一种基于视频的车辆超速监控方法及系统

暂无

一种基于视频的车辆超速监控方法及系统\n技术领域\n[0001] 本发明涉及智能映射技术领域，具体涉及一种基于视频的车辆超速监控方法及系统。\n背景技术\n[0002] 随着国民经济的迅猛发展，公路上行驶的车辆越来越多，速度也越来越快，与车辆交通有关的案件也呈不断上升势头，交通肇事逃逸等案件时有发生。如何运用科学的手段帮助公安部门有效控制高速公路上超速违章现象，抓捕逃逸车辆，已成为公安交通部门急待解决的问题。\n[0003] 目前，能够完成超速监控功能的成熟系统有：基于微波雷达和基于激光的超速监控系统。它们在车辆经过时，利用发射波的频率变化来监控车辆的信息，但是，这种系统并不能提供超速汽车的类型、车牌号等全面的交通信息，无法及时进行违章处理及抓捕逃逸车辆。\n发明内容\n[0004] 针对现有技术中存在的问题，本发明的目的是提供一种基于视频的超速监控方法及系统。该方法及系统能够利用视频图像处理技术，通过视频测速和车牌识别技术，对高速公路车道上的汽车进行非接触式监控，获得超速车辆车速、车牌号码、违章照片等运行状态信息，可应用于公路管理、逃逸车辆抓捕等场合。\n[0005] 为实现上述目的，本发明采用的技术方案为：一种基于视频的车辆超速监控方法，包括以下步骤：\n[0006] (1)利用摄像头实时采集公路上的视频图像，并将图像数字化；\n[0007] (2)对上述数字化后的图像进行预处理，所述的预处理包括图像几何校正、图像增强和图像滤波；\n[0008] (3)根据预处理后的图像判定视场中是否存在车辆，并确定存在车辆的运动轨迹及行驶速度；\n[0009] (4)对步骤(3)中出现车辆的车牌进行识别；\n[0010] (5)根据车辆的行驶速度判断车辆是否超速，如果是则将该车辆的车牌号、车辆的行驶速度、车辆的视频图像传送至监控中心进行报警。\n[0011] 进一步，该方法还包括以下步骤：(6)根据车牌号判断车辆是否是肇事逃逸车辆或者需要监控的其他车辆，如果是则将该车辆的车牌号、车辆的视频图像传送至监控中心进行报警。\n[0012] 为实现上述方法，本发明提供了一种基于视频的车辆超速监控系统，包括以下装置：\n[0013] 视频图像采集及数字化装置：用于通过摄像头实时采集公路上的视频图像，并将图像数字化；\n[0014] 图像预处理装置：用于对数字化后的图像进行预处理，所述的预处理包括图像几何校正、图像增强和图像滤波；\n[0015] 车辆检测装置：用于判定预处理后的图像视场中是否存在车辆，并确定存在车辆的运动轨迹及行驶速度；\n[0016] 车牌识别装置：用于对检测到的车辆的车牌进行识别；\n[0017] 报警装置：用于判断车辆的行驶速度是否超速，如果是则将该车辆的车牌号、车辆的行驶速度、车辆的视频图像传至监控中心。\n[0018] 进一步，所述的报警装置还用于判断检测到的车辆是否是肇事逃逸车辆或者需要监控的其他车辆，如果是则将该车辆的车牌号、车辆的视频图像传至监控中心。\n[0019] 本发明的效果在于：采用本发明所述的方法及系统，实现了超速监控系统的全自动监控及网络化，架设方便，成本不高，具有较高的实用价值，能够及时获得车速、车牌号码及违章照片等运行状态信息。本发明自动车牌识别速度快、准确率高，为实时违章处理提供了可能，且该系统通用性强、开放性强、扩展性强；另外，该系统无需埋设地感线圈，采用视频非接触检测超速状态，将车速测量和车牌识别集成在系统前端，通信带宽要求小。\n附图说明\n[0020] 图1是本发明实施例中一种基于视频的车辆超速监控方法的流程图；\n[0021] 图2是本发明实施例中一种基于视频的车辆超速监控系统的系统框图；\n[0022] 图3是本发明实施例中车牌识别处理模块的流程图；\n[0023] 图4是本发明实施例中字符识别模块的字符识别判决树的示意图。\n具体实施方式\n[0024] 下面结合说明书附图及具体实施方式对本发明做进一步的说明。\n[0025] 本发明提供了一种基于视频的车辆超速监控方法，如图1所示，其包括以下步骤：\n[0026] 步骤S11：图像采集及数字化；\n[0027] 利用摄像头实时采集公路上的视频图像，并将采集到的视频图像数字化。\n[0028] 步骤S12：图像预处理；\n[0029] 对上述数字化后的图像进行预处理，所述的预处理包括图像几何校正、图像增强和图像滤波。本实施例中，图像统一采用的是256阶灰度图像，用灰度级扩展的方法来增强图像。将图像灰度范围线性扩展到0--255，经过处理后的图像车牌清晰度明显提高。