違規(guī)停車智能檢測(cè)裝置與方法
【專利摘要】違規(guī)停車智能檢測(cè)裝置與方法，利用視頻圖像獲取單元與背景建模單元建立檢測(cè)的主背景；然后通過前景檢測(cè)單元求取出前景信息；再通過檢測(cè)區(qū)域設(shè)置單元與前景篩選單元提取出禁止停車區(qū)域內(nèi)的車輛前景信息；之后通過數(shù)據(jù)存儲(chǔ)單元和匹配更新單元對(duì)車輛前景信息進(jìn)行實(shí)時(shí)更新；最后報(bào)警單元依據(jù)歷史前景匹配的次數(shù)以及質(zhì)心累加移動(dòng)的距離來判斷是否發(fā)生違規(guī)停車事件。本發(fā)明能夠?qū)z測(cè)區(qū)域進(jìn)行實(shí)時(shí)監(jiān)控，報(bào)警正確率高，誤報(bào)率低，抗干擾性強(qiáng)。
【專利說明】違規(guī)停車智能檢測(cè)裝置與方法
[0001]

【技術(shù)領(lǐng)域】
[0002]本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域，尤其是涉及應(yīng)用于視頻監(jiān)控領(lǐng)域的違規(guī)停車檢測(cè)。
[0003]

【背景技術(shù)】
[0004]隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，各個(gè)國家主要城市的汽車保有量急劇增加，與此同時(shí)交通事故也逐年隨之增加。而違規(guī)停車是引發(fā)交通事故最主要的事件之一。因此各個(gè)國家都通過相應(yīng)的法律法規(guī)明確規(guī)定，在特定地點(diǎn)、場所以及道路禁止停車。但是，我們發(fā)現(xiàn)這些法律法規(guī)的制定并未有效的減少違規(guī)停車事件的發(fā)生。因此急需一種快速有效的檢測(cè)違規(guī)停車事件的方法。
[0005]傳統(tǒng)的違規(guī)停車檢測(cè)，主要依靠交通管理部門通過人力定點(diǎn)進(jìn)行監(jiān)管。這種手段無法在違規(guī)停車事件發(fā)生的第一時(shí)間進(jìn)行相關(guān)處理，不僅效率低下而且消耗了大量的人力、物力和財(cái)力。
[0006]隨著計(jì)算機(jī)視覺和圖像處理技術(shù)的快速發(fā)展，越來越多的研宄人員開始著力研宄通過視頻分析的方法來檢測(cè)違規(guī)停車事件。但基于此項(xiàng)技術(shù)的裝置并沒有廣泛的應(yīng)用到我們的生活中來，其原因在于，目前很少有一款設(shè)備能夠同時(shí)滿足實(shí)時(shí)性、準(zhǔn)確性以及有效性的要求。
[0007]


【發(fā)明內(nèi)容】

[0008]針對(duì)以上問題，本發(fā)明的目的在于提出一種違規(guī)停車智能檢測(cè)裝置與方法。本發(fā)明能夠?qū)崟r(shí)檢測(cè)監(jiān)控區(qū)域內(nèi)是否有車輛違規(guī)停車，報(bào)警準(zhǔn)確率高，抗干擾性強(qiáng)。為了達(dá)到上述目的，本發(fā)明采用如下技術(shù)手段:
違規(guī)停車智能檢測(cè)裝置，包括如下單元:
視頻圖像獲取單元，通過普通攝像頭獲取監(jiān)控區(qū)域的視頻圖像數(shù)據(jù)；
背景建模單元，利用獲取的視頻圖像建立檢測(cè)的主背景；
前景檢測(cè)單元，通過當(dāng)前幀與主背景做比較提取監(jiān)控區(qū)域內(nèi)的前景信息；
