基于車載視頻的占用公交車道違章檢測(cè)算法研究.pdf

1、隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，公共交通也得到了快速發(fā)展，大大方便了人們的出行，但是隨著汽車保有量持續(xù)上升，社會(huì)車輛占用公交車道的現(xiàn)象越來(lái)越頻繁，嚴(yán)重影響了正常的交通秩序。傳統(tǒng)的定點(diǎn)監(jiān)控和人工監(jiān)控的方法越來(lái)越難以應(yīng)對(duì)日益嚴(yán)重的公交車道違章現(xiàn)象。作為一種新的智能監(jiān)控技術(shù)，占用公交車道違章檢測(cè)系統(tǒng)通過(guò)架設(shè)在公交車上的監(jiān)控?cái)z像頭獲取公交車前方的路況，能夠自動(dòng)識(shí)別場(chǎng)景中的公交車道，并檢測(cè)出公交車道內(nèi)的違章車輛，并進(jìn)行報(bào)警，相對(duì)于傳統(tǒng)的檢測(cè)方式，該系統(tǒng)有

2、效降低了人工的干預(yù)，提高了檢測(cè)效率。
　　本文詳細(xì)介紹了基于車載視頻的占用公交車道違章檢測(cè)算法的組成和實(shí)現(xiàn)，在車道檢測(cè)和識(shí)別模塊中，我們使用了改進(jìn)的Hough變換算法，檢測(cè)出左右行車道，然后利用普通車道（白色）與公交車道（黃色）在顏色上的不同，訓(xùn)練出 SVM分類器，然后對(duì)車道進(jìn)行判斷分類，并通過(guò)狀態(tài)機(jī)的方法保持車道檢測(cè)的穩(wěn)定性。在車牌檢測(cè)與判別模塊中，首先使用基于Haar特征的Adaboost級(jí)聯(lián)分類器對(duì)檢測(cè)區(qū)域中的車牌目標(biāo)進(jìn)行檢

3、測(cè)，對(duì)于可能出現(xiàn)的誤檢情況，又分析了車牌的邊緣和顏色特征，提出了Sobel邊緣特征驗(yàn)證和RGB特征驗(yàn)證的雙重驗(yàn)證方法對(duì)車牌進(jìn)行驗(yàn)證，當(dāng)確定目標(biāo)是車牌后，我們通過(guò)將車牌圖像轉(zhuǎn)換到 HSV顏色空間，提取出車牌區(qū)域的H特征，利用藍(lán)色像素比例和SVM分類器對(duì)車牌顏色進(jìn)行分類，判斷車牌是否屬于普通車牌，并對(duì)檢測(cè)結(jié)果使用了LK光流法進(jìn)行了跟蹤。然后判斷車牌是否在公交車道內(nèi)，從而檢測(cè)出違章車牌。
　　基于車載視頻的占用公交車道違章檢測(cè)系統(tǒng)有效減