CN110008957B - 基于车牌识别和图像方差算法的小区违停告警方法 - Google Patents
基于车牌识别和图像方差算法的小区违停告警方法 Download PDFInfo
- Publication number
- CN110008957B CN110008957B CN201910268522.2A CN201910268522A CN110008957B CN 110008957 B CN110008957 B CN 110008957B CN 201910268522 A CN201910268522 A CN 201910268522A CN 110008957 B CN110008957 B CN 110008957B
- Authority
- CN
- China
- Prior art keywords
- illegal parking
- vehicle
- parking
- license plate
- information
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 3
- 238000005265 energy consumption Methods 0.000 abstract 1
- 238000001914 filtration Methods 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 11
- 230000004044 response Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了基于车牌识别和图像方差算法的小区违停告警方法，利用小区内普通摄像头，对主干道上禁止停车或者限制临时时间的区域进行实时监控，更加智能化的将小区内违规停车的车辆信息实时上报到小区车辆出入口的车闸信息系统中，进行违停罚款处理。本发明通过图像灰度图检测区域方差算法进行预处理和过滤，更加高效、快速、低耗能和智能化的对小区内违规停车现象进行实时监测和举证处理，提升小区生活品质和提高小区智能化管理水平。
Description
技术领域
本发明涉及一种智能小区管理方法，尤其涉及一种基于车牌识别和图像方差算法的小区违停告警机制。
背景技术
随着城市人口集中化趋势的发展和科技的进步，智慧社区逐渐由理论转向实践，越来越多的智能化设备和技术应用到社区的基本管理和社区成员的日常生活中。然而社区内人口的流动性很大，人员类型也很复杂，车辆进出也存在很大的乱象，很多非停车区域或者限制停车时间的区域，往往由于人为监管难度大，而迟迟无法解决，造成小区内车辆堵塞道路，小区内车辆行驶困难，严重影响了小区的生活质量和出行方便。
因此，有必要提出一种改进，解决现有的问题。
发明内容
本发明的目的是解决现有技术中的问题，提供一种基于车牌识别和图像方差算法的小区违停告警方法。
本发明的技术方案是：一种基于车牌识别和图像方差算法的小区违停告警方法，包括以下步骤：S1、在小区摄像头拍摄区域内划定车辆违停监测区域，在摄像头成像相片内将车辆违停监测区域进行圈定；S2、在所述车辆违停监测区域正常情况下，获取一张照片P0作为对比底图；对P0进行灰度处理得到灰度图P0_gray；S3、每隔N帧实时对摄像头的帧图像P与对比底图P0检测区域进行均方差err计算；S4、若err大于8，对帧图像P进行车牌识别，确认车辆违停信息并进行处理，将车辆违停信息上报至门卫车辆出入闸管理系统；若err小于等于8，则返回步骤S3；S5、所述门卫车辆出入闸管理系统收到车辆违停信息后，将违停车辆录入违停车辆信息库并计算违停罚款数额；当违停车辆缴纳罚款并通过车闸后，所述门卫车辆出入闸管理系统将该车辆的违停信息移存至历史违停处罚记录。
作为一种优选的技术方案，所述步骤S3之后还包括以下步骤S6：记上一次底图更新时间为T0，若检测到某一帧图像P的对别均方差err小于1，且此时时间T满足T-T0＞60s，则将底图P0替换为P，对底图进行更新。
作为一种进一步优选的技术方案，所述步骤S6与所述步骤S4同步进行。
作为一种优选的技术方案，所述步骤S3均方差err计算具体步骤为：S31、设置帧图像P的图像像素为H*W*3，对帧图像P进行灰度处理后得到帧图像P的灰度图P_gray；S32、检测区域的四个点坐标D1(x1，y1)，D2(x2，y2)，D3(x3，y3)，D4(x4，y4)所形成的四边形圈定区域A；S33、设定帧图像像素差临界值为temp，则计算灰度图P0_gray和P_gray在区域A上的像素方差err，计算公式为：
其中，(h,w)∈A且P_gray(h,w)-P0_gray(h,w)＞temp。
作为一种进一步优选的技术方案，所述步骤S3中N为30，即每隔30帧获取摄像头视频流中的一帧P。
作为一种优选的技术方案，在所述步骤S4内所述确认车辆违停信息并进行处理步骤之前，还包括步骤S7：设置违停车辆信息登记字典。
