违章变道主要包括实线变道、虚线变道不打转向灯等行为。违章变道一方面导致交通拥堵和道路通行能力下降;另一方面也可能引发重大交通事故,导致车祸和人员伤亡的严重后果。针对车辆违章变道行为,传统的解决方法主要有现场执法、物理接触检测、视频人工抓拍的方法,但存在效率低下、成本高,易受干扰等问题。基于监控视频和行车记录仪的违章检测方法具有全自动、效率高、全天侯的特点,深度学习促进了目标检测、行为识别等技术的发展,使得基于视频的违章变道自动检测方法得到广泛应用。但固定监控视频覆盖范围小、可操作性差,而行车记录仪具有可移动、覆盖范围广、成本低等特点。因此,本文基于行车记录仪为视频源,检测车辆实线变道、虚线变道不打转向灯的违章行为,对规范不良驾驶行为和减少交通事故的发生具有重要意义。本文的主要研究工作总结如下:(1)设计了车辆变道几何判断方法。在分析行车记录仪的视频图像特征基础上,将车辆变道过程转换为车道和车辆的几何位置关系变化,从而判断车辆的变道行为和变道方向。(2)实现了车辆行驶状态信息的获取。包括车道线提取、车辆检测与跟踪、车辆转向灯识别、车牌识别。基于U-Net模型对车道线分割得到虚线和实线,通过组合算法得到双实线、虚实线以及实虚线;根据YOLOv3(You Only Look Once vision3,YOLOv3)和Deep SORT(Deep Simple Online and Realtime Tracking,Deep SORT)对车辆检测和跟踪;采用YOLOv3-tiny模型,识别左转向和右转向灯;基于YOLOv3-tiny模型进行车牌检测,基于训练好的字符模型识别违章车牌号码。(3)构建了实线变道、虚线变道不打灯两种违章变道行为的自动识别方法,并获取违章车辆的车牌号、车辆违章地点,自动抓拍违章车辆。研发了违章变道行为识别原型系统,能够展示车辆违章变道识别的具体过程,并保存车辆的违章信息。
暂无评论