专利名称：一种车辆遗撒物检测方法、装置及智能交通监控系统的制作方法
技术领域：
本发明属于智能交通领域，尤其涉及ー种车辆遗撒物检测方法、装置及智能交通监控系统。
背景技术：
随着全国公路交通建设的快速发展和泥头车的大量使用，泥头车造成的危害越来越大，特别是泥头车遗撒沙土，既造成环境污染，严重的也会影响交通，因而引起了交通部门的重视，建立泥头车等车辆的遗撒物监控是必然趋势。目前，对于车辆的遗撒物检测主要采取人工检测，耗费的大量人力、物カ资源，且监控效率较低。
发明内容
本发明实施例提供ー种车辆遗撒物检测方法，g在解决现有技术采用人工方式对泥头车等车辆的遗撒物进行检测，耗费大量人力、物力的问题。本发明实施例是这样实现的，ー种车辆遗撒物检测方法，所述方法包括下述步骤从实时视频流中解码获取预设虚拟检测区域的视频数据；当车辆进入所述预设虚拟检测区域吋，获取待测车辆的前景图像；提取所述待测车辆的前景图像的顔色和纹理特征；根据构造的AdaBoost分类模型、AdaBoost判别规则，以及所述待测车辆的前景图像的顔色和纹理特征，判断所述待测车辆的前景图像是否存在遗撒物。进ー步，所述从实时视频流解码获取预设虚拟检测区域视频数据的步骤具体为更新解码组件和解码关系表；根据所述解码关系表，查找对应解码组件；根据所述解码组件，构建完整的解码链路进行解码；发送解码产生的虚拟检测区域的视频帧数据。进ー步，所述当车辆进入预设虚拟检测区域时，获取待测车辆前景图像的步骤具体为采用多模态高斯背景模型对视频图像运动背景建模，确定背景分布；利用所述背景分布，获取运动区域，并对所述运动区域进行前景分割与形态学处理；从所述运动区域中截取测试图像。进ー步,所述AdaBoost分类模型通过下述步骤构造4. I 输入 m 个样本图片(X1, y) , (xm，ym);4. 2提取所述样本图片的顔色和纹理特征向量；4. 3初始化所述样本权重为D1⑴=l/m ；4. 4找到ー个对应于分布Dt的弱假设ht:X— {-1，+1}，并得到其分类误差
权利要求
1.一种车辆遗撒物检测方法，其特征在于，所述方法包括下述步骤 从实时视频流中解码获取预设虚拟检测区域的视频数据； 当车辆进入所述预设虚拟检测区域时，获取待测车辆的前景图像； 提取所述待测车辆的前景图像的颜色和纹理特征； 根据构造的AdaBoost分类模型、AdaBoost判别规则，以及所述待测车辆的前景图像的颜色和纹理特征，判断所述待测车辆的前景图像是否存在遗撒物。
2.如权利要求I所述的方法，其特征在于，所述从实时视频流解码获取预设虚拟检测区域视频数据的步骤具体为 更新解码组件和解码关系表； 根据所述解码关系表，查找对应解码组件； 根据所述解码组件，构建完整的解码链路进行解码； 发送解码产生的虚拟检测区域的视频帧数据。
3.如权利要求I所述的方法，其特征在于，所述当车辆进入预设虚拟检测区域时，获取待测车辆前景图像的步骤具体为 采用多模态高斯背景模型对视频图像运动背景建模，确定背景分布； 利用所述背景分布，获取运动区域，并对所述运动区域进行前景分割与形态学处理； 从所述运动区域中截取测试图像。
4.如权利要求I所述的方法，其特征在于，所述AdaBoost分类模型通过下述步骤构造4.I 输入 m 个样本图片(X^y1), ···, (xm, ym)； 4.2提取所述样本图片的颜色和纹理特征向量； 4.3初始化所述样本权重为D1 (i) = Ι/m ； 4.4找到一个对应于分布Dt的弱假设ht:X — {-I, +1}，并得到其分类误差
5.如权利要求I所述的方法，其特征在于，所述AdaBoost判别规则通过下述步骤构造 5.I输入样本图片(X^y1),…，(xn, yn)； 5.2提取所述样本图片的颜色和纹理特征向量； 5.3分别将所述Yi = -I和I的样本的权重初始化为
