專利名稱：一種基于視頻監(jiān)控的違章停車檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理領(lǐng)域，特別是一種基于視頻監(jiān)控的違章停車檢測方法。
背景技術(shù)：
隨著社會的進(jìn)步與發(fā)展，城市的汽車保有量日益增多，與此同時也帶來了很多問題。違章停車作為亟待解決的問題之一，已經(jīng)引起了交通管理部門的重視。傳統(tǒng)的違章停車檢測主要是通過交警定點實施人工監(jiān)管，效率低，無法實現(xiàn)實時監(jiān)控，極大地浪費了相關(guān)部門的人力和財力。近年來，基于視頻監(jiān)控的違章停車檢測方法受到了越來越多學(xué)者和相關(guān)部門的重視，這種方法具有準(zhǔn)確率高，實時性好，成本低，容易收集證據(jù)等優(yōu)點。目前，基于視頻監(jiān)控的違章停車檢測方法一般是基于混合高斯模型算法或利用差分法實現(xiàn)對待監(jiān)控目標(biāo)的提取的，由于其沒有對行人或其它非機(jī)動車輛等目標(biāo)進(jìn)行濾除， 在很大程度上導(dǎo)致誤報率的增加。另外，現(xiàn)有的方法沒有對處于違停區(qū)域的車輛類型做出細(xì)致的分類，必然影響監(jiān)控的有效性。

發(fā)明內(nèi)容
本發(fā)明針對目前的基于視頻監(jiān)控的違章停車檢測方法存在的上述問題，而提出了一種基于視頻監(jiān)控的違章停車檢測方法。本發(fā)明采用的技術(shù)手段如下一種基于視頻監(jiān)控的違章停車檢測方法，其特征在于包括步驟1 利用碼本模型對相機(jī)拍攝的視頻序列進(jìn)行背景建模，采用背景減除法得到前景似然信息圖像；步驟2 濾除前景似然信息圖像中其它運動目標(biāo)對待監(jiān)控車輛的干擾；步驟3 利用違章停車判決算法對前景似然信息圖像中的待監(jiān)控車輛進(jìn)行智能判決，當(dāng)待監(jiān)控車輛出現(xiàn)違?，F(xiàn)象時發(fā)出報警。本發(fā)明的基于視頻監(jiān)控的違章停車檢測方法有效克服了傳統(tǒng)人工檢測違章停車的缺點，能夠?qū)ΡO(jiān)控場景進(jìn)行實時監(jiān)控，發(fā)現(xiàn)違停車輛及時報警。該方法相對于現(xiàn)有的基于視頻監(jiān)控的違章停車檢測方法，濾除了可能對待監(jiān)控車輛存在影響的其它類型運動目標(biāo)， 提高了報警的準(zhǔn)確性，且該方法具有實時性好，魯棒性強(qiáng)，準(zhǔn)確率高等特點，為城市交通的智能化管理提供了有效的技術(shù)手段。


圖1為本發(fā)明的基于視頻監(jiān)控的違章停車檢測方法的流程圖。圖2A為現(xiàn)有采用混合高斯算法生成的前景似然圖示例。圖2B為采用碼本模型方法生成的前景似然圖示例。圖3A為濾除其它運動目標(biāo)前的前景似然圖示例。圖;3B為濾除其它運動目標(biāo)后的前景似然圖示例。
具體實施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。如圖1所示，本發(fā)明的基于視頻監(jiān)控的違章停車檢測方法包括步驟1 利用碼本模型對相機(jī)拍攝的視頻序列進(jìn)行背景建模，采用背景減除法得到前景似然信息圖像?，F(xiàn)有的基于視頻監(jiān)控的違章停車檢測方法所采用的混合高斯模型是在像素域的時間尺度上對像素進(jìn)行分類，很難將其學(xué)習(xí)效率控制在既不過檢也不漏檢的理想狀態(tài)，容易造成誤判，無法解決對待監(jiān)控目標(biāo)的陰影、空洞和噪點過多的問題，影響定位跟蹤的準(zhǔn)確性。針對此問題，本發(fā)明是采用碼本模型對視頻序列進(jìn)行背景建模的。具體地，步驟1又包括以下步驟步驟11 對視頻序列進(jìn)行學(xué)習(xí)，根據(jù)每個像素點連續(xù)采樣值的顏色距離和亮度范圍為每個像素點生成一個碼本，假設(shè)當(dāng)前像素點是X = 0 ，6，8)，其對應(yīng)的碼本是1步驟12 計算當(dāng)前像素點的亮度I = R+G+B,定義布爾變量match = 0。步驟13 根據(jù)設(shè)定條件從碼本M中找到與當(dāng)前像素匹配的碼字Cm，如果能夠找到碼字Cm，則match = 1，否則match = 0。其中的設(shè)定條件包括條件A和條件B，條件A表示為