图像滤波采用的是非线性的中值滤波算法，该滤波经证实具有很强的噪声抑制效果。考虑到算法的效率，不进行二维8邻域的中值滤波，其中只在每一行上进行一维滤波，即I(x)＝median(I(x-1)，I(x)，I(x+1))；\n[0030] 步骤S13：车辆检测；\n[0031] 根据预处理后的图像判定视场中是否存在车辆，并确定存在车辆的运动轨迹及行驶速度；\n[0032] 从视频图像进行超速车辆检测时，可以采用基于帧间差分法，基于背景差分的方法和基于光流场的方法。本实施例中，根据所处理的视频图像具有强相关性的特点，采用了帧间差分目标检测方法，具体方法为：\n[0033] 1)动态目标分割；\n[0034] 将灰度图像转化成黑白二值图像，对目标粗糙的边缘轮廓进行数学形态学滤波以去除背景噪声，提取检测出目标轮廓及其他参数，得到进入视场的目标物大小参数，其中，图像的转化时通过下面的公式实现的：\n[0035] \n[0036] 其中，It-1(x，y)为t-1时刻的图象像素(x，y)灰度；It(x，y)为t时刻的图象像素(x，y)灰度；T为设定门限，在本发明中取8-16。\n[0037] 2)动态目标跟踪及行驶速度测量；\n[0038] 基于步骤1)中得到的运动目标区域，进行动态目标跟踪和运动速度估计。本实施例中采用传统的特征点匹配的方法进行动目标跟踪，以便利用特征点的视差计算车速。其要点是：在一帧图像的活动目标窗口中选择一组具有不变性质的特征点，与下一帧图像中的同类特征点作匹配，从而求得视差。这就是特征点匹配的方法。\n[0039] 采用Moravac算子作为特征点提取算子。它基于一个理想的特征点，在其四周所有方向上灰度具有很大的方差。\n[0040] 所述特征点提取的步骤包括：\n[0041] a.计算像元的有利值M：\n[0042] \n[0043] 式中，i＝n-2，...，n+2；j＝m-2，...，m+2；m，n为窗口中心像元的行、列序列，gi，j为(i，j)处图像的灰度值；\n[0044] b.确定备选特征点，若像元的有利值M大于经验阈值，则该像元为备选特征点；否则，该像元不是特征点；\n[0045] c.用抑制局部非最大M值的方法确定特征点；\n[0046] 检验每个备选特征点的M值是否为一定大小5×5窗口内的最大值，如果在窗口内有几个备选特征点，则取M值最大的像元作为特征点，其余均去掉。为保证匹配的正确率，采用协方差最大与差的绝对值之和最小作为双重判据，决定匹配点的取舍，以增强匹配结果的可靠性。找到匹配点后，利用两者视差和事前标定过的视场内图像最小分辨率所代表的最小距离以及图像采集的间隔时间，就可计算出目标速度，根据此值预测目标新位置并判断是否超速。\n[0047] 步骤S14：车牌识别；\n[0048] 车牌识别包括车牌定位和字符识别，车牌定位主要包括车辆牌照区域的定位和字符的分割；\n[0049] 1)车辆牌照区域的定位，其步骤为：\n[0050] a.利用彩色边缘sobel算子提取图像的水平边缘；\n[0051] b.利用全局阈值法对梯度图像进行二值化；\n[0052] c.对二值化后的梯度图像进行形态学水平膨胀；\n[0053] 2)字符的分割是通过垂直投影法实现的，由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果，其具体步骤为：\n[0054] a、先自下向上对图像进行逐行扫描直至遇到第一个黑色的像素点并记录下来，再由上向下对图像进行逐行扫描直至找到第一个黑色像素，确定图像大致的高度范围；\n[0055] b、在所述大致的高度范围内自左向右逐列进行扫描，遇到第一个黑色像素时认为是字符分割的起始位置，继续扫描，直至遇到有一列中没有黑色像素，则认为这个字符分割结束，然后按照上述的方法一直进行扫描直至图像的最右端，得到每个字符的比较精确宽度范围；\n[0056] c、在已知的每个字符比较精确的宽度范围内，按照第一步的方法，分别自上而下和自下而上的逐行扫描来获取每个字符精确的高度范围。\n[0057] 3)车牌定位后，就要对字符进行识别。已经研究的车牌识别技术已经较成熟，目前主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化，并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。基于人工神经元网络的算法对待识别字符进行特征提取，然后用所获得特征来训练神经网络分配器。