CN113034925B - 一种用于智慧社区的视频识别车辆非法占道的检测方法 - Google Patents
一种用于智慧社区的视频识别车辆非法占道的检测方法 Download PDFInfo
- Publication number
- CN113034925B CN113034925B CN202110314569.5A CN202110314569A CN113034925B CN 113034925 B CN113034925 B CN 113034925B CN 202110314569 A CN202110314569 A CN 202110314569A CN 113034925 B CN113034925 B CN 113034925B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- community
- vehicles
- white
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于智慧社区的视频识别车辆非法占道的检测方法,涉及车辆监控技术领域。本发明包括如下步骤:对视频中含有车辆的图像进行预处理;判断车辆是否处于停靠状态以及是否为禁停路段;对预处理后的图像进行特征点的提取,获取道路上的白线车框;根据图像中白线框的位置,模拟出所有车辆的停车位的车框位置;对头一辆车车头距离白线的位置或者末尾车辆车尾距离白线的位置进行识别;识别车辆的长度以及原有的车位数,判断车辆是否都在车位内。本发明对出现非法占道的问题,能够及时派遣社区管理人员进行处理,避免社区内车辆停放混乱,确保社区内道路保持通畅,加强了社区内的车辆道路的安全管理。
Description
技术领域
本发明属于车辆监控技术领域,特别是涉及一种用于智慧社区的视频识别车辆非法占道的检测方法。
背景技术
随着经济的迅速发展,私家车的数量越来越多,因此对社区路边车辆停放的需求也越来越大,人们在社区车辆停放的过程中很难找到合适的位置进行停放,因此,人们在停车时,随意寻找空车位停放,甚至停放在非法的区域,给社区管理带来了一定的麻烦,以及造成社区道路堵塞,因此投入大量的人力物力进行监管,但由于停放车辆的区域面积较大,给监管人员带来了很大的难度,难以实现及时发现和处理,存在严重的管理隐患。
发明内容
本发明的目的在于提供一种用于智慧社区的视频识别车辆非法占道的检测方法,通过对社区街道的路段安装监控设备,对视频中的车辆停靠位置进行预处理,确定地面车位的白框的具体位置并进行车位模拟,并结合头车或者尾车距离白线的位置确定车辆是否处出现非法占道的问题,解决了现有的社区内车辆停放混乱、管理困难,存在安全隐患的问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为一种用于智慧社区的视频识别车辆非法占道的检测方法,包括如下步骤:
步骤S1:在智慧社区内各个路段添加设备资源,将视频流引入社区监控平台,并设定好最佳抓拍角度,启动违法检测;
步骤S2:对视频中含有车辆的图像进行预处理;
步骤S3:判断车辆是否处于停靠状态以及是否为禁停路段;
步骤S4:对预处理后的图像进行特征点的提取,获取道路上的白线车框;
步骤S5:根据图像中白线框的位置,模拟出所有车辆的停车位的车框位置;
步骤S6:对位于车队最前方车辆车头距离白线的位置或者末尾车辆车尾距离白线的位置进行识别;
步骤S7:识别车辆的长度以及原有的车位数,判断车辆是否都在车位内;
步骤S8:当出现车辆不在车位内或者停车的数量多于预设车位的数量时,通知社区管理人员进行查看。
优选地,所述步骤S2中,对车辆图像进行预处理的过程包括滤波处理、边缘增强处理以及二值化处理;
其中,所述滤波处理通过邻域平均法来除去采集时产生的噪声,使图片更加平顺,邻域平均法的模型为:
式中,g(i,j)为经过邻域平均处理后的图像;n为行像素点数目;f(i,j)为摄像机采集的图像;M为所述邻域中各邻近像素的坐标;
所述边缘增强处理采用边缘增强Sobel算子来进行处理;
所述二值化处理选择以行为单位使用局部最优阈值法,定义波动程度为:
式中,xi为行像素;xmax为本行中最大的灰度值,则阈值T的取值为:
优选地,所述步骤S3中,若拍摄的视频流中,识别的车辆3分钟没有出现位置上的移动,则认定该车辆处于停靠状态;当车辆处于停靠状态时,需要判断该车辆的停靠位置是否属于停靠路段,当车辆停靠的路段禁止停车时,则直接通知社区管理人员前去查看处理;当车辆停靠的路段能够停车,则继续执行步骤S4。
优选地,所述步骤S4中,由于白线车框的像素值超过阈值T,预处理后的照片只会保留图像中白线车框的边缘特征。