6.一种车辆遗撒物检测装置，其特征在于，所述装置包括 视频数据获取单元，用于从实时视频流中解码获取预设虚拟检测区域的视频数据；前景图像截取单元，用于当车辆进入所述预设虚拟检测区域时，获取待测车辆的前景图像； 特征提取单元，用于提取所述待测车辆的前景图像的颜色和纹理特征；遗撒物判断单元，用于根据构造的AdaBoost分类模型、AdaBoost判别规则，以及所述待测车辆的前景图像的颜色和纹理特征，判断所述待测车辆的前景图像是否存在遗撒物；AdaBoost分类模型构造单元,用于利用提取的样本特征,构造AdaBoost分类模型；AdaBoost判别规则构造单元,用于利用提取的样本特征，构造AdaBoost判别规则。
7.如权利要求6所述的装置，其特征在于，所述视频数据获取单元具体包括 解码关系表更新模块，用于更新解码组件和解码关系表； 解码组件查找模块，用于根据所述解码关系表，查找对应解码组件； 解码模块，用于根据所述解码组件，构建完整的解码链路进行解码； 解码发送模块，用于发送解码产生的虚拟检测区域的视频帧数据。
8.如权利要求6所述的装置，其特征在于，所述前景图像截取单元具体包括背景模型配置模块，用于采用多模态高斯背景模型对视频图像运动背景建模，确定背景分布； 运动区域配置模块，用于利用所述背景分布，获取运动区域，并对运动区域进行前景分割与形态学处理； 测试图像截取模块，用于从所述运动区域中截取测试图像。
9.如权利要求6所述的装置，其特征在干，所述AdaBoost分类模型构造单元具体包括 第一样本输入模块，用于输入m个样本图片(X1, Y1), ···, (xm, ym),其中Xi e X, Yi e Y= {+I, -1}； 第一特征提取模块，用于提取所述样本图片的顔色和纹理特征向量； 第一权重初始化模块，用于初始化所述样本权重为D1Q) = 1/m； 弱分类器配置模块，用于找到ー个对应于分布Dt的弱假设ht:X— {-1，+1}，并得到其分类误差
10.如权利要求6所述的装置，其特征在干，所述AdaBoost判别规则构造单元具体包括 第二样本输入模块，用于输入样本图片(Xl，yi)，…，(xn，yn)，其中，yi=-l，l分别表示为反例样本和正例样本； 第二特征提取模块，用于提取所述样本图片的顔色和纹理特征向量； 第二权重初始化模块，用于分别将所述yi = -I和I的样本的权重初始化为
11.ー种智能交通监控系统，其特征在于，所述智能交通监控系统包含权利要求6-10任ー权利要求所述的车辆遗撒物检测装置。
全文摘要
本发明适用于智能交通领域，提供了一种车辆遗撒物检测方法、装置及智能交通监控系统，所述方法包括下述步骤从实时视频流中解码获取预设虚拟检测区域的视频数据；当车辆进入所述预设虚拟检测区域时，获取待测车辆的前景图像；提取所述待测车辆的前景图像的颜色和纹理特征；根据构造的AdaBoost分类模型、AdaBoost判别规则，以及所述待测车辆的前景图像的颜色和纹理特征，判断所述待测车辆的前景图像是否存在遗撒物。在本发明中，实时获取视频流，如果有车辆进入设定的检测区域，则根据AdaBoost判别规则进行检测，判断是否有沙土等车辆遗撒物，达到了检测快速、高效，查控准确的效果，节省了人力物力。
文档编号G08G1/01GK102867183SQ20121030263
公开日2013年1月9日 申请日期2012年8月23日 优先权日2012年8月23日
发明者吴金勇, 王一科, 薛俊锋, 刘德健, 龚灼 申请人:安科智慧城市技术(中国)有限公司