作为一种进一步优选的技术方案，所述违停车辆信息登记字典内包括信息有：车牌号、违停状态、当前违停初始被抓拍时间Tf、当前违停上次被抓拍时间Tl、累计违停时间Tw、违停车辆证据存储队列、潜在车辆违停证据临时存储队列。
作为一种更进一步优选的技术方案，所述步骤S4具体包括以下步骤：S41、对帧图像P进行车牌识别，识别出完整车牌信息；S42、判断所述车牌信息是否存在于所述违停车辆信息登记字典内，若不存在，在所述违停车辆信息登记字典内建立该车牌信息，并将帧图像数据加入所述潜在车辆违停证据临时存储队列；之后执行步骤S43；若存在，执行步骤S43；S43、获取该车牌信息在所述违停车辆信息登记字典内的当前违停上次被抓拍时间Tl；若本次被抓拍时间Tn-Tl>t0，则将Tl之前违停信息保存，重新开始当前违停计时，所述当前违停初始被抓拍时间Tf、所述当前违停上次被抓拍时间Tl均修改为Tn，将帧图像P添加到所述潜在车辆违停证据临时存储队列；若本次被抓拍时间Tn-Tl≤t0，则判断当前违停的累积违停时间Tw＝Tn-Tf是否大于临停车区域的限制时间的分钟数，若大于则将帧图像P添加到所述违停车辆证据存储队列，并将车辆违停信息上报至门卫车辆出入闸管理系统，否则，修改当前违停上次被抓拍时间Tl＝本次被抓拍时间Tn，将帧图像数据加入所述潜在车辆违停证据临时存储队列。
作为一种再进一步优选的技术方案，所述t0为1.5分钟。
作为一种优选的技术方案，所述步骤S5中，当所述违停车辆信息库内有多个违停信息时，计算违停罚款最大数额作为最终罚款数额。
本发明的基于车牌识别和图像方差算法的小区违停告警方法，利用小区内普通摄像头，对主干道上禁止停车或者限制临时时间的区域进行实时监控，更加智能化的将小区内违规停车的车辆信息实时上报到小区车辆出入口的车闸信息系统中，进行违停罚款处理。同时由于普通摄像头下进行车牌识别需要借助云端视频流调曲，所有识别操作在云端进行，受到环境影响例如光线、车牌角度等干扰因素比较大，车牌识别算法比较复杂，频繁调用消耗性能较大，因此本发明采用图像方差进行预处理和过滤，更加高效、快速、低耗能和智能化的对小区内违规停车现象进行实时监测和举证处理，提升小区生活品质和提高小区智能化管理水平。
本发明的基于车牌识别和图像方差算法的小区违停告警方法中图像灰度图方差算法运行效率远高于车牌识别的效率，因此首先通过图像灰度图检测区域方差算法进行疑似车辆在限定最可停车时间的临停车区域进行初步检测，若发现疑似车辆，则对视频监控的获取的该帧图像进行车牌识别，若识别出车牌信息，则将对该车牌在限时临停区域进行停车时间计算，若超过临停限制时间，则将该车车牌信息推动到小区的车辆进出口系统，当车辆经过小区车辆出入车闸处，不予通行，提示缴纳违停罚款和累计停车时长信息，并展示一张违停图片。
附图说明
图1为本发明基于车牌识别和图像方差算法的小区违停告警方法的流程框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
如图1所示，本发明的一种基于车牌识别和图像方差算法的小区违停告警方法，包括以下步骤：S1、在小区摄像头拍摄区域内划定车辆违停监测区域，在摄像头成像相片内将车辆违停监测区域进行圈定；S2、在所述车辆违停监测区域正常情况下，获取一张照片P0作为对比底图；对P0进行灰度处理得到灰度图P0_gray；S3、每隔N帧实时对摄像头的帧图像P与对比底图P0检测区域进行均方差err计算；S4、若err大于8，对帧图像P进行车牌识别，确认车辆违停信息并进行处理，将车辆违停信息上报至门卫车辆出入闸管理系统；若err小于等于8，则返回步骤S3；S5、所述门卫车辆出入闸管理系统收到车辆违停信息后，将违停车辆录入违停车辆信息库并计算违停罚款数额；当违停车辆缴纳罚款并通过车闸后，所述门卫车辆出入闸管理系统将该车辆的违停信息移存至历史违停处罚记录。
为了保证地图P0可以反映出车辆违停监测区域的真实图形信息，提高图像处理的准确性，作为优选方案，所述步骤S3之后还包括以下步骤S6：记上一次底图更新时间为T0，若检测到某一帧图像P的对别均方差err小于1，且此时时间T满足T-T0＞60s，则将底图P0替换为P，对底图进行更新。
在实际应用中步骤S6涉及到对均方差err的判断，步骤S4也涉及到对均方差err的判断，因此，步骤S6可以与步骤S4同步进行，也可以先于或晚于步骤S4进行，同时，由于对均方差err的取值要求不同，应当知晓，步骤S4与步骤S6是择一进行的。
底图P0的灰度图P0_gray为P0图像中H*W的二维数组。
对于步骤S3中对摄像头的帧图像P与对比底图P0检测区域进行均方差err计算的步骤为：S31、设置帧图像P的图像像素为H*W*3，对帧图像P进行灰度处理后得到帧图像P的灰度图P_gray；S32、检测区域的四个点坐标D1(x1，y1)，D2(x2，y2)，D3(x3，y3)，D4(x4，y4)所形成的四边形圈定区域A；S33、设定帧图像像素差临界值为temp，则计算灰度图P0_gray和P_gray在区域A上的像素方差err，计算公式为：
