[发明专利]基于单目摄像头的不良驾驶行为检测方法及系统

说明书

本发明公开了一种基于单目摄像头的不良驾驶行为检测方法，包括以下步骤：通过单目摄像头拍摄车辆任意两帧图像；通过基于深度卷积神经网络的方法识别图像中的车牌位置；以车牌在图像中的大小、高宽比判断车辆距离摄像头的位置和角度；通过车牌与左右交通标示线的距离判断车辆的横向位移；根据车辆距离摄像头的位置、角度、横向位移计算车辆在通过该单目摄像头下的横向速度、纵向速度及横向加速度、纵向加速度；将横向速度、纵向速度、横向加速度、纵向加速度、速度波动范围和加减速频率输入到高斯隐马尔科夫模型进行识别，判定车辆是否有酒驾嫌疑,若判定为酒驾嫌疑车辆，则生成酒驾嫌疑车辆的通知，发送给相应路段的执勤交警。

技术领域

本发明涉及图像处理领域，尤其涉及一种基于单目摄像头的不良驾驶行为检测及系统。

背景技术

目前对酒驾车辆的检测主要通过交警设卡，逐车检测的方法，该方法安全隐患大，且严重影响交通通行率。有通过红外摄像头检测车内人员面部温度的酒后驾驶系统，该系统需采用红外摄像头增加成本，且针对驾驶员的识别情况受温度影响较大。目前尚无通过测定车速判断是否为酒驾车辆的系统。现有的车速测量系统有：在预定路段埋设两组线圈，车辆通过线圈上方时，以车辆通过线圈上方引起的磁场变化作为触发点，记录车辆同线圈的时间差，从而计算车速；通过双目摄像头识别车辆的外形尺寸，以透视变换原理确定车辆在不同时刻距离摄像头的距离，计算车速；通过单目摄像头与地面预先标示的位置线，以车辆在各时刻与位置线的相对关系计算车速。第一种方法需要破坏道路安装线圈，第二种方法需要加装摄像头并标定摄像头与道路的角度等参数，第三种方法需改变道路划线情况，增加对驾驶员视觉的影响。

本发明提出了一种基于单目摄像头的不良驾驶行为检测及警示系统，在现有道路摄像头基础上升级图像识别算法即可实现通过该路段的车辆的车速实时检测。通过与数据库内数据对比，实现对车辆是否酒驾的判断并记录，如现场有执勤交警，通过警示系统提醒驾驶员在后续路段靠边接受进一步的酒精含量检查，占用警力资源少。

发明内容

本发明的目的在于提供一种能在现有道路设施基础上通过升级图像处理方法，实现对通过摄像头监控路段的车速的实时检测，进而判定通过车辆是否属于酒后驾驶并进行警示的基于单目摄像头的不良驾驶行为检测及警示系统。

本发明为达目的所采用的所采用的技术方案是：

提供一种基于单目摄像头的不良驾驶行为检测方法，包括以下步骤：

S1、通过单目摄像头拍摄车辆任意两帧图像；

S2、通过基于深度卷积神经网络的方法识别图像中的车牌位置；

S3、以车牌在图像中的大小、高宽比判断车辆距离摄像头的位置和角度；

S4、通过车牌与左右交通标示线的距离判断车辆的横向位移；

S5、根据车辆距离摄像头的位置、角度、横向位移计算车辆在通过该单目摄像头下的横向速度、纵向速度及横向加速度、纵向加速度；

S6、将横向速度、纵向速度、横向加速度、纵向加速度输入预先建立的高斯混合隐马尔可夫酒后驾驶识别模型，判定车辆是否有酒驾嫌疑；

S7、若判定为酒驾嫌疑车辆，生成酒驾嫌疑车辆的通知，发送给相应路段的执勤交警。

接上述技术方案，还包括步骤：S8、记录酒驾嫌疑车辆车牌及相应图像，发送至交管部门，作为车辆违章的判罚依据。

接上述技术方案，对拍摄的车辆图像通过卷积神经网络模型识别车辆的车牌，并在所拍摄的图像中进行标识。

接上述技术方案，该卷积神经网络模型中删除分类网络的最后的全连接层，增加3个提取特征的卷积层，并增加跨层跳跃连接来融合粗细粒度的特征。

本发明还提供一种基于单目摄像头的不良驾驶行为检测系统，包括：