專利名稱：一種基于視頻的違章車輛檢測方法及裝置的制作方法
技術領域：
本發(fā)明涉及視頻圖像處理技術領域，尤其涉及一種基于視頻的違章停車車輛檢測方法及裝置。
背景技術：
智能交通系統(tǒng)(Intelligent Transportation System, ITS)是未來交通系統(tǒng)的發(fā)展方向，它是將先進的信息技術、數(shù)據(jù)通訊傳輸技術、電子傳感技術、控制技術及計算機技術等有效地集成運用于整個地面交通管理系統(tǒng)而建立的一種在大范圍內(nèi)、全方位發(fā)揮作用的，實時、準確、高效的綜合交通運輸管理系統(tǒng)。智能交通系統(tǒng)可以有效地利用現(xiàn)有交通設施、減少交通負荷和環(huán)境污染、保證交通安全、提高運輸效率，因而，日益受到各國的重視。違章停車檢測就屬于智能交通系統(tǒng)的一個重要的組成部分。隨著社會經(jīng)濟的不斷發(fā)展，車輛的日益增多，有效的車輛管理方法已經(jīng)成為當前的一個有重要意義的課題。目前，國內(nèi)外大部分在對違章停車的車輛進行檢測時均采用人工監(jiān)控的方式，即在特定檢測區(qū)域內(nèi)，通過人工排查的方法定點收集違章信息。該方法極大的消耗了交通管制相關的人力、物力和財力等資源，而且只有相關的檢測人員到了現(xiàn)場，才能確實是否存在違章停車的車輛，從而影響對違章停車的車輛的檢測效率。

發(fā)明內(nèi)容
本發(fā)明實施例提供一種基于視頻的違章停車車輛檢測方法及裝置，用以解決現(xiàn)有的通過人工排查確定違章停車，從而導致的資源浪費及效率低下的問題。本發(fā)明提供了一種基于視頻的違章停車檢測方法，該檢測方法包括:獲取對待檢測區(qū)域進行檢測的視頻信息，根據(jù)該視頻信息判斷當前該待檢測區(qū)域是否存在運動前景；當該待檢測區(qū)域存在運動前景時，按照設定的時間間隔對獲取的待檢測區(qū)域的視頻信息進行識別，獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息；根據(jù)每個時間間隔獲取的車輛信息，及設定的停車時間閾值，將滿足該閾值的車輛信息作為違章停車的車輛信息。本發(fā)明提供了一種基于視頻的違章停車檢測裝置，該檢測裝置包括:檢測模塊，用于獲取對待檢測區(qū)域進行檢測的視頻信息，根據(jù)該視頻信息判斷當前該待檢測區(qū)域是否存在運動前景；識別模塊，用于當該待檢測區(qū)域存在運動前景時，按照設定的時間間隔對獲取的待檢測區(qū)域的視頻信息進行識別，獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息；輸出模塊，用于根據(jù)每個時間間隔獲取的車輛信息，及設定的停車時間閾值，將滿足該閾值的車輛信息作為違章停車的車輛信息。本發(fā)明實施例提供一種基于視頻的違章停車檢測方法及裝置，該方法通過獲取對待檢測區(qū)域進行檢測的視頻信息，根據(jù)該視頻信息判斷當前該待檢測區(qū)域是否存在運動前景；當該待檢測區(qū)域存在運動前景時，進行車輛識別獲取在該待檢測區(qū)域停放的車輛信息；并按照設定的時間間隔獲取對待檢測區(qū)域進行檢測的視頻信息，在該待檢測區(qū)域內(nèi)進行車牌識別獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息；根據(jù)每個時間間隔獲取的車輛信息，及設定的停車時間閾值，將滿足該閾值的車牌作為違章停車的車牌。本發(fā)明通過對待檢測區(qū)域進行背景建模，定期對待檢測區(qū)域內(nèi)車輛進行車牌識別從而確定車輛的駐留時間，并將駐留時間滿足停車閾值的車輛確定為違章停車的車輛，因此有效的解決了違章停車的自動檢測問題，減少了因人工排查造成的資源浪費，提高了違章車輛的檢測效率。


