一种识别跟踪罪犯车辆的方法
【专利摘要】本发明公开了一种识别跟踪罪犯车辆的方法，包括以下步骤：（1）通过报警人或监控录像获得罪犯车辆信息，确定目标车辆，（2）根据目标车辆的图像信息提取其不变性特征，如surf特征，（3）量化surf特征成特征描述器后传输到中央控制中心，根据犯罪地点与时间等确定罪犯潜在区域，（4）中央控制中心将罪犯车辆特征描述器分传至各侦察网点，匹配侦察车辆后缩小侦察范围，（5）中央控制中心发送特征描述器到侦察范围内的前方巡逻车，（6）对巡逻车内实时监控录像进行surf特征匹配，前方车辆匹配成功，则执行跟踪。
【专利说明】一种识别跟踪罪犯车辆的方法
【技术领域】
[0001]本发明涉及智能交通监控【技术领域】，特别涉及一种识别跟踪罪犯车辆的方法。
【背景技术】
[0002]随着社会的发展，人们的生活水平不断提高，但人们的安全感却不见得有所提高，近年来我国的犯罪率有增无减，盗窃、抢劫、走私等犯罪行为严重影响了公众的生命和财产安全，而车辆则成为这些罪犯的主要逃亡工具。即便是警察锁定了罪犯，但罪犯借助车辆逃脱了警方的追捕，这样对于公众来说，依然存在潜在危险。在罪犯成功逃脱之前将其捉获则成为维护社会安定的重中之重。在庞大的道路交通网上，交通的参与者有几万甚至几十万，其中包括步行、骑自行车、乘公交车、乘出租车或自己驾车，道路上的情况瞬息万变。智能交通监控系统的概念应运而生，它使道路上的交通信息与交通相关信息尽量完整和实时；交通参与者、交通管理者、交通工具、道路管理设施之间的信息交换实时和高效。智能交通监控系统就是通过监控系统将监视区域内的现场图像传回指挥中心，使管理人员直接掌握车辆排队、堵塞、信号灯等交通状况，及时调整信号配时或通过其他手段来疏导交通，改变交通流的分布，以达到缓解交通堵塞的目的。即使有如今的科学技术提供支持，要在信息量如此庞大的系统中找到罪犯的嫌疑车辆也是一大难题。
[0003]而图像识别和匹配这计算机视觉领域已经得到充分的发展，车辆检测与跟踪技术作为安全辅助驾驶的重要组成部分，在智能交通系统研究领域上有了长足发展。申请号为201210315966.5的中国专利，专利名称为:一种实时反馈更新的车辆检测方法，“包括离线学习过程、实时检测过程和在线学习过程，先利用离线学习过程得到的离线强分类器对实时检测过程的第I?K帧图片进行分类，得到检测目标；在线学习过程根据得到检测目标截取样本，利用在线强分类器进行车辆检测，得到检测目标；在线学习过程不断对在线强分类器进行更新。申请号为201310014669.1的中国专利，专利名称为:智能交通监控系统中的车辆检测方法和装置，“本发明提出了一种智能交通监控系统中的车辆检测方法，其包括:步骤SlOl，通过电荷耦合元件CXD摄像头采集道路交通视频帧序列；步骤S102，将采集的视频帧序列数据进行图像预处理，得到计算机能够识别的数字视频序列；步骤S103，输入步骤S102所得的数字视频序列，利用改进的混合高斯背景建模算法实现运动目标的检测；步骤S104，对步骤S103检测所得的运动目标前景进行阴影检测；步骤S105，对运动目标前景进行阴影去除，实现运动目标的正确识别。但将车辆检测与跟踪的方法应用于锁定、追踪和捕获犯罪上还属于空白。
【发明内容】
[0004]为了克服现有技术存在的缺点与不足，本发明提供一种识别跟踪罪犯车辆的方法。
[0005]本发明采用如下技术方案:
[0006]一种识别跟踪罪犯车辆的方法，包括如下步骤:[0007]SI获取罪犯车辆的图像信息，确定要识别跟踪的目标车辆；
[0008]S2提取目标车辆的不变性特征，所述不变性特征包括SURF特征；
[0009]S3将不变性特征量化形成特征描述器，作为匹配识别罪犯车辆的依据传输到中央控制中心，通过中央控制中心传送到各个犯罪侦察网点；
[0010]S4估计目标车辆所在位置的潜在区域，在潜在区域内的犯罪侦察网点将通过监控摄像头拍摄的车辆与特征描述器相匹配，匹配成功则缩小侦察范围；
[0011]S5中央控制中心将不变性特征发送到缩小后的侦察范围内的前方巡逻车，
[0012]S6接收到目标车辆特征的前方巡逻车利用车内实时监控视频，对前方车辆进行实时不变性特征匹配，当目标车辆不变性特征与前方车辆匹配成功，则实施跟踪。
