出租车作为现代城市交通的名片之一,具有方便、快捷、可定制化服务的特点。与此同时,随着互联网与传统出租车行业相结合,以及国内人口密度的不断攀升,出租车服务行业又进入了一个黄金时期。但是,伴随着出租车从业者的不断增加,出租车司机违法违章数量也在与日俱增,这种现象一方面直接导致交通执法人员监管工作量和工作强度的急剧提升,同时也增大了执法纰漏发生的可能。随着计算机及多媒体信息处理技术的蓬勃发展,针对出租车监管的非现场执法成为可能。出租车司机在运营中发生吸烟行为属于严重的违章行为,但目前对此类行为的执法模式仍然是人工过滤监控视频、存储违法信息等相关操作,存在着工作量大、人情执法等风险。因此,探索与开发一套基于计算机视觉的出租车司机违章行为自动检测与识别系统具有重要的现实意义。本论文重点对吸烟违章行为自动检测技术展开研究,完成的主要工作包括:(1)提出一种利用矩形块亮度均值标准差和异常亮度块占比的交通监控视频帧筛选规则,结合MSRCR(Multi-Scale Retinex with Color Restoration,带色彩恢复的多尺度视网膜)算法,大幅度降低图像增强算法的处理耗时。亮度筛选规则的设定流程为:首先将视频帧分成异常光线视频帧和正常光线视频帧;其次将视频帧分割成48个矩形块,提取矩形块区域内的亮度均值、标准差等信息;最后计算异常亮度矩形块与总矩形块的数量占比,根据上述信息,设定一种区分视频帧的规则。算法在处理交通监控视频时,依据筛选规则,跳过正常光线视频帧,只针对异常光线视频帧进行MSRCR增强算法的处理,从而提升算法的实时性。(2)提出一种高效的出租车车窗区域检测算法。本文首先分析了大量交通监控视频中的吸烟场景,提出用车窗及车顶灯相关区域(下文统称车窗区域)的检测代替出租车车辆检测的思想,降低了因车辆相互遮挡导致漏检的风险,同时利用高鲁棒性和高实时性的Haar-Adaboost算法,完成车窗区域的初步检测。其次,为降低车窗区域分类器的误检率,设计了一种基于出租车车顶灯的分段直方图相似度匹配的方法,实现对车窗区域的二次检测。经出租车交通监控视频数据库的测试,算法查准率可达97.5%。(3)设计并提取一组契合交通监控场景的吸烟烟雾特征和吸烟动作特征,基于烟雾和动作的持续性完成吸烟行为的判定。本文首先利用前文提取的车窗区域,划定烟雾和动作的特征提取区域。通过分析大量吸烟烟雾样本,得出烟雾在HSV颜色空间的分布特性,同时结合ViBe运动目标检测算法提取的运动前景得到疑似烟雾区域。其次,通过深度分析交通场景中吸烟烟雾和吸烟动作等相关信息,最终确定使用烟雾的运动轨迹、复杂轮廓、凸包面积以及出租车司机抖烟灰的频次和时间间隔等特征实现吸烟行为的判定。(4)设计并实现多功能出租车司机吸烟行为自动检测系统。本文为提升系统的可交互性,基于B/S架构设计系统。同时利用Java生态体系中的轻量级SSM(SpringMVC、Spring、Mybatis)框架和计算视觉库JavaCV开发系统框架和算法部分,最终实现一款包括地图报警、自动检测取证、违章证据存储、数据统计与展示等功能的出租车司机吸烟行为自动检测系统。