CN112232441A - 违章停车判断方法、系统、计算机设备及存储介质 - Google Patents

违章停车判断方法、系统、计算机设备及存储介质 Download PDF

Info

Publication number
CN112232441A
CN112232441A CN202011291454.0A CN202011291454A CN112232441A CN 112232441 A CN112232441 A CN 112232441A CN 202011291454 A CN202011291454 A CN 202011291454A CN 112232441 A CN112232441 A CN 112232441A
Authority
CN
China
Prior art keywords
target vehicle
image
parking
vehicle
images
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
Application number
CN202011291454.0A
Other languages
English (en)
Other versions
CN112232441B (zh
Inventor
智晓欢
徐雷
陶冶
刘伟
曹咪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202011291454.0A priority Critical patent/CN112232441B/zh
Publication of CN112232441A publication Critical patent/CN112232441A/zh
Application granted granted Critical
Publication of CN112232441B publication Critical patent/CN112232441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/42—Analysis of texture based on statistical description of texture using transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Probability & Statistics with Applications (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供一种违章停车判断方法、系统、计算机设备及存储介质，其中，所述方法包括：当目标车辆的车速为零时，拍摄目标车辆的图像P1并开始记录停车时间；当停车时间达到预设时长T时，再次拍摄目标车辆的图像P2；通过对比目标车辆的图像P1和P2判断目标车辆是否发生过移动；若目标车辆没有发生过移动，则基于目标车辆的图像P1或P2判断目标车辆是否停放在禁停区域；若目标车辆停放在禁停区域，则判定目标车辆违章停车。本公开能够自动识别违章停车，有助于治理乱停车现象。

Description

违章停车判断方法、系统、计算机设备及存储介质
技术领域
本公开涉及通信技术领域，尤其涉及一种违章停车判断方法、一种违章停车判断系统、一种计算机设备以及一种计算机可读存储介质。
背景技术
近年来，随着经济快速发展，我国机动车保有量大幅增加。与此同时，为躲避停车收费、图个人便利等原因，“乱停车”现象屡禁不止。
治理停车乱象是一项系统工程，全天候交警人力监控辖区内的违停现象难以实现。而且总有部分司机有不良停车习惯，甚至有的司机将车停在禁停区域但是不下车，导致交警无法对其进行违章处理，乱停车现象难以杜绝。
因此，提出一种可以自动识别违章停车的方案是目前亟待解决的问题。
发明内容
为了至少部分解决现有技术中存在的技术问题而完成了本公开。
根据本公开实施例的一方面，提供一种违章停车判断方法，所述方法包括：
当目标车辆的车速为零时，拍摄目标车辆的图像P1并开始记录停车时间；
当停车时间达到预设时长T时，再次拍摄目标车辆的图像P2；
通过对比目标车辆的图像P1和P2判断目标车辆是否发生过移动；
若目标车辆没有发生过移动，则基于目标车辆的图像P1或P2判断目标车辆是否停放在禁停区域；
若目标车辆停放在禁停区域，则判定目标车辆违章停车。
可选地，所述通过对比目标车辆的图像P1和P2判断目标车辆是否发生过移动，包括：
对目标车辆的图像P1和P2分别进行采样处理，得到各自的灰度图；
基于图像P1和P2的灰度图计算二者的相似度Sim(P1,P2)；
判断相似度Sim(P1,P2)是否大于预设的相似度阈值；
若大于预设的相似度阈值，则判定目标车辆没有发生过移动。
可选地，采用如下公式计算图像P1和P2的相似度Sim(P1,P2)：
Figure BDA0002783989100000021
其中，
Figure BDA0002783989100000022
