国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

高速公路服務(wù)區(qū)違法上下客行為識(shí)別技術(shù)研究

2020-09-10 04:37黨倩
交通科技與管理 2020年13期

黨倩

摘 要:高速公路服務(wù)區(qū)違法上下客行為嚴(yán)重影響客運(yùn)交通秩序,極易誘發(fā)交通安全隱患。本文通過對(duì)車輛、行人、物體的特征提取及持續(xù)跟蹤,基于行人攜物、背包的特征識(shí)別,建立了一套違法上下客識(shí)別流程,并研發(fā)違法上下客行為識(shí)別系統(tǒng),實(shí)現(xiàn)疑似違法行為的智能檢測(cè)及抓拍取證,為非現(xiàn)場(chǎng)執(zhí)法提供依據(jù),對(duì)提升執(zhí)法稽查效率及非現(xiàn)場(chǎng)執(zhí)法智能化水平具有重要意義。

關(guān)鍵詞:違法上下客行為;行人攜物;行人檢測(cè)

0 引言

近年來,高速公路服務(wù)區(qū)作為車輛停車、休憩的服務(wù)場(chǎng)所,逐漸涌現(xiàn)出客運(yùn)車輛違規(guī)上下客、倒客、甩客等違法行為,嚴(yán)重影響交通秩序,帶來行李未經(jīng)安檢、行人自由出入、翻越圍欄、橫穿高速公路等安全隱患,極易誘發(fā)致死、致傷的道路交通事故,違法上下客行為的檢測(cè)及監(jiān)管已成為“平安交通”建設(shè)工作的重中之重。

違法上下客行為具有短時(shí)發(fā)生、取證追溯難等特征,傳統(tǒng)人工現(xiàn)場(chǎng)巡檢的監(jiān)管方式需要出動(dòng)大量人員、車輛,且只具有短時(shí)間的監(jiān)管效應(yīng),導(dǎo)致打擊難度大、效率低,成為行業(yè)管理的痛點(diǎn)及難點(diǎn)。隨著技術(shù)進(jìn)步、管理機(jī)制革新,采用“技術(shù)+管理”綜合手段實(shí)現(xiàn)服務(wù)區(qū)違法上下客行為的主動(dòng)檢測(cè)識(shí)別已成為當(dāng)務(wù)之急。

基于視頻的行人攜物檢測(cè)即在視頻監(jiān)控中根據(jù)攜物行人與正常行人特征的差異,通過目標(biāo)行人檢測(cè)及模式識(shí)別的手段,實(shí)現(xiàn)攜物行人的檢測(cè)及判別,常應(yīng)用于安防安保等領(lǐng)域。國內(nèi)外學(xué)者圍繞行人檢測(cè)開展了深入的研究[1-4],在行人攜物方面的研究相對(duì)較少,主要圍繞攜帶物品檢測(cè)及行人檢測(cè)兩個(gè)方面。物品檢測(cè)方面,Giounona Tzanidou[5]等用顏色信息對(duì)行人與其攜帶的物品進(jìn)行了分割,從而達(dá)到對(duì)攜帶物品的有效檢測(cè),但受限于顏色特征的不唯一及易混淆特性,識(shí)別效果較差。Haritaoglu, D[6]等人根據(jù)無負(fù)重狀態(tài)下人體輪廓的對(duì)稱性,結(jié)合人體步態(tài)周期頻率建立背包檢測(cè)系統(tǒng);在此基礎(chǔ)上,Benabdelkader和Davis[7]等人對(duì)系統(tǒng)進(jìn)行了改進(jìn),通過對(duì)連續(xù)視頻序列中人體輪廓的周期和振幅,更加精確地判別攜帶物品位置,但其中心軸的尋找方面仍然存在缺陷。行人檢測(cè)方面,Nanda[8]等人從機(jī)器學(xué)習(xí)的角度對(duì)人體攜物進(jìn)行了判斷,通過分析正常行人與異常行人的區(qū)別,結(jié)合神經(jīng)網(wǎng)絡(luò)分類器對(duì)人體是否攜物進(jìn)行檢測(cè);王文杰[9]則用單一行走的行人與已經(jīng)建立好的標(biāo)準(zhǔn)模板庫進(jìn)行對(duì)比來判定行人是否攜帶物品,取得了一定的檢測(cè)效果。

