唐曉東

(杭州市公安局交通警察支隊科研所， 浙江 杭州　310014)

基于PTZ相機(jī)的違章停車自動取證系統(tǒng)

唐曉東

(杭州市公安局交通警察支隊科研所， 浙江 杭州310014)

摘要城市道路中的違章停車行為對道路通行能力和通行安全造成很大威脅。傳統(tǒng)的地感線圈和雷達(dá)設(shè)備無法自動檢測此類違法行為。由于場景復(fù)雜、車輛停放位置不固定、要求監(jiān)控的場景范圍較廣等問題，現(xiàn)有基于視頻的方式仍無法解決違停行為的自動檢測。為此，提出了一種基于PTZ(Pan/Tilt/Zoom)相機(jī)的自動取證系統(tǒng)，專門用于檢測城市道路中的違停行為。該系統(tǒng)通過檢測車輛進(jìn)出相應(yīng)預(yù)置位區(qū)域時的時間，判斷車輛是否有違停行為。一旦確認(rèn)，自動控制PTZ相機(jī)拉伸取證。系統(tǒng)自動保存違停前后的靜態(tài)局部和全局照，并保存整個違停期的相關(guān)錄像，作為處罰憑證。實驗表明，該系統(tǒng)能有效檢測違停行為，大大減少警力部署，是一種新型的非現(xiàn)場執(zhí)法取證系統(tǒng)。

關(guān)鍵詞PTZ相機(jī); 違章停車; 視頻檢測

0引言

近年來，城市小汽車擁有量爆炸式增長。由于城市硬件建設(shè)不完善，停車管理體制不健全等原因，城市“亂停車”的問題也隨著汽車消費市場的迅速發(fā)展而日益凸現(xiàn)。以浙江省杭州市為例，至2013年年底，杭州市機(jī)動車保有量超過110萬輛，但路面停車泊位全部加起來也不過42萬個。2013年杭州市共查處違停124.4萬起，幾乎平均每輛車都有違?，F(xiàn)象。而違章停車帶來的后果也日益嚴(yán)重：

(1) 降低道路通行能力。違停車輛往往占用正常的通行車道或者人行橫道，不但影響其他車輛的通行，易產(chǎn)生交通擁堵，而且造成行人通行不順暢，只能穿行于車輛之間。特別是對于消防車和救護(hù)車而言，違停亂象會耽誤救災(zāi)救人的寶貴時間。

(2) 增加交通事故。違章停車使原本狹窄的車道變得更窄，使得行車或者兩車交匯時，容易出現(xiàn)碰撞或者刮擦現(xiàn)象，增加了交通事故發(fā)生的概率。

(3) 機(jī)動車違停現(xiàn)象不僅影響道路通行、交通安全，而且對市容環(huán)境、公共安全、社會治安等多方面的消極影響都是不容忽視的。

為了整治車輛違停亂象，交警部門采取了多種方案。如設(shè)置違停標(biāo)記；采用巡查加駐點的方式，對關(guān)鍵路段加強(qiáng)管理；對違停車輛直接拖離；加裝球形監(jiān)控裝置，在監(jiān)控中心手動抓拍違章車輛等等。以杭州市為例，交警部門更是多次開展了“拔釘子”行動和“違停受罰、亂停必拖”為主策略的整治違停大會戰(zhàn)。但這些方案均需要大量的警力布置，無法持久，往往只能暫時性地解決問題。另一方面，市區(qū)目前雖已布置大量的監(jiān)控相機(jī)，卻未有效地加以利用。基于此，本文提出了一種基于視頻的違章停車自動取證系統(tǒng)。該系統(tǒng)直接以多路PTZ相機(jī)視頻作為輸入，自動記錄并跟蹤相機(jī)視野內(nèi)的違停車輛。一旦車輛在指定區(qū)域違章停車超過預(yù)定的時間，則自動拍照，并保存車輛的違停信息。