优选地,所述步骤S6中,当最前方的车位白框和最后方的车位白框均被车辆完全遮挡时,则从中间部分能够确定一个白框车位的位置进行确认,并结合该处实际的车位数进行模拟识别,确定出所有车位白框的位置。
优选地,所述步骤S7中,对视频中每一段视频进行车辆的特征识别,根据视频中车辆的铁皮颜色占比、车辆形状或者车头车尾车标,确定相应车辆的车身长度,根据预先设定的车身长度和车型的对应关系,确定车型在车位中应该占有的比例。
本发明具有以下有益效果:
本发明通过对社区街道的路段安装监控设备,对视频中的车辆停靠位置进行预处理,确定地面车位的白框的具体位置并进行车位模拟,并结合头车或者尾车距离白线的位置确定车辆是否处出现非法占道的问题,能够及时派遣社区管理人员进行处理,避免社区内车辆停放混乱,确保社区内道路保持通畅,加强了社区内的车辆道路的安全管理。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种用于智慧社区的视频识别车辆非法占道的检测方法步骤图。
具体实施方式
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,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种用于智慧社区的视频识别车辆非法占道的检测方法,包括如下步骤:
步骤S1:在智慧社区内各个路段添加设备资源,将视频流引入社区监控平台,并设定好最佳抓拍角度,启动违法检测;
步骤S2:对视频中含有车辆的图像进行预处理;
步骤S3:判断车辆是否处于停靠状态以及是否为禁停路段;
步骤S4:对预处理后的图像进行特征点的提取,获取道路上的白线车框;
步骤S5:根据图像中白线框的位置,模拟出所有车辆的停车位的车框位置;
步骤S6:对位于车队最前方车辆车头距离白线的位置或者末尾车辆车尾距离白线的位置进行识别;
步骤S7:识别车辆的长度以及原有的车位数,判断车辆是否都在车位内;
步骤S8:当出现车辆不在车位内或者停车的数量多于预设车位的数量时,通知社区管理人员进行查看。
其中,步骤S2中,对车辆图像进行预处理的过程包括滤波处理、边缘增强处理以及二值化处理,预处理能能够将图片中大量不相干的信息进行排除,如人体、树木、周边设施等等;
其中,滤波处理通过邻域平均法来除去采集时产生的噪声,使图片更加平顺,邻域平均法的模型为:
式中,g(i,j)为经过邻域平均处理后的图像;n为行像素点数目;f(i,j)为摄像机采集的图像;M为所述邻域中各邻近像素的坐标;
边缘增强处理采用边缘增强Sobel算子来进行处理,边缘增强是以图像中亮度变化显著程度区分不同的目标,是图像分割和纹理特征提取的重要基础;
合适的阈值是二值化过程中的关键,直接影响到道路识别结果。理想情况下,阈值应该最大程度地突出边界且抑制噪声。为了获取比较适当的阈值,研究了阈值选取方法。阈值处理算法有3种:全局阈值算法、局部阈值算法和自适应阈值算法。
本申请文件的二值化处理选择以行为单位使用局部最优阈值法,定义波动程度为:
式中,xi为行像素;xmax为本行中最大的灰度值,则阈值T的取值为:
行像素与对应阈值比较,小于阈值的归零处理,大于等于T变成255。
其中,步骤S3中,若拍摄的视频流中,识别的车辆3分钟没有出现位置上的移动,则认定该车辆处于停靠状态;当车辆处于停靠状态时,需要判断该车辆的停靠位置是否属于停靠路段,当车辆停靠的路段禁止停车时,则直接通知社区管理人员前去查看处理;当车辆停靠的路段能够停车,则继续执行步骤S4。
其中,步骤S4中,由于白线车框的像素值超过阈值T,预处理后的照片只会保留图像中白线车框的边缘特征。
其中,步骤S6中,当最前方的车位白框和最后方的车位白框均被车辆完全遮挡时,则从中间部分能够确定一个白框车位的位置进行确认,并结合该处实际的车位数进行模拟识别,确定出所有车位白框的位置。
其中,步骤S7中,对视频中每一段视频进行车辆的特征识别,根据视频中车辆的铁皮颜色占比、车辆形状或者车头车尾车标,确定相应车辆的车身长度,根据预先设定的车身长度和车型的对应关系,确定车型在车位中应该占有的比例。
值得注意的是,上述系统实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.一种用于智慧社区的视频识别车辆非法占道的检测方法,其特征在于,包括如下步骤:
步骤S1:在智慧社区内各个路段添加设备资源,将视频流引入社区监控平台,并设定好最佳抓拍角度,启动违法检测;
步骤S2:对视频中含有车辆的图像进行预处理;
步骤S3:判断车辆是否处于停靠状态以及是否为禁停路段;
步骤S4:对预处理后的图像进行特征点的提取,获取道路上的白线车框;