基于上述研究基礎(chǔ),本研究建立了違法上下客行為檢測(cè)識(shí)別系統(tǒng),借助模式識(shí)別、機(jī)器學(xué)習(xí)及智能分析等技術(shù),實(shí)現(xiàn)車輛檢測(cè)、行人檢測(cè)、行人攜物檢測(cè)、軌跡跟蹤及行為分析等功能,進(jìn)而實(shí)現(xiàn)違法上下客行為判別及分析,為管理部門實(shí)施違法監(jiān)管提供支撐,提升管理效率與智能化水平。

1 技術(shù)方案研究

高速公路服務(wù)區(qū)具有環(huán)境開闊、車輛眾多、人員嘈雜等特點(diǎn),對(duì)此,針對(duì)于客運(yùn)大巴車輛的違法上下客行為,本研究以服務(wù)區(qū)內(nèi)大客車車輛檢測(cè)及車輛定位為基礎(chǔ),基于服務(wù)區(qū)視頻的聯(lián)動(dòng)跟蹤,以車輛監(jiān)測(cè)、行人檢測(cè)為基礎(chǔ),實(shí)現(xiàn)行人攜物的檢測(cè)跟蹤,并結(jié)合行人移動(dòng)方向與車輛??课恢玫南鄬?duì)分析,判別違法上下客行為。

1.1 違法上下客事件檢測(cè)流程

利用高速公路服務(wù)區(qū)現(xiàn)有的視頻監(jiān)控資源,通過對(duì)視頻場(chǎng)中的客車、行人進(jìn)行檢測(cè)和跟蹤,融合行人攜物特征實(shí)現(xiàn)違法行為的檢測(cè)及識(shí)別。檢測(cè)流程如下:

(1)在視頻場(chǎng)中檢測(cè)是否有客車以及對(duì)客車跟蹤判斷是否有停車行為;

(2)當(dāng)檢測(cè)到客車有停車且有行李箱打開行為時(shí),以客車為中心,動(dòng)態(tài)建立行人檢測(cè)區(qū)域;

(3)在行人檢測(cè)區(qū)檢測(cè)行人及行人攜物;

(4)當(dāng)檢測(cè)到行人靠近客車行李箱,且伴隨有攜物特征時(shí),根據(jù)預(yù)先設(shè)定的違法上下客攜物特征及閾值,判定具有疑似違法上下客行為;

(5)在判斷具有疑似違法上下客行為后,自動(dòng)拍照或者錄制短視頻進(jìn)行取證;

(6)將疑似違法上下客行為結(jié)果及取證數(shù)據(jù)發(fā)送至后臺(tái)綜合管理系統(tǒng)。

1.2 車輛檢測(cè)追蹤

基于車牌、車型、車輛顏色等綜合特征,以車牌檢測(cè)及HSV顏色直方圖為核心建立運(yùn)動(dòng)目標(biāo)跟蹤模型,通過對(duì)多路視頻的綜合分析,采用基于均值漂移和粒子濾波相融合的跟蹤算法實(shí)現(xiàn)車輛在服務(wù)區(qū)范圍內(nèi)的連續(xù)跟蹤?;趯?duì)目標(biāo)車輛的連續(xù)檢測(cè)跟蹤,可判別非停車區(qū)域違規(guī)??康目瓦\(yùn)車輛,實(shí)現(xiàn)對(duì)違停車輛的抓拍取證,便于執(zhí)法管理人員取證執(zhí)法及停車誘導(dǎo)。車輛檢測(cè)跟蹤技術(shù)流程如圖2所示。同時(shí),根據(jù)客運(yùn)車輛的停車位置,可設(shè)定違法上下客檢測(cè)感興趣區(qū)域(Region Of Interest,以下簡稱ROI區(qū)域),為違法上下客行為檢測(cè)奠定基礎(chǔ)。

