基于车牌识别系统车辆轨迹的行为异常检测_孙玉砚1
需积分: 0 6 浏览量
2022-08-04
14:27:28
上传
评论 1
收藏 1.5MB PDF 举报
计算机研究与发展
ＤＯＩ
：
１０．７５４４
?
ｉｓｓｎ
１０００
－
１２３９．２０１５．２０１４０６７３
Ｊｏｕｒｎａｌ
ｏ
ｆ
Ｃｏｍ
ｐ
ｕｔｅｒ
Ｒｅｓｅａｒｃｈ
ａｎｄ
Ｄｅｖｅｌｏ
ｐ
ｍｅｎｔ
５２
（
８
）：
１９２１
－
１９２９
，
２０１５
收稿日期
：
２０１４
－
０７
－
２３
；
修回日期
：
２０１４
－
１１
－
２０
基金项目
：
国家
“
八六三
”
高技术研究发展计划基金项目
（
２０１２
ＡＡ
０５０８０４
）；
国家科技支撑计划基金项目
（
２０１２
ＢＡＨ
２０
Ｂ
０３
）；
中国 科学院战 略
性先导科技专项
（
ＸＤＡ
０６０４０１００
）
基于车牌识别系统车辆轨迹的行为异常检测
孙玉砚
１
，
２
孙利民
１
朱红松
１
周新运
１
１
（
物联网信息安全技术北京市重点实验室
（
中国科学院信息工程研究所
）
北京
１０００９３
）
２
（
中国科学院大学
北京
１０００４９
）
（
ｓｕｎ
ｙ
ｕ
ｙ
ａｎ
＠
ｉｉｅ．ａｃ．ｃｎ
）
Ａｃｔｉｖｉｔ
ｙ
Ａｎｏｍａｌ
ｙ
Ｄｅｔｅｃｔｉｏｎ
Ｂａｓｅｄ
ｏｎ
Ｖｅｈｉｃｌｅ
Ｔｒａ
ｊ
ｅｃｔｏｒ
ｙ
ｏｆ
Ａｕｔｏｍａｔｉｃ
Ｎｕｍｂｅｒ
Ｐｌａｔｅ
Ｒｅｃｏ
ｇ
ｎｉｔｉｏｎ
Ｓ
ｙ
ｓｔｅｍ
Ｓｕｎ
Ｙｕ
ｙ
ａｎ
１
，
２
，
Ｓｕｎ
Ｌｉｍｉｎ
１
，
Ｚｈｕ
Ｈｏｎ
ｇ
ｓｏｎ
ｇ
１
，
ａｎｄ
Ｚｈｏｕ
Ｘｉｎ
ｙ
ｕｎ
１
１
（
Ｂｅｉ
ｊ
ｉｎ
ｇ
Ｋｅ
ｙ
Ｌａｂｏｒａｔｏｒ
ｙ
ｏ
ｆ
ＩＯＴ
Ｉｎ
ｆ
ｏｒｍａｔｉｏｎ
Ｓｅｃｕｒｉｔ
ｙ
Ｔｅｃｈｎｏｌｏ
ｇｙ
（
Ｉｎｓｔｉｔｕｔｅ
ｏ
ｆ
Ｉｎ
ｆ
ｏｒｍａｔｉｏｎ
Ｅｎ
ｇ
ｉｎｅｅｒｉｎ
ｇ
，
Ｃｈｉｎｅｓｅ
Ａｃａｄｅｍ
ｙ
ｏ
ｆ
Ｓｃｉｅｎｃｅｓ
），
Ｂｅｉ
ｊ
ｉｎ
ｇ
１０００９３
）
２
（
Ｕｎｉｖｅｒｓｉｔ
ｙ
ｏ
ｆ
Ｃｈｉｎｅｓｅ
Ａｃａｄｅｍ
ｙ
ｏ
ｆ
Ｓｃｉｅｎｃｅｓ
，
