基于计算机视觉的车辆闯红灯行为检测研究
Research on Detection of Red Light Violation Based on Computer Vision

作者: 严杭晨 , 马宝庆 , 黄磊磊 , 汤一平 :浙江工业大学信息工程学院,杭州;

关键词: 计算机视觉闯红灯行为信号灯状态车辆状态MHI算法Computer Vision Detection of Red Light Violation State of Traffic Signals State of Vehicle Motion History Images Algorithm

摘要:
为了实现对车辆闯红灯行为的自动智能和准确检测。本文提出了一种基于计算机视觉的车辆闯红灯行为检测方法。首先,采用高清摄像头实时采集道路上的车道、车辆和信号灯的视频图像;接着,对视频进行图像信息预处理,定制虚拟检测线、交通灯检测区域、车道检测区域,将定制结果保存在存储单元中;然后用计算机视觉技术来检测车辆闯红灯行为,通过HSV颜色空间中的H分量来识别信号灯的状态,利用MHI算法来识别车辆状态;最后,根据交通法规来识别车辆闯红灯行为。实验结果表明,本文提出的检测算法方法简单、识别率高、实现成本低并具有较高的鲁棒性。

Abstract:
To automatically and accurately detect red-light violation, this paper presents a method of detection of red Light violation based on computer vision. Firstly, the image of traffic intersection is got by a monocular high-definition camera in real time. In order to detect the valid area, the image is pre-processed with the customization of stop line, traffic light areas, lane areas, and the result of customization is saved. Then, the state of traffic signals is recognized with H in HSV color model and the vehicles are detected by MHI. Finally, according to traffic laws and regulations, vehicle red-light violation will be identified. Experiment results show that this method has lightly computational load, low-cost, high recognition rate and robustness features.

文章引用: 严杭晨 , 马宝庆 , 黄磊磊 , 汤一平 (2013) 基于计算机视觉的车辆闯红灯行为检测研究。 交通技术, 2, 158-163. doi: 10.12677/OJTT.2013.22029

参考文献

[1] 杨明. 面向智能交通系统的图像处理[J]. 计算机工程与应用, 2001, 9: 4-7.

[2] 夏劲, 郭红卫. 国内外城市智能交通系统的发展概况与趋势及启示[J]. 科技进步与对策, 2003, 1: 176-179.

[3] 周妮娜, 土敏, 黄心汉, 吕雪峰, 万国红. 车牌字符识别的预处理算法[J]. 计算机工程与应用, 2003, 15: 220-232.

[4] 张苗, 姚明海, 顾勤龙. 车辆牌照识别系统的一个新的实现方法[J]. 控制工程, 2003, 10(1): 59-61.

[5] 左奇, 史忠科. 一种基于数学形态学的实时车牌图像分割方法[J]. 中国图像图形学报, 2003, 8(3): 281-285.

[6] 张引. 基于空间分布最大类间方差的牌照图像二值化算法[J]. 浙江大学学报, 1997, 35(3): 272-276.

[7] 傅一平, 李志能, 袁丁. 基于 HIS 空间的颜色算法提牌照识别的性能[J]. 计算机工程与设计, 2004, 25(5): 703-707.

[8] 孟繁锋, 屈桢深, 曾庆双等. isMHI结合CAMSHIFT的多目标跟踪[J]. 计算机应用, 2009, 29(6): 1673-1676.

[9] R. B. Gary, W. D. James. Motion seg-mentation and pose recog- nition with motion history gradients. Machine Vision and Appli- cation, 2002, 13(7): 174-184.

[10] 刘军学, 屈桢深, 任行行, 郭隽, 闻帆. 基于改进运动历史图像的多运动目标实时跟踪[J]. 计算机应用, 2008, 28(s1): 198- 201.

分享
Top