其中，(h,w)∈A且P_gray(h,w)-P0_gray(h,w)＞temp。
上述P_gray为帧图像P的图像信息中H*W的二维数组。
在所述步骤S4内所述确认车辆违停信息并进行处理步骤之前，还包括步骤S7：设置违停车辆信息登记字典。步骤S7可以在步骤S4之前的任一时间进行，也即可以在步骤S1、S2、S3、S4任一步骤之前。
所述违停车辆信息登记字典内可以包括信息有：车牌号、违停状态、当前违停初始被抓拍时间Tf、当前违停上次被抓拍时间Tl、累计违停时间Tw、违停车辆证据存储队列、潜在车辆违停证据临时存储队列。
在实际应用中，违停车辆信息登记字典结构如下：Car_Illegel_lane_dic＝{车牌号：{违停状态：(ture/false)；当前违停初始被抓拍时间Tf：T_first_time：****-**-****:**:**(年-月-日时-分-秒)；当前违停上次被抓拍时间Tl：T_last_time：****-**-****:**:**(年-月-日时-分-秒)；累计违停时间Tw：T_Illegel_lane_durationg:***(分)；违停车辆证据存储路径(**/**/车牌号_第一次被抓拍时间(T_first_time)_摄像头IP.npy)}}。由于同一辆车辆相邻两次被抓拍并记录和保存违停信息的时间间隔至少为1分钟，潜在车辆违停视频证据临时存储队列frame_Queue，队列长度为临停车区域的限制时间的分钟数limit_minute_max。
此时，步骤S4具体包括以下步骤：S41、对帧图像P进行车牌识别，识别出完整车牌信息；S42、判断所述车牌信息是否存在于所述违停车辆信息登记字典内，若不存在，在所述违停车辆信息登记字典内建立该车牌信息，并将帧图像数据加入所述潜在车辆违停证据临时存储队列；之后执行步骤S43；若存在，执行步骤S43；S43、获取该车牌信息在所述违停车辆信息登记字典内的当前违停上次被抓拍时间Tl；若本次被抓拍时间Tn-Tl>t0，则将Tl之前违停信息保存，重新开始当前违停计时，所述当前违停初始被抓拍时间Tf、所述当前违停上次被抓拍时间Tl均修改为Tn，将帧图像P添加到所述潜在车辆违停证据临时存储队列；若本次被抓拍时间Tn-Tl≤t0，则判断当前违停的累积违停时间Tw＝Tn-Tf是否大于临停车区域的限制时间的分钟数，若大于则将帧图像P添加到所述违停车辆证据存储队列，并将车辆违停信息上报至门卫车辆出入闸管理系统，否则，修改当前违停上次被抓拍时间Tl＝本次被抓拍时间Tn，将帧图像数据加入所述潜在车辆违停证据临时存储队列。
在步骤SS42中，若车牌信息不存在于违停车辆信息登记字典内，则将该车辆信息根据字典License_plate_information结构，将对应信息添加进去，该车辆信息被视为潜在违停车辆，作为潜在违停车辆其车牌信息被创建License_plate_information_frame_Queue.create(limit_minute_max)，并且执行License_plate_information_frame_Queue.put(P),即将图片数据加入队列。
步骤S43中，当Tn-Tl≤t0时，将该帧图像添加到该车辆的违停视频证据临时存储队列License_plate_information_frame_Queue.put(p)，后判断判断当前违停的累积违停时间Tw＝Tn-Tf是否大于临停车区域的限制时间的分钟数。若大于则将该License_plate_information_frame_Queue队列中的帧存储在违停车辆视频存储路径(**/**/车牌号_第一次被抓怕时间(T_first_time)_摄像头IP.npy)内作为证据，并将车辆违停信息上报至门卫车辆出入闸管理系统。否则，修改当前违停上次被抓拍时间Tl：T_last_time＝本次被抓拍时间Tn：time.time，将帧图像数据加入所述潜在车辆违停证据临时存储队列License_plate_information_frame_Queue.put(p)。
在实际应用中，t0可以设定为1.5分钟。当然也可以根据需求，设定为其他数值。
由于同一车辆在车辆车闸系统可能会录入多个违停信息，车辆出入口关系统收到车辆违停信息上报后，将违停车辆录入违停车辆信息库，并根据摄像头IP计算违停罚款最大数额作为惩罚最终数额，当违停车辆缴纳完罚款并通过车闸后，车闸系统将会把系统内所有有关该车辆的违停信息移存到历史违停处罚记录内。
本发明的基于车牌识别和图像方差算法的小区违停告警方法，利用小区内普通摄像头，对主干道上禁止停车或者限制临时时间的区域进行实时监控，更加智能化的将小区内违规停车的车辆信息实时上报到小区车辆出入口的车闸信息系统中，进行违停罚款处理。同时由于普通摄像头下进行车牌识别需要借助云端视频流调曲，所有识别操作在云端进行，受到环境影响例如光线、车牌角度等干扰因素比较大，车牌识别算法比较复杂，频繁调用消耗性能较大，因此本发明采用图像方差进行预处理和过滤，更加高效、快速、低耗能和智能化的对小区内违规停车现象进行实时监测和举证处理，提升小区生活品质和提高小区智能化管理水平。