是图像P1和P2平均灰度值的相似度；σP12是图像P1和P2灰度值标准差的相似度；N是图像中的像素数；P1n和P2n分别是图像P1和P2中第n个像素的灰度值；
图像P1的平均灰度值
Figure BDA0002783989100000023
的公式如下：
Figure BDA0002783989100000024
图像P2的平均灰度值
Figure BDA0002783989100000025
的公式如下：
Figure BDA0002783989100000026
图像P1的灰度值标准差σP1的公式如下：
Figure BDA0002783989100000027
图像P2的灰度值标准差σP2的公式如下：
Figure BDA0002783989100000028
可选地，所述基于目标车辆的图像P1或P2判断目标车辆是否停放在禁停区域，包括：
对目标车辆的图像P1或P2进行边缘分析，若目标车辆附近有停车线，则提取出图像中的车辆边缘和停车线；
基于图像中的车辆边缘与停车线的位置关系判断目标车辆是否正确停放在停车位内；
若目标车辆未正确停放在停车位内，则判定目标车辆停放在禁停区域。
可选地，所述对目标车辆的图像P1或P2进行边缘分析，若目标车辆附近有停车线，则提取出图像中的车辆边缘和停车线，包括：
对图像P1或P2中的像素点P(n)进行傅里叶变换，将图像转换到频域，频域图像的像素点P(k)的公式如下：
Figure BDA0002783989100000031
其中，N是图像中的像素数；
分析频域图像的灰度变化情况，判断目标车辆附近是否有停车线；
若目标车辆附近有停车线，则根据灰度变化情况提取出车辆边缘和停车线。
可选地，采用目标车辆自身的计时模块和目标车辆附近参考物包含的计时模块共同记录停车时间。
可选地，所述方法还包括：
目标车辆自身的计时模块和目标车辆附近参考物包含的计时模块分别作为区块链节点，将各自记录的停车时间上传至区块链。
根据本公开实施例的另一方面，提供一种违章停车判断系统，所述系统包括：
摄像模块，其设置为当目标车辆的车速为零时，拍摄目标车辆的图像P1；
计时模块，其设置为当所述摄像模块拍摄目标车辆的图像P1时开始记录停车时间；
所述摄像模块还设置为，当所述计时模块记录的停车时间达到预设时长T时，再次拍摄目标车辆的图像P2；
第一判断模块，其设置为通过对比目标车辆的图像P1和P2判断目标车辆是否发生过移动；以及，
第二判断模块，其设置为当所述第一判断模块的判断结果为目标车辆没有发生过移动时，基于目标车辆的图像P1或P2判断目标车辆是否停放在禁停区域，若目标车辆停放在禁停区域，则判定目标车辆违章停车。
根据本公开实施例的又一方面，提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行前述违章停车判断方法。
根据本公开实施例的再一方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，所述处理器执行前述违章停车判断方法。
本公开的实施例提供的技术方案可以包括以下有益效果：
本公开实施例提供的违章停车判断方法和系统，通过对比目标车辆停止一段时间前后的图像，判断目标车辆在这段时间内是否发生过移动，若目标车辆没有发生过移动，再判断目标车辆是否停放在禁停区域，若停放在禁停区域，则可以认定目标车辆违章停车，从而自动识别违章停车，有助于治理乱停车现象。
本公开的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本公开而了解。本公开的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本公开技术方案的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开的技术方案，并不构成对本公开技术方案的限制。
图1为本公开实施例提供的违章停车判断方法的流程示意图；
图2为本公开实施例提供的违章停车判断系统的结构示意图；
图3为本公开实施例提供的计算机设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序；并且，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互任意组合。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本公开的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
由于交警无法实现24小时不间断监控，在交警下班时间和巡查盲点时，乱停车现象甚至更加严重，也有司机虽然停在禁停区域内但是不下车，交警即使发现也不能对其进行处罚，违停现象难以杜绝。为了解决这一问题，本公开提供了一种违章停车判断方案，下面通过具体实施例予以说明。
图1为本公开实施例提供的违章停车判断方法的流程示意图。如图1所示，所述方法包括如下步骤S101至S106。
S101.当目标车辆的车速为零时，拍摄目标车辆的图像P1并开始记录停车时间；