圖1為本發(fā)明實施例提供的一種基于視頻的違章停車檢測方法的過程示意圖；圖2為本發(fā)明實施例提供的一種基于視頻的違章停車檢測方法的詳細過程示意3為本發(fā)明實施例提供的一種基于視頻的違章停車檢測裝置的結構示意圖。
具體實施例方式為了使本發(fā)明所要解決的技術問題、技術方案及有益效果更加清楚、明白，以下結合附圖和實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明為了解決現(xiàn)有技術中由于通過人工排查確定違章停車，從而導致的資源浪費及檢測效率低的問題，提供了一種基于視頻的違章停車檢測方法及裝置，節(jié)省了資源，提高了檢測效率。下面結合說明書附圖，對本發(fā)明實施例進行詳細說明。圖1為本發(fā)明實施例提供的一種基于視頻的違章停車檢測方法的過程示意圖，該檢測方法包括以下幾個步驟:SlOl:獲取對待檢測區(qū)域進行檢測的視頻信息，根據(jù)該視頻信息判斷當前該待檢測區(qū)域是否存在運動前景。其中，所述根據(jù)該視頻信息判斷當前該待檢測區(qū)域是否存在運動前景包括:對獲取的所述視頻信息采用單高斯或者多高斯進行背景建模，檢測視頻信息中的
進旦冃月^ ；根據(jù)檢測到的視頻信息的背景，獲取每個視頻幀的運動前景；根據(jù)獲取的每個視頻幀中的運動前景，判斷當前待檢測區(qū)域是否存在運動前景。具體的，在待檢測區(qū)域內(nèi)安裝視頻監(jiān)控，通過視頻監(jiān)控獲取該檢測區(qū)域的視頻信息，根據(jù)該獲取的所述視頻信息，采用單高斯或者多高斯進行背景建模，檢測視頻信息中的背景，當待檢測區(qū)域內(nèi)出現(xiàn)運動前景時，獲取每個視頻幀的視頻信息，根據(jù)獲取的每個視頻幀中的視頻信息及視頻信息的背景，判斷當前待檢測區(qū)域是否存在運動前景。S102:當該待檢測區(qū)域存在運動前景時，進行車輛識別獲取在該待檢測區(qū)域停放的車輛信息。當確定視頻監(jiān)控設備獲取的視頻幀中存在運動前景時，判斷該視頻幀中存在的運動前景是否為車輛，當確定 該視頻幀中存在運動前景為車輛時，對該視頻幀中的車輛進行車牌識別并跟蹤。具體的，在發(fā)明實施例中識別的該車輛的信息包括車輛的車牌信息等。S103:按照設定的時間間隔獲取對待檢測區(qū)域進行檢測的視頻信息，在該待檢測區(qū)域內(nèi)進行車牌識別，獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息。當確定視頻監(jiān)控設備獲取的視頻幀中存在的運動前景為車輛時，根據(jù)當前視頻幀中的該待測區(qū)域內(nèi)停放的車輛，通過視頻識別獲取所述車輛車牌所在的位置，對所述車輛的車牌字符進行匹配識別，確定所述車輛的車牌信息。視頻監(jiān)控設備根據(jù)自身的配置信息或者設定時間間隔定期采集該待檢測區(qū)域內(nèi)的視頻信息，并將采集到的視頻信息中的每個車輛進行車牌識別，將每個進行車牌識別后的車輛確定為跟蹤車輛，并記錄該待檢測區(qū)域內(nèi)每個跟蹤車輛的起始時刻。S104:根據(jù)每個時間間隔獲取的車輛的信息，及設定的停車時間閾值，將滿足該閾值的車輛的信息作為違章停車的車輛的信息。具體的，根據(jù)視頻監(jiān)控設備采集的該待檢測區(qū)域內(nèi)的停放車輛的視頻信息，確定所述車輛的停放的起始時刻，并通過定期采集的后續(xù)所述車輛的視頻信息，計算所述車輛在該待測區(qū)域的駐留時間，當所述車輛在該待測區(qū)域內(nèi)的駐留時間超過設定的時間閾值時，確定所述車輛在該待檢測區(qū)域內(nèi)屬于違章停車，根據(jù)上述視頻信息中所述車輛的車牌信息輸出違章停車的車牌。其中，設定的時間閾值可以統(tǒng)一設定，也可以根據(jù)待檢測區(qū)域分別進行設定。