一种自助发卡机违章行为自动检测方法
【技术领域】
[0001 ]本发明属于智能交通技术领域，特别涉及一种自助发卡机违章行为自动检测方 法。
【背景技术】
[0002] 随着社会经济的快速发展，我国高速公路通行量日益增长，收费站面临人手严重 不足，效率太低的问题。因此，在一些人员编制不足的收费站设置了自助发卡车道，方便司 机自助快速取卡，快速通过。
[0003] 但是高科技在带给我们便捷的同时，也逐步显现出一些漏洞。一些不法分子利用 自动发卡机的漏洞，多次取卡，倒卖高速通行卡，从而进行逃费、漏费等一系列违法犯罪活 动。这种行为一方面让国家经济遭受损失，另一方面也扰乱高速正常的通行秩序，造成交通 安全隐患。
[0004] 随着计算机视频分析技术在各行各业的广泛应用，智能分析系统能让前端摄像机 实时自动"发现情况"，并主动"分析"视野中的监视目标，同时判断出这些被监视目标的行 为是否存在异常动作，对已经出现或将要出现的异常行为，及时向值班人员发出警报，切实 提高高速公路的安全防范能力，实现智能化监控。
【发明内容】
[0005] 本发明的目的是提供一种自助发卡机违章行为自动检测方法，以解决对于高速公 路中针对自助发卡机的违法行为的自动识别。
[0006] 本发明的技术方案是，一种自助发卡机违章行为自动检测方法，采用视频监控手 段，对于自助发卡机区域的车辆和行人的行为进行自动识别，所述自动检测方法包括3个主 步骤，分别是目标分割、违章行为识别和违章行为检测，所述自动检测方法中的处理步骤均 是针对自助发卡机区域监控视频图像的按照先后顺序处理，
[0007] 所述目标分割，包括分步骤始背景提取、帧差分割目标和形态学滤波，
[0008] 所述的初始背景提取的实现步骤为：
[0009] al)统计连续N帧视频变化情况，记录像素中个点灰度出现情况
[0011]其中，P(x，y，k)表示像素点（x，y)处亮度值为k出现的次数，imagei(x，y，m)表示某 一帧图像像素点(X，y)处亮度值为m，
[0012] a2)将连续N帧某点灰度出现频率最大值，作为该点的灰度值，即初始背景灰度值。
[0013] Background(x,y) =max(P(x,y,k)) k = 0,1,2---255 (1.2)
[0014] 所述的帧差分割目标的具体实现步骤为：
[0015] bl)为方便后续计算，首先将抽样后的结果进行块化，设原始图像宽度及高度为W、 H，块的大小为w、h，则块化后的图像大小为
[0017] b2)使用当前图像与背景图像进行差分，以获得运动目标，其中DifGraj^%背景差 分后某块的灰度值，Gray n为当前帧某块内像素灰度值，Backgroundn为背景中对应块内像素 灰度值
[0019] b3)二值化阈值的选择使用迭代式阈值选择法，
[0020] A)选择视频图像中的灰度的中值作为首先的估计阈值To;
[0021] B)利用开始估计的阈值To把图像的灰度值分成两个不同的区域:R^Rs，根据式 (1.5)计算区域心和此的灰度的均值m和U2:
[0023] C)计算出m和112后，计算出新的阈值Ti+1:
[0025] D)重复步骤B)、C)，直到1\+1和1\无限接近时，其值即为二值化阈值T，
[0026] b4)当差分结果大于阈值T时，则将该块结果置为255,否则置为0,实现目标的二值 化，
[0028] 所述的形态学滤波实现的步骤为：
[0029] cl)对二值化分割结果进行横向扫描，当相邻两白块间间隔小于2个块时，则将中 间区域的黑块置为255，否则保留原值；
[0030] C2)对二值化分割结果进行纵向扫描，当相邻两白块间间隔小于2个块时，则将中 间区域的黑块置为255，否则保留原值；
[0031 ]所述的违章行为识别，包括分步骤车辆定位和车型识别，
[0032] 所述的车辆定位的实现步骤为：
[0033] dl)统计图像范围内各行不为0的像素点，记录其个数，获得该行图像的宽度，
[0034] d2)统计图像范围内各列不为0的像素点，记录其个数，获得该列图像的高度，
[0035]根据dl)和d2)的统计结果，即可获得目标的位置信息和目标的宽度高度信息，根 据目标的位置信息判断其是否在违章行为抓拍区域，如在检测区域内则对车型进行识别， 反之，不对其进行检测；
[0036]所述的车型识别实现步骤为：
[0037] 针对检测目标机动车、摩托车和行人，对摩托车和行人不做区分，确定机动车和摩 托车目标模型，即在图像显示区域内，设置机动车和摩托车的模版大小，以方便后续检测，
[0040]其中，η为目标区域宽度高度之比，对于机动车、摩托车η取值范围根据多次实验获 得，S=width*height为目标区域面积，根据其与模版面积大小比对，判断目标所属类型； [0041 ]所述的违章行为检测，包括对机动车辆逆行行为检测和摩托车及行人在检测区域 内偷卡行为检测，
[0042] 机动车辆逆行行为检测，通过对车辆目标轨迹进行跟踪，根据其轨迹方向判断是 否有逆行行为发生，具体实现步骤为：
[0043] el)采用角点跟踪算法，目标运行过程中，用变模板正向最小差值匹配跟踪算法， 同步寻找角点在每帧图像中出现的位置，每当找到新的目标位置，则用当前位置信息更新 模版数据；
[0044] e2)对每行像素进行车辆正确行驶方向的标定，由于采样频率及车辆速度的限制， 设定在相邻三个像素范围内其运动轨迹呈均匀变化，此时计算误差较小；
[0045] e3)从图像下边沿第0行像素开始分别对各行像素进行方向标定，对于远离摄像机 方向为行驶正方向的路段，其第k行方向矢量分别为：
[0047 ]对于驶向摄像机方向为行驶正方向的路段，其第k行方向矢量分别为：
[0049] e4)根据对于逆行车辆，其轨迹方向与车辆正确行驶方向的夹角具有一定特征，将 车辆发生逆行时跟踪轨迹与标定车道线正确行驶方向的夹角定义为120°，规定对于每条目 标运动轨迹，当其与车道正常行驶方向夹角超过120°的数量大于设定的阈值时，则判定该 条运动轨迹为逆行轨迹，即被跟踪车辆出现逆行行为；
[0050] e5) 5:为标定车道线的车辆正确行驶矢量，各为轨迹实际运动矢量，其中， 5 =(Wi) &=(々.>·:)则车辆实际行驶方向与规定的车辆正确行驶方向的夹角Θ可表示 为：
[0052] e6)在实际检测过程中，当θ>120°时，则将相应计数器加1，当满足逆行条件数量大 于设定阈值时，则可判定当前跟踪车辆逆行；
[0053] 所述的偷卡行为检测是指，对于在监控视频图像检测区域内已经确定为摩托车和 行人的目标，则直接对其进行报警，记录其车牌信息；
[0054] 对于确定的机动车车辆，如果其有逆行行为则认为其有偷卡行为，则对其进行报 警。
[0055] 进一步的，在所述的目标分割、违章行为识别和违章行为检测之前，还包括预处理 步骤，
[0056]所述预处理是指由于监控视频的高分辨率，为减少运算量，对采集到的图像进行 横向及纵向抽样处理。
[0057]与现有技术相比，采用本发明具有以下的技术效果：
[0058] 1、大场景实时监控
[0059]前端相机选用高清摄像机，保证整个监控范围内车辆图像清晰，保证可以看清进 入