Ｂｅｉ
ｊ
ｉｎ
ｇ
１０００４９
）
Ａｂｓｔｒａｃｔ
Ａｎｏｍａｌ
ｙ
ｄｅｔｅｃｔｉｏｎ
ａｃｔｓ
ａｓ
ｔｈｅ
ｍａ
ｊ
ｏｒ
ｄｉｒｅｃｔｉｏｎ
ｏｆ
ｉｎｔｅｌｌｉ
ｇ
ｅｎｔ
ｔｒａｆｆｉｃ
ｍａｎａ
ｇ
ｅｍｅｎｔ
，
ｂｕｔ
ｃｕｒｒｅｎｔ
ｓｔｕｄｉｅｓ
ｍａ
ｙ
ｎｏｔ
ｙ
ｉｅｌｄ
ｔｈｅ
ｂｅｓｔ
ｒｅｓｕｌｔｓ
ｉｎ
ｔｈｅ
ｆｉｅｌｄ
ｏｆ
ｐ
ｕｂｌｉｃ
ｓａｆｅｔ
ｙ
．Ｔｈｉｓ
ｐ
ａ
ｐ
ｅｒ
ｐ
ｒｏ
ｐ
ｏｓｅｓ
ａ
ｍａｃｈｉｎｅ
－
ｌｅａｒｎｉｎ
ｇ
ｂａｓｅｄ
ｔｅｃｈｎｉ
ｑ
ｕｅ
ｔｏ
ｄｅｔｅｃｔ
ｖｅｈｉｃｌｅ
ａｎｏｍａｌｉｅｓ
ｆｒｏｍ
ｖｅｈｉｃｌｅ
ｔｒａ
ｊ
ｅｃｔｏｒ
ｙ
ｄａｔａ
ｃａ
ｐ
ｔｕｒｅｄ
ｂ
ｙ
ａｕｔｏｍａｔｉｃ
ｎｕｍｂｅｒ
ｐ
ｌａｔｅ
ｒｅｃｏ
ｇ
ｎｉｔｉｏｎ
（
ＡＮＰＲ
）
ｓ
ｙ
ｓｔｅｍ．Ｏｕｒ
ｓｃｈｅｍｅ
ｉｓ
ｃａ
ｐ
ａｂｌｅ
ｏｆ
ｄｅｔｅｃｔｉｎ
ｇ
ｖｅｈｉｃｌｅｓ
ｗｉｔｈ
ｔｈｅ
ｂｅｈａｖｉｏｒ
ｏｆ
ｗａｎｄｅｒｉｎ
ｇ
ｒｏｕｎｄ
ａｎｄ
ｕｎｕｓｕａｌ
ａｃｔｉｖｉｔ
ｙ
ａｔ
ｓ
ｐ
ｅｃｉｆｉｃ
ｔｉｍｅ．Ｆｉｒｓｔｌ
ｙ
ｔｈｅ
ｓ
ｐ
ａｔｉａｌ
ａｎｄ
ｔｅｍ
ｐ
ｏｒａｌ
ｑ
ｕａｎｔｉｔａｔｉｖｅ
ｉｎｄｉｃａｔｏｒｓ
ｏｆ
ｖｅｈｉｃｌｅ
ａｃｔｉｖｉｔ
ｙ
ｆｅａｔｕｒｅｓ
ａｒｅ
ｅｘｔｒａｃｔｅｄ
ｆｒｏｍ
ｈｉｓｔｏｒｉｃａｌ
ｖｅｈｉｃｌｅ
ｔｒａ
ｊ
ｅｃｔｏｒ
ｙ
ｄａｔａ．
Ｔｈｅ
ｖｅｈｉｃｌｅｓ
ｗｉｔｈ
ｕｎｕｓｕａｌ
ｓ
ｐ
ａｔｉａｌ
ｆｅａｔｕｒｅ
ａｒｅ
ｆｏｕｎｄ
ａｎｄ
ｔｈｅｉｒ
ｃｕｍｕｌａｔｉｖｅ
ｒｏｔａｔｉｏｎ
ａｎ
ｇ
ｌｅｓ
ａｒｏｕｎｄ
ｔｈｅ
ｃｅｎｔｒｏｉｄ
ｏｆ
ｔｈｅ
ｒｏｕｔｅ
ａｒｅ
ｃａｌｃｕｌａｔｅｄ
ｔｏ
ｄｅｔｅｃｔ
ｓ
ｐ
ａｔｉａｌ
ｗａｎｄｅｒｉｎ
ｇ
ｒｏｕｎｄ
ｂｅｈａｖｉｏｒ．Ｔｈｅ
ｄｉｓｔａｎｃｅ
ｆｒｏｍ
ｔｈｅ
ｃｅｎｔｅｒ
ｏｆ
ｃｌｕｓｔｅｒｓ
ｃｒｅａｔｅｄ
ｂ
ｙ
Ｋ
－
ｍｅａｎｓ
ｃｌａｓｓｉｆｉｃａｔｉｏｎ
ａｌ
ｇ
