通过认证
“EP-800III视频检测闯红灯电子警察”参数说明
“EP-800III视频检测闯红灯电子警察”详细介绍
产品说明
纯视频检测闯红灯电子警察系统组成
系统由三级结构构成：第一级是路口抓拍单元，红灯信号检测单元和车辆检测单元在车辆闯红灯行为发生时产生触发信号，高清摄像机响应触发信号采集车辆违章行为记录图像数据和其它记录信息进行处理和上传。该单元可以清晰的拍摄两至三条车道的违章车辆。根据现场情况可以在每一个路口的一至四个方向安装抓拍单元。
第二级是路口前端管理传输单元，负责路口各个方向的抓拍单元的管理、数据接收、存储与中心的信息传送，由传输设备、线缆及防雷保护单元组成。在网络通讯不便时，实现数据本地存储与本地下载，在网络通畅时可按照设定上传中心管理单元。
第三级是中心管理单元，由服务器、管理计算机、网络交换机、彩色激光打印机等硬件设备及中心通讯、中心录入、电子警察网站管理等软件组成，完成路口图片的保存、违章车辆信息录入、网上处理、网上查询、违章图片打印、路口设备故障报告等功能。若公安网已连接到各大队，则中心管理单元的网上处理及查询软件支持各大队通过网络在大队所在地处理违章车辆。
系统工作原理
位于中央控制模块中的程序实时监控整个系统，若同时检测到红灯信号和车辆通过视频区域的信号，通过USB通信发出拍照命令控制其拍摄高清晰照片；若为夜晚，则闪光同步模块会输出闪光同步信号为高速连拍提供准确的补光
1.视频检测算法
背景自适应学习过程中采用快速小波提升算法记录垂直，水平，＋45度，-45度的高频信息
在上述背景高频信息的基础上配合SODP算法从而得到很好效果的车辆运动特征图像，
区域分割预处理，利用序贯积相关算法和区域几何参数快速提取算法，滤除行人，阴影，并提取轮廓曲线基元，
区域分割，提取车辆的运动特征向量
动态目标跟踪
利用ART神经元网络，并辅以统计模式及句法结构进行模式识别
基于ARMA模型的综合预测器进行精确定位
再利用ART神经元网络进行车尾部识别
2.目标跟踪
在区域分割后，接下来进行目标跟踪，利用相邻两帧的区域匹配从图像序列中建立目标链，跟踪目标从进入监视范围到驶离监视范围的整个过程。首称要确定匹配准则。常用的图像匹配方法有Hausdorff距离区域法和图像互相关。这两种方法都需要逐个的计算。为了减小计算量，采用区域特征跟踪法。目标区域的特征包括区域形心坐标、区域包围矩形、区域运动速度及运动方向和区域面积。我们的匹配准则采用了三个假定：同一目标所对应区域在相邻两帧中面积相近；同一目标在前一帧中的区域形心与后一帧中区域形心距离相近；同一目标车辆轮廓曲线基元相近：
（1）将第一帧的各个区域当作不同的目标，对各个目标区域启动目标链。
（2）根据判决准则，如果某目标链中的区域在当前帧找到了匹配区域，则用找到的的匹配区域特征更新该目标链中的区域特征。
（3）如果在形心预测值所在位置，当前帧区域和目标链中区域面积相差很大，则可以认为发生了合并或者分裂现象。对目标链中的区域包围矩形，在本帧查找该矩形覆盖了几个区域，如果多于一个区域，则认为发生了分裂现象。对分裂现象出现的新区域，启动新目标链。同理，对于本帧区域的包围矩形，查找该矩形覆盖了几个目标链中的区域，如果多于一个，则认为发生了合并现象，利用合并区域启动新的目标链，同时终止那些被合并区域的目标链。
（4）对于目标链中的区域，如果在本帧没有与之相匹配的区域存在，则认为发生了消失现象。目标链并不立即终止，只有在经过数帧仍没有找到匹配之后，才终止该目标链。
（5）查找本帧是否还存在新进入区域的目标，如果存在，则启动新的目标链。
这样便跟踪了图像序列中的目标，同时得到车辆在监视范围运动轨迹和平均速度等信息。将这些信息送入ARMA模型的综合预测器即可精确定位，并能判别车辆的各种违章情况，框图如下。
3.交通信息数据的采集处理
交通流量（单位时间通过的车辆数）
设TZ为测量周期（一般为3分钟或5分钟），Ni（k）为第k周期内第i车道经过视频检测区域的车辆数，则该第k周期内第i车道的交通流量为：
Qi（k）＝Ni（k）∕TZ（式1）
占有率（一路段内车辆占用的道路与路段长度之比）
它可用时间占有率来近似，设Ti（k）为第k周期内第i车道所有车辆经过视频检测区域所用时间之和，即：
Ti（k）＝∑tik（M）M＝1 to Ni（k）（式2）
式2中tik（M）为第k周期内第i车道经过视频检测区域的第M辆车从进入线圈到离开线圈所用的时间。这样第k周期内第i车道的占有率为：
Oi（k）＝Ti（k）∕TZ（式3）