S102.当停车时间达到预设时长T时，再次拍摄目标车辆的图像P2；
S103.通过对比目标车辆的图像P1和P2判断目标车辆是否发生过移动，若目标车辆没有发生过移动，则执行步骤S104；若目标车辆发生过移动，则结束当前流程；
S104.基于目标车辆的图像P1或P2判断目标车辆是否停放在禁停区域，若目标车辆停放在禁停区域，则执行步骤S105；若目标车辆未停放在禁停区域，则执行步骤S106；
S105.判定目标车辆违章停车；
S106.判定目标车辆正确停放。
其中，目标车辆的车速为零时表明汽车停止行驶，不管车辆是否熄火、驾驶员是否下车等，都拍摄车辆图像(画面)并开始计时。预设时长T可根据实际情况进行设定与调整。
禁停区域可根据实际情况进行设置，例如，可分为绝对禁止停车区域，该区域内不允许停放任何车辆，以及，可停车但停放不规范区域，该区域可以停车，但需要按照一定规则停车(如停车场)，如果未按照规则停车则视为车辆停放在禁停区域。
步骤S101-S103通过目标车辆在停驶一段时间前后是否处于同一位置，确保目标车辆在同一地点停车达到一定时长后才继续判断其是否停放在禁停区域。
本实施例通过对比目标车辆停止一段时间前后的图像，判断目标车辆在这段时间内是否发生过移动，若目标车辆没有发生过移动，再判断目标车辆是否停放在禁停区域，若停放在禁停区域，则可以认定目标车辆违章停车，从而自动识别违章停车，有助于治理乱停车现象。
在一种具体实施方式中，步骤S101采用目标车辆自身的计时模块和目标车辆附近参考物包含的计时模块共同记录停车时间。
其中，参考物包括目标车辆附近的路灯、摄像头等设备，这些设备包含计时模块。当目标车辆的车速为零时，触发目标车辆和旁边的参考物的计时模块开始计时，与此同时触发摄像头等设备拍摄目标车辆的图像P1，待停车时间达到预设时长T时，再次拍摄目标车辆的图像P2。
在一种具体实施方式中，在步骤S101之后，还包括步骤S107：
S107.目标车辆自身的计时模块和目标车辆附近参考物包含的计时模块分别作为区块链节点，将各自记录的停车时间上传至区块链，从而共同记录和维护停车时间，确保违章判断的准确性。
在一种具体实施方式中，步骤S101和步骤S102采用目标车辆自带的摄像头、道路上的监控摄像头或者周边建筑物的监控摄像头拍摄目标车辆的图像。
其中，可采用目标车辆自带的摄像头和道路上的监控摄像头共同拍摄目标车辆的图像，或者采用目标车辆自带的摄像头和周边建筑物的监控摄像头共同拍摄目标车辆的图像。
在一种具体实施方式中，在步骤S102之后，还包括步骤S108：
S108.目标车辆自带的摄像头和道路上的监控摄像头，或者目标车辆自带的摄像头和周边建筑物的监控摄像头，分别作为区块链节点，将各自拍摄的目标车辆的图像上传至区块链，从而共同记录和维护作为违章证据的车辆图像，提高可靠性。
本实施例中，用于记录停车时间的计时模块可采用5G技术进行通信；用于拍摄目标车辆图像的摄像头也可采用5G技术进行通信。计时模块和摄像头保留停车时间、车辆图像(画面)等车辆相关信息，以便取证。
在一种具体实施方式中，步骤S103包括如下步骤S1031至S1035。
S1031.对目标车辆的图像P1和P2分别进行采样处理，得到各自的灰度图；
S1032.基于图像P1和P2的灰度图计算二者的相似度Sim(P1,P2)；
S1033.判断相似度Sim(P1,P2)是否大于预设的相似度阈值，若大于预设的相似度阈值，则执行步骤S1034；若不大于预设的相似度阈值，则执行步骤S1035；
S1034.判定目标车辆没有发生过移动；
S1035.判定目标车辆发生过移动。
其中，相似度阈值可根据实际情况进行设定与调整。
在一种具体实施方式中，步骤S1032采用如下公式计算图像P1和P2的相似度Sim(P1,P2)：
Figure BDA0002783989100000071
其中，
Figure BDA0002783989100000072
是图像P1和P2平均灰度值的相似度；σP12是图像P1和P2灰度值标准差的相似度；N是图像中的像素数；P1n和P2n分别是图像P1和P2中第n个像素的灰度值；
图像P1的平均灰度值
Figure BDA0002783989100000073
的公式如下：
Figure BDA0002783989100000074
图像P2的平均灰度值
Figure BDA0002783989100000075
的公式如下：
Figure BDA0002783989100000076
图像P1的灰度值标准差σP1的公式如下：
Figure BDA0002783989100000077
图像P2的灰度值标准差σP2的公式如下：
Figure BDA0002783989100000078
本实施例中，通过计算图像P1和P2的灰度值和灰度变化情况，得到图像P1和P2的相似度Sim(P1,P2)，用以判断图像P1和P2的相似性。如果图像P1和P2的相似度较高(即超过预设的相似度阈值)，则表明停车时间T内目标车辆没有发生过移动，接下来判断目标车辆是否停放在禁停区域。
在一种具体实施方式中，步骤S104包括如下步骤S1041至S1044。