檢測(cè)區(qū)域設(shè)置單元，根據(jù)監(jiān)控的實(shí)際情況設(shè)置所需的檢測(cè)區(qū)域；
前景篩選單元，用來篩選滿足設(shè)定條件的前景信息，排除不符合要求的虛假前景； 數(shù)據(jù)存儲(chǔ)單元，將篩選出的疑似前景的相關(guān)信息進(jìn)行存儲(chǔ)；
匹配更新單元，對(duì)存儲(chǔ)的歷史前景信息與當(dāng)前幀進(jìn)行匹配操作，并根據(jù)匹配結(jié)果對(duì)歷史前景信息進(jìn)行更新；
報(bào)警單元，通過判斷歷史前景的匹配次數(shù)以及質(zhì)心累加運(yùn)動(dòng)距離是否滿足設(shè)定閾值來決定是否發(fā)出報(bào)警信息。
[0009]本發(fā)明還提供了一種違規(guī)停車智能檢測(cè)的方法，其特征在于包括以下步驟:
第一步驟，獲取視頻圖像，通過攝像頭，獲取監(jiān)控區(qū)域場所的視頻圖像數(shù)據(jù)；
第二步驟，建立背景模型，通過獲取的視頻圖像，建立檢測(cè)的主背景；
第三步驟，提取前景信息，通過將當(dāng)前幀圖像與背景模型做對(duì)比，求取出前景信息；
第四步驟，設(shè)置檢測(cè)區(qū)域，在圖像中設(shè)定所需要檢測(cè)的區(qū)域；
第五步驟，篩選有效前景，通過設(shè)定相關(guān)參數(shù)，篩選出疑似車輛前景信息；
第六步驟，存儲(chǔ)有效前景信息，將篩選出的車輛前景相關(guān)數(shù)據(jù)進(jìn)行存儲(chǔ)；
第七步驟，匹配及更新數(shù)據(jù)，將存儲(chǔ)的歷史前景與當(dāng)前幀前景進(jìn)行匹配操作，并對(duì)歷史前景相關(guān)數(shù)據(jù)進(jìn)行更新；
第八步驟，判斷報(bào)警，通過判斷歷史前景的匹配次數(shù)以及質(zhì)心累加運(yùn)動(dòng)距離是否滿足設(shè)定閾值來決定是否發(fā)出報(bào)警信息。
[0010]

【專利附圖】

【附圖說明】
[0011]本發(fā)明共有附圖四張:
圖1示出了按照本發(fā)明的違規(guī)停車智能檢測(cè)裝置的示意框圖；
圖2示出了按照本發(fā)明的違規(guī)停車智能檢測(cè)裝置的前景檢測(cè)單元的示意框圖；
圖3示出了按照本發(fā)明的違規(guī)停車智能檢測(cè)方法的流程框圖；
圖4示出了按照本發(fā)明的違規(guī)停車智能檢測(cè)方法的第三步驟的流程圖。
[0012]

【具體實(shí)施方式】
[0013]下面參照附圖并結(jié)合具體實(shí)例來對(duì)本發(fā)明進(jìn)行詳細(xì)說明。應(yīng)指出的是，所描述的實(shí)例僅是為了便于對(duì)本發(fā)明的理解，并不因此而限定本發(fā)明的保護(hù)范圍。
[0014]圖1示出了按照本發(fā)明的違規(guī)停車智能檢測(cè)裝置的示意框圖。以下所述裝置各單元都可單獨(dú)通過微處理器來實(shí)現(xiàn)，但為節(jié)約成本也可以利用一個(gè)具有高性能CPU的處理器來實(shí)現(xiàn)。如圖1所示，按照本發(fā)明的違規(guī)停車智能檢測(cè)裝置包括:
第一部分，視頻圖像獲取單元101，通過攝像頭獲取監(jiān)控區(qū)域的視頻圖像數(shù)據(jù)。
[0015]第二部分，背景建模單元102，利用視頻圖像獲取單元101獲取的視頻圖像建立檢測(cè)主背景模型。