在本發(fā)明中當車輛進入到待檢測區(qū)域時，視頻設備采集該待檢測區(qū)域內(nèi)車輛的視頻信息，根據(jù)該視頻信息確定每個車輛進入該待檢測區(qū)域的起始時刻，根據(jù)對定期采集的該待檢測區(qū)域內(nèi)的車輛視頻信息的車牌識別，確定該待檢測區(qū)域內(nèi)每個車輛的駐留時間，通過將每個車輛在該待檢測區(qū)域內(nèi)的駐留時間與設定的停車時間閾值進行比較，可以自動判定該待檢測區(qū)域內(nèi)的車輛是否屬于違章停車，從而避免了因為人工排查而造成的資源浪費，提高了檢測效率。另外，本發(fā)明為了提高車輛信息的識別精度，所述進行車輛識別獲取在該待檢測區(qū)域停放的車輛信息，方法包括:針對當前視頻幀，采用邊緣檢測算法，確定該視頻幀中車牌所在的區(qū)域；對該視頻幀中車牌所在的區(qū)域進行二值化處理；利用二值化后的該車牌所在的區(qū)域的垂直方向的投影，確定車牌對應的字符序列；采用模板匹配方法，對該字符序列進行匹配識別，確定待檢測區(qū)域內(nèi)停放車輛的車牌信息。具體的，視頻監(jiān)控設備采集進入待檢測區(qū)域內(nèi)的車輛視頻信息，根據(jù)采集到該視頻信息進行車牌定位，利用邊緣檢測算法對該采集到的當前視頻幀進行垂直方向的邊緣檢測，根據(jù)設定的閾值對該視頻幀進行二值化處理，針對該二值化處理后的視頻幀進行腐蝕膨脹，然后搜索連通區(qū)域，去除寬度及高度與寬高比不符合條件的車牌區(qū)域，利用二值化后的該車牌所在的區(qū)域的垂直方向的投影，進行字符分割；通過模板匹配方法，對該字符序列進行匹配識別，從而確定待檢測區(qū)域內(nèi)停放車輛的車牌信息。另外，為了進一步提高車牌的識別精度，所述對視頻幀中車輛所在的區(qū)域進行二值化處理之前，所述方法還包括:
利用邊緣信息，在車牌所在的區(qū)域進行垂直矯正和水平矯正，去除車牌所在區(qū)域的上、下邊界。在本發(fā)明中為了保證字符識別的精度，去除字符斷裂和粘連等干擾，利用二值化后的車牌所在的區(qū)域的垂直方向的投影，確定車牌對應的字符序列包括:根據(jù)二值化后的車牌所在區(qū)域的垂直方向的投影，確定該投影的最大值和最小值；根據(jù)該最大值和最小值,確定字符所在的區(qū)域；在該字符所在區(qū)域進行分割，確定車牌對應的字符序列。具體的，對視頻幀中車輛所在的區(qū)域進行二值化處理之后，根據(jù)所述二值化后的車牌所在的區(qū)域的垂直方向的投影，通過尋找波峰波谷確定該投影的最大值和最小值，根據(jù)該投影的最大值和最小值得到字符所在的區(qū)域，然后對該字符所在的區(qū)域進行斷裂合并，粘連強分割等處理，并確定車牌對應的字符序列，根據(jù)標準車牌的字符之間的關系，選取正確的字符分割序列作為最后的分割結果。圖2為本發(fā)明實施例提供的一種基于視頻的違章停車檢測方法的詳細過程示意圖，該檢測方法包括以下幾個步驟:S201:視頻監(jiān)控設備采集待檢測區(qū)域的視頻信息，對獲取的所述視頻信息采用單高斯或者多高斯進行背景建模，檢測視頻信息中的背景。S202:根據(jù)檢測到的視頻信息的背景，獲取每個視頻幀的運動前景。S203:根據(jù)獲取的每個視頻幀中的運動前景，判斷當前待檢測區(qū)域是否存在運動前景，當判定結果為是時，進行步驟S204，否則，進行步驟S202。具體的，在不允許停車的待檢測區(qū)域安裝視頻監(jiān)控，視頻監(jiān)控設備采集該區(qū)域內(nèi)的視頻信息，通過該采集的區(qū)域內(nèi)的視頻信息的背景，采用高斯進行背景建模，然后根據(jù)該待檢測區(qū)域內(nèi)視頻信息的背景建模，獲取每個視頻幀的運動前景，根據(jù)獲取的每個視頻幀中的運動前景，判斷在該視頻幀中是否存在運動前景。