CN104463913A - 违规停车智能检测装置与方法 - Google Patents
违规停车智能检测装置与方法 Download PDFInfo
- Publication number
- CN104463913A CN104463913A CN201410820728.9A CN201410820728A CN104463913A CN 104463913 A CN104463913 A CN 104463913A CN 201410820728 A CN201410820728 A CN 201410820728A CN 104463913 A CN104463913 A CN 104463913A
- Authority
- CN
- China
- Prior art keywords
- foreground
- unit
- prospect
- information
- history
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30264—Parking
Abstract
违规停车智能检测装置与方法,利用视频图像获取单元与背景建模单元建立检测的主背景;然后通过前景检测单元求取出前景信息;再通过检测区域设置单元与前景筛选单元提取出禁止停车区域内的车辆前景信息;之后通过数据存储单元和匹配更新单元对车辆前景信息进行实时更新;最后报警单元依据历史前景匹配的次数以及质心累加移动的距离来判断是否发生违规停车事件。本发明能够对检测区域进行实时监控,报警正确率高,误报率低,抗干扰性强。
Description
技术领域
本发明涉及计算机视觉领域,尤其是涉及应用于视频监控领域的违规停车检测。
背景技术
随着社会经济的快速发展,各个国家主要城市的汽车保有量急剧增加,与此同时交通事故也逐年随之增加。而违规停车是引发交通事故最主要的事件之一。因此各个国家都通过相应的法律法规明确规定,在特定地点、场所以及道路禁止停车。但是,我们发现这些法律法规的制定并未有效的减少违规停车事件的发生。因此急需一种快速有效的检测违规停车事件的方法。
传统的违规停车检测,主要依靠交通管理部门通过人力定点进行监管。这种手段无法在违规停车事件发生的第一时间进行相关处理,不仅效率低下而且消耗了大量的人力、物力和财力。
随着计算机视觉和图像处理技术的快速发展,越来越多的研究人员开始着力研究通过视频分析的方法来检测违规停车事件。但基于此项技术的装置并没有广泛的应用到我们的生活中来,其原因在于,目前很少有一款设备能够同时满足实时性、准确性以及有效性的要求。
发明内容
针对以上问题,本发明的目的在于提出一种违规停车智能检测装置与方法。本发明能够实时检测监控区域内是否有车辆违规停车,报警准确率高,抗干扰性强。为了达到上述目的,本发明采用如下技术手段:
违规停车智能检测装置,包括如下单元:
视频图像获取单元,通过普通摄像头获取监控区域的视频图像数据;
背景建模单元,利用获取的视频图像建立检测的主背景;
前景检测单元,通过当前帧与主背景做比较提取监控区域内的前景信息;
检测区域设置单元,根据监控的实际情况设置所需的检测区域;
前景筛选单元,用来筛选满足设定条件的前景信息,排除不符合要求的虚假前景;
数据存储单元,将筛选出的疑似前景的相关信息进行存储;
匹配更新单元,对存储的历史前景信息与当前帧进行匹配操作,并根据匹配结果对历史前景信息进行更新;
报警单元,通过判断历史前景的匹配次数以及质心累加运动距离是否满足设定阈值来决定是否发出报警信息。
本发明还提供了一种违规停车智能检测的方法,其特征在于包括以下步骤:
第一步骤,获取视频图像,通过摄像头,获取监控区域场所的视频图像数据;
第二步骤,建立背景模型,通过获取的视频图像,建立检测的主背景;
第三步骤,提取前景信息,通过将当前帧图像与背景模型做对比,求取出前景信息;
第四步骤,设置检测区域,在图像中设定所需要检测的区域;
第五步骤,筛选有效前景,通过设定相关参数,筛选出疑似车辆前景信息;
第六步骤,存储有效前景信息,将筛选出的车辆前景相关数据进行存储;
第七步骤,匹配及更新数据,将存储的历史前景与当前帧前景进行匹配操作,并对历史前景相关数据进行更新;
第八步骤,判断报警,通过判断历史前景的匹配次数以及质心累加运动距离是否满足设定阈值来决定是否发出报警信息。
附图说明
本发明共有附图四张:
图1示出了按照本发明的违规停车智能检测装置的示意框图;
图2示出了按照本发明的违规停车智能检测装置的前景检测单元的示意框图;
图3示出了按照本发明的违规停车智能检测方法的流程框图;
