1、引言

　　交通違法行為檢測(cè)屬于智能監(jiān)控中高層次的內(nèi)容，是事件檢測(cè)、行為的理解和描述的一種表現(xiàn)形式。相對(duì)來(lái)說(shuō)，以前大多數(shù)的研究都集中在運(yùn)動(dòng)檢測(cè)和跟蹤等底層視覺(jué)問(wèn)題上，這方面的研究較少。近年來(lái)，經(jīng)濟(jì)與道路交通的快速發(fā)展，機(jī)動(dòng)車(chē)保有量持續(xù)攀升，交通違法行為也同步增加，這就對(duì)道路交通管理提出了更高的要求。關(guān)于這方面的研究也漸成熱點(diǎn)。

　　傳統(tǒng)應(yīng)用中，多以傳感器方式有針對(duì)性的監(jiān)控處理各類(lèi)交通違法行為，此種方式有些代價(jià)昂貴，如雷達(dá)、激光;有些需要破壞路面、定期更換設(shè)備，如地感線圈。在同時(shí)處理多種違法類(lèi)型時(shí)也常常束手，這使其越來(lái)越不適應(yīng)當(dāng)前交通管理應(yīng)用趨勢(shì)。

　　本文以圖像處理算法為基礎(chǔ)，結(jié)合模式識(shí)別原理，根據(jù)車(chē)輛軌跡對(duì)車(chē)輛交通行為進(jìn)行分析，極大地提高了道路安全部門(mén)對(duì)無(wú)人值守路口違法行為的監(jiān)控力度，并大幅降低了工程實(shí)現(xiàn)成本。

　　2、算法流程及軌跡獲取

　　2.1算法流程框架

　　本文首先通過(guò)車(chē)輛視頻檢測(cè)算法獲取目標(biāo)初始信息，采用均值漂移算法結(jié)合卡爾曼濾波算法實(shí)現(xiàn)目標(biāo)的視頻跟蹤，再對(duì)其軌跡進(jìn)行統(tǒng)計(jì)分析，獲取目標(biāo)實(shí)際行駛方向的軌跡特征，并以現(xiàn)場(chǎng)規(guī)則(信號(hào)燈狀態(tài)、車(chē)道屬性及導(dǎo)向規(guī)則等)為輔助，做出違法行為判定。

　　2.2視頻檢測(cè)

　　視頻觸發(fā)是根據(jù)智能圖像識(shí)別后的車(chē)輛運(yùn)動(dòng)檢測(cè)結(jié)果，對(duì)經(jīng)過(guò)監(jiān)控車(chē)道的所有車(chē)輛進(jìn)行自動(dòng)背向抓拍。其中車(chē)輛運(yùn)動(dòng)檢測(cè)結(jié)果綜合了運(yùn)動(dòng)幀差信息、車(chē)輛特征(車(chē)牌、車(chē)輛尾部結(jié)構(gòu)特征和AdaBoost訓(xùn)練特征等)以及車(chē)輛的跟蹤狀態(tài)，最后形成車(chē)輛到達(dá)和離開(kāi)狀態(tài)的判斷，具備較好的實(shí)時(shí)性和穩(wěn)定性。

　　2.3車(chē)輛視頻跟蹤

　　視頻跟蹤是在目標(biāo)車(chē)輛離開(kāi)視頻觸發(fā)區(qū)域后我們獲取其實(shí)時(shí)位置信息的有效方式。均值漂移算法(Mean-shift)[2]是一種非參數(shù)概率密度估計(jì)算法，可以通過(guò)迭代快速地收斂于概率密度函數(shù)的局部最大值，因此在目標(biāo)實(shí)時(shí)跟蹤領(lǐng)域有著很高的應(yīng)用價(jià)值。

　　Mean-shift算法本身是通過(guò)對(duì)目標(biāo)原始區(qū)域的不斷迭代去尋找最佳匹配候選目標(biāo)，當(dāng)目標(biāo)運(yùn)動(dòng)速度較大時(shí)，很容易發(fā)生冗余迭代或局部收斂，針對(duì)此種情況，我們采用Kalman濾波[3]對(duì)每個(gè)目標(biāo)運(yùn)動(dòng)過(guò)程進(jìn)行建模，通過(guò)Kalman預(yù)測(cè)縮小迭代范圍，減少計(jì)算量，同時(shí)降低噪聲影響，得到目標(biāo)的最優(yōu)估計(jì)。

