本發明具體涉及一種車輛違章檢測方法。
背景技術：
在智能交通系統中，視頻監控技術得到了廣泛應用。目前，人們研究的焦點集中于車輛的檢測、識別、跟蹤、流量統計、交通疏導和違章檢測等方面。交通違章是發生交通事故的根源，常見的違章形式有闖紅燈、實線變道、逆向行駛等。檢測車輛違章的前提是準確地檢測到車輛并跟蹤其行駛軌跡。
人們利用了許多方案實現交通數據采集、事件檢測、違章抓拍以及違章車輛號牌識別。在車輛違章檢測方面，人們主要利用車輛行駛軌跡與車道線的關系判斷車輛是否違章，這方面的研究有：有文獻針對復雜的城市路口監控環境提出了車輛檢測與跟蹤算法，在判斷闖紅燈違章方面，主要是通過抓拍停止線前、上、后3張過程圖片，然后進行人工分揀圖片來判定違章；有文獻只對車輛的實線違章變道進行了檢測研究，其主要方法是通過跟蹤車輛軌跡和當前位置，結合其與初始所屬車道是否一致來判斷是否有違章行為發生，分析了6種違章變道情況，但是未對違章變道進行細分；有文獻通過建立十字路口的隱馬爾科夫模型對違章事件進行分類，判斷交通事故的嚴重程度；有文獻提出了一種車輛闖紅燈檢測與識別算法，即在停止線附近的檢測窗口內，利用車輛與停止線之間的位置關系，再結合信號燈的實際狀態，來判定車輛是否有闖紅燈違章行為，如果違章，則進行抓拍，顯然該文方法有較大的局限性，例如無法提供車輛與不同道路區域之間的位置關系，尚未考慮各種信號燈狀態下違章檢測的統一方案。
上述研究都沒有對不同的道路區域進行分析，尤其是沒有將不同區域之間的位置關系、車輛軌跡以及具體的信號燈相結合，無法提供車輛違章時所在的道路區域和違反的具體交通規則等信息。
技術實現要素：
本發明要解決的技術問題是提供一種車輛違章檢測方法。
一種車輛違章檢測方法，包括以下步驟：
s1：獲取各路視頻流，點擊一路視頻放大顯示窗口；
s2：在放大的視頻窗口內根據實際道路標線手工繪制直線段并指定不同的道路區域，系統自動確定各個線段的表達式，獲得各個道路區域內的正負號序列；
s3：利用高斯混合模型進行背景建模和更新；
s4：將當前幀與背景模型進行比較，獲得前景圖像；
s5：對前景圖像進行預處理，包括中值濾波、膨脹和腐蝕等操作，消除其中噪聲進而獲得比較干凈的前景，然后對前景進行二值化；
s6：計算前景中各個目標的重心和面積，若面積大于規定的閾值，則目標判定為車輛；
s7：獲得目標車輛的行駛軌跡；
s8：根據車輛的行駛軌跡和不同道路區域的正負號序列變化，并結合當前交通信號燈的實際情況利用判斷規則判定當前車輛是否違章；
s9：重復步驟s3至步驟s8，直到視頻結束。
本發明的有益效果是：
本發明根據車輛行駛軌跡和隱式曲線族所描述的不同區域之間的位置關系，能夠快速準確地判定車輛是否違章以及所違反的交通規則，極大地提高了檢測效率，進而提高了違章判斷的準確性。
具體實施方式
以下具體實施例對本發明作進一步闡述，但不作為對本發明的限定。
一種車輛違章檢測方法，包括以下步驟：
s1：獲取各路視頻流，點擊一路視頻放大顯示窗口；
s2：在放大的視頻窗口內根據實際道路標線手工繪制直線段并指定不同的道路區域，系統自動確定各個線段的表達式，獲得各個道路區域內的正負號序列；
s3：利用高斯混合模型進行背景建模和更新；
s4：將當前幀與背景模型進行比較，獲得前景圖像；
s5：對前景圖像進行預處理，包括中值濾波、膨脹和腐蝕等操作，消除其中噪聲進而獲得比較干凈的前景，然后對前景進行二值化；
s6：計算前景中各個目標的重心和面積，若面積大于規定的閾值，則目標判定為車輛；
s7：獲得目標車輛的行駛軌跡；
s8：根據車輛的行駛軌跡和不同道路區域的正負號序列變化，并結合當前交通信號燈的實際情況利用判斷規則判定當前車輛是否違章；
s9：重復步驟s3至步驟s8，直到視頻結束。