S1041.对目标车辆的图像P1或P2进行边缘分析，若目标车辆附近有停车线，则提取出图像中的车辆边缘和停车线；
S1042.基于图像中的车辆边缘与停车线的位置关系判断目标车辆是否正确停放在停车位内，若目标车辆未正确停放在停车位内，则执行步骤S1043；若目标车辆正确停放在停车位内，则执行步骤S1044；
S1043.判定目标车辆停放在禁停区域；
S1044.判定目标车辆未停放在禁停区域。
本实施例中，如果目标车辆没有正确停放在停车位内，就可以认定目标车辆违章停车。
在一种具体实施方式中，步骤S1041具体包括：
对图像P1或P2中的像素点P(n)进行傅里叶变换，将图像转换到频域，频域图像的像素点P(k)的公式如下：
Figure BDA0002783989100000081
其中，N是图像中的像素数；
分析频域图像的灰度变化情况，判断目标车辆附近是否有停车线；
若目标车辆附近有停车线，则根据灰度变化情况提取出车辆边缘和停车线；否则结束当前流程。
本实施例中，通过傅里叶变换和频域图像的灰度变化等分析目标车辆边缘是否有停车线，进而判断目标车辆是否正确停放在停车位内。
进一步地，根据频域图像的灰度变化情况提取出车辆边缘和停车线具体为：使频域图像通过滤波器进行滤波处理，以得出图像中物体的边缘部分。
滤波器频率特性为：
Figure BDA0002783989100000082
其中，f是频率；τ是时间常数。
本实施例中，滤波器仅通过高频信号，而低频信号全部被阻挡，就可得到图像中物体的边缘部分，从而能够判断目标车辆附件是否有停车线，以及车辆边缘和停车线的相对位置。
本公开实施例提供的违章停车判断方法，当目标车辆的车速为零时，启动计时模块，拍摄此时目标车辆的图像P1；当计时达到一定时长时，再次拍摄此时目标车辆的图像P2；通过对比图像P1和P2得到二者的相似度，若相似度达到预设的相似度阈值，就认为目标车辆在停车时间内没有发生过移动；继续分析目标车辆的图像P1或P2，提取目标车辆边缘，若目标车辆附近有停车线，则同时提取停车线，并分析目标车辆是否正确停放在停车位内，如果车辆没有正确停放在停车位内，就认为目标车辆违章停车。
图2为本公开实施例提供的违章停车判断系统的结构示意图。如图2所示，所述系统包括：摄像模块21、计时模块22、第一判断模块23和第二判断模块24。
其中，摄像模块21设置为当目标车辆的车速为零时，拍摄目标车辆的图像P1；计时模块22设置为当所述摄像模块21拍摄目标车辆的图像P1时开始记录停车时间；所述摄像模块21还设置为，当所述计时模块22记录的停车时间达到预设时长T时，再次拍摄目标车辆的图像P2；第一判断模块23设置为通过对比目标车辆的图像P1和P2判断目标车辆是否发生过移动；第二判断模块24设置为当所述第一判断模块23的判断结果为目标车辆没有发生过移动时，基于目标车辆的图像P1或P2判断目标车辆是否停放在禁停区域，若目标车辆停放在禁停区域，则判定目标车辆违章停车。
其中，目标车辆的车速为零时表明汽车停止行驶，不管车辆是否熄火、驾驶员是否下车等，都拍摄车辆图像(画面)并开始计时。预设时长T可根据实际情况进行设定与调整。
禁停区域可根据实际情况进行设置，例如，可分为绝对禁止停车区域，该区域内不允许停放任何车辆，以及，可停车但停放不规范区域，该区域可以停车，但需要按照一定规则停车(如停车场)，如果未按照规则停车则视为车辆停放在禁停区域。
本实施例通过对比目标车辆停止一段时间前后的图像，判断目标车辆在这段时间内是否发生过移动，若目标车辆没有发生过移动，再判断目标车辆是否停放在禁停区域，若停放在禁停区域，则可以认定目标车辆违章停车，从而自动识别违章停车，有助于治理乱停车现象。
在一种具体实施方式中，计时模块22采用目标车辆自身的计时模块和目标车辆附近参考物包含的计时模块。换言之，采用目标车辆自身的计时模块和目标车辆附近参考物包含的计时模块共同记录停车时间。
其中，参考物包括目标车辆附近的路灯、摄像头等设备，这些设备包含计时模块。当目标车辆的车速为零时，触发目标车辆和旁边的参考物的计时模块22开始计时，与此同时触发摄像模块21拍摄目标车辆的图像P1，待停车时间达到预设时长T时，再次拍摄目标车辆的图像P2。
在一种具体实施方式中，目标车辆自身的计时模块和目标车辆附近参考物包含的计时模块分别作为区块链节点，将各自记录的停车时间上传至区块链，从而共同记录和维护停车时间，确保违章判断的准确性。
在一种具体实施方式中，摄像模块21采用目标车辆自带的摄像头、道路上的监控摄像头或者周边建筑物的监控摄像头拍摄目标车辆的图像。
其中，可采用目标车辆自带的摄像头和道路上的监控摄像头共同拍摄目标车辆的图像，或者采用目标车辆自带的摄像头和周边建筑物的监控摄像头共同拍摄目标车辆的图像。
在一种具体实施方式中，目标车辆自带的摄像头和道路上的监控摄像头，或者目标车辆自带的摄像头和周边建筑物的监控摄像头，分别作为区块链节点，将各自拍摄的目标车辆的图像上传至区块链，从而共同记录和维护作为违章证据的车辆图像，提高可靠性。
在一种具体实施方式中，第一判断模块23包括：采样单元、计算单元和第一判断单元。
