出租车是人们最常选择的出行方式之一,它具有灵活,舒适,个性化服务的特点。但随着出租车需求量的增多,出租车违法违章现象也逐步的增多,这就导致执法人员的工作量大大增加,很多时候都造成执法过程中的一些漏检和误检现象。目前,针对出租车行业的非现场执法工作已经初步展开,其中,出租车司机吸烟行为经探索已经被认定为适用于非现场执法。但由于针对吸烟违法违章运营行为的非现场执法处于探索和起步阶段,缺少一套数据采集和分析的标准;同时,在执法过程中依旧存在工作量大,人情执法等问题;所以,行业内急需制定一套出租车司机吸烟行为图像取证技术标准和实现一套针对出租车司机吸烟行为的自动检测算法。因此,本文针对出租汽车司机在运营过程中吸烟的行为展开研究,完成的主要工作包括:(1)提出一套出租车司机吸烟行为图像取证技术标准(草案)。本文首先分析了目前国内交通行业针对违法违章行为的取证技术标准;接着结合现场的检测环境和检测需求,将吸烟行为的判断标准划分为高、中、低三个等级;最后分析了判定吸烟行为的取证要素,制定了一套供交通执法总队参考的取证技术标准。(2)提出一种针对出租车检测的高鲁棒性算法。本文首先分析了车辆检测的现状,并利用车辆检测中鲁棒性和实时性较好的Haar-Adaboost算法,对出租车进行特征提取和分类;考虑到现场环境经常出现出租车相互遮挡的情况,并且为了将出租车和其他车辆区分开,因此选取出租车不易被遮挡的车窗和特有的车顶灯区域(以下统称车窗区域)作为Haar特征提取的感兴趣区域,实现对出租车的初步检测,通过在作者采集的测试集下测试,准确率最高为97.3%。针对实际环境中存在将背景区域和私家车误检成出租车的情况,本文提出一种针对出租车特有的车顶灯区域进行定位和直方图对比的方法,实现对出租车的二次检测。在实际检测过程中,一些背景区域和私家车的Haar特征和出租车车窗Haar特征较为相似,为解决上述问题,本文根据车顶灯的形状和位置等先验知识信息定位出出租车车顶灯区域,利用HSV模型下的直方图对比的方法将定位区域与车顶灯模板进行匹配,根据匹配结果实现对出租车的二次检测,经总队采集的出租车视频测试得,实际环境下的检测准确率可达94.2%,误检率为2.7%。(3)针对出租车司机车内吸烟的问题,提出一种HSV空间下混合高斯模型运动目标检测法,实现对疑似烟雾区域的检测。本文首先定义车窗延伸区域为烟雾检测区域;接着分析常用的运动目标检测算法的优缺点和适用环境,并利用混合高斯模型提取运动前景目标;最后分析了RGB和HSV空间下的烟雾颜色特征,并利用S通道和V通道的阈值判定出疑似烟雾区域。(5)针对疑似烟雾区域中误检的情况,本文提出一种利用吸烟烟雾特有的运动特征,实现对吸烟行为的检测和判定。本文首先分析了吸烟产生的烟雾和其他运动目标相异的运动特征,通过分析其特有的面积特征、运动方向特征和存留时间特征实现对其的检测。在实际检测过程中,首先对疑似烟雾区域进行形态学处理,消除区域中的孤立点和空洞;接着记录分析疑似烟雾区域面积增长区间内的面积速率变化趋势、质心轨迹相对角度变化趋势特征,并利用SVM分类器实现对吸烟行为的判定。经测试,实验室环境下的吸烟视频的检测准确率可达87%,总队拷贝的出租车司机吸烟视频的检测准确率可达70%。