图4示出了按照本发明的违规停车智能检测方法的第三步骤的流程图。
具体实施方式
下面参照附图并结合具体实例来对本发明进行详细说明。应指出的是,所描述的实例仅是为了便于对本发明的理解,并不因此而限定本发明的保护范围。
图1示出了按照本发明的违规停车智能检测装置的示意框图。以下所述装置各单元都可单独通过微处理器来实现,但为节约成本也可以利用一个具有高性能CPU的处理器来实现。如图1所示,按照本发明的违规停车智能检测装置包括:
第一部分,视频图像获取单元101,通过摄像头获取监控区域的视频图像数据。
第二部分,背景建模单元102,利用视频图像获取单元101获取的视频图像建立检测主背景模型。
第三部分,前景检测单元103,利用背景建模单元102建立的主背景与当前帧做差,求取出当前帧的前景信息,具体组成如图2所示:
零散前景点求取单元201,通过将当前帧图像与背景做差,求得当前帧图像上的零散前景点信息;区域连接单元202,将单元201求得的零散前景点中相互毗邻的点进行区域连接;参数计算单元203,计算单元202连接的各个区域的参数信息,包括:面积、周长、宽高比、平均灰度、填充率、质心位置。
第四部分,检测区域设置单元104,通过视频图像获取单元101获取的图像信息,设置需要检测的区域,即该区域内为禁止停车区域。
第五部分,前景筛选单元105,通过对前景检测单元103求取出的前景参数,如面积、宽高比、填充率的大小进行限定,筛选出车辆前景,排除行人、非机动车等前景。
第六部分,数据存储单元106,将前景筛选单元105保留下的车辆前景信息进行存储。
第七部分,匹配更新单元107,将数据存储单元106存储的历史前景与当前帧前景进行匹配操作,通过比较二者的面积、宽高比、填充率以及质心的位置来确定二者是否匹配;若匹配则将历史前景信息用与之匹配的当前帧前景信息进行更新。
第八部分,报警单元108,依据各历史前景的匹配次数与设定的时间阈值进行比较,从而判断是否发生违规停车事件。
根据本发明的另一个方面,提出了一种违规停车智能检测的方法,本发明利用计算机视觉的方法,来检测监区域内是否有车辆违规停车。实施实例采用的352×288像素大小的YUV彩色图像。另外,由于实际场景的不同,下述中的阈值会有所不同,最佳的阈值需根据实际测试之后才能确定。如图3所示,本发明整体流程分为八个步骤:
步骤301,视频图像获取,通过摄像头获取监控区域内的视频图像。
步骤302,建立背景模型,利用步骤301获取的图像序列,建立检测主背景。在本实例中所采用的是基于混合高斯模型的背景建模方法。
步骤303,提取前景信息,利用步骤302建立的检测主背景与当前帧图像做差,提取出当前帧的前景信息,具体流程如图4所示:
步骤401通过当前帧图像与背景模型做差,求出零散的前景点;步骤402将当前帧图像上相互毗邻的零散前景点进行连接;步骤403计算步骤402连接区域的相关参数,包括:面积、周长、宽高比、平均灰度、填充率、质心位置。
步骤304,设置检测区域,根据实际情况设置需要检测的区域,即选取的该区域内禁止停车。通过步骤301获取的图像信息,依据图像所呈现的实际情况,设定禁停区域。
步骤305,筛选有效前景,通过步骤303求取的前景参数与设定的阈值进行比较,筛选出车辆前景;
车辆在图像中其面积、宽高比和填充率都在一定范围内变化,通过设置恰当的阈值能够有效排除非机动车辆的前景;此外还要排除质心不在步骤304设置区域内的前景。
步骤306,存储有效前景信息,将步骤305保存下来的前景信息进行存储,作为后续操作的历史数据。
步骤307,匹配及更新数据,将步骤306存储的历史前景与当前帧前景进行匹配,并依据匹配结果进行相应的更新操作。
匹配的参数包括面积、宽高比、填充率、平均灰度信息,若当前帧前景与其对应的历史帧前景在上述参数方面相差在阈值范围内,则认为二者匹配,将历史前景用当前帧前景数据进行更新。当步骤304设置的区域内车辆前景面积达到设定阈值T1且匹配次数超过设定阈值T2,说明车辆进入到停车阶段,此时开始计算质心移动距离,包括水平移动距离与垂直移动距离。其中T1取值与实际摄像头架设高度及角度有关,本实施实例摄像头架设高度约为6米,T1取值范围在5000~10000;T2取值范围在T2>2。
步骤308,判断报警,根据历史前景的匹配次数以及质心的累加运动是否超过阈值来判断是否发生违规停车。