\n[0058] 本实施例中，字符的识别是通过神经网络进行识别的方法来实现的：根据提取的字符的特征，送入如图4所示的字符识别判决树，利用字符识别判决树分析每个分割出来的字符具体是哪个字符。\n[0059] 所述字符的特征具体包括：\n[0060] 1)边缘数\n[0061] 指一个字符的边缘连通轮廓的数目，如字符6的边缘数为2；\n[0062] 2)边缘重心\n[0063] 边缘重心主要针对边缘数为2的字符，分别计算两个边缘顶端和底端的坐标，记为yEdge1Top，yEdge1Bottom，yEdge2Top，yEdge2Bottom，再分别求的这两个边缘的差分于是当DTop/DBottom＜0.5，边缘重心在上半部；当DTop/DBottom＞2，边缘重心在下半部；\n[0064] 3)轮廓特征值\n[0065] 利用轮廓的一阶微分变化趋势定义构成字符轮廓的基本单元，分为五类：左斜、右斜、直线、圆弧、突变；\n[0066] 4)占空信息\n[0067] 利用轮廓特征计算字符图象的顶部、底部、左侧、右侧以及夹在中间45度的八方向的共12个区域的占空量；\n[0068] 5)笔画数\n[0069] 采取对字符某一位置的上下或左右任意画直线，检查其经过白色区域的次数；\n[0070] 6)投影\n[0071] 对字符进行竖直和水平投影，统计不同位置的投影量；\n[0072] 7)最长线\n[0073] 计算竖直或水平方向连通区域的白线长度，然后找出其中最长的一条，可在整幅图像找也可在某个区域找；\n[0074] 8)面积比\n[0075] 计算某一区域内的字符所置面积，主要用来区分诸如“0”或“D”以及“Q”等字符。\n求面积时需对白色连通区域包含的黑色区域进行填充。\n[0076] 步骤S15：根据车辆的行驶速度判断车辆是否超速，如果是则将该车辆的车牌号、车辆的行驶速度、车辆的视频图像等数据传送至监控中心。\n[0077] 根据车牌号判断车辆是否是肇事逃逸车辆或者需要监控的其他车辆，如果是则将该车辆的车牌号、车辆的视频图像等数据传送至监控中心。\n[0078] 为实现上述方法，本发明提供了一种基于视频的超速监控系统，如图2所示，其包括以下模块：\n[0079] 视频图像采集及数字化装置21：用于通过摄像头实时采集公路上的视频图像，并将图像数字化；\n[0080] 图像预处理装置22：用于对数字化后的图像进行预处理，所述的预处理包括图像几何校正、图像增强和图像滤波；\n[0081] 车辆检测装置23：用于判定预处理后的图像视场中是否存在车辆，并确定存在车辆的运动轨迹及行驶速度；\n[0082] 车牌识别装置24：用于对检测到的车辆的车牌进行识别；\n[0083] 数据传送装置25：用于判断车辆的行驶速度是否超速，如果是则将该车辆的车牌号、车辆的行驶速度、车辆的视频图像等数据传至监控中心。\n[0084] 所述的报警装置25还用于判断检测到的车辆是否是肇事逃逸车辆或者需要监控的其他车辆，如果是则将该车辆的车牌号、车辆的视频图像等数据传至监控中心。\n[0085] 如图2所示，车辆检测装置23包括目标分割模块231、目标跟踪模块232和速度测量模块233。车牌识别装置24包括车牌识别模块241和字符识别模块242。\n[0086] 如图3所示，对于车辆检测装置23，其工作流程是：首先利用彩色边缘sobel算子(中值滤波S31)提取图像的水平边缘，利用全局阈值法对梯度图像进行图像二值化S32，然后对二值化后的梯度图像进行形态学水平膨胀即完成倾斜度的调整S33，然后通过字符分割S34，采用基于人工神经网络算法识别S35完成字符的识别，最后完成信息输出。\n[0087] 在高速公路上的一个应用实例：采用本发明所提出的方法及系统，监控前端通过摄像头首先采集高速公路的全景图像，并利用全景图像进行超速车辆检测，如检测到违章车辆，启动近景高清摄像机工作，采集近景图像并利用近景图像自动车牌识别，其识别结果可分车牌号码字符、车牌号码照片、汽车违章照片分别保存到超速违章车辆数据库，以供事后处理；通过无线或有线数据传送模块自动向高速公路系统中心的违章处理服务器传送违章车辆的车牌号码、违章照片信息，以实时进行违章处理。本发明属于一种智能映射技术，能够提高图像的可视化效果，增强图像对比度，确保黑暗环境下摄像头维持高速的出图帧率。\n[0088] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内，则本发明也意图包含这些改动和变型在内。