CN102568206A - 一种基于视频监控的违章停车检测方法 - Google Patents
一种基于视频监控的违章停车检测方法 Download PDFInfo
- Publication number
- CN102568206A CN102568206A CN2012100111984A CN201210011198A CN102568206A CN 102568206 A CN102568206 A CN 102568206A CN 2012100111984 A CN2012100111984 A CN 2012100111984A CN 201210011198 A CN201210011198 A CN 201210011198A CN 102568206 A CN102568206 A CN 102568206A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- pixel
- monitored
- overbar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于视频监控的违章停车检测方法,包括:步骤1:利用码本模型对相机拍摄的视频序列进行背景建模,采用背景减除法得到前景似然信息图像;步骤2:滤除前景似然信息图像中其它运动目标对待监控车辆的干扰;步骤3:利用违章停车判决算法对前景似然信息图像中的待监控车辆进行智能判决,当待监控车辆出现违停现象时发出报警。该方法相对于现有的基于视频监控的违章停车检测方法,滤除了可能对待监控车辆存在影响的其它类型运动目标,提高了报警的准确性,且该方法具有实时性好,鲁棒性强,准确率高等特点,为城市交通的智能化管理提供了有效的技术手段。
Description
技术领域
本发明属于图像处理领域,特别是一种基于视频监控的违章停车检测方法。
背景技术
随着社会的进步与发展,城市的汽车保有量日益增多,与此同时也带来了很多问题。违章停车作为亟待解决的问题之一,已经引起了交通管理部门的重视。传统的违章停车检测主要是通过交警定点实施人工监管,效率低,无法实现实时监控,极大地浪费了相关部门的人力和财力。近年来,基于视频监控的违章停车检测方法受到了越来越多学者和相关部门的重视,这种方法具有准确率高,实时性好,成本低,容易收集证据等优点。
目前,基于视频监控的违章停车检测方法一般是基于混合高斯模型算法或利用差分法实现对待监控目标的提取的,由于其没有对行人或其它非机动车辆等目标进行滤除,在很大程度上导致误报率的增加。另外,现有的方法没有对处于违停区域的车辆类型做出细致的分类,必然影响监控的有效性。
发明内容
本发明针对目前的基于视频监控的违章停车检测方法存在的上述问题,而提出了一种基于视频监控的违章停车检测方法。本发明采用的技术手段如下:
一种基于视频监控的违章停车检测方法,其特征在于包括:
步骤1:利用码本模型对相机拍摄的视频序列进行背景建模,采用背景减除法得到前景似然信息图像;
步骤2:滤除前景似然信息图像中其它运动目标对待监控车辆的干扰;
步骤3:利用违章停车判决算法对前景似然信息图像中的待监控车辆进行智能判决,当待监控车辆出现违停现象时发出报警。
本发明的基于视频监控的违章停车检测方法有效克服了传统人工检测违章停车的缺点,能够对监控场景进行实时监控,发现违停车辆及时报警。该方法相对于现有的基于视频监控的违章停车检测方法,滤除了可能对待监控车辆存在影响的其它类型运动目标,提高了报警的准确性,且该方法具有实时性好,鲁棒性强,准确率高等特点,为城市交通的智能化管理提供了有效的技术手段。
附图说明
图1为本发明的基于视频监控的违章停车检测方法的流程图。
图2A为现有采用混合高斯算法生成的前景似然图示例。
图2B为采用码本模型方法生成的前景似然图示例。
图3A为滤除其它运动目标前的前景似然图示例。
图3B为滤除其它运动目标后的前景似然图示例。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。
如图1所示,本发明的基于视频监控的违章停车检测方法包括:
步骤1:利用码本模型对相机拍摄的视频序列进行背景建模,采用背景减除法得到前景似然信息图像。
现有的基于视频监控的违章停车检测方法所采用的混合高斯模型是在像素域的时间尺度上对像素进行分类,很难将其学习效率控制在既不过检也不漏检的理想状态,容易造成误判,无法解决对待监控目标的阴影、空洞和噪点过多的问题,影响定位跟踪的准确性。针对此问题,本发明是采用码本模型对视频序列进行背景建模的。具体地,步骤1又包括以下步骤:
步骤11:对视频序列进行学习,根据每个像素点连续采样值的颜色距离和亮度范围为每个像素点生成一个码本,假设当前像素点是x=(R,G,B),其对应的码本是M。
步骤12:计算当前像素点的亮度I=R+G+B,定义布尔变量match=0。
步骤13:根据设定条件从码本M中找到与当前像素匹配的码字Cm,如果能够找到码字Cm,则match=1,否则match=0。其中的设定条件包括条件A和条件B,条件A表示为:
其中,||x||2=R2+G2+B2,
条件B表示为:
其中,Ilow为码字的亮度范围最小值,Ihi为该码字的亮度范围最大值。
步骤14:将match=0的像素作为当前视频图像的前景像素,将match=1的像素作为当前视频图像的背景像素。
步骤15:生成关于当前视频图像中像素mi的前景似然函数li(mi),进而生成相应的前景似然图,如图2B所示。其中的前景似然函数Li(mi)表示为:
步骤2:滤除前景似然信息图像中其它运动目标对待监控车辆的干扰。
一般情况下,行人、自行车、噪声等前景区域面积要比待监控车辆的区域小,因此,步骤2又包括:
步骤21:计算前景似然信息图像中,每一运动目标的连通区域面积。
步骤22:选取连通区域面积大于或等于一阈值的运动目标作为待监控车辆,如图3B所示,以为后续的跟踪和违章判决提供必要保证。
步骤3:利用违章停车判决算法对前景似然信息图像中的待监控车辆进行智能判决,当待监控车辆出现违停现象时发出报警。
该方法将待监控车辆分为非关注车辆、关注车辆以及违停车辆。其中,非关注车辆为未进入违停区域的车辆;关注车辆为已经进入违停区域的车辆,但是停靠时间小于给定的时间阈值;违停车辆为处于违停区域内且停靠时间超过给定阈值的车辆。则步骤3又包括:
步骤31:计算违停区域中心CNP的坐标(xNP,yNP)。
步骤32:计算车辆i(i=1,2,...,N)的质心Ci,表示为:
其中,Ri为车辆i对应的前景区域;Ai为Ri的面积;x,y为属于Ri的像素的坐标值。
步骤33:计算质心Ci与违停区域中心CNP之间的距离dist(Ci,CNP),表示为:
步骤34:判断距离dist(Ci,CNP)是否小于阈值Thd,是则将车辆i标记为关注车辆,否则返回步骤32。
步骤36:判断是否大于阈值Thτ,是则将车辆i标记为违停车辆,并进入违停车辆处理阶段;否则,返回步骤35。
进一步,违停区域又包括两类:一类是禁止一切车辆停放区域(比如:急救站、施工地段、人行横道等);另一类是禁止长时停放但允许临时停车区域(比如:出租车临时停靠站等)。则可根据不同的要求来设置不同的距离阈值和时间阈值来实现对违停车辆的智能监控。优选地,对于禁止一切车辆停放区域,满足:Thd∈(0.6~0.8)*L,Thτ∈(5~30)s;对于禁止长时停放但允许临时停车区域,满足:Thd∈(0.15~0.2)*L,Thτ∈(30~60)s,以监测规定范围内的违停事件。其中,L为禁止停车区域在监控视频中的长度。
本发明的基于视频监控的违章停车检测方法有效克服了传统人工检测违章停车的缺点,能够对监控场景进行实时监控,发现违停车辆及时报警。该方法相对于现有的基于视频监控的违章停车检测方法,滤除了可能对待监控车辆存在影响的其它类型运动目标,提高了报警的准确性,且该方法具有实时性好,鲁棒性强,准确率高等特点,为城市交通的智能化管理提供了有效的技术手段。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于视频监控的违章停车检测方法,其特征在于包括:
步骤1:利用码本模型对相机拍摄的视频序列进行背景建模,采用背景减除法得到前景似然信息图像;
步骤2:滤除前景似然信息图像中其它运动目标对待监控车辆的干扰;
步骤3:利用违章停车判决算法对前景似然信息图像中的待监控车辆进行智能判决,当待监控车辆出现违停现象时发出报警。
2.根据权利要求1所述的方法,其特征在于步骤1又包括:
步骤11:对视频序列进行学习,根据每个像素点连续采样值的颜色距离和亮度范围为每个像素点生成一个码本,假设当前像素点是x=(R,G,B),其对应的码本是M;
步骤12:计算当前像素点的亮度I=R+G+B,定义布尔变量match=0;
步骤13:根据设定条件从码本M中找到与当前像素匹配的码字Cm,如果能够找到码字Cm,则match=1,否则match=0;其中的设定条件包括条件A和条件B,条件A表示为:
其中,||x||2=R2+G2+B2,
条件B表示为:
其中,Ilow为码字的亮度范围最小值,Ihi为该码字的亮度范围最大值;
步骤14:将match=0的像素作为当前视频图像的前景像素,将match=1的像素作为当前视频图像的背景像素;
步骤15:生成关于当前视频图像中像素mi的前景似然函数Li(mi),进而生成相应的前景似然图,其中的前景似然函数Li(mi)表示为:
3.根据权利要求2所述的方法,其特征在于步骤2又包括:
步骤21:计算前景似然信息图像中,每一运动目标的连通区域面积;
步骤22:选取连通区域面积大于或等于一阈值的运动目标作为待监控车辆。
4.根据权利要求3所述的方法,其特征在于步骤3又包括:
步骤31:计算违停区域中心CNP的坐标(xNP,yNP);
步骤32:计算车辆i(i=1,2,...,N)的质心Ci,表示为:
其中,Ri为车辆i对应的前景区域;Ai为Ri的面积;x,y为属于Ri的像素的坐标值;
步骤33:计算质心Ci与违停区域中心CNP之间的距离dist(Ci,CNP),表示为:
步骤34:判断距离dist(Ci,CNP)是否小于阈值Thd,是则将车辆i标记为关注车辆,否则返回步骤32;
步骤36:判断是否大于阈值Thτ,是则将车辆i标记为违停车辆,并进入违停车辆处理阶段;否则,返回步骤35。
5.根据权利要求4所述的方法,其特征在于违停区域又包括两类:一类是禁止一切车辆停放区域,另一类是禁止长时停放但允许临时停车区域;
对于禁止一切车辆停放区域,满足:Thd∈(0.6~0.8)*L,Thτ∈(~30)s;对于禁止长时停放但允许临时停车区域,满足:Thd∈(0.15~0.2)*L,Thτ∈(30~60)s;其中,L为禁止停车区域在当前视频图像中的长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210011198.4A CN102568206B (zh) | 2012-01-13 | 2012-01-13 | 一种基于视频监控的违章停车检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210011198.4A CN102568206B (zh) | 2012-01-13 | 2012-01-13 | 一种基于视频监控的违章停车检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102568206A true CN102568206A (zh) | 2012-07-11 |
CN102568206B CN102568206B (zh) | 2014-09-10 |
Family
ID=46413526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210011198.4A Expired - Fee Related CN102568206B (zh) | 2012-01-13 | 2012-01-13 | 一种基于视频监控的违章停车检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102568206B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985230A (zh) * | 2014-05-14 | 2014-08-13 | 深圳市大疆创新科技有限公司 | 一种基于图像的通知方法、装置及通知系统 |
CN105160326A (zh) * | 2015-09-15 | 2015-12-16 | 杭州中威电子股份有限公司 | 一种高速公路上停车的自动检测方法与装置 |
CN106022249A (zh) * | 2016-05-16 | 2016-10-12 | 乐视控股(北京)有限公司 | 动态对象识别方法、装置及系统 |
CN106652462A (zh) * | 2016-09-30 | 2017-05-10 | 广西大学 | 一种基于互联网的违章停车管理系统 |
CN106851196A (zh) * | 2017-01-25 | 2017-06-13 | 安徽达尔智能控制系统股份有限公司 | 城市违停抓拍系统 |
CN106878674A (zh) * | 2017-01-10 | 2017-06-20 | 哈尔滨工业大学深圳研究生院 | 一种基于监控视频的停车检测方法及装置 |
CN107609491A (zh) * | 2017-08-23 | 2018-01-19 | 中国科学院声学研究所 | 一种基于卷积神经网络的车辆违章停车检测方法 |
CN109285341A (zh) * | 2018-10-31 | 2019-01-29 | 中电科新型智慧城市研究院有限公司 | 一种基于实时视频的城市道路车辆异常停驶检测方法 |
CN109643488A (zh) * | 2016-10-14 | 2019-04-16 | 富士通株式会社 | 交通异常事件检测装置及方法 |
CN112381014A (zh) * | 2020-11-19 | 2021-02-19 | 城云科技(中国)有限公司 | 一种基于城市道路的违停车辆检测及管理方法及系统 |
CN114615437A (zh) * | 2022-05-11 | 2022-06-10 | 中国地质科学院地质力学研究所 | 一种基于gis的车辆追踪方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008088409A2 (en) * | 2006-12-19 | 2008-07-24 | Indiana University Research & Technology Corporation | Real-time dynamic content based vehicle tracking, traffic monitoring, and classification system |