依托于高速公路服務(wù)區(qū)信息化建設(shè),現(xiàn)已基本實(shí)現(xiàn)服務(wù)區(qū)全區(qū)無死角檢測(cè),為車輛的檢測(cè)追蹤提供了良好基礎(chǔ)條件。當(dāng)車輛駛?cè)敕?wù)區(qū)入口時(shí),對(duì)入口卡口抓拍相機(jī)拍攝到的視頻圖像,采用Faster R-CNN 目標(biāo)檢測(cè)算法對(duì)車輛進(jìn)行檢測(cè),ZF-net網(wǎng)絡(luò)作為Faster R-CNN的特征提取網(wǎng)絡(luò)。為了適應(yīng)實(shí)際場(chǎng)景中遠(yuǎn)近車輛目標(biāo)尺寸差異較大的情況,避免漏檢較遠(yuǎn)目標(biāo),模型訓(xùn)練時(shí)采用多尺度訓(xùn)練的方式。對(duì)訓(xùn)練好的模型進(jìn)行測(cè)試,檢測(cè)結(jié)果如圖3。

1.3 行人目標(biāo)檢測(cè)

人體骨骼關(guān)鍵點(diǎn)檢測(cè)是諸多計(jì)算機(jī)視覺任務(wù)的基礎(chǔ),用于動(dòng)作分類,行為識(shí)別。行人目標(biāo)檢測(cè)時(shí),通過骨骼關(guān)鍵點(diǎn)檢測(cè)和關(guān)鍵點(diǎn)聚類,將不同人的不同關(guān)鍵點(diǎn)聚類連接從而構(gòu)建不同的個(gè)體。本文采用Associative Embedding方法進(jìn)行骨骼關(guān)鍵點(diǎn)的檢測(cè)及聚類。該方法通過使用高維空間的向量來編碼不同人體的不同關(guān)鍵點(diǎn)之間的關(guān)系,即同一個(gè)人的不同關(guān)鍵點(diǎn)在空間上是盡可能接近的,不同人的不同關(guān)鍵點(diǎn)在空間上是盡可能遠(yuǎn)離的,最后可以通過兩個(gè)關(guān)鍵點(diǎn)在高維空間上的距離來判斷兩個(gè)關(guān)鍵點(diǎn)是否屬于同一個(gè)人,從而達(dá)到聚類的目的。如下圖所示。通過借助行人姿態(tài)的檢測(cè)提取,實(shí)現(xiàn)視頻序列中行人目標(biāo)的穩(wěn)定檢測(cè)及跟蹤,有效避免視頻場(chǎng)景中其他背景目標(biāo)的干擾。

1.4 行人攜物檢測(cè)

基于ROI區(qū)域內(nèi)行人目標(biāo)的檢測(cè)提取,借助LBP/HOG特征實(shí)現(xiàn)行人攜物特征的判別。通過創(chuàng)建正常無攜物行人標(biāo)準(zhǔn)模板,基于攜物行人身體輪廓與正常無攜物行人的特征差別,統(tǒng)計(jì)攜物行人輪廓與無攜物行人輪廓差值的剩余面積,實(shí)現(xiàn)攜物特征的提取。基于ROI區(qū)域的設(shè)定,根據(jù)行人進(jìn)、出ROI區(qū)域與上、下客的匹配關(guān)系,定義區(qū)域內(nèi)及區(qū)域外上下客目標(biāo)行進(jìn)方向,對(duì)行人攜物行為進(jìn)行軌跡跟蹤及抓拍取證,為違法上下客行為的稽查執(zhí)法基礎(chǔ)提供依據(jù)。行人攜物檢測(cè)技術(shù)流程如圖6所示。

2 應(yīng)用系統(tǒng)設(shè)計(jì)及應(yīng)用

2.1 應(yīng)用系統(tǒng)設(shè)計(jì)

高速公路服務(wù)區(qū)違法上下客識(shí)別系統(tǒng)包括前端嵌入式識(shí)別抓拍系統(tǒng)、后臺(tái)處理中心和應(yīng)用系統(tǒng)。各組成部分通過專線網(wǎng)絡(luò)進(jìn)行通信,系統(tǒng)總體架構(gòu)如圖7所示。

前端嵌入式識(shí)別抓拍系統(tǒng)依托于服務(wù)區(qū)現(xiàn)有視頻監(jiān)控系統(tǒng)進(jìn)行功能升級(jí),實(shí)現(xiàn)視頻監(jiān)控之間的信息傳遞及目標(biāo)跟蹤。