1相關(guān)工作

基于視頻的機(jī)動車違法行為檢測方法無需破壞路面，維護(hù)簡單，不會對路面交通狀況產(chǎn)生影響，近年來得到越來越多的關(guān)注和應(yīng)用[1-7]。針對車輛闖紅燈和車輛逆行兩種違法行為，西華大學(xué)的駱迪[1]提出了基于視頻的檢測方法。論文[2]詳細(xì)介紹了基于IP 相機(jī)的車輛違章行為檢測，利用車輛目標(biāo)檢測和車輛跟蹤技術(shù)，對車輛闖紅燈、違章停車、違章壓線或變道、違章掉頭4種車輛違章行為進(jìn)行了研究。嚴(yán)杭晨等[3]也提出了一種基于計算機(jī)視覺的車輛闖紅燈違法行為檢測方法。李宗陽等[4]利用均值漂移算法進(jìn)行運動目標(biāo)跟蹤，從而完成了基于視頻的闖紅燈違法行為自動檢測系統(tǒng)。周為剛等人[5]通過車輛和行人的分別檢測，提出了一種基于視頻的斑馬線前機(jī)動車未禮讓行人的自動檢測系統(tǒng)。趙怡等[6]通過主流視頻技術(shù)的分析對比，提出并研究設(shè)計了一套基于視頻技術(shù)的智能交通系統(tǒng)。該系統(tǒng)具有車輛流量檢測統(tǒng)計,違法行為抓拍等功能。廈門大學(xué)的郭燦陽[7]也提出了基于高清視頻的車輛交通行為識別系統(tǒng)，對闖紅燈車輛和不按規(guī)定車道行駛車輛進(jìn)行抓拍和識別。而在產(chǎn)業(yè)界，基于視頻的交通違法行為自動檢測系統(tǒng)也開始推廣。除了?？?、大華等企業(yè)外，科達(dá)也在2014年推出動態(tài)違法抓拍系統(tǒng)，通過手動操控，當(dāng)發(fā)現(xiàn)有違章停車、闖紅燈、違法變道、壓雙黃線等違章情況時，前端PTZ攝像機(jī)將實現(xiàn)抓拍，并手動恢復(fù)攝像機(jī)預(yù)置位等。這種動態(tài)抓拍系統(tǒng)具有先進(jìn)的視頻檢測技術(shù)，可對大范圍違章區(qū)域進(jìn)行檢測和車牌識別，取代現(xiàn)在人工檢測的繁瑣勞動。

綜上所述，基于視頻的分析技術(shù)已廣泛應(yīng)用于車輛違法行為檢測系統(tǒng)。這些違法行為包括車輛闖紅燈、過斑馬線未禮讓行人、機(jī)動車輛實線變道、機(jī)動車逆行，等等。但是由于車輛停放方向不一(可能是車頭、也可能車尾或者側(cè)身)，目標(biāo)大小不一(遠(yuǎn)離球機(jī)的目標(biāo)更小)，遠(yuǎn)距離車輛可能無法看清車牌(目前的球機(jī)分辨率大多低于200萬像素)，且涉及PTZ相機(jī)拉伸距離的自動控制，目前針對基于PTZ相機(jī)的違章停車違法行為自動檢測的研究還不多見。為此，本文提出了一種新的基于視頻的違法行為檢測系統(tǒng)。該系統(tǒng)通過分析視頻，可以自動檢測違停行為，并自動控制PTZ相機(jī)進(jìn)行抓拍取證。與上述現(xiàn)有系統(tǒng)相比，本文提出的檢測系統(tǒng)具有以下優(yōu)勢：

(1) 無需手動操控PTZ相機(jī)。不管是監(jiān)控還是取證拉伸，都由系統(tǒng)自動完成。相機(jī)根據(jù)系統(tǒng)定位到的目標(biāo)坐標(biāo)自動拉伸。

