出租车司机吸烟行为评判标准及自动检测算法研究
发布时间:2020-09-17 12:43
出租车是人们最常选择的出行方式之一,它具有灵活,舒适,个性化服务的特点。但随着出租车需求量的增多,出租车违法违章现象也逐步的增多,这就导致执法人员的工作量大大增加,很多时候都造成执法过程中的一些漏检和误检现象。目前,针对出租车行业的非现场执法工作已经初步展开,其中,出租车司机吸烟行为经探索已经被认定为适用于非现场执法。但由于针对吸烟违法违章运营行为的非现场执法处于探索和起步阶段,缺少一套数据采集和分析的标准;同时,在执法过程中依旧存在工作量大,人情执法等问题;所以,行业内急需制定一套出租车司机吸烟行为图像取证技术标准和实现一套针对出租车司机吸烟行为的自动检测算法。因此,本文针对出租汽车司机在运营过程中吸烟的行为展开研究,完成的主要工作包括:(1)提出一套出租车司机吸烟行为图像取证技术标准(草案)。本文首先分析了目前国内交通行业针对违法违章行为的取证技术标准;接着结合现场的检测环境和检测需求,将吸烟行为的判断标准划分为高、中、低三个等级;最后分析了判定吸烟行为的取证要素,制定了一套供交通执法总队参考的取证技术标准。(2)提出一种针对出租车检测的高鲁棒性算法。本文首先分析了车辆检测的现状,并利用车辆检测中鲁棒性和实时性较好的Haar-Adaboost算法,对出租车进行特征提取和分类;考虑到现场环境经常出现出租车相互遮挡的情况,并且为了将出租车和其他车辆区分开,因此选取出租车不易被遮挡的车窗和特有的车顶灯区域(以下统称车窗区域)作为Haar特征提取的感兴趣区域,实现对出租车的初步检测,通过在作者采集的测试集下测试,准确率最高为97.3%。针对实际环境中存在将背景区域和私家车误检成出租车的情况,本文提出一种针对出租车特有的车顶灯区域进行定位和直方图对比的方法,实现对出租车的二次检测。在实际检测过程中,一些背景区域和私家车的Haar特征和出租车车窗Haar特征较为相似,为解决上述问题,本文根据车顶灯的形状和位置等先验知识信息定位出出租车车顶灯区域,利用HSV模型下的直方图对比的方法将定位区域与车顶灯模板进行匹配,根据匹配结果实现对出租车的二次检测,经总队采集的出租车视频测试得,实际环境下的检测准确率可达94.2%,误检率为2.7%。(3)针对出租车司机车内吸烟的问题,提出一种HSV空间下混合高斯模型运动目标检测法,实现对疑似烟雾区域的检测。本文首先定义车窗延伸区域为烟雾检测区域;接着分析常用的运动目标检测算法的优缺点和适用环境,并利用混合高斯模型提取运动前景目标;最后分析了RGB和HSV空间下的烟雾颜色特征,并利用S通道和V通道的阈值判定出疑似烟雾区域。(5)针对疑似烟雾区域中误检的情况,本文提出一种利用吸烟烟雾特有的运动特征,实现对吸烟行为的检测和判定。本文首先分析了吸烟产生的烟雾和其他运动目标相异的运动特征,通过分析其特有的面积特征、运动方向特征和存留时间特征实现对其的检测。在实际检测过程中,首先对疑似烟雾区域进行形态学处理,消除区域中的孤立点和空洞;接着记录分析疑似烟雾区域面积增长区间内的面积速率变化趋势、质心轨迹相对角度变化趋势特征,并利用SVM分类器实现对吸烟行为的判定。经测试,实验室环境下的吸烟视频的检测准确率可达87%,总队拷贝的出租车司机吸烟视频的检测准确率可达70%。
【学位单位】:北京工业大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:TP391.41;U492.434
【部分图文】:
图 1-1 非现场执法视频取证Figure 1-1 Taking video evidences for off-site law enforcement利用多媒体信息处理与模式识别等技术相结合的手段可以不和违法当事人直接接触,在主观上避免了执法人的随意性。同时,通过信息化技术向违法当事人出示违法证据,通过执法程序统一处理,在客观上体现了执法的公平、公正、公开,实现了从严治理交通各类违法违章现象的作用。因此,实现一种针对出租车司机吸烟行为的高效的、智能化的非现场的执法手段势在必行。1.2 相关技术的研究现状北京市非现场执法流程如图 1-2 所示。非现场执法目前的流程[7]包括:执法人员利用高科技设备提取违法信息,主要是通过摄像头进行视频数据采集,结合《北京市出租汽车管理条例》,对出租汽车违法违章运营行为进行人工监测;利用计算机技术对违法违章信息进行存储,针对违法违章行为进行信息核对,通过互联网渠道或者前方执法人员告知违法违章人员相关信息。其中,违法违章信息取证的过程是非现场执法顺利开展的基本保障。但是,非现场执法取证方式仍面
