基于视频分析的机动车斑马线前未礼让违法行为检测系统

周为钢， 冯 阳， 徐舒畅

(1．杭州市公安局交通警察支队科研所，浙江杭州 310012;2．浙江警察学院基础部，浙江杭州 310053;3．杭州师范大学国际服务工程学院，浙江杭州 310036)

0 引言

被称为城市“安全线”的人行横道(斑马线)上，这几年发生的交通事故呈急剧上升势头。在行人拥有优先通行权的斑马线上，常发生机动车和行人抢车道的现象。因此，斑马线上的交通事故概率越来越高。以浙江省为例［1］，根据省公安厅交通管理局统计，2009年全省因机动车驾驶人违法行为造成事故19519起，其中，未按规定让行导致事故死亡865人，排在致死事故原因之首。2010年，全省机动车交通违法行为排在前五位的分别是影响安全行为(开车打电话、注意力不集中、穿高跟鞋等)、未按规定让行、超速行驶、无证驾驶和闯红灯抢道［2］。其中尤以未按规定让行(17.21%)、超速行驶(4.62%)等几类违法行为引发事故的比例最高［3］。特别是2009年杭州发生了几起人行横道冲撞行人的交通事故(包括胡斌“70码事故”、保时捷卡宴爱心斑马线撞飞行人等)，引发了全国人民的关注。

由于现有的地感线圈等传统方法无法有效检测此类机动车违法行为，人行横道上的安全问题治理起来困难很多，目前国内还没这方面的成功经验。虽然浙江杭州在斑马线前礼让行人的治理工作取得了一定成效，特别是公交车礼让行人已经较为普遍，但更多的私家车主存在侥幸心理，礼让行为并未普及。本文将介绍基于视频检测的人行横道未礼让行人违法行为自动抓拍系统，通过该系统的布控，可全面监控机动车不礼让行为，成为现有非现场执法系统的重要补充。

1 执法依据

1.1 违法行为界定

根据交通法规，机动车在人行横道上未礼让行人属于违法行为。但在具体界定未礼让行为时，存在诸多的不确定性。如行人在路边等候出租车，并未想过马路时，机动车可以不礼让行人;当相邻两个车道的机动车并行时，由于车辆的阻隔，离行人较远的机动车驾驶员并未看见行人时，也不应算未礼让行为。为此，结合相关部门解释，以单个监控方向为例，定义以下3种典型情况为机动车未礼让行人行为，并基于此进行系统设计。

其中，图1(a)中当行人在第二个车道往前走时，1、2车道上的机动车应该停车让行。图1(b)中当行人跨越图中绿化带虚拟延长线，2、3车道上的机动车要让行，1车道可通行。当行人未跨越绿化带虚拟延长线，3车道上的机动车要让行，1、2车道可通行。图1(c)中当行人未跨越图中机非隔离外缘延长线，1车道上的机动车应停车礼让。在实际情况中，当人行横道跨越双向车道时，未礼让行人要比图1所示的更加复杂，此时需要在两个方向同时安装本系统。

图1 机动车在人行横道未礼让行人示意图

1.2 违法数据采集

一旦检测到违法行为，系统会自动保存违法时的高清照片和高清视频。作为取证数据，照片需要符合国标GA/T 832—2009《道路交通安全违法行为图像取证技术规范》，高清视频需要反映行人在人行横道上行走时机动车并未让行的整个过程。为此，系统在检测到违法行为时将保存3张高清图像，分别记录机动车在停车线外(图2a)、机动车通过人行横道(图2b)、机动车过了人行横道时的情景(图2c)，以及当时机动车违法时的短视频。这3张一组的图像可准确描述在行人横穿人行道时，机动车沿着与行人正交的方向抢占人行横道前进。而高清视频则记录了违法前后20 s(时间可调)的事件过程。

图23张取证图像示意图

2 系统设计

2.1 系统框架设计

整个系统如图3所示，主要包括视频数据获取模块、违法行为检测模块和违法数据传输模块。视频数据获取模块由高清相机、闪光灯等硬件组成，用于获取路口实时视频流。违法行为检测模块是整个系统的核心，以路口实时视频流作为输入，分析视频流中的车流方向以及行人运动方向，并保存违法行为的相关数据。最后通过违法数据传输模块(有线或者无线传输)将数据传到指定服务器。