[0013]所述S2提取目标车辆的SURF特征，具体采用surf识别算法。
[0014]所述估计目标车辆所在位置的潜在区域，具体为:
[0015]S4.1计算目标车辆的逃离距离d=vt，其中t是目标车辆从被发现开始的逃离时间，V为目标车辆的车速；
[0016]S4.2以目标车辆被发现的位置为圆心01，逃离距离为半径Rl的圆就是目标车辆所在位置的潜在区域。
[0017]所述缩小侦察范围，具体为:以检测到目标车辆的监控摄像头的位置为圆心02，以逃离距离Rl与01到02的距离之差为半径R2的圆就是缩小后的侦察范围。
[0018]本发明的有益效果:
[0019](I)本发明给出了一种科学的，利用现有的交通监控系统资源的识别并追踪罪犯车辆的方法，给警方追捕罪犯提供了技术支持，可以在一定程度上提高破案的成功率和维护社会治安；
[0020](2)本发明提供一个“特征信息提取一中央控制传输一分点信息获取”的罪犯目标车辆信息交互框架，使这一应用规范化程序化，有相当的可执行性；
[0021](3)本发明有效地使现有的交通监控系统资源与成熟的图像匹配与识别领域技术相结合，为解决更好地社会问题提供的可能性，而并不需要全新的技术硬件支持，利用现有资源即可；
[0022](4)本发明中的提取目标不变性特征信息的方法不仅限于提取surf特征，只要是能够使识别算法准确地识别出目标即可作为本发明中提取特征的方法，因此本发明具有很好的适应性。
【专利附图】
【附图说明】
[0023]图1为本发明的工作流程图；
[0024]图2为本发明的潜在区域及缩小后侦察范围的示意图。
【具体实施方式】
[0025]下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。
[0026]实施例
[0027]如图1所示，一种识别跟踪罪犯车辆的方法，包括如下步骤:[0028]SI根据报警人提供或犯罪地点的监控录像获得罪犯车辆的图像信息，确定要识别跟踪的目标车辆；
[0029]S2提取目标车辆的不变性特征，本实施例采用SURF识别算法提取目标车辆的SURF特征；
[0030]所述surf识别算法，具体为:
[0031]S2.1特征点的提取:利用hessian矩阵计算特征值α，
【权利要求】
1.一种识别跟踪罪犯车辆的方法，其特征在于，包括如下步骤: Si获取罪犯车辆的图像信息，确定要识别跟踪的目标车辆； S2提取目标车辆的不变性特征，所述不变性特征包括SURF特征； S3将不变性特征量化形成特征描述器，作为匹配识别罪犯车辆的依据传输到中央控制中心，通过中央控制中心传送到各个犯罪侦察网点； S4估计罪犯车辆所在位置的潜在区域，在潜在区域内的犯罪侦察网点将通过监控摄像头拍摄的车辆与特征描述器相匹配，匹配成功则缩小侦察范围； S5中央控制中心将不变性特征发送到缩小后的侦察范围内的前方巡逻车， S6接收到罪犯车辆特征的前方巡逻车利用车内实时监控视频，对前方车辆进行实时不变性特征匹配，当目标车辆不变性特征与前方车辆匹配成功，则实施跟踪。
2.根据权利要求1所述的一种识别跟踪罪犯车辆的方法，其特征在于，S2提取目标车辆的SURF特征，具体采用surf识别算法。
3.根据权利要求1所述的一种识别跟踪罪犯车辆的方法，其特征在于，所述估计罪犯车辆所在位置的潜在区域，具体为: S4.1计算罪犯的逃离距离d=vt，其中t是罪犯从被发现开始的逃离时间，V为罪犯车辆的车速； S4.2以罪犯被发现的位置为圆心01，逃离距离为半径Rl的圆就是罪犯车辆所在位置的潜在区域。
4.根据权利要求1所述的一种识别跟踪罪犯车辆的方法，其特征在于，所述缩小侦察范围，具体为:以检测到目标车辆的监控摄像头的位置为圆心02，以逃离距离Rl与01到02的距离之差为半径R2的圆就是缩小后的侦察范围。
【文档编号】G08G1/017GK103714697SQ201310714749
【公开日】2014年4月9日 申请日期:2013年12月20日 优先权日:2013年12月20日
【发明者】周智恒, 钟嘉慧, 殴晓文, 张文婷 申请人:华南理工大学