判定车辆发生违规停车行为需满足两个条件,一是历史前景匹配次数达到设定阈值T3;二是车辆前景质心水平移动距离与垂直移动距离在设定阈值T4内。其中,T3取值范围在5~10;T4取值范围在T4<15。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的研究人员在本发明所揭露的技术范围内,根据实际情况做出的多种改变,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (6)
1.违规停车智能检测装置与方法,其特征在于,该装置包括:
第一部分,视频图像获取单元,通过普通摄像头获取监控区域的视频图像数据;
第二部分,背景建模单元,利用获取的视频图像建立检测的主背景;
第三部分,前景检测单元,通过当前帧与主背景做比较提取监控区域内的前景信息;
第四部分,检测区域设置单元,根据监控的实际情况设置所需的检测区域;
第五部分,前景筛选单元,用来筛选满足设定条件的前景信息,排除不符合要求的虚假前景;
第六部分,数据存储单元,将筛选出的疑似前景的相关信息进行存储;
第七部分,匹配更新单元,对存储的历史前景信息与当前帧进行匹配操作,并根据匹配结果对历史前景信息进行更新
第八部分,报警单元,通过判断历史前景的匹配次数以及质心累加运动距离是否满足设定阈值来决定是否发出报警信息。
2.按照权利要求1所述的装置,其特征在于,前景检测单元包括:
零散前景点求取单元,通过将当前帧图像与背景做差,求得当前帧图像上的零散前景点信息;区域连接单元,将零散前景点求取单元求得的零散前景点中相互毗邻的点进行区域连接;参数计算单元,计算区域连接单元连接的各个区域的参数信息,包括:面积、周长、宽高比、平均灰度、填充率、质心位置。
3.违规停车智能检测装置与方法,其特征在于,该方法步骤包括:
第一步骤,获取视频图像,通过摄像头,获取监控区域场所的视频图像数据;
第二步骤,建立背景模型,通过获取的视频图像,建立检测的主背景;
第三步骤,提取前景信息,通过将当前帧图像与背景模型做对比,求取出前景信息;
第四步骤,设置检测区域,在图像中设定所需要检测的区域;
第五步骤,筛选有效前景,通过设定相关参数,筛选出疑似车辆前景信息;
第六步骤,存储有效前景信息,将筛选出的车辆前景相关数据进行存储;
第七步骤,匹配及更新数据,将存储的历史前景与当前帧前景进行匹配操作,并对历史前景相关数据进行更新;
第八步骤,判断报警,通过判断历史前景的匹配次数以及质心累加运动距离是否满足设定阈值来决定是否发出报警信息。
4.按照权利要求3所述的方法,其特征在于,第三步骤包括:
a)通过当前帧图像与背景模型做差,求出零散的前景点;b)将当前帧图像上相互毗邻的零散前景点进行连接;c)计算连接区域的相关参数,包括:面积、周长、宽高比、平均灰度、填充率、质心位置。
5.按照权利要求3所述的方法,其特征在于,第七步骤匹配条件包括:面积、宽高比、填充率和平均灰度信息。
6.按照权利要求3所述的方法,其特征在于,第八步骤判断报警条件包括:
历史前景的匹配次数;车辆前景质心水平移动距离与垂直移动距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410820728.9A CN104463913A (zh) | 2014-12-25 | 2014-12-25 | 违规停车智能检测装置与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410820728.9A CN104463913A (zh) | 2014-12-25 | 2014-12-25 | 违规停车智能检测装置与方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104463913A true CN104463913A (zh) | 2015-03-25 |
Family
ID=52909895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410820728.9A Pending CN104463913A (zh) | 2014-12-25 | 2014-12-25 | 违规停车智能检测装置与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104463913A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105141925A (zh) * | 2015-09-18 | 2015-12-09 | 天津艾思科尔科技有限公司 | 传输线带有网络连接头的探测器 |