US20100158372A1 (en) * | 2008-12-22 | 2010-06-24 | Electronics And Telecommunications Research Institute | Apparatus and method for separating foreground and background |
US20110142343A1 (en) * | 2009-12-11 | 2011-06-16 | Electronics And Telecommunications Research Institute | Method and apparatus for segmenting multi-view images into foreground and background based on codebook |
CN102243765A (zh) * | 2011-05-06 | 2011-11-16 | 大连民族学院 | 基于多相机的多目标定位跟踪方法及系统 |
-
2012
- 2012-01-13 CN CN201210011198.4A patent/CN102568206B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008088409A2 (en) * | 2006-12-19 | 2008-07-24 | Indiana University Research & Technology Corporation | Real-time dynamic content based vehicle tracking, traffic monitoring, and classification system |
US20100158372A1 (en) * | 2008-12-22 | 2010-06-24 | Electronics And Telecommunications Research Institute | Apparatus and method for separating foreground and background |
US20110142343A1 (en) * | 2009-12-11 | 2011-06-16 | Electronics And Telecommunications Research Institute | Method and apparatus for segmenting multi-view images into foreground and background based on codebook |
CN102243765A (zh) * | 2011-05-06 | 2011-11-16 | 大连民族学院 | 基于多相机的多目标定位跟踪方法及系统 |
Non-Patent Citations (1)
Title |
---|
王殿海,胡宏宇,李志慧,曲昭伟: "违章停车检测与识别算法", 《吉林大学学报(工学版)》, vol. 40, no. 1, 31 January 2010 (2010-01-31) * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985230B (zh) * | 2014-05-14 | 2016-06-01 | 深圳市大疆创新科技有限公司 | 一种基于图像的通知方法、装置及通知系统 |
CN103985230A (zh) * | 2014-05-14 | 2014-08-13 | 深圳市大疆创新科技有限公司 | 一种基于图像的通知方法、装置及通知系统 |
CN105160326A (zh) * | 2015-09-15 | 2015-12-16 | 杭州中威电子股份有限公司 | 一种高速公路上停车的自动检测方法与装置 |
CN106022249A (zh) * | 2016-05-16 | 2016-10-12 | 乐视控股(北京)有限公司 | 动态对象识别方法、装置及系统 |
CN106652462A (zh) * | 2016-09-30 | 2017-05-10 | 广西大学 | 一种基于互联网的违章停车管理系统 |
CN109643488B (zh) * | 2016-10-14 | 2021-04-20 | 富士通株式会社 | 交通异常事件检测装置及方法 |
CN109643488A (zh) * | 2016-10-14 | 2019-04-16 | 富士通株式会社 | 交通异常事件检测装置及方法 |
CN106878674B (zh) * | 2017-01-10 | 2019-08-30 | 哈尔滨工业大学深圳研究生院 | 一种基于监控视频的停车检测方法及装置 |
CN106878674A (zh) * | 2017-01-10 | 2017-06-20 | 哈尔滨工业大学深圳研究生院 | 一种基于监控视频的停车检测方法及装置 |
