线拟合精度影响，但由于必须持续观测N时间段才能做出判决，实时性相对较差。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种违章变道检测方法，本发明对交通监控视频中的违章变道车辆的检测效果相较于传统的方法，其搜索范围更加精确，处理效率更高且越线的判断机制更加精简准确。

本发明的一种违章变道检测方法，包括下列步骤：