其中，采样单元设置为对目标车辆的图像P1和P2分别进行采样处理，得到各自的灰度图；计算单元设置为基于采样单元得到的图像P1和P2的灰度图计算二者的相似度Sim(P1,P2)；第一判断单元设置为判断相似度Sim(P1,P2)是否大于预设的相似度阈值，若大于预设的相似度阈值，则判定目标车辆没有发生过移动；若不大于预设的相似度阈值，则判定目标车辆发生过移动。其中，相似度阈值可根据实际情况进行设定与调整。
在一种具体实施方式中，计算单元采用如下公式计算图像P1和P2的相似度Sim(P1,P2)：
Figure BDA0002783989100000111
其中，
Figure BDA0002783989100000112
是图像P1和P2平均灰度值的相似度；σP12是图像P1和P2灰度值标准差的相似度；N是图像中的像素数；P1n和P2n分别是图像P1和P2中第n个像素的灰度值；
图像P1的平均灰度值
Figure BDA0002783989100000113
的公式如下：
Figure BDA0002783989100000114
图像P2的平均灰度值
Figure BDA0002783989100000115
的公式如下：
Figure BDA0002783989100000116
图像P1的灰度值标准差σP1的公式如下：
Figure BDA0002783989100000117
图像P2的灰度值标准差σP2的公式如下：
Figure BDA0002783989100000118
本实施例中，通过计算单元计算图像P1和P2的灰度值和灰度变化情况，得到图像P1和P2的相似度Sim(P1,P2)，用以判断图像P1和P2的相似性。如果图像P1和P2的相似度较高(即超过预设的相似度阈值)，则表明停车时间T内目标车辆没有发生过移动，接下来第二判断模块判断目标车辆是否停放在禁停区域。
在一种具体实施方式中，第二判断模块24包括：分析单元和第二判断单元。
其中，分析单元设置为对目标车辆的图像P1或P2进行边缘分析，若目标车辆附近有停车线，则提取出图像中的车辆边缘和停车线；第二判断单元设置为基于图像中的车辆边缘与停车线的位置关系判断目标车辆是否正确停放在停车位内，若目标车辆未正确停放在停车位内，则判定目标车辆停放在禁停区域；若目标车辆正确停放在停车位内，则判定目标车辆未停放在禁停区域。
本实施例中，如果目标车辆没有正确停放在停车位内，就可以认定目标车辆违章停车。
在一种具体实施方式中，分析单元具体设置为：对图像P1或P2中的像素点P(n)进行傅里叶变换，将图像转换到频域，频域图像的像素点P(k)的公式如下：
Figure BDA0002783989100000121
其中，N是图像中的像素数；
分析频域图像的灰度变化情况，判断目标车辆附近是否有停车线，若目标车辆附近有停车线，则根据灰度变化情况提取出车辆边缘和停车线。
本实施例中，分析单元通过傅里叶变换和频域图像的灰度变化等分析目标车辆边缘是否有停车线，第二判断单元再判断目标车辆是否正确停放在停车位内。
进一步地，根据频域图像的灰度变化情况提取出车辆边缘和停车线具体为：使频域图像通过滤波器进行滤波处理，以得出图像中物体的边缘部分。
滤波器频率特性为：
Figure BDA0002783989100000122
其中，f是频率；τ是时间常数。
本实施例中，滤波器仅通过高频信号，而低频信号全部被阻挡，就可得到图像中物体的边缘部分，从而能够判断目标车辆附件是否有停车线，以及车辆边缘和停车线的相对位置。
本公开实施例提供的违章停车判断系统，当目标车辆的车速为零时，启动计时模块，拍摄此时目标车辆的图像P1；当计时达到一定时长时，再次拍摄此时目标车辆的图像P2；通过对比图像P1和P2得到二者的相似度，若相似度达到预设的相似度阈值，就认为目标车辆在停车时间内没有发生过移动；继续分析目标车辆的图像P1或P2，提取目标车辆边缘，若目标车辆附近有停车线，则同时提取停车线，并分析目标车辆是否正确停放在停车位内，如果车辆没有正确停放在停车位内，就认为目标车辆违章停车。
基于相同的技术构思，本公开实施例相应还提供一种计算机设备，如图3所示，所述计算机设备3包括存储器31和处理器32，所述存储器31中存储有计算机程序，当所述处理器32运行所述存储器31存储的计算机程序时，所述处理器32执行前述违章停车判断方法。
基于相同的技术构思，本公开实施例相应还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，所述处理器执行前述违章停车判断方法。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的范围。

Claims (10)

1.一种违章停车判断方法，其特征在于，包括：
当目标车辆的车速为零时，拍摄目标车辆的图像P1并开始记录停车时间；
当停车时间达到预设时长T时，再次拍摄目标车辆的图像P2；
通过对比目标车辆的图像P1和P2判断目标车辆是否发生过移动；
若目标车辆没有发生过移动，则基于目标车辆的图像P1或P2判断目标车辆是否停放在禁停区域；
若目标车辆停放在禁停区域，则判定目标车辆违章停车。
2.根据权利要求1所述的方法，其特征在于，所述通过对比目标车辆的图像P1和P2判断目标车辆是否发生过移动，包括：