CN106851196A (zh) * | 2017-01-25 | 2017-06-13 | 安徽达尔智能控制系统股份有限公司 | 城市违停抓拍系统 |
CN106851196B (zh) * | 2017-01-25 | 2019-07-19 | 安徽达尔智能控制系统股份有限公司 | 城市违停抓拍系统 |
CN107609491B (zh) * | 2017-08-23 | 2020-05-26 | 中国科学院声学研究所 | 一种基于卷积神经网络的车辆违章停车检测方法 |
CN107609491A (zh) * | 2017-08-23 | 2018-01-19 | 中国科学院声学研究所 | 一种基于卷积神经网络的车辆违章停车检测方法 |
CN109285341A (zh) * | 2018-10-31 | 2019-01-29 | 中电科新型智慧城市研究院有限公司 | 一种基于实时视频的城市道路车辆异常停驶检测方法 |
CN109285341B (zh) * | 2018-10-31 | 2021-08-31 | 中电科新型智慧城市研究院有限公司 | 一种基于实时视频的城市道路车辆异常停驶检测方法 |
CN112381014A (zh) * | 2020-11-19 | 2021-02-19 | 城云科技(中国)有限公司 | 一种基于城市道路的违停车辆检测及管理方法及系统 |
CN114615437A (zh) * | 2022-05-11 | 2022-06-10 | 中国地质科学院地质力学研究所 | 一种基于gis的车辆追踪方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102568206B (zh) | 2014-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102568206B (zh) | 一种基于视频监控的违章停车检测方法 | |
CN202422420U (zh) | 一种基于视频监控的违章停车检测系统 | |
CN104008645B (zh) | 一种适用于城市道路车道线预测及预警方法 | |
CN103914688A (zh) | 一种城市道路障碍物识别系统 | |
CN102521979B (zh) | 基于高清摄像机进行路面事件检测的方法及系统 | |
CN104282161B (zh) | 一种基于实时车辆轨迹的信号交叉口两难区控制方法 | |
Kumar et al. | Analysis of pedestrian conflict with right-turning vehicles at signalized intersections in India | |
CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
CN105513371B (zh) | 一种基于核密度估计的高速公路违章停车检测方法 | |
CN102768801B (zh) | 基于视频的机动车绿灯跟进违章行为的检测方法 | |
CN109326124A (zh) | 一种基于机器视觉的城市环境停放车辆行为识别系统 | |
CN104992145A (zh) | 一种矩采样车道跟踪检测方法 | |
CN104157156A (zh) | 一种高速公路危险路段车速动态管理预警方法 | |
Li et al. | Road traffic anomaly detection based on fuzzy theory | |
CN113936465B (zh) | 交通事件检测方法及装置 | |
CN101727748A (zh) | 一种基于车辆尾灯检测的车辆监控方法、系统和设备 | |
CN102298845A (zh) | 一种远光灯视频检测方法及系统 | |
CN105574502A (zh) | 一种自助发卡机违章行为自动检测方法 | |
CN104809887A (zh) | 一种高速公路上车辆逆行检测方法与自动报警装置 | |
CN111243338A (zh) | 基于车辆加速度的碰撞风险评价方法 | |
CN101819718B (zh) | 交通事故识别预警方法 | |
CN104575049B (zh) | 一种基于阵列雷达的高架匝道智能诱导方法及装置 | |
CN108510754A (zh) | 违规驾驶行为警示装置与方法 | |
CN109934161A (zh) | 基于卷积神经网络的车辆识别与检测方法及系统 | |
CN117612364A (zh) | 一种机动车的违章检测方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140910 Termination date: 20170113 |
|
CF01 | Termination of patent right due to non-payment of annual fee |