后臺(tái)處理中心實(shí)現(xiàn)對(duì)視頻、圖像的處理分析,主要包括車輛檢測(cè)及跟蹤、違法上下客識(shí)別、違法上下客計(jì)數(shù)、違法行為抓拍取證等功能,為應(yīng)用系統(tǒng)提供數(shù)據(jù)支撐。

2.2 系統(tǒng)實(shí)現(xiàn)及應(yīng)用

基于違法上下客行為的檢測(cè)判別及系統(tǒng)設(shè)計(jì),本文開發(fā)了應(yīng)用系統(tǒng)原型,并以無錫梅村服務(wù)區(qū)為應(yīng)用試點(diǎn),進(jìn)行了試點(diǎn)應(yīng)用,當(dāng)檢測(cè)到行人攜物上下客時(shí),系統(tǒng)自動(dòng)報(bào)警,為執(zhí)法監(jiān)管提供依據(jù)。系統(tǒng)檢測(cè)效果及功能界面如圖8所示。

3 結(jié)論

本文基于高速公路違法上下客事件的特征,利用視頻模式識(shí)別技術(shù),對(duì)服務(wù)區(qū)內(nèi)違停車輛及攜物行人進(jìn)行跟蹤檢測(cè),實(shí)現(xiàn)高速公路服務(wù)區(qū)違法上下客行為的自動(dòng)檢測(cè)識(shí)別、自動(dòng)抓拍取證等功能,探索了一種智能化、精準(zhǔn)化稽查執(zhí)法新方法,為高速公路稽查執(zhí)法管理部門提供完整、直觀的數(shù)據(jù)支撐,有力的提升監(jiān)管執(zhí)法及非現(xiàn)場(chǎng)執(zhí)法的效率。

參考文獻(xiàn):

[1]張開冉,楊樹鵬,何琳希,等.基于社會(huì)力模型的車站負(fù)重人群疏散模擬研究[J].中國安全科學(xué)學(xué)報(bào),2017,27(01):30-35.

[2]黃成都,黃文廣,閆斌.基于Codebook背景建模的視頻行人檢測(cè)[J].傳感器與微系統(tǒng),2017,36(03):144-146.

[3]疏坤,蔣建國,齊美彬,等.基于改進(jìn)的HOG與Sobel-LBP融合的快速行人檢測(cè)[J].合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,40(07):898-903.

[4]楊東明,徐士彪,孟維亮,等.基于改進(jìn)RPN深度網(wǎng)絡(luò)的端到端的監(jiān)控場(chǎng)景行人檢測(cè)研究[J].中國體視學(xué)與圖像分析,2017(02):209-215.

[5]Magee DR.Tracking multiple vehicles using foreground,background and motion models[J].Image & Vision Computing,2004,22(02):143-155.

[6]Haritaoglu,D.Harwood,and L.S.Davis,Real-TimeSurveillance of People and Their Activities[C].IEEE Trans.Pattern Analysis and Machine Intelligence,2000,22(08):809-830.

[7]BenAbdelkader C,Cutler R,Davis L.Motion-based recognition of people in eigengait space[C].IEEE International Conference on Automatic Face & Gesture Recognition.IEEE,2002:267-272.

[8]Nanda H,Benabdelkedar C,Davis L.Modelling pedestrian shapes for outlier detection:a neural net based approach[C].Intelligent Vehicles Symposium,2003.Proceedings.IEEE.IEEE,2003:428-433.

[9]王文杰.基于視頻序列的行人攜物檢測(cè)方法研究[D].四川師范大學(xué),2014.

鲁山县| 澄江县| 安图县| 郓城县| 滨海县| 大化| 清远市| 长泰县| 鄯善县| 贵溪市| 中宁县| 五河县| 象州县| 深水埗区| 盱眙县| 鄂州市| 瓮安县| 嘉黎县| 天水市| 阿合奇县| 元氏县| 正蓝旗| 乌兰察布市| 马鞍山市| 枞阳县| 静乐县| 二手房| 永平县| 巫溪县| 绥中县| 普安县| 南康市| 黔西| 石景山区| 双峰县| 琼中| 仙桃市| 陇川县| 靖西县| 林周县| 吉首市|