[0016]第三部分，前景檢測(cè)單元103，利用背景建模單元102建立的主背景與當(dāng)前幀做差，求取出當(dāng)前幀的前景信息，具體組成如圖2所示:
零散前景點(diǎn)求取單元201，通過將當(dāng)前幀圖像與背景做差，求得當(dāng)前幀圖像上的零散前景點(diǎn)信息；區(qū)域連接單元202，將單元201求得的零散前景點(diǎn)中相互毗鄰的點(diǎn)進(jìn)行區(qū)域連接；參數(shù)計(jì)算單元203，計(jì)算單元202連接的各個(gè)區(qū)域的參數(shù)信息，包括:面積、周長、寬高比、平均灰度、填充率、質(zhì)心位置。
[0017]第四部分，檢測(cè)區(qū)域設(shè)置單元104，通過視頻圖像獲取單元101獲取的圖像信息，設(shè)置需要檢測(cè)的區(qū)域，即該區(qū)域內(nèi)為禁止停車區(qū)域。
[0018]第五部分，前景篩選單元105，通過對(duì)前景檢測(cè)單元103求取出的前景參數(shù)，如面積、寬高比、填充率的大小進(jìn)行限定，篩選出車輛前景，排除行人、非機(jī)動(dòng)車等前景。
[0019]第六部分，數(shù)據(jù)存儲(chǔ)單元106，將前景篩選單元105保留下的車輛前景信息進(jìn)行存儲(chǔ)。
[0020]第七部分，匹配更新單元107，將數(shù)據(jù)存儲(chǔ)單元106存儲(chǔ)的歷史前景與當(dāng)前幀前景進(jìn)行匹配操作，通過比較二者的面積、寬高比、填充率以及質(zhì)心的位置來確定二者是否匹配；若匹配則將歷史前景信息用與之匹配的當(dāng)前幀前景信息進(jìn)行更新。
[0021]第八部分，報(bào)警單元108，依據(jù)各歷史前景的匹配次數(shù)與設(shè)定的時(shí)間閾值進(jìn)行比較，從而判斷是否發(fā)生違規(guī)停車事件。
[0022]根據(jù)本發(fā)明的另一個(gè)方面，提出了一種違規(guī)停車智能檢測(cè)的方法，本發(fā)明利用計(jì)算機(jī)視覺的方法，來檢測(cè)監(jiān)區(qū)域內(nèi)是否有車輛違規(guī)停車。實(shí)施實(shí)例采用的352X 288像素大小的YUV彩色圖像。另外，由于實(shí)際場景的不同，下述中的閾值會(huì)有所不同，最佳的閾值需根據(jù)實(shí)際測(cè)試之后才能確定。如圖3所示，本發(fā)明整體流程分為八個(gè)步驟:
步驟301，視頻圖像獲取，通過攝像頭獲取監(jiān)控區(qū)域內(nèi)的視頻圖像。
[0023]步驟302，建立背景模型，利用步驟301獲取的圖像序列，建立檢測(cè)主背景。在本實(shí)例中所采用的是基于混合高斯模型的背景建模方法。
[0024]步驟303，提取前景信息，利用步驟302建立的檢測(cè)主背景與當(dāng)前幀圖像做差，提取出當(dāng)前幀的前景信息，具體流程如圖4所示:
步驟401通過當(dāng)前幀圖像與背景模型做差，求出零散的前景點(diǎn)；步驟402將當(dāng)前幀圖像上相互毗鄰的零散前景點(diǎn)進(jìn)行連接；步驟403計(jì)算步驟402連接區(qū)域的相關(guān)參數(shù)，包括:面積、周長、寬高比、平均灰度、填充率、質(zhì)心位置。
[0025]步驟304，設(shè)置檢測(cè)區(qū)域，根據(jù)實(shí)際情況設(shè)置需要檢測(cè)的區(qū)域，即選取的該區(qū)域內(nèi)禁止停車。通過步驟301獲取的圖像信息，依據(jù)圖像所呈現(xiàn)的實(shí)際情況，設(shè)定禁停區(qū)域。
