近年来,伴随着城市化进程的不断加快,我国交通发展日新月异,交通工具数量持续增多、种类日益丰富,道路基础设施不断完善。据公安部统计,截至2019年末,中国机动车保有量达3.48亿辆,其中汽车达到2.6亿辆,私家车(私人小微型载客汽车)首次突破两亿辆,全国汽车超过百万辆的城市已有66个。与10年前相比,机动车保有量增长超过80%、机动车驾驶人数量增加了 1倍。在机动车数量飞速增长给人们出行带来了极大便利同时,道路交通安全问题随之日益凸显,交通治理问题受到了全社会的更广泛关注。其中,车辆交通违章行为治理是交通治理的重要内容,而结合人工智能技术(AI)的智慧交通系统构建已成为提高交通违章行为治理能力的一大有效途径。交通违章行为自动识别识系统是智慧交通系统的重要组成部分,其研究重点是综合利用计算机视觉技术、人工智能技术实现对各类交通违章行为的自动判别与取证。本文聚焦于车辆越线行为自动检测,针对卡口式摄像机监控范围受限和容易被驾驶员故意躲避等问题,提出了一种基于车载视频的车辆越线行为智能识别技术,主要研究内容和研究成果包括:(1)针对复杂交通场景下的多车检测效率问题,基于Mask R-CNN神经网络模型,通过在其 ROI Align 池化操作中引入CUDA(Compute Unified Device Architecture)并行技术和优化模型残差-特征金字塔网络的层数,提出了一种复杂交通场景下的多车辆实时快速检测算法。通过在现实交通场景下采集的实验数据上进行的三组对比实验,实验结果表明该算法在保证模型检测准确率的基础上,可较大幅度提高车辆检测速度。(2)针对复杂路况下由于光照变化、车辆阴影遮挡、车道线破损等因素导致车道线检测率低下的问题,提出了一种基于实例分割的车道线实时检测算法,并对其有效性进行了实验验证。首先,该算法通过语义分割从交通场景图像中区分出车道线和背景,在此基础上通过Mean Shift聚类方法对离散的车道线像素点进行聚类以形成每条车道线的实例,最后对每条车道线的像素集合进行多项式拟合。(3)针对车辆越线行为判定问题,基于车辆和车道线检测结果,提出了相应的自动判定方法。该方法首先以车辆检测得到的车辆坐标为基准,设定车辆越线行为感兴趣区域;然后通过车辆坐标与车道线检测得到的车道线坐标之间的位置关系进行车辆越线行为的自动判定。在此基础上,提出了车辆越线行为智能识别系统的设计方案。