图3 系统整体框架图

鉴于取证有效性的限制，高清相机必须面向车流方向架设(这与电子警察抓拍不一样)。相机视野内必须能看清停车线、斑马线，并在斑马线后留有部分空间。在高清相机的选择上，综合考虑相机的取景范围和整个系统的成本，针对取景范围内不同数目的车道，将选用不同的相机。为了保证晚上的效果，还要加装配有光阀的，能自动与相机同步的闪光灯。检测器采用嵌入式工业控制器，它对输入的视频进行分析，实时判断视频中的机动车是否存在违法行为。考虑到检测器需要实时处理路口视频流，并最终安置在路口，因此必须具有较强处理能力，能在宽温条件下稳定工作。而且具有看门狗功能，能在死机后实现自动重启，实现不间断运行。

2.2 核心算法设计

整个系统的核心软件安装在图3所示的检测器中，涉及的核心算法主要包括两部分:车辆的实时检测与跟踪、行人的实时检测与跟踪。由于系统直接以高清视频数据作为输入，数据量较大，帧率较低，而且白天和晚上的亮度差异很大。这种情况下，传统基于目标移动连续性，且假设相邻帧之间目标移动范围在一定邻域内的算法，例如基于灰度跟踪、Mean-Shift跟踪、基于 KLT 跟踪等［4－7］无法得到理想的效果。系统采用车牌检测与特征匹配相结合的方式实现了车辆的实时跟踪。而对于非刚体的行人，系统则采用了高斯混合模型(GMM:Gaussian Mixture Model)和BRIEF(Binary Robust Independent Elementary Features)特征［8］相结合的方式，实现了行人及行进方向的检测。

3 实施案例

目前，我们已经与杭州新迪数字工程系统有限公司合作，完成了基于视频的机动车未礼让行人检测系统研制，并在杭州某路口实际运行测试。图4所示为系统获得的违法行为抓拍案例(鉴于个人隐私，未对图中车辆的车牌进行特写处理)。

4 结语

传统的地感线圈方式无法检测机动车人行横道未让行人的违法行为，而直接利用警力上街择机拍照取证。基于人力督察此类违法行为非常耗时，效率低下，本文提出的基于视频检测技术的检测系统可自动对机动车人行横道未让行人的行为进行抓拍取证，无需人力支持，安装方便，无需破坏路面，是一种新型的非现场执法系统。实际路口实验证明，该系统能全天候有效检测机动车未礼让行人的违法行为，具有广泛的应用推广价值。

图4 违法行为案例图

［1］法律快车．2009年浙江交通事故死亡5689人［EB/OL］．［2012 －01 －16］．http:∥www．lawtime．cn/info/jiaotong/jtnews/2010073040242．html．

［2］中国交通技术网．浙江2010道路交通安全事故统计与分析［EB/OL］．［2012－01－16］．http:∥www．tranbbs．com/Techarticle/TInformation/Techarticle_77835．shtml．

［3］徐波．“2010年浙江省文明出行”权威信息发布［EB/OL］．［2012 －01 － 16］．http:∥n．cztv．com/society/2011/01/2011－01－21579934．htm．

［4］Bascle B，Deriche R．Region tracking through image sequences［C］∥In Proceedings of Fifth International Conference on Computer Vision，1995:302－307．

［5］Comaniciu D，Ramesh V，Meer P．Real-time tracking of non-rigid objects using mean shift［C］∥In Proceedings of IEEE Conference on Computer Vision and Pattern Recognition，2000:142－149．

［6］Baker S，Matthews L．Lucas-kanade 20 years on:a unifying framework［J］．International Journal of Computer Vision，2004，56(3):221－255．

［7］Comaniciu D，Meer P．Kernel-based object tracking［J］．IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，25(5):564 －577．

［8］Calonder M，Lepetit V，Strecha C，et al．BRIEF:binary robust independent elementary features［C］∥In Proceedings of European Conference on Computer Vision，Vol．6314，2010．