出租車司機吸煙行為評判標準及自動檢測算法研究
發(fā)布時間:2020-09-17 12:43
出租車是人們最常選擇的出行方式之一,它具有靈活,舒適,個性化服務的特點。但隨著出租車需求量的增多,出租車違法違章現(xiàn)象也逐步的增多,這就導致執(zhí)法人員的工作量大大增加,很多時候都造成執(zhí)法過程中的一些漏檢和誤檢現(xiàn)象。目前,針對出租車行業(yè)的非現(xiàn)場執(zhí)法工作已經(jīng)初步展開,其中,出租車司機吸煙行為經(jīng)探索已經(jīng)被認定為適用于非現(xiàn)場執(zhí)法。但由于針對吸煙違法違章運營行為的非現(xiàn)場執(zhí)法處于探索和起步階段,缺少一套數(shù)據(jù)采集和分析的標準;同時,在執(zhí)法過程中依舊存在工作量大,人情執(zhí)法等問題;所以,行業(yè)內(nèi)急需制定一套出租車司機吸煙行為圖像取證技術(shù)標準和實現(xiàn)一套針對出租車司機吸煙行為的自動檢測算法。因此,本文針對出租汽車司機在運營過程中吸煙的行為展開研究,完成的主要工作包括:(1)提出一套出租車司機吸煙行為圖像取證技術(shù)標準(草案)。本文首先分析了目前國內(nèi)交通行業(yè)針對違法違章行為的取證技術(shù)標準;接著結(jié)合現(xiàn)場的檢測環(huán)境和檢測需求,將吸煙行為的判斷標準劃分為高、中、低三個等級;最后分析了判定吸煙行為的取證要素,制定了一套供交通執(zhí)法總隊參考的取證技術(shù)標準。(2)提出一種針對出租車檢測的高魯棒性算法。本文首先分析了車輛檢測的現(xiàn)狀,并利用車輛檢測中魯棒性和實時性較好的Haar-Adaboost算法,對出租車進行特征提取和分類;考慮到現(xiàn)場環(huán)境經(jīng)常出現(xiàn)出租車相互遮擋的情況,并且為了將出租車和其他車輛區(qū)分開,因此選取出租車不易被遮擋的車窗和特有的車頂燈區(qū)域(以下統(tǒng)稱車窗區(qū)域)作為Haar特征提取的感興趣區(qū)域,實現(xiàn)對出租車的初步檢測,通過在作者采集的測試集下測試,準確率最高為97.3%。針對實際環(huán)境中存在將背景區(qū)域和私家車誤檢成出租車的情況,本文提出一種針對出租車特有的車頂燈區(qū)域進行定位和直方圖對比的方法,實現(xiàn)對出租車的二次檢測。在實際檢測過程中,一些背景區(qū)域和私家車的Haar特征和出租車車窗Haar特征較為相似,為解決上述問題,本文根據(jù)車頂燈的形狀和位置等先驗知識信息定位出出租車車頂燈區(qū)域,利用HSV模型下的直方圖對比的方法將定位區(qū)域與車頂燈模板進行匹配,根據(jù)匹配結(jié)果實現(xiàn)對出租車的二次檢測,經(jīng)總隊采集的出租車視頻測試得,實際環(huán)境下的檢測準確率可達94.2%,誤檢率為2.7%。(3)針對出租車司機車內(nèi)吸煙的問題,提出一種HSV空間下混合高斯模型運動目標檢測法,實現(xiàn)對疑似煙霧區(qū)域的檢測。本文首先定義車窗延伸區(qū)域為煙霧檢測區(qū)域;接著分析常用的運動目標檢測算法的優(yōu)缺點和適用環(huán)境,并利用混合高斯模型提取運動前景目標;最后分析了RGB和HSV空間下的煙霧顏色特征,并利用S通道和V通道的閾值判定出疑似煙霧區(qū)域。(5)針對疑似煙霧區(qū)域中誤檢的情況,本文提出一種利用吸煙煙霧特有的運動特征,實現(xiàn)對吸煙行為的檢測和判定。本文首先分析了吸煙產(chǎn)生的煙霧和其他運動目標相異的運動特征,通過分析其特有的面積特征、運動方向特征和存留時間特征實現(xiàn)對其的檢測。在實際檢測過程中,首先對疑似煙霧區(qū)域進行形態(tài)學處理,消除區(qū)域中的孤立點和空洞;接著記錄分析疑似煙霧區(qū)域面積增長區(qū)間內(nèi)的面積速率變化趨勢、質(zhì)心軌跡相對角度變化趨勢特征,并利用SVM分類器實現(xiàn)對吸煙行為的判定。經(jīng)測試,實驗室環(huán)境下的吸煙視頻的檢測準確率可達87%,總隊拷貝的出租車司機吸煙視頻的檢測準確率可達70%。