对目标车辆的图像P1和P2分别进行采样处理，得到各自的灰度图；
基于图像P1和P2的灰度图计算二者的相似度Sim(P1,P2)；
判断相似度Sim(P1,P2)是否大于预设的相似度阈值；
若大于预设的相似度阈值，则判定目标车辆没有发生过移动。
3.根据权利要求2所述的方法，其特征在于，采用如下公式计算图像P1和P2的相似度Sim(P1,P2)：
Figure FDA0002783989090000011
其中，
Figure FDA0002783989090000012
是图像P1和P2平均灰度值的相似度；σP12是图像P1和P2灰度值标准差的相似度；N是图像中的像素数；P1n和P2n分别是图像P1和P2中第n个像素的灰度值；
图像P1的平均灰度值
Figure FDA0002783989090000013
的公式如下：
Figure FDA0002783989090000014
图像P2的平均灰度值
Figure FDA0002783989090000015
的公式如下：
Figure FDA0002783989090000016
图像P1的灰度值标准差σP1的公式如下：
Figure FDA0002783989090000021
图像P2的灰度值标准差σP2的公式如下：
Figure FDA0002783989090000022
4.根据权利要求1所述的方法，其特征在于，所述基于目标车辆的图像P1或P2判断目标车辆是否停放在禁停区域，包括：
对目标车辆的图像P1或P2进行边缘分析，若目标车辆附近有停车线，则提取出图像中的车辆边缘和停车线；
基于图像中的车辆边缘与停车线的位置关系判断目标车辆是否正确停放在停车位内；
若目标车辆未正确停放在停车位内，则判定目标车辆停放在禁停区域。
5.根据权利要求4所述的方法，其特征在于，所述对目标车辆的图像P1或P2进行边缘分析，若目标车辆附近有停车线，则提取出图像中的车辆边缘和停车线，包括：
对图像P1或P2中的像素点P(n)进行傅里叶变换，将图像转换到频域，频域图像的像素点P(k)的公式如下：
Figure FDA0002783989090000023
其中，N是图像中的像素数；
分析频域图像的灰度变化情况，判断目标车辆附近是否有停车线；
若目标车辆附近有停车线，则根据灰度变化情况提取出车辆边缘和停车线。
6.根据权利要求1所述的方法，其特征在于，采用目标车辆自身的计时模块和目标车辆附近参考物包含的计时模块共同记录停车时间。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
目标车辆自身的计时模块和目标车辆附近参考物包含的计时模块分别作为区块链节点，将各自记录的停车时间上传至区块链。
8.一种违章停车判断系统，其特征在于，包括：
摄像模块，其设置为当目标车辆的车速为零时，拍摄目标车辆的图像P1；
计时模块，其设置为当所述摄像模块拍摄目标车辆的图像P1时开始记录停车时间；
所述摄像模块还设置为，当所述计时模块记录的停车时间达到预设时长T时，再次拍摄目标车辆的图像P2；
第一判断模块，其设置为通过对比目标车辆的图像P1和P2判断目标车辆是否发生过移动；以及，
第二判断模块，其设置为当所述第一判断模块的判断结果为目标车辆没有发生过移动时，基于目标车辆的图像P1或P2判断目标车辆是否停放在禁停区域，若目标车辆停放在禁停区域，则判定目标车辆违章停车。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行根据权利要求1至7中任一项所述的违章停车判断方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，所述处理器执行根据权利要求1至7中任一项所述的违章停车判断方法。
CN202011291454.0A 2020-11-18 2020-11-18 违章停车判断方法、系统、计算机设备及存储介质 Active CN112232441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011291454.0A CN112232441B (zh) 2020-11-18 2020-11-18 违章停车判断方法、系统、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011291454.0A CN112232441B (zh) 2020-11-18 2020-11-18 违章停车判断方法、系统、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN112232441A true CN112232441A (zh) 2021-01-15
CN112232441B CN112232441B (zh) 2023-06-06

Family