本发明的基于车牌识别和图像方差算法的小区违停告警方法中图像灰度图方差算法运行效率远高于车牌识别的效率，因此首先通过图像灰度图检测区域方差算法进行疑似车辆在限定最可停车时间的临停车区域进行初步检测，若发现疑似车辆，则对视频监控的获取的该帧图像进行车牌识别，若识别出车牌信息，则将对该车牌在限时临停区域进行停车时间计算，若超过临停限制时间，则将该车车牌信息推动到小区的车辆进出口系统，当车辆经过小区车辆出入车闸处，不予通行，提示缴纳违停罚款和累计停车时长信息，并展示一张违停图片。
综上所述仅为本发明较佳的实施例，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化及修饰，皆应属于本发明的技术范畴。
Claims (9)
1.一种基于车牌识别和图像方差算法的小区违停告警方法，其特征在于：包括以下步骤：
S1、在小区摄像头拍摄区域内划定车辆违停监测区域，在摄像头成像相片内将车辆违停监测区域进行圈定；
S2、在所述车辆违停监测区域正常情况下，获取一张照片P0作为对比底图；对P0进行灰度处理得到灰度图P0_gray；
S3、每隔N帧实时对摄像头的帧图像P与对比底图P0检测区域进行均方差err计算；
S4、若err大于8，对帧图像P进行车牌识别，确认车辆违停信息并进行处理，将车辆违停信息上报至门卫车辆出入闸管理系统；若err小于等于8，则返回步骤S3；
S5、所述门卫车辆出入闸管理系统收到车辆违停信息后，将违停车辆录入违停车辆信息库并计算违停罚款数额；当违停车辆缴纳罚款并通过车闸后，所述门卫车辆出入闸管理系统将该车辆的违停信息移存至历史违停处罚记录；
所述步骤S3之后还包括以下步骤S6：记上一次底图更新时间为T0，若检测到某一帧图像P的对比均方差err小于1，且此时时间T满足T-T0＞60s，则将底图P0替换为P，对底图进行更新。
2.根据权利要求1所述的基于车牌识别和图像方差算法的小区违停告警方法，其特征在于：所述步骤S6与所述步骤S4同步进行。
3.根据权利要求1所述的基于车牌识别和图像方差算法的小区违停告警方法，其特征在于：所述步骤S3均方差err计算具体步骤为：
S31、设置帧图像P的图像像素为H*W*3，对帧图像P进行灰度处理后得到帧图像P的灰度图P_gray；
S32、检测区域的四个点坐标D1(x1，y1)，D2(x2，y2)，D3(x3，y3)，D4(x4，y4)所形成的四边形圈定区域A；
S33、设定帧图像像素差临界值为temp，则计算灰度图P0_gray和P_gray在区域A上的像素方差err，计算公式为：
其中，(h,w)∈A且P_gray(h,w)-P0_gray(h,w)>temp。
4.根据权利要求1或3所述的基于车牌识别和图像方差算法的小区违停告警方法，其特征在于：所述步骤S3中N为30，即每隔30帧获取摄像头视频流中的一帧P。
5.根据权利要求1所述的基于车牌识别和图像方差算法的小区违停告警方法，其特征在于：在所述步骤S4内所述确认车辆违停信息并进行处理步骤之前，还包括步骤S7：设置违停车辆信息登记字典。
6.根据权利要求5所述的基于车牌识别和图像方差算法的小区违停告警方法，其特征在于：所述违停车辆信息登记字典内包括信息有：车牌号、违停状态、当前违停初始被抓拍时间Tf、当前违停上次被抓拍时间Tl、累计违停时间Tw、违停车辆证据存储队列、潜在车辆违停证据临时存储队列。
7.根据权利要求6所述的基于车牌识别和图像方差算法的小区违停告警方法，其特征在于：所述步骤S4具体包括以下步骤：
S41、对帧图像P进行车牌识别，识别出完整车牌信息；
S42、判断所述车牌信息是否存在于所述违停车辆信息登记字典内，若不存在，在所述违停车辆信息登记字典内建立该车牌信息，并将帧图像数据加入所述潜在车辆违停证据临时存储队列；之后执行步骤S43；若存在，执行步骤S43；
S43、获取该车牌信息在所述违停车辆信息登记字典内的当前违停上次被抓拍时间Tl；若本次被抓拍时间Tn-Tl>t0，则将Tl之前违停信息保存，重新开始当前违停计时，所述当前违停初始被抓拍时间Tf、所述当前违停上次被抓拍时间Tl均修改为Tn，将帧图像P添加到所述潜在车辆违停证据临时存储队列；若本次被抓拍时间Tn-Tl≤t0，则判断当前违停的累积违停时间Tw＝Tn-Tf是否大于临停车区域的限制时间的分钟数，若大于则将帧图像P添加到所述违停车辆证据存储队列，并将车辆违停信息上报至门卫车辆出入闸管理系统，否则，修改当前违停上次被抓拍时间Tl＝本次被抓拍时间Tn，将帧图像数据加入所述潜在车辆违停证据临时存储队列。
8.根据权利要求7所述的基于车牌识别和图像方差算法的小区违停告警方法，其特征在于：所述t0为1.5分钟。