交通密度（每车道单位长度道路上拥有的车辆数）
纯视频检测闯红灯电子警察系统组成
系统由三级结构构成：第一级是路口抓拍单元，红灯信号检测单元和车辆检测单元在车辆闯红灯行为发生时产生触发信号，高清摄像机响应触发信号采集车辆违章行为记录图像数据和其它记录信息进行处理和上传。该单元可以清晰的拍摄两至三条车道的违章车辆。根据现场情况可以在每一个路口的一至四个方向安装抓拍单元。
第二级是路口前端管理传输单元，负责路口各个方向的抓拍单元的管理、数据接收、存储与中心的信息传送，由传输设备、线缆及防雷保护单元组成。在网络通讯不便时，实现数据本地存储与本地下载，在网络通畅时可按照设定上传中心管理单元。
第三级是中心管理单元，由服务器、管理计算机、网络交换机、彩色激光打印机等硬件设备及中心通讯、中心录入、电子警察网站管理等软件组成，完成路口图片的保存、违章车辆信息录入、网上处理、网上查询、违章图片打印、路口设备故障报告等功能。若公安网已连接到各大队，则中心管理单元的网上处理及查询软件支持各大队通过网络在大队所在地处理违章车辆。
系统工作原理
位于中央控制模块中的程序实时监控整个系统，若同时检测到红灯信号和车辆通过视频区域的信号，通过USB通信发出拍照命令控制其拍摄高清晰照片；若为夜晚，则闪光同步模块会输出闪光同步信号为高速连拍提供准确的补光
1.视频检测算法
背景自适应学习过程中采用快速小波提升算法记录垂直，水平，＋45度，-45度的高频信息
在上述背景高频信息的基础上配合SODP算法从而得到很好效果的车辆运动特征图像，
区域分割预处理，利用序贯积相关算法和区域几何参数快速提取算法，滤除行人，阴影，并提取轮廓曲线基元，
区域分割，提取车辆的运动特征向量
动态目标跟踪
利用ART神经元网络，并辅以统计模式及句法结构进行模式识别
基于ARMA模型的综合预测器进行精确定位
再利用ART神经元网络进行车尾部识别
2.目标跟踪
在区域分割后，接下来进行目标跟踪，利用相邻两帧的区域匹配从图像序列中建立目标链，跟踪目标从进入监视范围到驶离监视范围的整个过程。首称要确定匹配准则。常用的图像匹配方法有Hausdorff距离区域法和图像互相关。这两种方法都需要逐个的计算。为了减小计算量，采用区域特征跟踪法。目标区域的特征包括区域形心坐标、区域包围矩形、区域运动速度及运动方向和区域面积。我们的匹配准则采用了三个假定：同一目标所对应区域在相邻两帧中面积相近；同一目标在前一帧中的区域形心与后一帧中区域形心距离相近；同一目标车辆轮廓曲线基元相近：
（1）将第一帧的各个区域当作不同的目标，对各个目标区域启动目标链。
（2）根据判决准则，如果某目标链中的区域在当前帧找到了匹配区域，则用找到的的匹配区域特征更新该目标链中的区域特征。
（3）如果在形心预测值所在位置，当前帧区域和目标链中区域面积相差很大，则可以认为发生了合并或者分裂现象。对目标链中的区域包围矩形，在本帧查找该矩形覆盖了几个区域，如果多于一个区域，则认为发生了分裂现象。对分裂现象出现的新区域，启动新目标链。同理，对于本帧区域的包围矩形，查找该矩形覆盖了几个目标链中的区域，如果多于一个，则认为发生了合并现象，利用合并区域启动新的目标链，同时终止那些被合并区域的目标链。
（4）对于目标链中的区域，如果在本帧没有与之相匹配的区域存在，则认为发生了消失现象。目标链并不立即终止，只有在经过数帧仍没有找到匹配之后，才终止该目标链。
（5）查找本帧是否还存在新进入区域的目标，如果存在，则启动新的目标链。
这样便跟踪了图像序列中的目标，同时得到车辆在监视范围运动轨迹和平均速度等信息。将这些信息送入ARMA模型的综合预测器即可精确定位，并能判别车辆的各种违章情况，框图如下。
3.交通信息数据的采集处理
交通流量（单位时间通过的车辆数）
设TZ为测量周期（一般为3分钟或5分钟），Ni（k）为第k周期内第i车道经过视频检测区域的车辆数，则该第k周期内第i车道的交通流量为：
Qi（k）＝Ni（k）∕TZ（式1）
占有率（一路段内车辆占用的道路与路段长度之比）
它可用时间占有率来近似，设Ti（k）为第k周期内第i车道所有车辆经过视频检测区域所用时间之和，即：
Ti（k）＝∑tik（M）M＝1 to Ni（k）（式2）
式2中tik（M）为第k周期内第i车道经过视频检测区域的第M辆车从进入线圈到离开线圈所用的时间。这样第k周期内第i车道的占有率为：
Oi（k）＝Ti（k）∕TZ（式3）
交通密度（每车道单位长度道路上拥有的车辆数）