　　2.4軌跡獲取及示例

　　我們將目標(biāo)車(chē)輛進(jìn)入視場(chǎng)到離開(kāi)視場(chǎng)的軌跡進(jìn)行保存，并以此作為后續(xù)進(jìn)行交通違法行為分析的基礎(chǔ)數(shù)據(jù)，根據(jù)《道路交通安全違法行為圖像取證技術(shù)規(guī)范(2009)》對(duì)關(guān)鍵幀的交通信號(hào)燈狀態(tài)予以保存，設(shè)定現(xiàn)場(chǎng)參數(shù)，如停止線位置，車(chē)道線位置，車(chē)道導(dǎo)向規(guī)則，道路禁行標(biāo)志等。

　　下圖為截取現(xiàn)場(chǎng)處理的軌跡圖。

　　3、車(chē)輛軌跡特征與交通違法分類(lèi)

　　3.1交通違法分類(lèi)

　　根據(jù)車(chē)輛狀態(tài)和我國(guó)道路交通安全規(guī)則[1]，我們可將一些主要的交通違法行為劃分如下：

　　表一 違章類(lèi)型分類(lèi)

[nextpage]

　　其中，位置違章指的是某時(shí)刻車(chē)輛與車(chē)道禁止標(biāo)線之間的位置關(guān)系違反了道路交通安全法的有關(guān)規(guī)定。路線違章則表示目標(biāo)車(chē)輛在某時(shí)間段的行駛軌跡與當(dāng)前路段的設(shè)定規(guī)則不符。車(chē)型違章定義為車(chē)輛類(lèi)型與車(chē)道允許行駛車(chē)型不一致。在比較多種交通違法行為時(shí)發(fā)現(xiàn)，部分違章違法行為存在一定的包含關(guān)系，如實(shí)線變道必然以壓車(chē)道線為先導(dǎo)，違反信號(hào)燈必然以紅燈時(shí)壓停止線為先導(dǎo)，要明確區(qū)分此類(lèi)情況，目標(biāo)車(chē)輛軌跡將是其明顯特征。

　　車(chē)型違章的檢測(cè)可以不以車(chē)輛軌跡為依據(jù)，所以本文只提出不展開(kāi)。

　　3.2位置違章軌跡特征分析

　　位置違章指的是某時(shí)刻車(chē)輛與車(chē)道禁止標(biāo)線之間的位置關(guān)系違反了道路交通安全法的有關(guān)規(guī)定。這里面包含了三個(gè)關(guān)鍵點(diǎn)，一是目標(biāo)位置，二是禁止標(biāo)線位置，三是交通法規(guī)。

　　以“壓線”為例，交通法規(guī)定，黃、白實(shí)線均為禁止標(biāo)線，當(dāng)車(chē)輛本體位置與車(chē)道分界線發(fā)生交疊時(shí)，即可認(rèn)為壓線。此時(shí)，不必追究其行駛軌跡。

　　但交通法規(guī)里同樣定義車(chē)輛碾壓實(shí)線變換車(chē)道為“實(shí)線變道”。其與“壓線”的區(qū)別可作如下理解。請(qǐng)看下圖示意：

　　從圖上可以看到，當(dāng)目標(biāo)車(chē)輛車(chē)道歸屬發(fā)生變化時(shí)，其軌跡點(diǎn)與同一條車(chē)道線的水平距離在時(shí)間橫軸上發(fā)生了U型轉(zhuǎn)換，此時(shí)即可被認(rèn)定為“實(shí)線變道”。當(dāng)車(chē)輛由機(jī)動(dòng)車(chē)道(LANE3)借道非機(jī)動(dòng)車(chē)道行駛，則被定義為“機(jī)動(dòng)車(chē)占用非機(jī)動(dòng)車(chē)道”違法，簡(jiǎn)稱“機(jī)占非”。其他即做“壓(黃、白)線”處理。也就是說(shuō)，車(chē)輛一旦違反實(shí)線變道，其必然壓線，反之則不一定。

　　同樣的情況，“紅燈時(shí)壓停止線”與“違反信號(hào)燈”也存在后者以前者為先導(dǎo)的現(xiàn)象。此類(lèi)情況均需要結(jié)合目標(biāo)的其他屬性來(lái)實(shí)現(xiàn)區(qū)分，如目標(biāo)速度、所屬車(chē)道等等。

　　3.3速度違章與其軌跡特征

　　由表一我們知道，速度違章是指目標(biāo)車(chē)輛的速度屬性違反了當(dāng)前道路的交通法規(guī)。這里的速度屬性主要指速度是否存在以及其具體值。