(2) 可自由設(shè)置檢測區(qū)域。整個系統(tǒng)基于視頻分析技術(shù)，可以在指定的預(yù)置位設(shè)定檢測區(qū)域，并僅限該區(qū)域進(jìn)行違停檢測。

(3) 取證數(shù)據(jù)完整統(tǒng)一。一旦檢測到違法行為，將自動取證，且每次取證都由抓拍圖組和相應(yīng)的視頻組成，非常完整和統(tǒng)一，更利于后續(xù)的行政處罰。

(4) 方便與后臺系統(tǒng)對接。和現(xiàn)有典型的非現(xiàn)場執(zhí)法系統(tǒng)(如闖紅燈行為檢測系統(tǒng))一樣，可以自動完整取證、數(shù)據(jù)上傳、數(shù)據(jù)處理(如車牌識別等)，更加方便與交警后臺系統(tǒng)對接。

2系統(tǒng)設(shè)計

2.1　系統(tǒng)結(jié)構(gòu)

整個系統(tǒng)的架構(gòu)如圖1所示。主要包括三大模塊：數(shù)據(jù)獲取模塊、基于視頻的檢測模塊、后臺存儲模塊。

圖1　基于PTZ相機(jī)的違章停車自動取證系統(tǒng)架構(gòu)圖

(1) 數(shù)據(jù)獲取模塊：數(shù)據(jù)獲取模塊主要由數(shù)臺PTZ相機(jī)和交換機(jī)組成，不同的PTZ相機(jī)覆蓋不同的檢測區(qū)域。每路相機(jī)數(shù)據(jù)通過交換機(jī)傳輸?shù)綑z測主機(jī)。

(2) 基于視頻的檢測模塊：視頻檢測模塊主要由目標(biāo)檢測與取證數(shù)據(jù)存儲兩大功能組成。該模塊利用數(shù)據(jù)獲取模塊的視頻輸入，自動檢測車輛的起止停放時間。一旦停放時間超過規(guī)定時間，則自動操作球機(jī)拉伸，抓取能看清車牌的局部放大圖，作為違法憑證進(jìn)行保存。

(3) 后臺存儲模塊：該模塊接收來自視頻檢測模塊的違法數(shù)據(jù)，保存在指定的數(shù)據(jù)庫中。并提供相應(yīng)的Web Service接口，供內(nèi)部的客戶端檢索和瀏覽。

2.2　取證設(shè)計

作為一種非現(xiàn)場執(zhí)法系統(tǒng)，取證設(shè)計是整個系統(tǒng)的關(guān)鍵。合理有效的數(shù)據(jù)憑證才能成為違法處罰的依據(jù)。如圖2所示，兩條黃線之間的區(qū)域為禁停范圍。整個取證過程如下：

(1) 車輛進(jìn)入并停放。準(zhǔn)備違停的車輛進(jìn)入違停區(qū)域后，視頻檢測模塊將檢測到目標(biāo)。一旦車輛停放，系統(tǒng)將保留停車的具體時刻和車輛的全景圖，如圖2所示的Ⅰ，并在取證圖像上保有停放時的時間戳T。

(2) 局部放大圖。車輛處于停放狀態(tài)時，系統(tǒng)自動驅(qū)動PTZ相機(jī)拉伸鏡頭，獲取停放車輛的局部放大圖，并識別車輛的車牌信息，如圖2所示的Ⅱ。

圖2　違法停車取證數(shù)據(jù)組成

(3) 車輛停放超過規(guī)定時間的取證。如果車輛停放的時間超過規(guī)定的時間t，系統(tǒng)將再次保留車輛的全景圖，同時保存當(dāng)前的時間戳T+t，如圖2所示的Ⅲ。

(4) 第二次局部放大圖。為了確保取證的準(zhǔn)確性，需要再次拉伸相機(jī)，比對車牌，如圖2所示的Ⅳ。如果局部放大圖Ⅱ和Ⅳ中的車牌一致，則確認(rèn)該車輛違章停車違法行為成立。同時，系統(tǒng)還將保存車輛從停車時到超過違停時間段整個過程的錄像。