S204:當該待檢測區(qū)域存在運動前景時，根據(jù)車輛信息識別判斷在該待檢測區(qū)域存在的運動前景是否為車輛，當判定結果為是時，進行步驟S205，否則，進行步驟S202。為了確定視頻跟蹤對象，當視頻幀中存在運動前景時，通過車輛識別技術判斷該視頻巾貞中存在的運動前景是否為車輛，當確定該視頻巾貞中存在的運動前景為車輛時，進行后續(xù)的車牌識別程序，否則，確定該視頻幀中存在的運動前景不是視頻跟蹤的對象，忽略該運動前景。S205:針對當前視頻幀，采用邊緣檢測算法確定該視頻幀中車牌所在的區(qū)域，利用邊緣信息，在車牌所在的區(qū)域進行垂直矯正和水平矯正，去除車牌所在區(qū)域的上、下邊界。S206:對該視頻幀中車牌所在的區(qū)域進行二值化處理，確定車牌對應的字符序列，采用模板匹配方法，對該字符序列進行匹配識別，確定待檢測區(qū)域內(nèi)停放車輛的車牌信息。S207:根據(jù)每個時間間隔獲取的車牌信息，確定該車牌在該待檢測區(qū)域內(nèi)的駐留時間，判斷該車牌的駐留時間是否大于設定的閾值，當判定結果為是時，進行步驟S208，否貝U，進行步驟S202。S208:當確定該車牌的駐留時間大于設定的閾值時，則該車牌為違章停車的車牌。當視頻信息中某一視頻幀中，在待檢測區(qū)域內(nèi)出現(xiàn)車輛時，通過車牌定位確定該車輛車牌所在的位置，然后通過車牌預處理、字符分割和字符識別確定該車輛的車牌信息，將該車輛的車牌信息確定為跟蹤車輛的車牌信息，并將該視頻幀的時刻作為該檢測區(qū)域內(nèi)該跟蹤車輛的起始時刻。每隔一定數(shù)量的視頻幀，或者所間隔一定的時間間隔，在該待檢測區(qū)域內(nèi)進行一次車輛的車牌識別，并與上一幀的車輛識別結果進行比較，當當前幀識別的車牌信息與上一時刻的車牌信息匹配時，根據(jù)該當前時刻及跟蹤該車輛的起始時刻，確定該車輛的停放時間，根據(jù)該停放時間及設置的停車時間閾值，判斷該停放時間是否超出該停車時間閾值，當該停放時間超出停車時間閾值時，確定該車輛為違章停車的車輛，輸出該車輛的信息，并停止對車輛的跟蹤，當停放時間未超出停車時間閾值時，確定該車輛未違章繼續(xù)對該車牌進行檢測。當當前幀識別的車輛信息與上一時刻的車輛信息不匹配時，將當前幀識別的與上一時刻的車牌信息不匹配的車牌信息(即新出現(xiàn)車輛的車牌信息)作為一個新的跟蹤車輛的車牌信息，從而實現(xiàn)對該待檢測區(qū)域內(nèi)的每個車輛的車牌信息進行跟蹤，將該當前幀的時刻作為該檢測區(qū)域內(nèi)該跟蹤車輛的起始時間。另外，針對上一個時刻保存的每個車輛的信息，確定上一個時刻保存的車輛的信息是否被匹配成功，當匹配失敗時，認為該車輛在該時間間隔內(nèi)已經(jīng)離開該監(jiān)控區(qū)域，停止對該車輛的跟蹤，并刪除該車輛的信息。在本發(fā)明中視頻設備將采集到的待檢測區(qū)域內(nèi)的視頻信息，根據(jù)背景建模確定當前視頻幀中的運動前景，通過車輛識別技術確定進入該待檢測區(qū)域內(nèi)的車輛，通過邊緣算法、車牌預處理、二值化處理及字符分割精確進行車牌識別，從而實現(xiàn)對每個進入該待檢測區(qū)域內(nèi)的車輛進行跟蹤，通過將每個車輛在該待檢測區(qū)域內(nèi)的駐留時間與設定的停車時間閾值進行比較，準確判定該車輛是否屬于違章停車，從而提高了違章停車的檢測效率。圖3為本發(fā)明提供的一種基于視頻的違章停車檢測裝置的結構示意圖，該檢測裝置包括:檢測模塊31，用于獲取對待檢測區(qū)域進行檢測的視頻信息，根據(jù)該視頻信息判斷當前該待檢測區(qū)域是否存在運動前景；識別模塊32，用于當該待檢測區(qū)域存在運動前景時，按照設定的時間間隔對獲取的該待檢測區(qū)域的視頻信息進行識別，獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息；輸出模塊33，用于根據(jù)每個時間間隔獲取的車輛信息，及設定的停車時間閾值，將滿足該閾值的車輛的信息作為違章停車的車輛的信息。