基于車載視頻的公交車道違章占用算法研究.pdf

1、為響應(yīng)交通部門提倡的“智能交通”，嚴(yán)格規(guī)范道路交通秩序，鼓勵遵守交通規(guī)則，需要對違章行駛在公交車道的非公交車輛進(jìn)行抓拍并警告。目前，部分城市已經(jīng)在公交車頭上安裝了攝像頭，用來拍攝占用公交車道違法行駛行為；考慮從拍攝視頻中篩選出違章車輛的海量工作強(qiáng)度，將利用視頻圖像目標(biāo)分析技術(shù)對拍攝視頻中的違章車牌進(jìn)行實時檢測。作為一種新的智能化技術(shù)，視頻圖像的目標(biāo)分析技術(shù)應(yīng)用在智能視頻監(jiān)控系統(tǒng)領(lǐng)域，能夠?qū)崿F(xiàn)場景實時自動化監(jiān)控和對異常進(jìn)行報警，減少了人為

2、干預(yù)和由于人工干預(yù)導(dǎo)致的錯誤，降低了人工成本。
　　車載違章占用公交車道非公交車輛智能抓拍算法主要涉及圖像基本處理算法以及模式識別中的目標(biāo)檢測識別技術(shù)，在算法中主要體現(xiàn)在基于霍夫變換的車道線檢測、基于SVM分類器的公交車道識別、以及基于多特征多分類器的非公交車輛的車牌檢測。其中，在選擇目標(biāo)檢測算法時，傳統(tǒng)算法包括基于背景建模的目標(biāo)場景分離方法和基于統(tǒng)計學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法，在論文研究的環(huán)境中，攝像頭和待檢測的目標(biāo)都處于運(yùn)動狀態(tài)，

3、無法充分利用目標(biāo)和背景的相對運(yùn)動信息，因此，主要利用機(jī)器學(xué)習(xí)方法對車牌目標(biāo)進(jìn)行檢測。本文通過實驗分析兩類經(jīng)典的機(jī)器學(xué)習(xí)方法：Haar特征結(jié)合AdaBoost分類器對違章車牌抓拍的效果，以及方向梯度直方圖特征（Histogram of Oriented Gradient,HOG特征）結(jié)合支撐向量機(jī)（Support of Vector Machine,SVM）分類器對違章車牌抓拍的效果，提出在實際算法里利用多特征多分類器對車牌進(jìn)行檢測，在保