[0026]步驟305，篩選有效前景，通過步驟303求取的前景參數(shù)與設(shè)定的閾值進(jìn)行比較，篩選出車輛前景；
車輛在圖像中其面積、寬高比和填充率都在一定范圍內(nèi)變化，通過設(shè)置恰當(dāng)?shù)拈撝的軌蛴行懦菣C(jī)動(dòng)車輛的前景；此外還要排除質(zhì)心不在步驟304設(shè)置區(qū)域內(nèi)的前景。
[0027]步驟306，存儲(chǔ)有效前景信息，將步驟305保存下來的前景信息進(jìn)行存儲(chǔ)，作為后續(xù)操作的歷史數(shù)據(jù)。
[0028]步驟307，匹配及更新數(shù)據(jù)，將步驟306存儲(chǔ)的歷史前景與當(dāng)前幀前景進(jìn)行匹配，并依據(jù)匹配結(jié)果進(jìn)行相應(yīng)的更新操作。
[0029]匹配的參數(shù)包括面積、寬高比、填充率、平均灰度信息，若當(dāng)前幀前景與其對(duì)應(yīng)的歷史幀前景在上述參數(shù)方面相差在閾值范圍內(nèi)，則認(rèn)為二者匹配，將歷史前景用當(dāng)前幀前景數(shù)據(jù)進(jìn)行更新。當(dāng)步驟304設(shè)置的區(qū)域內(nèi)車輛前景面積達(dá)到設(shè)定閾值Tl且匹配次數(shù)超過設(shè)定閾值T2，說明車輛進(jìn)入到停車階段，此時(shí)開始計(jì)算質(zhì)心移動(dòng)距離，包括水平移動(dòng)距離與垂直移動(dòng)距離。其中Tl取值與實(shí)際攝像頭架設(shè)高度及角度有關(guān)，本實(shí)施實(shí)例攝像頭架設(shè)高度約為6米，Tl取值范圍在5000~10000 ；T2取值范圍在Τ2>2。
[0030]步驟308，判斷報(bào)警，根據(jù)歷史前景的匹配次數(shù)以及質(zhì)心的累加運(yùn)動(dòng)是否超過閾值來判斷是否發(fā)生違規(guī)停車。
[0031]判定車輛發(fā)生違規(guī)停車行為需滿足兩個(gè)條件，一是歷史前景匹配次數(shù)達(dá)到設(shè)定閾值T3 ;二是車輛前景質(zhì)心水平移動(dòng)距離與垂直移動(dòng)距離在設(shè)定閾值Τ4內(nèi)。其中，Τ3取值范圍在5~10 ；Τ4取值范圍在Τ4〈15。
[0032]以上所述，僅為本發(fā)明中的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉該技術(shù)的研宄人員在本發(fā)明所揭露的技術(shù)范圍內(nèi)，根據(jù)實(shí)際情況做出的多種改變，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書的保護(hù)范圍為準(zhǔn)。
【權(quán)利要求】
1.違規(guī)停車智能檢測(cè)裝置與方法，其特征在于，該裝置包括: 第一部分，視頻圖像獲取單元，通過普通攝像頭獲取監(jiān)控區(qū)域的視頻圖像數(shù)據(jù)； 第二部分，背景建模單元，利用獲取的視頻圖像建立檢測(cè)的主背景； 第三部分，前景檢測(cè)單元，通過當(dāng)前幀與主背景做比較提取監(jiān)控區(qū)域內(nèi)的前景信息； 第四部分，檢測(cè)區(qū)域設(shè)置單元，根據(jù)監(jiān)控的實(shí)際情況設(shè)置所需的檢測(cè)區(qū)域； 