所述檢測模塊31，具體用于對獲取的所述視頻信息采用單高斯或者多高斯進行背景建模，檢測視頻信息中的背景；根據(jù)檢測到的視頻信息的背景，獲取每個視頻幀的運動前景；根據(jù)獲取的每個視頻幀中的運動前景，判斷當前待檢測區(qū)域是否存在運動前景。所述識別模塊32，具體用于針對當前視頻幀，采用邊緣檢測算法，確定該視頻幀中車牌所在的區(qū)域；對該視頻幀中車牌所在的區(qū)域進行二值化處理；利用二值化后的該車牌所在的區(qū)域的垂直方向的投影，確定車牌對應的字符序列；采用模板匹配方法，對該字符序列進行匹配識別，確定待檢測區(qū)域內(nèi)停放車輛的車牌信息。所述裝置還包括:預處理模塊34，用于利用邊緣信息，在車牌所在的區(qū)域進行垂直矯正和水平矯正，去除車牌所在區(qū)域的上、下邊界。
所述識別模塊32，具體用于根據(jù)二值化后的車牌所在區(qū)域的垂直方向的投影，確定該投影的最大值和最小值；根據(jù)該最大值和最小值，確定字符所在的區(qū)域；在該字符所在區(qū)域進行分割，確定車牌對應的字符序列。本發(fā)明實施例提供一種基于視頻的違章停車檢測方法及裝置，該方法通過獲取對待檢測區(qū)域進行檢測的視頻信息，根據(jù)該視頻信息判斷當前該待檢測區(qū)域是否存在運動前景；當該待檢測區(qū)域存在運動前景時，進行車輛識別獲取在該待檢測區(qū)域停放的車輛信息；按照設定的時間間隔獲取對待檢測區(qū)域進行檢測的視頻信息，在該待檢測區(qū)域內(nèi)進行車牌識別獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息；根據(jù)每個時間間隔獲取的車輛信息，及設定的停車時間閾值，將滿足該閾值的車牌作為違章停車的車牌。本發(fā)明通過對待檢測區(qū)域進行背景建模，定期對待檢測區(qū)域內(nèi)車輛進行車牌識別從而確定車輛的駐留時間，并將駐留時間滿足停車閾值的車輛確定為違章停車，因此有效的解決了違章停車的自動檢測問題，減少了因人工排查造成的資源浪費，提高了違章車輛的檢測效率。顯然，本領域的技術人員可以對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權利要求及其等同技術的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。
權利要求
1.一種基于視頻的違章停車檢測方法，其特征在于，所述檢測方法包括: 獲取對待檢測區(qū)域進行檢測的視頻信息，根據(jù)該視頻信息判斷當前該待檢測區(qū)域是否存在運動前景； 當該待檢測區(qū)域存在運動前景時，按照設定的時間間隔對獲取的該待檢測區(qū)域的視頻信息進行識別，獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息； 根據(jù)每個時間間隔獲取的車輛信息，及設定的停車時間閾值，將滿足該閾值的車輛的信息作為違章停車的車輛的信息。
2.按權利要求1所述的檢測方法，其特征在于，所述根據(jù)該視頻信息判斷當前該待檢測區(qū)域是否存在運動前景包括: 對獲取的所述視頻信息采用單高斯或者多高斯進行背景建模，檢測視頻信息中的背旦牙、； 根據(jù)檢測到的視頻信息的背景，獲取每個視頻幀的運動前景； 根據(jù)獲取的每個視頻幀中的運動前景，判斷當前待檢測區(qū)域是否存在運動前景。
3.按權利要求1所述的檢測方法，其特征在于，所述獲取在該待檢測區(qū)域停放的車輛信息包括: 針對當前視頻幀，采用邊緣檢測算法，確定該視頻幀中車牌所在的區(qū)域； 對該視頻幀中車牌所在的區(qū)域進行二值化處理； 利用二值化后的該車牌所在的區(qū)域的垂直方向的投影，確定車牌對應的字符序列； 采用模板匹配方法，對該字符序列進行匹配識別，確定待檢測區(qū)域內(nèi)停放車輛的車牌信息。