作為取證數(shù)據(jù)，保存的違法圖片需要符合國標(biāo)GA/T 832—2009《道路交通安全違法行為圖像取證技術(shù)規(guī)范》。因此，如果滿足違停標(biāo)準(zhǔn)，整個系統(tǒng)保存的取證數(shù)據(jù)包括4張照片和1段視頻。在實際應(yīng)用中，4張違法圖片的組成有兩種可能的方式，如表1所示。其中，圖2的取證方式代表方式二，下文中的圖4的取證方式代表方式一。

3違停檢測算法

整個系統(tǒng)的核心軟件安裝在圖1所示的視頻檢測模塊，其主要功能包括：違法行為檢測、取證數(shù)據(jù)保存。違停的核心算法主要采用背景建模與基于內(nèi)容的目標(biāo)識別，具體流程如圖3所示。以下針對檢測算法進(jìn)行詳細(xì)介紹。

表1　4張違法圖片的組成方式

圖3　違停檢測算法流程

(1) 背景建模：背景建模目的是為了獲取相對穩(wěn)定的背景圖。本文采用了高斯混合模型(GMM: Gaussian Mixture Model)[8]，沿時間軸為圖像中的每個像素建立混合高斯模型，并每隔一段時間進(jìn)行更新。GMM方法相對比較穩(wěn)定，能適應(yīng)白天的各種情況。為了保證夜間的效果，需要先對每幀圖像進(jìn)行非線性的亮度拉伸。

(2) 目標(biāo)檢測：通過當(dāng)前幀與建模后的背景進(jìn)行差分，然后二值化，利用形態(tài)學(xué)中的腐蝕算子填補(bǔ)目標(biāo)中的空隙。選定二值化后具有一定面積的聯(lián)通區(qū)域作為檢測到的目標(biāo)，進(jìn)入下一步運算。

(3) 目標(biāo)確認(rèn)：由于除了機(jī)動車外，任何移動目標(biāo)都可能會被檢測到，包括移動的人群、移動的自行車和人等。因此，需要對上述檢測到的目標(biāo)進(jìn)行確認(rèn)。本文通過Harr特征[9]訓(xùn)練得到的線性判別函數(shù)(Linear Discrimination Function)對目標(biāo)進(jìn)行確認(rèn)。一旦確認(rèn)是機(jī)動車輛，則進(jìn)入下一步。否則，返回上一步。

(4) 相機(jī)取證：一旦檢測到目標(biāo)，需要控制PTZ相機(jī)拍照，保存一張車輛剛停車時的圖像。

(5) 再次取證：當(dāng)系統(tǒng)再次檢測到原本停放車輛的移動后，通過比對前后時間，確認(rèn)車輛是否停放超時。一旦確定違停，則再次取證，并拉伸相機(jī)，保存車輛的局部放大圖。

針對常見的200 W像素的PTZ相機(jī)，由于相幅較大，全尺寸計算比較耗時，因此，首先需要對圖像進(jìn)行縮放，減少運算量。上述所有步驟都基于縮放后的圖像進(jìn)行。為了保證效果，有時還需要對圖像進(jìn)行平滑和Gamma校正等前處理。這種GMM背景建模加基于內(nèi)容的目標(biāo)檢測方式有以下優(yōu)點：

(1) 與一般的背景差方法相比，GMM背景建模雖然速度慢了點，但是抗干擾能力強(qiáng)，對于非目標(biāo)移動(比如光照變化等)引起的場景變化具有更好的應(yīng)變能力。

(2) 作為剛體，機(jī)動車的特征是比較統(tǒng)一的?；诙鄠?cè)面、多尺度的Harr特征，可以更準(zhǔn)確地判斷移動目標(biāo)是機(jī)動車，而不是行人、非機(jī)動車。這比基于尺寸、紋理或者顏色等低階圖像特征的判斷更加魯棒有效。