第五部分，前景篩選單元，用來篩選滿足設(shè)定條件的前景信息，排除不符合要求的虛假前景； 第六部分，數(shù)據(jù)存儲(chǔ)單元，將篩選出的疑似前景的相關(guān)信息進(jìn)行存儲(chǔ)； 第七部分，匹配更新單元，對(duì)存儲(chǔ)的歷史前景信息與當(dāng)前幀進(jìn)行匹配操作，并根據(jù)匹配結(jié)果對(duì)歷史前景信息進(jìn)行更新 第八部分，報(bào)警單元，通過判斷歷史前景的匹配次數(shù)以及質(zhì)心累加運(yùn)動(dòng)距離是否滿足設(shè)定閾值來決定是否發(fā)出報(bào)警信息。
2.按照權(quán)利要求1所述的裝置，其特征在于，前景檢測(cè)單元包括: 零散前景點(diǎn)求取單元，通過將當(dāng)前幀圖像與背景做差，求得當(dāng)前幀圖像上的零散前景點(diǎn)信息；區(qū)域連接單元，將零散前景點(diǎn)求取單元求得的零散前景點(diǎn)中相互毗鄰的點(diǎn)進(jìn)行區(qū)域連接；參數(shù)計(jì)算單元，計(jì)算區(qū)域連接單元連接的各個(gè)區(qū)域的參數(shù)信息，包括:面積、周長、寬高比、平均灰度、填充率、質(zhì)心位置。
3.違規(guī)停車智能檢測(cè)裝置與方法，其特征在于，該方法步驟包括: 第一步驟，獲取視頻圖像，通過攝像頭，獲取監(jiān)控區(qū)域場所的視頻圖像數(shù)據(jù)； 第二步驟，建立背景模型，通過獲取的視頻圖像，建立檢測(cè)的主背景； 第三步驟，提取前景信息，通過將當(dāng)前幀圖像與背景模型做對(duì)比，求取出前景信息； 第四步驟，設(shè)置檢測(cè)區(qū)域，在圖像中設(shè)定所需要檢測(cè)的區(qū)域； 第五步驟，篩選有效前景，通過設(shè)定相關(guān)參數(shù)，篩選出疑似車輛前景信息； 第六步驟，存儲(chǔ)有效前景信息，將篩選出的車輛前景相關(guān)數(shù)據(jù)進(jìn)行存儲(chǔ)； 第七步驟，匹配及更新數(shù)據(jù)，將存儲(chǔ)的歷史前景與當(dāng)前幀前景進(jìn)行匹配操作，并對(duì)歷史前景相關(guān)數(shù)據(jù)進(jìn)行更新； 第八步驟，判斷報(bào)警，通過判斷歷史前景的匹配次數(shù)以及質(zhì)心累加運(yùn)動(dòng)距離是否滿足設(shè)定閾值來決定是否發(fā)出報(bào)警信息。
4.按照權(quán)利要求3所述的方法，其特征在于，第三步驟包括: a)通過當(dāng)前幀圖像與背景模型做差，求出零散的前景點(diǎn)；b)將當(dāng)前幀圖像上相互毗鄰的零散前景點(diǎn)進(jìn)行連接；c)計(jì)算連接區(qū)域的相關(guān)參數(shù)，包括:面積、周長、寬高比、平均灰度、填充率、質(zhì)心位置。
5.按照權(quán)利要求3所述的方法，其特征在于，第七步驟匹配條件包括:面積、寬高比、填充率和平均灰度信息。
6.按照權(quán)利要求3所述的方法，其特征在于，第八步驟判斷報(bào)警條件包括: 歷史前景的匹配次數(shù)；車輛前景質(zhì)心水平移動(dòng)距離與垂直移動(dòng)距離。
【文檔編號(hào)】G06T7/60GK104463913SQ201410820728
【公開日】2015年3月25日 申請(qǐng)日期:2014年12月25日 優(yōu)先權(quán)日:2014年12月25日
【發(fā)明者】張德馨 申請(qǐng)人:天津艾思科爾科技有限公司