CN104157143B - 违章停车检测系统及其检测方法 - Google Patents

Abstract

本发明公开了一种违章停车检测系统及其检测方法，违章停车检测系统由传感器单元、成像控制单元、智能违章停车抓拍单元组成，其中传感器单元负责将光信号转换为电信号；成像控制单元负责传感器单元的成像参数调整，并将成像的图像传递给智能违章停车抓拍单元进行分析，智能违章停车抓拍单元将部分控制参数反馈给成像控制单元。本发明不仅可以实现白天抓拍，还可以实现夜间抓拍，融入了驾驶员离车检测和夜间特定检测技术，保证全天候抓拍的有效性。

Description

违章停车检测系统及其检测方法

技术领域

本发明涉及一种检测系统及其检测方法，特别是涉及一种违章停车检测系统及其检测方法。

背景技术

城市的汽车保有量急剧增加，而对应的停车位的增长相对匮乏，满足不了日常停车需求，尤其是繁华区域和路段，土地资源紧张，停车位少之又少，而车辆密度大，在此情况下，不少车主将汽车停在了道路的两侧，造成道路狭窄，影响车辆行驶，尤其高峰时段造成交通严重拥堵，甚至会引起车辆刮蹭和碰撞事故。由于警员有限，无法24小时稽查城市内的违章停车行为，路边违章停车给交通管理带来了很大的障碍。为了满足交通执法需求，行业内出现了违章停车的自动抓拍的方法和设备，协助交警对违章停车进行抓捕和处罚，但是现有的自动抓拍装置存在以下明显的问题：

第一，抓拍的结果容易引起争议，由于《中华人民共和国道路交通安全法》第63条规定临时停车时驾驶员不得离开，否则为违章停车，因此，抓拍的违章停车证据要求驾驶司机不在车内，而现有的抓拍方法和装置都没有区分司机是否在车内的情况，仅从抓拍的图片在玻璃膜反光的干扰下经常很难判断车内是否有驾驶员，因此，产生大量的误抓、错抓，在违章处罚时存在异议；

第二，现有的违章停车抓拍方法与系统无法在夜间抓拍有效的违章停车证据，即使部分装置可以抓拍夜间违章停车，也是在红外灯照射情况下的灰度图像，且车牌严重反光导致过爆，不能反映出车辆的真实属性，无法作为有效处罚证据。

现有两个专利(如专利号为201210011198.4和201310020978.X)只是从车辆检测的角度描述了违章停车车辆的检测方法，对驾驶员的检测以及夜间的处理没有描述方法，他们在实际应用中难免会遇到上述产品的同样问题。

发明内容

本发明所要解决的技术问题是提供一种违章停车检测系统及其检测方法，其不仅可以实现白天抓拍，还可以实现夜间抓拍，本发明融入了驾驶员离车检测和夜间特定检测技术，保证全天候抓拍的有效性。

本发明是通过下述技术方案来解决上述技术问题的：一种违章停车检测系统，其特征在于，其由传感器单元、成像控制单元、智能违章停车抓拍单元组成，其中传感器单元负责将光信号转换为电信号；成像控制单元负责传感器单元的成像参数调整，并将成像的图像传递给智能违章停车抓拍单元进行分析，智能违章停车抓拍单元将部分控制参数反馈给成像控制单元。

优选地，所述传感器单元、成像控制单元、智能违章停车抓拍单元采用一体化的方式设计便于图像的快速传递和成像参数的控制。

本发明还提供一种违章停车检测系统的检测方法，其特征在于，其包括以下步骤：

步骤一，模型训练步骤；

步骤二、场景设置与标定步骤；

步骤三、车辆检测步骤；

步骤四、车头车尾检测步骤；

步骤五、驾驶员离开检测步骤；

步骤六、违停抓拍步骤。

优选地，所述模型训练步骤共训练两个模型，一个是车头模型，一个是车尾模型。

优选地，所述车辆检测步骤采用采用边缘检测方法和模型识别方法的混合检测方法。

优选地，所述步骤六检测到司机远离车辆后开始计时为违章停车，根据设置时间间隔抓拍过程图片，并对抓拍的近景图片进行车牌识别；将抓拍的多张图片和识别结果作为违法证据，将司机离开车辆至抓拍结束时间段内的视频作为违法视频。

本发明的积极进步效果在于：本发明通过边缘检测和模式识别配合，可在精准检测车辆的同时减少模式识别检测的范围，减少计算冗余，提高检测效率。本发明通过驾驶员离开车辆的检测避免违法停车处罚的争议。本发明通过根据实际环境光照进行长曝光参数的动态控制，有效解决夜间违法停车抓拍问题和证据有效性的问题。

