车辆视频跟踪

　　视频跟踪是在目标车辆离开视频触发区域后我们获取其实时位置信息的有效方式。均值漂移算法（Mean-shift）[2]是一种非参数概率密度估计算法，可以通过迭代快速地收敛于概率密度函数的局部最大值，因此在目标实时跟踪领域有着很高的应用价值。

　　Mean-shift算法本身是通过对目标原始区域的不断迭代去寻找最佳匹配候选目标，当目标运动速度较大时，很容易发生冗余迭代或局部收敛，针对此种情况，我们采用Kalman滤波[3]对每个目标运动过程进行建模，通过Kalman预测缩小迭代范围，减少计算量，同时降低噪声影响，得到目标的最优估计。

　　轨迹获取及示例

　　我们将目标车辆进入视场到离开视场的轨迹进行保存，并以此作为后续进行交通违法行为分析的基础数据，根据《道路交通安全违法行为图像取证技术规范（2009）》对关键帧的交通信号灯状态予以保存，设定现场参数，如停止线位置，车道线位置，车道导向规则，道路禁行标志等。

　　下图为截取现场处理的轨迹图。

现场轨迹图

    车辆轨迹特征与交通违法分类

　　交通违法分类

　　根据车辆状态和我国道路交通安全规则[1]，我们可将一些主要的交通违法行为划分如下：

表一 违章类型分类

    其中，位置违章指的是某时刻车辆与车道禁止标线之间的位置关系违反了道路交通安全法的有关规定。路线违章则表示目标车辆在某时间段的行驶轨迹与当前路段的设定规则不符。车型违章定义为车辆类型与车道允许行驶车型不一致。在比较多种交通违法行为时发现，部分违章违法行为存在一定的包含关系，如实线变道必然以压车道线为先导，违反信号灯必然以红灯时压停止线为先导，要明确区分此类情况，目标车辆轨迹将是其明显特征。

　　车型违章的检测可以不以车辆轨迹为依据，所以本文只提出不展开。