9.根据权利要求1所述的基于车牌识别和图像方差算法的小区违停告警方法，其特征在于：所述步骤S5中，当所述违停车辆信息库内有多个违停信息时，计算违停罚款最大数额作为最终罚款数额。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910268522.2A CN110008957B (zh) | 2019-04-04 | 2019-04-04 | 基于车牌识别和图像方差算法的小区违停告警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910268522.2A CN110008957B (zh) | 2019-04-04 | 2019-04-04 | 基于车牌识别和图像方差算法的小区违停告警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110008957A CN110008957A (zh) | 2019-07-12 |
| CN110008957B true CN110008957B (zh) | 2023-06-06 |
Family
ID=67169834
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910268522.2A Active CN110008957B (zh) | 2019-04-04 | 2019-04-04 | 基于车牌识别和图像方差算法的小区违停告警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110008957B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110718073A (zh) * | 2019-11-14 | 2020-01-21 | 启迪数华科技有限公司 | 滞留车辆的预警分析方法、预警服务器及系统 |
| CN111681424B (zh) * | 2020-06-06 | 2022-03-04 | 浙江长元科技有限公司 | 一种消防车通道被违停占用事件的处理方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102110367A (zh) * | 2009-12-25 | 2011-06-29 | 刘天宇 | 违法停车行为实时检测系统及其控制方法 |
| CN203706427U (zh) * | 2013-11-04 | 2014-07-09 | 福建省视通光电网络有限公司 | 基于球机预置点及车牌识别的违停抓拍系统 |
| CN105046966A (zh) * | 2015-05-08 | 2015-11-11 | 天津大学 | 即停即离区域的违章停车行为自动检测系统和方法 |
| CN107330373A (zh) * | 2017-06-02 | 2017-11-07 | 重庆大学 | 一种基于视频的违章停车监控系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103824452B (zh) * | 2013-11-22 | 2016-06-22 | 银江股份有限公司 | 一种轻量级的基于全景视觉的违章停车检测装置 |
| CN107591005B (zh) * | 2017-08-09 | 2020-07-03 | 深圳市金溢科技股份有限公司 | 动静态检测相结合的停车区域管理方法、服务器及系统 |
| CN107748866B (zh) * | 2017-10-20 | 2020-02-14 | 河北机电职业技术学院 | 违法停车自动识别方法及装置 |
-
2019
- 2019-04-04 CN CN201910268522.2A patent/CN110008957B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102110367A (zh) * | 2009-12-25 | 2011-06-29 | 刘天宇 | 违法停车行为实时检测系统及其控制方法 |
| CN203706427U (zh) * | 2013-11-04 | 2014-07-09 | 福建省视通光电网络有限公司 | 基于球机预置点及车牌识别的违停抓拍系统 |
| CN105046966A (zh) * | 2015-05-08 | 2015-11-11 | 天津大学 | 即停即离区域的违章停车行为自动检测系统和方法 |
| CN107330373A (zh) * | 2017-06-02 | 2017-11-07 | 重庆大学 | 一种基于视频的违章停车监控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110008957A (zh) | 2019-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8666117B2 (en) | Video-based system and method for detecting exclusion zone infractions | |