【學位單位】:北京工業(yè)大學
【學位級別】:碩士
【學位年份】:2018
【中圖分類】:TP391.41;U492.434
【部分圖文】:
圖 1-1 非現(xiàn)場執(zhí)法視頻取證Figure 1-1 Taking video evidences for off-site law enforcement利用多媒體信息處理與模式識別等技術(shù)相結(jié)合的手段可以不和違法當事人直接接觸,在主觀上避免了執(zhí)法人的隨意性。同時,通過信息化技術(shù)向違法當事人出示違法證據(jù),通過執(zhí)法程序統(tǒng)一處理,在客觀上體現(xiàn)了執(zhí)法的公平、公正、公開,實現(xiàn)了從嚴治理交通各類違法違章現(xiàn)象的作用。因此,實現(xiàn)一種針對出租車司機吸煙行為的高效的、智能化的非現(xiàn)場的執(zhí)法手段勢在必行。1.2 相關技術(shù)的研究現(xiàn)狀北京市非現(xiàn)場執(zhí)法流程如圖 1-2 所示。非現(xiàn)場執(zhí)法目前的流程[7]包括:執(zhí)法人員利用高科技設備提取違法信息,主要是通過攝像頭進行視頻數(shù)據(jù)采集,結(jié)合《北京市出租汽車管理條例》,對出租汽車違法違章運營行為進行人工監(jiān)測;利用計算機技術(shù)對違法違章信息進行存儲,針對違法違章行為進行信息核對,通過互聯(lián)網(wǎng)渠道或者前方執(zhí)法人員告知違法違章人員相關信息。其中,違法違章信息取證的過程是非現(xiàn)場執(zhí)法順利開展的基本保障。但是,非現(xiàn)場執(zhí)法取證方式仍面
第 1 章 緒 論非現(xiàn)場執(zhí)法中被認定的較為常見的違法違章行為,當執(zhí)法人員通過監(jiān)控有出租車司機吸煙時,便會對該視頻進行截取和存儲。本文針對出租車行為展開研究,利用計算機視覺技術(shù)實現(xiàn)對出租車司機吸煙行為的自動代替人工識別吸煙行為和提取違法違章信息。通過對人工提取的吸煙頻和圖像分析可得,針對出租車司機吸煙行為的檢測需實現(xiàn)出租車的檢行為的檢測。
不僅要在監(jiān)控視頻中發(fā)現(xiàn)明確證據(jù)并獲取能發(fā)生時預警,因此將出租車司機吸煙行為標準如表 2-7 所示。每個等級的吸煙行為表 2-7 出租車司機吸煙行為分級標準7 Classification standards for smoking behavior of t高 中 人手持煙頭 檢測到疑似煙霧區(qū)域 檢手晃動 (2)檢測到
本文編號:2820726
【學位單位】:北京工業(yè)大學
【學位級別】:碩士
【學位年份】:2018
【中圖分類】:TP391.41;U492.434
【部分圖文】:
圖 1-1 非現(xiàn)場執(zhí)法視頻取證Figure 1-1 Taking video evidences for off-site law enforcement利用多媒體信息處理與模式識別等技術(shù)相結(jié)合的手段可以不和違法當事人直接接觸,在主觀上避免了執(zhí)法人的隨意性。同時,通過信息化技術(shù)向違法當事人出示違法證據(jù),通過執(zhí)法程序統(tǒng)一處理,在客觀上體現(xiàn)了執(zhí)法的公平、公正、公開,實現(xiàn)了從嚴治理交通各類違法違章現(xiàn)象的作用。因此,實現(xiàn)一種針對出租車司機吸煙行為的高效的、智能化的非現(xiàn)場的執(zhí)法手段勢在必行。1.2 相關技術(shù)的研究現(xiàn)狀北京市非現(xiàn)場執(zhí)法流程如圖 1-2 所示。非現(xiàn)場執(zhí)法目前的流程[7]包括:執(zhí)法人員利用高科技設備提取違法信息,主要是通過攝像頭進行視頻數(shù)據(jù)采集,結(jié)合《北京市出租汽車管理條例》,對出租汽車違法違章運營行為進行人工監(jiān)測;利用計算機技術(shù)對違法違章信息進行存儲,針對違法違章行為進行信息核對,通過互聯(lián)網(wǎng)渠道或者前方執(zhí)法人員告知違法違章人員相關信息。其中,違法違章信息取證的過程是非現(xiàn)場執(zhí)法順利開展的基本保障。但是,非現(xiàn)場執(zhí)法取證方式仍面
第 1 章 緒 論非現(xiàn)場執(zhí)法中被認定的較為常見的違法違章行為,當執(zhí)法人員通過監(jiān)控有出租車司機吸煙時,便會對該視頻進行截取和存儲。本文針對出租車行為展開研究,利用計算機視覺技術(shù)實現(xiàn)對出租車司機吸煙行為的自動代替人工識別吸煙行為和提取違法違章信息。通過對人工提取的吸煙頻和圖像分析可得,針對出租車司機吸煙行為的檢測需實現(xiàn)出租車的檢行為的檢測。
不僅要在監(jiān)控視頻中發(fā)現(xiàn)明確證據(jù)并獲取能發(fā)生時預警,因此將出租車司機吸煙行為標準如表 2-7 所示。每個等級的吸煙行為表 2-7 出租車司機吸煙行為分級標準7 Classification standards for smoking behavior of t高 中 人手持煙頭 檢測到疑似煙霧區(qū)域 檢手晃動 (2)檢測到
【參考文獻】
相關期刊論文 前10條
1 交軒;;交通管理非現(xiàn)場執(zhí)法的研究與探索[J];道路交通管理;2015年05期
2 胡春海;王曉婧;劉斌;蘇翔宇;郭士亮;;一種基于MI-Simba算法的香煙煙霧識別方法[J];模式識別與人工智能;2015年03期
3 楊先鳳;楊燕;;一種基于HOG-LBP的高效車輛檢測方法[J];計算機工程;2014年09期
4 羅勝;Jiang Yuzheng;;視頻檢測煙霧的研究現(xiàn)狀[J];中國圖象圖形學報;2013年10期
5 王進賢;王泉;王平;戴劍波;;一種無線煙霧傳感器節(jié)點的設計與實現(xiàn)[J];中國儀器儀表;2008年S1期
6 李卓;邱慧娟;;基于相關系數(shù)的快速圖像匹配研究[J];北京理工大學學報;2007年11期
7 黃嬙;;非現(xiàn)場執(zhí)法的現(xiàn)狀及完善[J];上海公安高等?茖W校學報;2007年03期
8 代科學;李國輝;涂丹;袁見;;監(jiān)控視頻運動目標檢測減背景技術(shù)的研究現(xiàn)狀和展望[J];中國圖象圖形學報;2006年07期
9 王樹文,閆成新,張?zhí)煨?趙廣州;數(shù)學形態(tài)學在圖像處理中的應用[J];計算機工程與應用;2004年32期
10 謝可夫,許光平,劉習春;數(shù)學形態(tài)學濾波器的優(yōu)化設計[J];計算機工程與應用;2003年35期
本文編號:2820726
本文鏈接:http://sikaile.net/kejilunwen/jiaotonggongchenglunwen/2820726.html