　　二維圖像處理主要是對(duì)圖像像素的操作，但由于視場(chǎng)深度信息損失，要準(zhǔn)確計(jì)算目標(biāo)車(chē)輛速度就要涉及透視變換或?qū)ΜF(xiàn)場(chǎng)進(jìn)行標(biāo)定，這兩項(xiàng)要求都很難在實(shí)踐中得到滿足，因此通用性受限。本文將速度定義為軌跡相鄰點(diǎn)坐標(biāo)與幀間隔的比值屬性包括(水平速度，垂直速度，方向)，單位為(像素/幀)。由于圖像的原點(diǎn)位于其左上角，所以我們?cè)O(shè)定Velocity<0為正向，在此基礎(chǔ)上對(duì)速度違章進(jìn)行定性分析。

　　下面，我們以違法停車(chē)為對(duì)象，分析其速度特征。

　　當(dāng)車(chē)輛在禁止區(qū)域內(nèi)速度為0，且持續(xù)時(shí)間超過(guò)法定時(shí)間，即可認(rèn)定為違停。這里的“禁止區(qū)域”一般包括斑馬線區(qū)域，交叉黃線區(qū)域等。

　　3.4路線違章及其軌跡特征分析

　　如上3.1所述，路線違章是指目標(biāo)車(chē)輛的行駛軌跡與當(dāng)前路段的既定交通規(guī)則不符。我們?nèi)耘f以“道路交叉口”為例，分析三種軌跡，直行、左轉(zhuǎn)、右轉(zhuǎn)。其示意圖如下：

[nextpage]

　　從圖五容易看出，直行、左轉(zhuǎn)、右轉(zhuǎn)軌跡在水平方向位移()上存在較大區(qū)別。我們將左轉(zhuǎn)、右轉(zhuǎn)、直行車(chē)輛軌跡對(duì)應(yīng)的變化圖示意如下，作為對(duì)比，同時(shí)給出的變化過(guò)程。

　　圖六 直行軌跡水平及垂直方向位移示意

　　從圖六、七、八中我們看到，直行軌跡的較為平穩(wěn)或有緩慢變化。轉(zhuǎn)向軌跡則具出現(xiàn)較為明顯變化趨勢(shì)，其中，左轉(zhuǎn)軌跡的以負(fù)向增大為總趨勢(shì)，右轉(zhuǎn)軌跡則正好相反。

　　從統(tǒng)計(jì)學(xué)的角度看，直行軌跡較轉(zhuǎn)向軌跡擁有更多的軌跡穩(wěn)定性和聚合性。在轉(zhuǎn)向軌跡中，右轉(zhuǎn)軌跡由于其“小轉(zhuǎn)彎”的特點(diǎn)，其垂直方向位移變化也表現(xiàn)的更為離散一些。在實(shí)際判斷中，我們以的正負(fù)偏移方向的規(guī)律，以負(fù)向偏移為左轉(zhuǎn)，正向偏移為右轉(zhuǎn)，并參考其垂直方向變化特點(diǎn)，有效區(qū)分了左轉(zhuǎn)軌跡以及右轉(zhuǎn)軌跡。在此基礎(chǔ)上，結(jié)合車(chē)道導(dǎo)向規(guī)則、信號(hào)燈實(shí)時(shí)狀態(tài)，對(duì)相關(guān)的違章行為進(jìn)行準(zhǔn)確區(qū)分捕獲。

　　4、統(tǒng)計(jì)數(shù)據(jù)結(jié)果

　　基于本文方法，對(duì)江蘇省某市一處道路交叉口由南向北斷面12點(diǎn)到15點(diǎn)的車(chē)流進(jìn)行了測(cè)試，測(cè)試結(jié)果如下：

　　需要說(shuō)明的是，由于無(wú)法有效統(tǒng)計(jì)路段或路口的實(shí)際違章數(shù)量，測(cè)試時(shí)采用對(duì)現(xiàn)場(chǎng)環(huán)境進(jìn)行強(qiáng)制設(shè)定或修改的方式，例如，測(cè)試違反信號(hào)燈即設(shè)定測(cè)試時(shí)間段為持續(xù)紅燈，測(cè)試紅燈時(shí)壓停止線時(shí)，則將讀取到的實(shí)際停止線下移。如此，共測(cè)試現(xiàn)場(chǎng)過(guò)車(chē)約2766輛。

　　5、總結(jié)

　　本文以車(chē)輛軌跡為基礎(chǔ)，結(jié)合相關(guān)交通安全法規(guī)，形成一種能對(duì)多種常見(jiàn)交通違法行為進(jìn)行智能捕獲分類(lèi)的方法。在試驗(yàn)結(jié)果方面也獲得了比較理想的效果，有效解決了傳統(tǒng)方案的笨重、昂貴、功能單一的缺點(diǎn)，并具有良好的實(shí)用性和可擴(kuò)展性。