附图说明

图1为本发明违章停车检测系统的原理框图。

具体实施方式

下面结合附图给出本发明较佳实施例，以详细说明本发明的技术方案。

如图1所示，本发明违章停车检测系统由传感器单元、成像控制单元、智能违章停车抓拍单元组成，其中传感器单元负责将光信号转换为电信号；成像控制单元负责传感器单元的成像参数调整，并将成像的图像传递给智能违章停车抓拍单元进行分析，智能违章停车抓拍单元将部分控制参数反馈给成像控制单元，这三个单元采用一体化的方式设计便于图像的快速传递和成像参数的高效控制。

本发明在降低计算量的同时可以有效检测车辆，关键是将驾驶员离开车辆的过程进行检测并记录，保证抓拍的有效性，避免在违法处罚时引起纠纷。夜间成像一直是监控行业的弱项，本发明通过智能分析的反馈控制设计保证了停止车辆的成像亮度和清晰度，突破行业内违章停车夜间抓拍的难点。

司机路边临时停车的情况时有发生，而且不少情况下司机都不会下车，这些情况即使抓拍也不可能作为有效的违法处罚证据，本发明在检测车辆违章停车的同时检测司机下车行为，并依此作为违法停车的抓拍起始点。针对司机在车内的违章停车行为，通过现场警示牌提示车牌号的方式劝阻驶离。(驾驶员在车内反光)配照片)夜间违章停车危害同样很大，尤其是在冬季，在晚高峰时已经是夜晚，如果此时存在违章停车行为会带来更大的交通安全隐患。本发明通过反馈机制动态调整曝光技术实现夜间违章停车的抓拍，保证抓拍证据的有效性，从而形成一套可全天候抓拍违章停车抓拍的方案。

本发明违章停车检测系统的检测方法包括以下步骤：

步骤一，模型训练步骤，模型训练采用行业内通用的“LBP+adaboost”的训练方式，共训练两个模型，一个是车头模型，一个是车尾模型，模型对应的训练样本的分辨率均为W*H(W表示训练样本图像的宽度、H表示训练样本图像的高度)。

步骤二、场景设置与标定步骤，具体如下：

(1)在图像视野内设置任意凸变形作为检测区域；

(2)在检测区域内的远端、中端、近端根据车辆在对应位置的大小设置车辆标定大小，分别记为Nfar*Mfar、Nmedium*Mmedium、Nnear*Mnear。

步骤三、车辆检测步骤，具体如下：

根据配置在检测区域内检测车辆，车辆检测采用边缘检测方法和模型识别方法的混合检测方法。其中边缘检测方法采用sobel算法，模式识别方法采用LBP特征+adaboost方法。具体检测过程如下：(1)利用sobel算子检测检测区域内的边缘，并利用otsu对边缘进行二值化；(2)利用N*M的矩形框对检测区域进行扫描，根据经验令N＝Nfar，M＝Mfar，行方向扫描步长为L1，列方向扫描步长为L2，根据经验L1取值N/2，L2取值为M/2，统计每个N*M内边缘点的个数，超过阈值Tb时，标记该区域为疑似车辆区域，根据经验Th取值0.2*N*M。对每个疑似车辆区域进行区域外扩，扩大至Nnear*Mnear。

(3)对此区域进行模式识别确认检测车辆，模式识别检测窗口大小为P*Q，其大小是动态变化，以Nfar*Mfar为起始大小，以行、列步长为4像素对P*Q进行遍历，遍历完后将Nfar*Mfar窗口以行、列进行增加，行增加速度为(Nnear-Nfar)/D，列增加速度为(Mnear-Mfar)/D，根据经验D可取值为5，对于每个P*Q大小的窗口识别时先缩放为模型大小(W*H)，再利用训练好的LBP+Adaboost模型进行车头和车尾识别，并记录识别为车辆的P*Q的窗口。

(4)窗口融合给出检测车辆：①、对于检测为车辆的P*Q窗口，针对每一个级别计算其中心点，并以R*R大小的窗口遍历每个级别中心点，根据落到R*R区域中心点的个数Number大于阈值NUM确定为车辆区域，根据经验R＝10，NUM＝10；并统计这些点坐标的平均值，记为P(level)，其中level表示等级；②、在同级别level中计算P(level)之间的欧式距离Dis，根据距离远近，去除伪目标点P(level)，方法为：如果Dis小于该level下P*P+Q*Q的算术平方根，则比较两个P(level)对应的中心点Number数，舍弃较少者对应的P(level)；③、在所有级别level中计算P(level)之间的欧式距离Dis，根据距离远近，去除伪目标点P(level)，方法为：如果Dis小于较大level下P*P+Q*Q的算术平方根，则比较两个P(level)对应的中心点Number数，舍弃较少者对应的P(level)；④、剩余的P(level)则为检测车辆的中心点，车辆区域范围是对应的P*Q；⑤、信息记录，统计P(level)对应的R*R区域内的检测为车辆窗口时采用的检测模型，并统计其个数，车头模型个数为Num(F)，车尾模型个数为Num(B)。