權(quán)利要求
1.一種基于視頻監(jiān)控的違章停車檢測方法，其特征在于包括步驟1 利用碼本模型對相機(jī)拍攝的視頻序列進(jìn)行背景建模，采用背景減除法得到前景似然信息圖像；步驟2 濾除前景似然信息圖像中其它運動目標(biāo)對待監(jiān)控車輛的干擾； 步驟3 利用違章停車判決算法對前景似然信息圖像中的待監(jiān)控車輛進(jìn)行智能判決， 當(dāng)待監(jiān)控車輛出現(xiàn)違?，F(xiàn)象時發(fā)出報警。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于步驟1又包括步驟11 對視頻序列進(jìn)行學(xué)習(xí)，根據(jù)每個像素點連續(xù)采樣值的顏色距離和亮度范圍為每個像素點生成一個碼本，假設(shè)當(dāng)前像素點是χ = (R，G，B)，其對應(yīng)的碼本是M ； 步驟12 計算當(dāng)前像素點的亮度I = R+G+B，定義布爾變量match = 0 ； 步驟13 根據(jù)設(shè)定條件從碼本M中找到與當(dāng)前像素匹配的碼字Cm，如果能夠找到碼字 Cm,則match = 1，否則match = 0 ；其中的設(shè)定條件包括條件A和條件B，條件A表示為
3.根據(jù)權(quán)利要求2所述的方法，其特征在于步驟2又包括步驟21 計算前景似然信息圖像中，每一運動目標(biāo)的連通區(qū)域面積； 步驟22 選取連通區(qū)域面積大于或等于一閾值的運動目標(biāo)作為待監(jiān)控車輛。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于步驟3又包括 步驟31 計算違停區(qū)域中心Cnp的坐標(biāo)(％>，yNP)；步驟32 計算車輛i(i = 1,2,... ,N)的質(zhì)心Ci,表示為
5.根據(jù)權(quán)利要求4所述的方法，其特征在于違停區(qū)域又包括兩類一類是禁止一切車輛停放區(qū)域，另一類是禁止長時停放但允許臨時停車區(qū)域；對于禁止一切車輛停放區(qū)域，滿足Thd e (0.6 0.8)*L，ThT e ( 30) s;對于禁止長時停放但允許臨時停車區(qū)域，滿足Thd e (0. 15 0. 2)*L，Th, e (30 60)s ；其中，L 為禁止停車區(qū)域在當(dāng)前視頻圖像中的長度。
全文摘要
本發(fā)明公開了一種基于視頻監(jiān)控的違章停車檢測方法，包括步驟1利用碼本模型對相機(jī)拍攝的視頻序列進(jìn)行背景建模，采用背景減除法得到前景似然信息圖像；步驟2濾除前景似然信息圖像中其它運動目標(biāo)對待監(jiān)控車輛的干擾；步驟3利用違章停車判決算法對前景似然信息圖像中的待監(jiān)控車輛進(jìn)行智能判決，當(dāng)待監(jiān)控車輛出現(xiàn)違?，F(xiàn)象時發(fā)出報警。該方法相對于現(xiàn)有的基于視頻監(jiān)控的違章停車檢測方法，濾除了可能對待監(jiān)控車輛存在影響的其它類型運動目標(biāo)，提高了報警的準(zhǔn)確性，且該方法具有實時性好，魯棒性強(qiáng)，準(zhǔn)確率高等特點，為城市交通的智能化管理提供了有效的技術(shù)手段。
文檔編號G08G1/01GK102568206SQ201210011198
公開日2012年7月11日 申請日期2012年1月13日 優(yōu)先權(quán)日2012年1月13日
發(fā)明者姜明新 申請人:大連民族學(xué)院