4.按權利要求3所述的檢測方法，其特征在于，所述對視頻幀中車輛所在的區(qū)域進行二值化處理之前，所述方法還包括: 利用邊緣信息，在車牌所在的區(qū)域進行垂直矯正和水平矯正，去除車牌所在區(qū)域的上、下邊界。
5.按權利要求3所述的檢測方法，其特征在于，利用二值化后的車牌所在的區(qū)域的垂直方向的投影，確定車牌對應的字符序列包括: 根據(jù)二值化后的車牌所在區(qū)域的垂直方向的投影，確定該投影的最大值和最小值； 根據(jù)該最大值和最小值，確定字符所在的區(qū)域； 在該字符所在區(qū)域進行分割，確定車牌對應的字符序列。
6.一種基于視頻的違章停車檢測裝置，其特征在于，所述檢測裝置包括: 檢測模塊，用于獲取對待檢測區(qū)域進行檢測的視頻信息，根據(jù)該視頻信息判斷當前該待檢測區(qū)域是否存在運動前景； 識別模塊，用于當該待檢測區(qū)域存在運動前景時，按照設定的時間間隔對獲取的該待檢測區(qū)域的視頻信息進行識別，獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息； 輸出模塊，用于根據(jù)每個時間間隔獲取的車輛信息，及設定的停車時間閾值，將滿足該閾值的車輛的信息作為違章停車的車輛的信息。
7.按權利要求6所述的檢測裝置，其特征在于，所述檢測模塊，具體用于對獲取的所述視頻信息采用單高斯或者多高斯進行背景建模，檢測視頻信息中的背景；根據(jù)檢測到的視頻信息的背景，獲取每個視頻幀的運動前景；根據(jù)獲取的每個視頻幀中的運動前景，判斷當前待檢測區(qū)域是否存在運動前景。
8.按權利要求6所述的檢測裝置，其特征在于，所述識別模塊，具體用于針對當前視頻幀，采用邊緣檢測算法，確定該視頻幀中車牌所在的區(qū)域；對該視頻幀中車牌所在的區(qū)域進行二值化處理；利用二值化后的該車牌所在的區(qū)域的垂直方向的投影，確定車牌對應的字符序列；采用模板匹配方法，對該字符序列進行匹配識別，確定待檢測區(qū)域內(nèi)停放車輛的車牌信息。
9.按權利要求7所述的檢測裝置，其特征在于，所述裝置還包括: 預處理模塊，用于利用邊緣信息，在車牌所在的區(qū)域進行垂直矯正和水平矯正，去除車牌所在區(qū)域的上、下邊界。
10.按權利要求7所述的檢測裝置，其特征在于，所述識別模塊，具體用于根據(jù)二值化后的車牌所在區(qū)域的垂直方向的投影，確定該投影的最大值和最小值；根據(jù)該最大值和最小值，確定字符所 在的區(qū)域；在該字符所在區(qū)域進行分割，確定車牌對應的字符序列。
全文摘要
本發(fā)明提供一種基于視頻的違章停車檢測方法及裝置，該方法通過獲取對待檢測區(qū)域進行檢測的視頻信息，根據(jù)該視頻信息判斷當前該待檢測區(qū)域是否存在運動前景；當該待檢測區(qū)域存在運動前景時，進行車輛識別獲取在該待檢測區(qū)域停放的車輛信息；按照設定的時間間隔獲取對待檢測區(qū)域進行檢測的視頻信息，在該待檢測區(qū)域內(nèi)進行車牌識別獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息；根據(jù)每個時間間隔獲取的車輛信息，及設定的停車時間閾值，將滿足該閾值的車牌作為違章停車的車牌。本發(fā)明通過定期對待檢測區(qū)域內(nèi)車輛進行車牌識別確定車輛的駐留時間，并將駐留時間滿足停車閾值的車輛確定為違章停車，減少了因人工排查造成的資源浪費，提高了檢測效率。
文檔編號G06K9/00GK103093194SQ201310004419
公開日2013年5月8日 申請日期2013年1月7日 優(yōu)先權日2013年1月7日
發(fā)明者王海峰, 劉忠軒 申請人:信幀電子技術(北京)有限公司