ID=74123517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011291454.0A Active CN112232441B (zh) 2020-11-18 2020-11-18 违章停车判断方法、系统、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN112232441B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113112813A (zh) * 2021-02-22 2021-07-13 浙江大华技术股份有限公司 违章停车检测方法及装置

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009116738A (ja) * 2007-11-08 2009-05-28 Nec Fielding Ltd 違法駐車取締システム、その方法およびプログラム
CN103824452A (zh) * 2013-11-22 2014-05-28 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
CN104376554A (zh) * 2014-10-16 2015-02-25 中海网络科技股份有限公司 一种基于图像纹理的违章停车检测方法
CN104504908A (zh) * 2015-01-14 2015-04-08 苏州科达科技股份有限公司 一种违章停车监控方法及系统
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
CN105046948A (zh) * 2015-05-08 2015-11-11 天津大学 一种黄色网格线区域内交通违章停车监测系统和方法
EP3057076A1 (en) * 2013-10-11 2016-08-17 Kabushiki Kaisha Toshiba Parked vehicle detection device, vehicle management system, and control method
CN107491753A (zh) * 2017-08-16 2017-12-19 电子科技大学 一种基于背景建模的违章停车检测方法
CN107705574A (zh) * 2017-10-09 2018-02-16 荆门程远电子科技有限公司 一种精准快速的道路违章停车全自动抓拍系统
CN109559519A (zh) * 2018-12-18 2019-04-02 广东中安金狮科创有限公司 监控设备及其违章停车检测方法、装置、可读存储介质
CN109686103A (zh) * 2018-12-29 2019-04-26 中南大学 一种基于图像识别的智能交通违停监控管理系统与方法
CN109993056A (zh) * 2019-02-25 2019-07-09 平安科技（深圳）有限公司 一种识别车辆违章行为的方法、服务器及存储介质
CN110223511A (zh) * 2019-04-29 2019-09-10 合刃科技（武汉）有限公司 一种汽车路边违停智能监测方法及系统
CN111862627A (zh) * 2020-07-17 2020-10-30 安徽达尔智能控制系统股份有限公司 一种交通违停抓拍自动处理系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009116738A (ja) * 2007-11-08 2009-05-28 Nec Fielding Ltd 違法駐車取締システム、その方法およびプログラム
EP3057076A1 (en) * 2013-10-11 2016-08-17 Kabushiki Kaisha Toshiba Parked vehicle detection device, vehicle management system, and control method
CN103824452A (zh) * 2013-11-22 2014-05-28 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
CN104376554A (zh) * 2014-10-16 2015-02-25 中海网络科技股份有限公司 一种基于图像纹理的违章停车检测方法
CN104504908A (zh) * 2015-01-14 2015-04-08 苏州科达科技股份有限公司 一种违章停车监控方法及系统
CN105046948A (zh) * 2015-05-08 2015-11-11 天津大学 一种黄色网格线区域内交通违章停车监测系统和方法
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
CN107491753A (zh) * 2017-08-16 2017-12-19 电子科技大学 一种基于背景建模的违章停车检测方法
CN107705574A (zh) * 2017-10-09 2018-02-16 荆门程远电子科技有限公司 一种精准快速的道路违章停车全自动抓拍系统
