一種識別跟蹤罪犯車輛的方法
2023-12-10 02:40:11
一種識別跟蹤罪犯車輛的方法
【專利摘要】本發明公開了一種識別跟蹤罪犯車輛的方法，包括以下步驟：（1）通過報警人或監控錄像獲得罪犯車輛信息，確定目標車輛，（2）根據目標車輛的圖像信息提取其不變性特徵，如surf特徵，（3）量化surf特徵成特徵描述器後傳輸到中央控制中心，根據犯罪地點與時間等確定罪犯潛在區域，（4）中央控制中心將罪犯車輛特徵描述器分傳至各偵察網點，匹配偵察車輛後縮小偵察範圍，（5）中央控制中心發送特徵描述器到偵察範圍內的前方巡邏車，（6）對巡邏車內實時監控錄像進行surf特徵匹配，前方車輛匹配成功，則執行跟蹤。
【專利說明】一種識別跟蹤罪犯車輛的方法
【技術領域】
[0001]本發明涉及智能交通監控【技術領域】，特別涉及一種識別跟蹤罪犯車輛的方法。
【背景技術】
[0002]隨著社會的發展，人們的生活水平不斷提高，但人們的安全感卻不見得有所提高，近年來我國的犯罪率有增無減，盜竊、搶劫、走私等犯罪行為嚴重影響了公眾的生命和財產安全，而車輛則成為這些罪犯的主要逃亡工具。即便是警察鎖定了罪犯，但罪犯藉助車輛逃脫了警方的追捕，這樣對於公眾來說，依然存在潛在危險。在罪犯成功逃脫之前將其捉獲則成為維護社會安定的重中之重。在龐大的道路交通網上，交通的參與者有幾萬甚至幾十萬，其中包括步行、騎自行車、乘公交車、乘計程車或自己駕車，道路上的情況瞬息萬變。智能交通監控系統的概念應運而生，它使道路上的交通信息與交通相關信息儘量完整和實時；交通參與者、交通管理者、交通工具、道路管理設施之間的信息交換實時和高效。智能交通監控系統就是通過監控系統將監視區域內的現場圖像傳回指揮中心，使管理人員直接掌握車輛排隊、堵塞、信號燈等交通狀況，及時調整信號配時或通過其他手段來疏導交通，改變交通流的分布，以達到緩解交通堵塞的目的。即使有如今的科學技術提供支持，要在信息量如此龐大的系統中找到罪犯的嫌疑車輛也是一大難題。
[0003]而圖像識別和匹配這計算機視覺領域已經得到充分的發展，車輛檢測與跟蹤技術作為安全輔助駕駛的重要組成部分，在智能交通系統研究領域上有了長足發展。申請號為201210315966.5的中國專利，專利名稱為:一種實時反饋更新的車輛檢測方法，「包括離線學習過程、實時檢測過程和在線學習過程，先利用離線學習過程得到的離線強分類器對實時檢測過程的第I?K幀圖片進行分類，得到檢測目標；在線學習過程根據得到檢測目標截取樣本，利用在線強分類器進行車輛檢測，得到檢測目標；在線學習過程不斷對在線強分類器進行更新。申請號為201310014669.1的中國專利，專利名稱為:智能交通監控系統中的車輛檢測方法和裝置，「本發明提出了一種智能交通監控系統中的車輛檢測方法，其包括:步驟SlOl，通過電荷耦合元件CXD攝像頭採集道路交通視頻幀序列；步驟S102，將採集的視頻幀序列數據進行圖像預處理，得到計算機能夠識別的數字視頻序列；步驟S103，輸入步驟S102所得的數字視頻序列，利用改進的混合高斯背景建模算法實現運動目標的檢測；步驟S104，對步驟S103檢測所得的運動目標前景進行陰影檢測；步驟S105，對運動目標前景進行陰影去除，實現運動目標的正確識別。但將車輛檢測與跟蹤的方法應用於鎖定、追蹤和捕獲犯罪上還屬於空白。
【發明內容】
[0004]為了克服現有技術存在的缺點與不足，本發明提供一種識別跟蹤罪犯車輛的方法。
[0005]本發明採用如下技術方案:
[0006]一種識別跟蹤罪犯車輛的方法，包括如下步驟:[0007]SI獲取罪犯車輛的圖像信息，確定要識別跟蹤的目標車輛；
[0008]S2提取目標車輛的不變性特徵，所述不變性特徵包括SURF特徵；
[0009]S3將不變性特徵量化形成特徵描述器，作為匹配識別罪犯車輛的依據傳輸到中央控制中心，通過中央控制中心傳送到各個犯罪偵察網點；
[0010]S4估計目標車輛所在位置的潛在區域，在潛在區域內的犯罪偵察網點將通過監控攝像頭拍攝的車輛與特徵描述器相匹配，匹配成功則縮小偵察範圍；
[0011]S5中央控制中心將不變性特徵發送到縮小後的偵察範圍內的前方巡邏車，
