[发明专利]一种道路异常行为动作检测装置

权利要求书

1.一种道路异常行为动作检测装置，其特征在于，包括：

视频采集模块，与视频识别模块连接，用于获取路面车辆运动的原始视频；

视频识别模块，用于实现视频处理算法，实时检测车辆的异常行为并提取异常行为车辆的车牌信息；

视频处理模块，与所述识别模块连接，用于将获取的异常行为车辆的车牌信息嵌入视频信息中，得到处理后的视频；

通信模块，用于通过无线网络将原始视频和处理后的视频发送至管理中心。

2.根据权利要求1所述的一种道路异常行为动作检测装置，其特征在于，所述视频采集模块为网络监控摄像头，设置在具有一定高度和广角度的位置。

3.根据权利要求1所述的一种道路异常行为动作检测装置，其特征在于，所述视频识别模块包括：

运动车辆检测单元，用于提取原始视频中的背景图像和前景图像，并进行运动识别，获取前景图像中的运动车辆作为跟踪目标；

运动车辆跟踪单元，用于获取跟踪目标的运动轨迹；

车辆轨迹学习单元，用于在学习阶段，根据采集到的车辆轨迹样本数据来建立标准轨迹模型；

异常行为检测单元，以所述跟踪目标的运动轨迹作为目标轨迹，判断目标轨迹是否存在异常行为；

车牌信息提取单元，用于实时提取异常行为车辆的车牌信息。

4.根据权利要求3所述的一种道路异常行为动作检测装置，其特征在于，所述运动车辆跟踪单元，用于获取跟踪目标的运动轨迹，包括：

(1)建立跟踪目标状态描述模型，用于描述跟踪目标R的状态特征：

X_k＝(C_k,V_k,M_k,G_k)

式中，X_k表示跟踪目标在k时刻的状态特征向量，C_k表示跟踪目标在k时刻的重心位置，V_k表示跟踪目标在k时刻的运动速度，V_k＝C_k-C_k-1，M_k表示跟踪目标在k时刻的偏心矩向量分散度，其中k_m表示偏心矩向量的总维数，D″(i)表示第i维偏心矩归一化向量，表示偏心矩向量均值，G_k表示跟踪目标在k时刻的灰度特征，其中n表示跟踪目标R中像素点的总数，I(i,j)表示跟踪目标R中任意像素点的灰度值；

(2)对跟踪目标的状态特征进行估计，其中采用的状态特征估计函数为：

C_k＝C_k-1+C_k-1×Δt+μ₁

G_k＝G_k-1+μ₃

式中，C_k和C_k-1分别表示k和k-1时刻跟踪目标的重心位置，Δt表示相邻观测时刻的时间间隔，μ₁表示位置估计误差，M_k和M_k-1分别表示k和k-1时刻跟踪目标的偏心矩向量分散度，表示k-1时刻对下一时刻预测的跟踪目标偏心矩向量分散度变化量，γ表示更新因子，表示k-2时刻对下一时刻预测的跟踪目标偏心矩向量分散度变化量，μ₂表示偏心矩向量分散度估计误差，G_k和G_k-1分别表示k和k-1时刻跟踪目标的灰度特征，μ₃表示灰度特征估计误差；

(3)将前一时刻的跟踪目标状态特征分量估计值与当前时刻中的所有未匹配的前景目标的状态特征分量进行匹配，即将所有未匹配的前景目标的重心位置、偏心矩向量分散度、灰度等状态特征分量与跟踪目标一一匹配，如果某状态特征分量的距离小于设定的阈值，则认为该状态特征分量匹配成功，如果其中一个未匹配的前景目标存在两个或两个以上的特征匹配成功时，则将该未匹配的前景目标匹配为跟踪目标；否则，当所有未匹配的前景目标都仅有一个或没有特征分量匹配成功时，则有可能是发生遮挡情况所导致，需要对跟踪目标进行遮挡处理分析；

(4)所述的遮挡处理分析为：当发生遮挡情况的时候，对状态特征进行预测，具体为：

采用的自定义状态特征预测模型对跟踪目标的状态特征进行预测：

其中，

式中，表示k+1时刻跟踪目标的状态特征预测，u₀(1)表示跟踪目标的初始状态特征，α和β表示状态特征预测参数，a和b表示待估参数，且满足(a,b)^T＝(B^TB)^-1B^TU，其中B表示累计状态特征序列，U表示状态特征序列，u₁(n)表示跟踪目标在n时刻的累计状态特征，u₀(n)表示跟踪目标在n时刻的状态特征，

如果当前第k时刻跟踪目标与所有前景目标未发生匹配，则认为其可能发生遮挡，这时将未匹配的跟踪目标暂时保留，并对其进行标记处理，建立遮挡临时链表，将该跟踪目标的历史状态特征加入到遮挡临时链表中，同时采用上述自定义状态特征预测模型更新目标状态，对遮挡过程的运动状态进行预测，如果在T个时刻内，跟踪目标与前景目标重新匹配成功，便可认为该跟踪目标发生暂时性遮挡，将其回归到正常跟踪状态，如果在T个时刻内，跟踪目标仍未匹配成功，则认为该跟踪目标消失，其中T为设定的遮挡时间阈值；

(5)记录下跟踪目标的重心位置变化作为跟踪目标的运动轨迹。