CN109559519A (zh) * 2018-12-18 2019-04-02 广东中安金狮科创有限公司 监控设备及其违章停车检测方法、装置、可读存储介质
CN109686103A (zh) * 2018-12-29 2019-04-26 中南大学 一种基于图像识别的智能交通违停监控管理系统与方法
CN109993056A (zh) * 2019-02-25 2019-07-09 平安科技（深圳）有限公司 一种识别车辆违章行为的方法、服务器及存储介质
CN110223511A (zh) * 2019-04-29 2019-09-10 合刃科技（武汉）有限公司 一种汽车路边违停智能监测方法及系统
CN111862627A (zh) * 2020-07-17 2020-10-30 安徽达尔智能控制系统股份有限公司 一种交通违停抓拍自动处理系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
MD.MOSTAFA KAMAL SARKER 等: "Detection and Recognition of Illegally Parked Vehicles Based on an Adaptive Gaussian Mixture Model and a Seed Fill Algorithm", 《JOURNAL OF INFORMATION AND COMMUNICATION CONVERGENCE ENGINEERING》 *
王雨翔 等: "基于混合高斯模型的高速公路违章停车检测方法", 《重庆交通大学学报(自然科学版)》 *
赵庆勇: "智能监控系统中道路违章行为的识别分析方法", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
赵成强: "公路交通车辆违章行为检测与监控实现系统", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
靳龙飞: "基于球型摄像机的车辆违章行为检测方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113112813A (zh) * 2021-02-22 2021-07-13 浙江大华技术股份有限公司 违章停车检测方法及装置
CN113112813B (zh) * 2021-02-22 2022-12-20 浙江大华技术股份有限公司 违章停车检测方法及装置

Also Published As

Publication number Publication date
CN112232441B (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
CN108765976B (zh) 路侧平行停车信息管理系统及方法
CN100507970C (zh) 基于数字摄像机的闯红灯检测系统及方法
CN111339994B (zh) 一种判断临时违章停车的方法及装置
CN105046966A (zh) 即停即离区域的违章停车行为自动检测系统和方法
CN108765975B (zh) 路侧垂直停车场管理系统及方法
CN106384532A (zh) 视频数据分析方法、装置以及停车位监控系统
CN105654734A (zh) 车辆违章行为的数据处理方法及装置
CN111666853A (zh) 实时车辆违章检测方法、装置、设备及存储介质
CN109993978B (zh) 车辆抓拍方法、装置及门岗系统
CN111640293A (zh) 一种基于嵌入式终端的深度学习非机动车道行驶检测方法
CN204856897U (zh) 一种机动车即停即离区域的违章检测装置
CN108932852A (zh) 一种记录机动车违法占用应急车道行为的方法及装置
CN114694095A (zh) 确定车辆进出泊位的方法、装置、设备和存储介质
CN112232441B (zh) 违章停车判断方法、系统、计算机设备及存储介质
CN113112813B (zh) 违章停车检测方法及装置
CN111260953A (zh) 路内停车管理方法、装置及系统
CN110718000A (zh) 汽车违反限行规则的识别方法、装置及车载终端
CN112215038A (zh) 特定车辆识别系统、方法及存储介质
CN112733827B (zh) 一种车牌识别方法、装置、电子设备及存储介质
CN113628447B (zh) 远光灯开启检测方法、装置、设备及系统
CN113870185A (zh) 基于图像抓拍的图像处理方法、终端及存储介质
CN107358170B (zh) 一种基于移动机器视觉的车辆违章压线识别方法
CN110766949B (zh) 违章抓拍方法及装置
CN114842650B (zh) 一种车辆超时违停判断方法及装置、图像采集设备
CN111666784A (zh) 一种基于视觉图像算法的智能停车装置

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