[0012]S6接收到目標車輛特徵的前方巡邏車利用車內實時監控視頻，對前方車輛進行實時不變性特徵匹配，當目標車輛不變性特徵與前方車輛匹配成功，則實施跟蹤。
[0013]所述S2提取目標車輛的SURF特徵，具體採用surf識別算法。
[0014]所述估計目標車輛所在位置的潛在區域，具體為:
[0015]S4.1計算目標車輛的逃離距離d=vt，其中t是目標車輛從被發現開始的逃離時間，V為目標車輛的車速；
[0016]S4.2以目標車輛被發現的位置為圓心01，逃離距離為半徑Rl的圓就是目標車輛所在位置的潛在區域。
[0017]所述縮小偵察範圍，具體為:以檢測到目標車輛的監控攝像頭的位置為圓心02，以逃離距離Rl與01到02的距離之差為半徑R2的圓就是縮小後的偵察範圍。
[0018]本發明的有益效果:
[0019](I)本發明給出了一種科學的，利用現有的交通監控系統資源的識別並追蹤罪犯車輛的方法，給警方追捕罪犯提供了技術支持，可以在一定程度上提高破案的成功率和維護社會治安；
[0020](2)本發明提供一個「特徵信息提取一中央控制傳輸一分點信息獲取」的罪犯目標車輛信息交互框架，使這一應用規範化程序化，有相當的可執行性；
[0021](3)本發明有效地使現有的交通監控系統資源與成熟的圖像匹配與識別領域技術相結合，為解決更好地社會問題提供的可能性，而並不需要全新的技術硬體支持，利用現有資源即可；
[0022](4)本發明中的提取目標不變性特徵信息的方法不僅限於提取surf特徵，只要是能夠使識別算法準確地識別出目標即可作為本發明中提取特徵的方法，因此本發明具有很好的適應性。
【專利附圖】
【附圖說明】
[0023]圖1為本發明的工作流程圖；
[0024]圖2為本發明的潛在區域及縮小後偵察範圍的示意圖。
【具體實施方式】
[0025]下面結合實施例及附圖，對本發明作進一步地詳細說明，但本發明的實施方式不限於此。
[0026]實施例
[0027]如圖1所示，一種識別跟蹤罪犯車輛的方法，包括如下步驟:[0028]SI根據報警人提供或犯罪地點的監控錄像獲得罪犯車輛的圖像信息，確定要識別跟蹤的目標車輛；
[0029]S2提取目標車輛的不變性特徵，本實施例採用SURF識別算法提取目標車輛的SURF特徵；
[0030]所述surf識別算法，具體為:
[0031]S2.1特徵點的提取:利用hessian矩陣計算特徵值α，
【權利要求】
1.一種識別跟蹤罪犯車輛的方法，其特徵在於，包括如下步驟: Si獲取罪犯車輛的圖像信息，確定要識別跟蹤的目標車輛； S2提取目標車輛的不變性特徵，所述不變性特徵包括SURF特徵； S3將不變性特徵量化形成特徵描述器，作為匹配識別罪犯車輛的依據傳輸到中央控制中心，通過中央控制中心傳送到各個犯罪偵察網點； S4估計罪犯車輛所在位置的潛在區域，在潛在區域內的犯罪偵察網點將通過監控攝像頭拍攝的車輛與特徵描述器相匹配，匹配成功則縮小偵察範圍； S5中央控制中心將不變性特徵發送到縮小後的偵察範圍內的前方巡邏車， S6接收到罪犯車輛特徵的前方巡邏車利用車內實時監控視頻，對前方車輛進行實時不變性特徵匹配，當目標車輛不變性特徵與前方車輛匹配成功，則實施跟蹤。
2.根據權利要求1所述的一種識別跟蹤罪犯車輛的方法，其特徵在於，S2提取目標車輛的SURF特徵，具體採用surf識別算法。
3.根據權利要求1所述的一種識別跟蹤罪犯車輛的方法，其特徵在於，所述估計罪犯車輛所在位置的潛在區域，具體為: S4.1計算罪犯的逃離距離d=vt，其中t是罪犯從被發現開始的逃離時間，V為罪犯車輛的車速； S4.2以罪犯被發現的位置為圓心01，逃離距離為半徑Rl的圓就是罪犯車輛所在位置的潛在區域。
4.根據權利要求1所述的一種識別跟蹤罪犯車輛的方法，其特徵在於，所述縮小偵察範圍，具體為:以檢測到目標車輛的監控攝像頭的位置為圓心02，以逃離距離Rl與01到02的距離之差為半徑R2的圓就是縮小後的偵察範圍。
【文檔編號】G08G1/017GK103714697SQ201310714749
【公開日】2014年4月9日 申請日期:2013年12月20日 優先權日:2013年12月20日
【發明者】周智恆, 鍾嘉慧, 毆曉文, 張文婷 申請人:華南理工大學