第 1 章 绪 论非现场执法中被认定的较为常见的违法违章行为,当执法人员通过监控有出租车司机吸烟时,便会对该视频进行截取和存储。本文针对出租车行为展开研究,利用计算机视觉技术实现对出租车司机吸烟行为的自动代替人工识别吸烟行为和提取违法违章信息。通过对人工提取的吸烟频和图像分析可得,针对出租车司机吸烟行为的检测需实现出租车的检行为的检测。
不仅要在监控视频中发现明确证据并获取能发生时预警,因此将出租车司机吸烟行为标准如表 2-7 所示。每个等级的吸烟行为表 2-7 出租车司机吸烟行为分级标准7 Classification standards for smoking behavior of t高 中 人手持烟头 检测到疑似烟雾区域 检手晃动 (2)检测到
本文编号:2820726
【学位单位】:北京工业大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:TP391.41;U492.434
【部分图文】:
图 1-1 非现场执法视频取证Figure 1-1 Taking video evidences for off-site law enforcement利用多媒体信息处理与模式识别等技术相结合的手段可以不和违法当事人直接接触,在主观上避免了执法人的随意性。同时,通过信息化技术向违法当事人出示违法证据,通过执法程序统一处理,在客观上体现了执法的公平、公正、公开,实现了从严治理交通各类违法违章现象的作用。因此,实现一种针对出租车司机吸烟行为的高效的、智能化的非现场的执法手段势在必行。1.2 相关技术的研究现状北京市非现场执法流程如图 1-2 所示。非现场执法目前的流程[7]包括:执法人员利用高科技设备提取违法信息,主要是通过摄像头进行视频数据采集,结合《北京市出租汽车管理条例》,对出租汽车违法违章运营行为进行人工监测;利用计算机技术对违法违章信息进行存储,针对违法违章行为进行信息核对,通过互联网渠道或者前方执法人员告知违法违章人员相关信息。其中,违法违章信息取证的过程是非现场执法顺利开展的基本保障。但是,非现场执法取证方式仍面
第 1 章 绪 论非现场执法中被认定的较为常见的违法违章行为,当执法人员通过监控有出租车司机吸烟时,便会对该视频进行截取和存储。本文针对出租车行为展开研究,利用计算机视觉技术实现对出租车司机吸烟行为的自动代替人工识别吸烟行为和提取违法违章信息。通过对人工提取的吸烟频和图像分析可得,针对出租车司机吸烟行为的检测需实现出租车的检行为的检测。
不仅要在监控视频中发现明确证据并获取能发生时预警,因此将出租车司机吸烟行为标准如表 2-7 所示。每个等级的吸烟行为表 2-7 出租车司机吸烟行为分级标准7 Classification standards for smoking behavior of t高 中 人手持烟头 检测到疑似烟雾区域 检手晃动 (2)检测到
【参考文献】
相关期刊论文 前10条
1 交轩;;交通管理非现场执法的研究与探索[J];道路交通管理;2015年05期
2 胡春海;王晓婧;刘斌;苏翔宇;郭士亮;;一种基于MI-Simba算法的香烟烟雾识别方法[J];模式识别与人工智能;2015年03期
3 杨先凤;杨燕;;一种基于HOG-LBP的高效车辆检测方法[J];计算机工程;2014年09期
4 罗胜;Jiang Yuzheng;;视频检测烟雾的研究现状[J];中国图象图形学报;2013年10期
5 王进贤;王泉;王平;戴剑波;;一种无线烟雾传感器节点的设计与实现[J];中国仪器仪表;2008年S1期
6 李卓;邱慧娟;;基于相关系数的快速图像匹配研究[J];北京理工大学学报;2007年11期
7 黄嫱;;非现场执法的现状及完善[J];上海公安高等专科学校学报;2007年03期
8 代科学;李国辉;涂丹;袁见;;监控视频运动目标检测减背景技术的研究现状和展望[J];中国图象图形学报;2006年07期
9 王树文,闫成新,张天序,赵广州;数学形态学在图像处理中的应用[J];计算机工程与应用;2004年32期
10 谢可夫,许光平,刘习春;数学形态学滤波器的优化设计[J];计算机工程与应用;2003年35期
本文编号:2820726
本文链接:https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2820726.html