ｏｒｉｔｈｍ
ｂａｓｅｄ
ｏｎ
ｔｈｅ
ｔｅｍ
ｐ
ｏｒａｌ
ｆｅａｔｕｒｅｓ
ｖｅｃｔｏｒｓ
ａｒｅ
ｃｏｍ
ｐ
ｕｔｅｄ
ｔｏ
ｆｉｎｄ
ｏｕｔｌｉｅｒｓ．Ｗｅ
ｃｏｌｌｅｃｔｅ
ｔｈｅ
ｒｅｃｏｒｄｓ
ｆｒｏｍ
ＡＮＰＲ
ｓ
ｙ
ｓｔｅｍ
ｗｉｔｈ
３１５ｃａｍｅｒａｓ
ｄｅ
ｐ
ｌｏ
ｙ
ｅｄ
ｉｎ
ｒｅａｌ
－
ｗｏｒｌｄ
ｆｏｒ
ｍｏｒｅ
ｔｈａｎ
ｔｗｏ
ｍｏｎｔｈｓ
，
ａｎｄ
ｏｖｅｒ
５．４ ｍｉｌｌｉｏｎ
ｖｅｈｉｃｌｅｓ
ａｒｅ
ｃａ
ｐ
ｔｕｒｅｄ．Ｔｈｅ
ｅｖａｌｕａｔｉｏｎ
ｒｅｓｕｌｔｓ
ｂａｓｅｄ
ｏｎ
ｔｈｅ
ｄａｔａ
ｓｅｔ
ｓｈｏｗ
ｔｈｅ
ｅｆｆｉｃｉｅｎｃ
ｙ
ｏｆ
ｔｈｅ
ａｎｏｍａｌ
ｙ
ｄｅｔｅｃｔｉｏｎ．Ｍｏｒｅ
ｉｍ
ｐ
ｏｒｔａｎｔｌ
ｙ
，
ｏｕｒ
ｓｃｈｅｍｅ
ｃａｎ
ｓｉ
ｇ
ｎｉｆｉｃａｎｔｌ
ｙ
ｉｍ
ｐ
ｒｏｖｅ
ｔｈｅ
ｄｅｔｅｃｔｉｏｎ
ｒｏｂｕｓｔｎｅｓｓ
ｅｓ
ｐ
ｅｃｉａｌｌ
ｙ
ｗｈｅｎ
ｔｈｅ
ｄａｔａ
ｃｏｌｌｅｃｔｅｄ
ｂ
ｙ
ｔｈｅ
ＡＮＲＰ
ｓ
ｙ
ｓｔｅｍ
ａｒｅ
ｎｏｉｓ
ｙ
ｄｕｅ
ｔｏ
ｐ
ｏｏｒ
ｗｅａｔｈｅｒ
ｃｏｎｄｉｔｉｏｎ．
Ｋｅ
ｙ
ｗｏｒｄｓ
ａｎｏｍａｌ
ｙ
ｄｅｔｅｃｔｓ
；
ｄａｔａ
ｍｉｎｉｎ
ｇ
；
ｆｅａｔｕｒｅ
ｖｅｃｔｏｒｓ
；
ｃｌａｓｓｉｆｉｃａｔｉｏｎ
；
ｔｒａ
ｊ
ｅｃｔｏｒ
ｙ
ａｎａｌ
ｙ
ｓｉｓ
摘
要
目前已有很多面向智能交通管理的车辆异常行为检测方法
，
但是在公共安全领域的异常行为检
测研究不足
．
为此提出了一种基于车牌识别系统车辆轨迹的行为异常检测机制
，
通过车牌识别系统获取
抓拍记录
，
分析各个车辆在系统卡口的历史通行记录
，
提取车辆轨迹的时间空间特征
，
通过空间特征发
现异常路线并计算路线的围绕质心累积转动角度值检测徘徊行为
，
用聚类算法获得时间特征的聚类中
心并计算离群点检测特殊时间活跃行为
．
利用实际部署的车牌识别系统收集的数据测试了所提出的异
常检测方法
，
实验结果表明该检测方法能够很好地检测面向公共安全领域的车辆异常行为
，
在卡口设备
识别率不理想的情况下有效地提高了异常检测率
．
评论0