| US10212397B2 (en) | Abandoned object detection apparatus and method and system | |
| US11244171B2 (en) | Video-based system for automated detection of double parking violations | |
| CN110032947B (zh) | 一种监控事件发生的方法及装置 | |
| US20130266187A1 (en) | Video-based method for parking angle violation detection | |
| US20130266188A1 (en) | Video-based method for detecting parking boundary violations | |
| WO2013186662A1 (en) | Multi-cue object detection and analysis | |
| CN101231756A (zh) | 运动目标阴影检测方法及装置 | |
| CN112767681B (zh) | 一种交通状态检测方法、装置及相关设备 | |
| CN110008957B (zh) | 基于车牌识别和图像方差算法的小区违停告警方法 | |
| Hsu et al. | Real-time traffic parameter extraction using entropy | |
| CN110536114A (zh) | 一种目标智能追踪的停车场cctv监视系统及方法 | |
| CN116434161B (zh) | 用于判断基于高位视频的停车行为是否可信的方法和系统 | |
| CN116994433A (zh) | 一种基于车流量数据的区域停车资源升级整改方法 | |
| CN112633228A (zh) | 停车检测方法、装置、设备及存储介质 | |
| CN115440063B (zh) | 交通信号灯的控制方法、装置、计算机设备和存储介质 | |
| CN114863372A (zh) | 一种泊车管理方法、泊车管理装置和计算机可读存储介质 | |
| CN117274849A (zh) | 一种行人徘徊事件检测方法、装置、设备及介质 | |
| Xu et al. | Crowd behaviours analysis in dynamic visual scenes of complex environment | |
| CN111526475A (zh) | 目标车辆的追踪方法、装置、电子设备和存储介质 | |
| Vargas et al. | An enhanced background estimation algorithm for vehicle detection in urban traffic video | |
| CN111178184A (zh) | 基于背景建模的车位区域车辆检测方法及装置 | |
| CN114821795B (zh) | 一种基于ReID技术的人员跑动检测和预警方法及系统 | |
| CN110781855B (zh) | 目标停留点的确定方法、装置、设备及存储装置 | |
| CN117315564A (zh) | 一种车场管理方法、装置、计算机设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231205 Address after: No.2252, Shaling Road, Shatou, Jiangsu Province Patentee after: JIANGSU TC SMART SYSTEMS GROUP Co.,Ltd. Address before: Room 904, building 2, No. 618, Guangxing Road, Songjiang District, Shanghai 201613 Patentee before: SHANGHAI TIANCHENG BIJI TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: No.2252, Shaling Road, Shatou, Jiangsu Province Patentee after: Jiangsu Tiancheng Intelligent Group Co.,Ltd. Country or region after: China Address before: No.2252, Shaling Road, Shatou, Jiangsu Province Patentee before: JIANGSU TC SMART SYSTEMS GROUP Co.,Ltd. Country or region before: China |