基于车辆轨迹的交通违法行为检测方法

    交通违法行为检测属于智能监控中高层次的内容，是事件检测、行为的理解和描述的一种表现形式。相对来说，以前大多数的研究都集中在运动检测和跟踪等底层视觉问题上，这方面的研究较少。近年来，经济与道路交通的快速发展，机动车保有量持续攀升，交通违法行为也同步增加，这就对道路交通管理提出了更高的要求。关于这方面的研究也渐成热点。

　　传统应用中，多以传感器方式有针对性的监控处理各类交通违法行为，此种方式有些代价昂贵，如雷达、激光；有些需要破坏路面、定期更换设备，如地感线圈。在同时处理多种违法类型时也常常束手，这使其越来越不适应当前交通管理应用趋势。

　　本文以图像处理算法为基础，结合模式识别原理，根据车辆轨迹对车辆交通行为进行分析，极大地提高了道路安全部门对无人值守路口违法行为的监控力度，并大幅降低了工程实现成本。

　　算法流程及轨迹获取

　　算法流程框架

　　本文首先通过车辆视频检测算法获取目标初始信息，采用均值漂移算法结合卡尔曼滤波算法实现目标的视频跟踪，再对其轨迹进行统计分析，获取目标实际行驶方向的轨迹特征，并以现场规则（信号灯状态、车道属性及导向规则等）为辅助，做出违法行为判定。

图一 交通违法行为检测算法流程

　　视频检测

　　视频触发是根据智能图像识别后的车辆运动检测结果，对经过监控车道的所有车辆进行自动背向抓拍。其中车辆运动检测结果综合了运动帧差信息、车辆特征（车牌、车辆尾部结构特征和AdaBoost训练特征等）以及车辆的跟踪状态，最后形成车辆到达和离开状态的判断，具备较好的实时性和稳定性。