步骤四、车头车尾检测步骤，具体如下：根据在车辆检测过程中的信息统计，根据检测属性模型个数的多少判断其为车头还是车尾，方法为比较Num(F)与Num(B)，如果Num(F)大则当前抓拍的是车头，如果Num(B)当前检测的是车尾，如果Num(F)＝Num(B)则舍弃该区域；

步骤五、驾驶员离开检测步骤，具体如下：将P(level)对应的P*Q的范围扩大M倍，根据经验M为1.5，在扩大的范围内利用HOG特征进行行人检测，并利用欧氏距离跟踪。根据行人检测中心点与P(level)距离的趋势判断此人是在接近车辆还是远离车辆，从而排除车辆周围的行人的干扰。若判断有人出现并逐渐远离车辆，则认为此人从车上下来，进而判断下来的是否是司机，方法如下：(1)将P*Q根据水平和垂直中线分为四个部分，分别为左上、左下、右上、右下；(2)根据车头朝向确定司机车门在左上位置还是右下位置；(3)如果是在是在左上位置，根据视角投影，如果检测的人有部分区域落于左下区域，则认为此人不是司机，否则认为是司机；(4)如果是在右下位置，根据视角投影，如果检测的人有部分区域落于右下区域，则认为此人是司机，否则认为不是司机；

步骤六、违停抓拍步骤，具体如下：检测到司机远离车辆后开始计时为违章停车，根据设置时间间隔抓拍过程图片，并对抓拍的近景图片进行车牌识别；将抓拍的多张图片和识别结果作为违法证据，将司机离开车辆至抓拍结束时间段内的视频作为违法视频。

本发明为了在夜间达到有效的违停抓拍效果，在智能违章停车抓拍单元与成像控制单元之间做了反馈设计。具体设计原因和流程如下：夜间抓拍流程与白天相同，但是在成像部分进行动态控制，按照正常的监控成像夜间的亮度较低，无法清晰辨识违停车辆的特征信息，包括车牌、车标等。不同于夜间固定曝光时长的普通监控，针对违章停车的监控，由于车辆是静止状态，较长的曝光时间不会产生拖影现象，反而可以使车辆看的更清晰。因此设计了针对曝光时长的动态调整，以达到较好的成像效果。动态调整方法如下：

1、在全景图像时统计监测区域内的亮度均值作为Mean，在近景图像时统计该车辆对应区域的亮度均值作为Mean；

2、如果Mean值小于设定的阈值Y，则根据统计的Mean和设定的阈值Y，利用下面公式动态进行长曝光调整，如果Mean值大于设定的阈值Y，则不进行长曝光调整，由成像控制单元自行控制，具体如下式(1)：

time_New/time_old＝Y/Mean...........................(1)

其中，time_New是想求得的新的曝光时间，time_old是对应Mean值帧的曝光时间，根据经验Y值可取100；

3、动态调整采用隔帧调整的测试，即利用第一帧调整第三帧，利用第二帧调整第4帧，以此类推。

4、将当前求得的time_New传输给成像控制单元，作为被调整帧的曝光时间。

在动态调整的过程中会影响输出帧率，例如，本来是25帧/秒，动态调整后会变为20帧/秒或者更低，但不会影响对违法停车的取证。

本领域的技术人员可以对本发明进行各种改型和改变。因此，本发明覆盖了落入所附的权利要求书及其等同物的范围内的各种改型和改变。

Claims (5)

1.一种违章停车检测系统的检测方法，其特征在于，所述违章停车检测系统的检测方法包括以下步骤：

步骤一，模型训练步骤；

步骤二、场景设置与标定步骤；

步骤三、车辆检测步骤；

步骤四、车头车尾检测步骤；

步骤五、驾驶员离开检测步骤；

步骤六、违停抓拍步骤。

2.如权利要求1所述的违章停车检测系统的检测方法，其特征在于，所述模型训练步骤共训练两个模型，一个是车头模型，一个是车尾模型。

3.如权利要求1所述的违章停车检测系统的检测方法，其特征在于，所述车辆检测步骤采用边缘检测方法和模型识别方法的混合检测方法。

4.如权利要求1所述的违章停车检测系统的检测方法，其特征在于，所述步骤六检测到司机远离车辆后开始计时为违章停车，根据设置时间间隔抓拍过程图片，并对抓拍的近景图片进行车牌识别；将抓拍的多张图片和识别结果作为违法证据，将司机离开车辆至抓拍结束时间段内的视频作为违法视频。

5.如权利要求1所述的违章停车检测系统的检测方法，其特征在于，所述违章停车检测系统的检测方法通过反馈机制动态调整曝光技术实现夜间违章停车的抓拍。