1.一种基于视频技术的公路隧道停车检测方法，其特征在于：包括以下步骤：步骤一、在公路隧道内安装摄像头，采集隧道内行驶车辆的视频图像；

步骤二、通过视频图像判断各车道上是否存在车辆，若存在车辆，判断各车道上的车辆是否运动；若车辆在运动，进入步骤三，若车辆不运动，则检测到车辆停车；

步骤三、对各车道的车辆位置进行跟踪，车辆在每帧图像中的位置作为其轨迹点，将相邻连续帧中车辆位置连线得到轨迹，各车道上所有车辆轨迹形成轨迹集；

(1)根据采集的视频图像进行公路隧道内的车道线检测，确定隧道内各个车道；

(2)对各个车道上车辆的图像信息进行分析，将车辆几何中心所处的车道作为车辆运行的车道；将车辆通过连续两帧视频图像移动的方向作为车辆的运动方向；记录视频图像中各车辆的面积s、长度l、宽度w；

(3)在连续两帧图像中，记录第一帧图像中选定的目标车辆后边界的中点坐标为L1(l1,l2)，几何中心坐标为M1(m1,m2)，前边界的中点坐标为N1(n1,n2)；记录第二帧图像中任意一辆车后边界的中点坐标为L2(l1',l2')，几何中心坐标为M2(m1',m2')，前边界的中点坐标为N2(n1',n2')；

(4)令像素点纵坐标方向为道路纵向，在第一帧图像M1点的像素纵坐标m2向车辆行驶方向移动h个像素点距离区域内，判断第二帧图像M2点的像素纵坐标m2'是否满足m2'≥m2且m2'≤m2+h；若满足，进入步骤(5)，否则，进入步骤(6)；

(5)计算两帧图像中M1,M2点对应的车辆之间的相似度，判断M1,M2点对应的车辆是否为同一辆车；相似度计算公式如下所示：γ＝1‑0.2×s‑0.4×l‑0.4×w

其中γ表示相似度，s表示车辆面积，l表示车辆长度，w表示车辆宽度；

若M1,M2点对应的车辆的γ值的差值在设定的误差阈值范围内，M1,M2点对应的车辆为同一辆，进入步骤(7)；否则，对应的车辆不是同一辆，进入步骤(6)；

(6)令h＝h+j，j表示j个像素点，重复步骤(4)～步骤(6)，遍历第二帧图像中各个车辆几何中心点的坐标位置，直到m2

(7)确定第二帧图像中的目标车辆后，将两帧图像中目标车辆几何中心点的坐标位置分别作为轨迹点；遍历所有的视频图像，确定每帧图像中目标车辆的几何中心坐标位置，将目标车辆的轨迹点依次连线得到该车辆行驶轨迹；

步骤四、采用k‑mean聚集算法判断轨迹集中是否存在异常轨迹，若存在异常轨迹，则该轨迹对应的车辆在行驶过程中发生车道改变；所述异常轨迹是指非直行轨迹；

(1)设每条轨迹Tr包括n个轨迹点，每个轨迹点为一个离散点；将n个待分类的离散点划分为k个类别，每个类别为一种行驶状态，包括直行、左转和右转，聚集类别表示为：C＝i i{C},1≤i≤k，其中C表示第i个类别，1≤k≤kmax，kmax是车辆的行驶状态总类别数；

i

(2)随机选取离散点m作为聚集中心，表示为： 其中L 表示聚集中心，表示第i种行驶状态轨迹Tr上的任意离散点m；将轨迹Tr所有离散点投影到二维坐标图像中，用于离散点与其相邻的离散点之间的距离计算；

(3)计算离散点m与其相邻的离散点之间的欧氏距离，公式如下：其中dm,m+1为离散点m+1到m的欧氏距离，(xm,ym),(xm+1,ym+1)分别为相应的坐标；

(4)重复步骤(2)～步骤(3)，重新选择聚集中心并计算聚集中心与其相邻的离散点之间的欧式距离，直到遍历完n个离散点；

(5)根据欧式距离的大小判断轨迹Tr上任意离散点与其相邻离散点的相似度，相邻的离散点之间的欧式距离小于设定的阈值，表明二者具有相同的行驶状态，即车辆直行；否则，表明二者行驶状态不同，轨迹Tr为异常轨迹，即车辆违章换道；

步骤五、统计一段时间内在同一位置进行换道的车辆数量，若所述的车辆数量大于或等于a，则判定该位置处有停车事件发生。

2.根据权利要求1所述的一种基于视频技术的公路隧道停车检测方法，其特征在于：所述步骤二中，检测是否存在车辆的方法如下：采用形态学边缘检测算法提取出图像中车辆的边缘和运动信息生成边缘图像，将生成的边缘图像作为检测区域R，通过边缘图像中像素点的灰度密度判断车辆是否存在：检测区域R内满足阈值条件的像素点集合M为：

M＝{(x,y)∈R|E(x,y)≥Gt}

其中E(x,y)为边缘灰度图像中像素点(x,y)的灰度值，Gt为设定的灰度阈值；

检测区域R中的边缘灰度密度de(R)为：

其中S(M)是集合M中像素的个数，S(R)是检测区域R中所有像素的个数；

检测区域R内车辆是否存在的判断准则为：

其中Vp(R)表示车辆是否存在，De为边缘灰度密度阈值。

3.根据权利要求1或2所述的一种基于视频技术的公路隧道停车检测方法，其特征在于：所述步骤二中，检测车辆是否运动的方法如下：采用相邻三帧差法提取出图像中目标车辆的边缘和运动信息生成帧差图像，将生成的帧差图像设为检测区域R，通过帧差图像中像素点的灰度密度判断目标车辆是否运动：检测区域R内满足阈值条件的像素点的集合N为：

N＝{(x,y)∈R||Ft(x,y)‑Ft‑1(x,y)|≥Gt∨|Ft‑1(x,y)‑Ft‑2(x,y)|≥Gt}其中(x,y)为帧差灰度图像中的像素点，Ft、Ft‑1和Ft‑2分别为相邻三帧灰度图像，Gt为设定的灰度阈值；

检测区域R中的帧差灰度密度df(R)为：

其中S(N)是集合N中像素的个数，S(R)是检测区域R中所有像素的个数；

检测区域R内车辆是否运动的判断准则为：

其中Vm(R)表示车辆是否运动，Df为帧差灰度密度阈值。

4.根据权利要求1所述的一种基于视频技术的公路隧道停车检测方法，其特征在于：计算一定时间段内隧道所有车辆的行驶轨迹在同等位置相邻离散点之间的平均欧氏距离，将用于判断车辆是否违章换道的阈值设定为平均欧式距离的b倍；所述同等位置是指具有相同纵坐标的离散点位置。

5.根据权利要求1所述的一种基于视频技术的公路隧道停车检测方法，其特征在于：所述步骤一中，选用镜头参数60MM的摄像头，拍摄的纵向和横向角度为：纵向角度α≥11°，横向角β≥67°。