CN105513371A (zh) * | 2016-01-15 | 2016-04-20 | 昆明理工大学 | 一种基于核密度估计的高速公路违章停车检测方法 |
CN107066929A (zh) * | 2017-01-06 | 2017-08-18 | 重庆大学 | 一种融合多种特征的高速公路隧道停车事件分级识别方法 |
WO2021051621A1 (zh) * | 2019-09-16 | 2021-03-25 | 平安科技(深圳)有限公司 | 一种确定停车位的方法、终端设备及计算机可读存储介质 |
-
2014
- 2014-12-25 CN CN201410820728.9A patent/CN104463913A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105141925A (zh) * | 2015-09-18 | 2015-12-09 | 天津艾思科尔科技有限公司 | 传输线带有网络连接头的探测器 |
CN105513371A (zh) * | 2016-01-15 | 2016-04-20 | 昆明理工大学 | 一种基于核密度估计的高速公路违章停车检测方法 |
CN107066929A (zh) * | 2017-01-06 | 2017-08-18 | 重庆大学 | 一种融合多种特征的高速公路隧道停车事件分级识别方法 |
WO2021051621A1 (zh) * | 2019-09-16 | 2021-03-25 | 平安科技(深圳)有限公司 | 一种确定停车位的方法、终端设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102110376B (zh) | 基于计算机视觉的路边停车位检测装置 | |
KR102197946B1 (ko) | 딥러닝 인공지능 기술을 이용한 객체인식 및 카운팅 방법 | |
CN106373426B (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN105744232B (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
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 | |
CN103236181B (zh) | 一种基于机器视觉的交通信号灯状态监控系统及方法 | |
CN106874863A (zh) | 基于深度卷积神经网络的车辆违停逆行检测方法 | |
CN103456024B (zh) | 一种运动目标越线判断方法 | |
KR102122859B1 (ko) | 교통 영상감시시스템의 멀티 표적 추적 방법 | |
CN102164270A (zh) | 具有异常事件发掘功能的智能视频监控方法及系统 | |
CN103208190B (zh) | 基于对象检测的交通流量检测方法 | |
KR20100119476A (ko) | 연속류도로 사고 및 돌발 자동판별 검지시스템 및 그 방법 | |
CN102496000B (zh) | 一种城市交通事故检测方法 | |
CN103150899B (zh) | 监测道路交通信息的方法、装置及系统 | |
CN103686148A (zh) | 一种基于图像处理的自动检测视频图像清晰度的方法 | |
CN107122765A (zh) | 一种高速公路服务区全景监控方法及系统 | |
CN104463913A (zh) | 违规停车智能检测装置与方法 | |
CN104159080B (zh) | 一种基于Hough变换的架空索道脱索检测系统及方法 | |
CN112084892B (zh) | 一种道路异常事件检测管理装置及其方法 | |
KR20220146670A (ko) | 교통 비정상 탐지 방법, 장치, 기기, 저장 매체 및 프로그램 | |
CN112349087B (zh) | 一种基于路口信息全息感知的可视化数据输入方法 | |
CN109191492A (zh) | 一种基于轮廓分析的智能视频黑烟车检测方法 | |
CN111783700A (zh) | 一种路面异物自动识别预警方法和系统 | |
CN105405297A (zh) | 一种基于监控视频的交通事故自动检测方法 | |
CN103152558A (zh) | 基于场景识别的入侵检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150325 |