(3) 將背景建模與目標(biāo)檢測的方法相結(jié)合，僅針對畫面中有變化感興趣的區(qū)域進(jìn)行檢測，不用每幀圖像都進(jìn)行處理，可以大大加快檢測速度。目前，系統(tǒng)的處理速度平均達(dá)到15 FPS(Frame Per Second)，能做到實時檢測。

4實驗結(jié)果

目前，該系統(tǒng)已經(jīng)成功研制，并在杭州市部分路段進(jìn)行了實驗。取證方式采用表1所示的第一種方式。圖4展示了部分取證結(jié)果的四格圖。從上到下(從左到右)依次是圖Ⅰ、圖Ⅱ、圖Ⅲ和圖Ⅳ。每張圖的右上角分別記錄了拍攝時間。

圖4　系統(tǒng)獲得的抓拍案例圖

5結(jié)語

城市道路的違章停車帶來了眾多問題，不但影響道路通行，而且可能阻斷火災(zāi)或者急救等生命通道。為了有效地遏制違停現(xiàn)象，本文提出了一種基于PTZ相機(jī)的非現(xiàn)場執(zhí)法系統(tǒng)，利用視頻檢測技術(shù)和PTZ相機(jī)控制技術(shù)，自動檢測違停現(xiàn)象，并保存相應(yīng)的圖像和視頻等憑證，作為違法處罰依據(jù)。該系統(tǒng)大大降低了警力的投入，同時覆蓋了更大的違停檢查范圍。

隨著DSP和ARM技術(shù)的發(fā)展，未來可以考慮直接在PTZ相機(jī)上嵌入檢測算法，從而取消圖1中所示的檢測主機(jī)，這樣不但可以降低成本，減少系統(tǒng)的耦合，而且提高了系統(tǒng)的魯棒性，是未來非常有潛力的發(fā)展方向。

參考文獻(xiàn)

[1]駱迪.基于視頻技術(shù)的車輛違章行為檢測[D].成都：西華大學(xué)，2009.

[2]陳偉強(qiáng).基于IP Camera的車輛違章行為檢測[D].杭州：電子科技大學(xué)，2012.

[3]嚴(yán)杭晨，馬寶慶，黃磊磊，等.基于計算機(jī)視覺的車輛闖紅燈行為檢測研究[J].交通技術(shù), 2013(2): 158-163.

[4]李宗陽，熊顯名. 基于背景差分和均值漂移的闖紅燈車輛視頻自動檢測系統(tǒng)[J]. 計算機(jī)應(yīng)用與軟件，2012,29(10):

[5]周為剛,馮陽,徐舒暢.基于視頻分析的機(jī)動車斑馬線前未禮讓違法行為檢測系統(tǒng)[J].中國人民公安大學(xué)學(xué)報,2012，2(2):57-60.

[6]趙怡.基于視頻技術(shù)的交通管理系統(tǒng)的研究與設(shè)計[D].上海：復(fù)旦大學(xué)，2009.

[7]郭燦陽.基于高清視頻的車輛交通行為識別系統(tǒng)的設(shè)計與實現(xiàn)[D].廈門：廈門大學(xué)，2011.

[8]ZIVKOVIC Z. Improved adaptive Gaussian mixture model for background subtraction[C]∥Pattern Recognition, 2004. ICPR 2004. Proceedings of the 17th International Conference on. IEEE, 2004, 2: 28-31.

[9]VIOLA P, JONES M. Rapid object detection using a boosted cascade of simple features[C]∥Computer Vision and Pattern Recognition, 2001. CVPR 2001. Proceedings of the 2001 IEEE Computer Society Conference on. IEEE, 2001, 1: Ⅰ-511-Ⅰ-518. vol.1.

(責(zé)任編輯陳小明)

作者簡介唐曉東(1970—)，男，浙江人，高級工程師。研究方向為公安交通科技及ITS。

中圖分類號D631.5