步骤S5:根据图像中白线框的位置,模拟出所有车辆的停车位的车框位置;
步骤S6:对位于车队最前方车辆车头距离白线的位置或者末尾车辆车尾距离白线的位置进行识别;
步骤S7:识别车辆的长度以及原有的车位数,判断车辆是否都在车位内;
步骤S8:当出现车辆不在车位内或者停车的数量多于预设车位的数量时,通知社区管理人员进行查看;
其中,步骤S6中,当最前方的车位白框和最后方的车位白框均被车辆完全遮挡时,则从中间部分能够确定一个白框车位的位置进行确认,并结合该处实际的车位数进行模拟识别,确定出所有车位白框的位置;
其中,步骤S7中,对视频中每一段视频进行车辆的特征识别,根据视频中车辆的铁皮颜色占比、车辆形状或者车头车尾车标,确定相应车辆的车身长度,根据预先设定的车身长度和车型的对应关系,确定车型在车位中应该占有的比例。
3.根据权利要求1所述的一种用于智慧社区的视频识别车辆非法占道的检测方法,其特征在于,所述步骤S3中,若拍摄的视频流中,识别的车辆3分钟没有出现位置上的移动,则认定该车辆处于停靠状态;当车辆处于停靠状态时,需要判断该车辆的停靠位置是否属于停靠路段,当车辆停靠的路段禁止停车时,则直接通知社区管理人员前去查看处理;当车辆停靠的路段能够停车,则继续执行步骤S4。
4.根据权利要求1所述的一种用于智慧社区的视频识别车辆非法占道的检测方法,其特征在于,所述步骤S4中,由于白线车框的像素值超过阈值T,预处理后的照片只会保留图像中白线车框的边缘特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110314569.5A CN113034925B (zh) | 2021-03-24 | 2021-03-24 | 一种用于智慧社区的视频识别车辆非法占道的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110314569.5A CN113034925B (zh) | 2021-03-24 | 2021-03-24 | 一种用于智慧社区的视频识别车辆非法占道的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113034925A CN113034925A (zh) | 2021-06-25 |
CN113034925B true CN113034925B (zh) | 2022-08-05 |
Family
ID=76473630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110314569.5A Active CN113034925B (zh) | 2021-03-24 | 2021-03-24 | 一种用于智慧社区的视频识别车辆非法占道的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113034925B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001331824A (ja) * | 2000-05-19 | 2001-11-30 | Matsushita Electric Ind Co Ltd | 駐車場管理システム |
CN101656023A (zh) * | 2009-08-26 | 2010-02-24 | 西安理工大学 | 一种视频监视模式下的室内停车场管理方法 |
CN104112370A (zh) * | 2014-07-30 | 2014-10-22 | 哈尔滨工业大学深圳研究生院 | 基于监控图像的停车场智能车位识别方法及系统 |
CN105844959A (zh) * | 2016-06-13 | 2016-08-10 | 北京精英智通科技股份有限公司 | 车辆入位的判定方法、装置及车辆出位的判定方法、装置 |
CN106023595A (zh) * | 2016-06-13 | 2016-10-12 | 北京精英智通科技股份有限公司 | 一种异常停车的判断方法、装置及球型摄像机 |
CN107045800A (zh) * | 2016-12-20 | 2017-08-15 | 河南省电力勘测设计院 | 一种智慧社区车位管理方法 |
CN108122412A (zh) * | 2016-11-26 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 用于监控机器人检测车辆乱停的方法 |
CN110299028A (zh) * | 2019-07-31 | 2019-10-01 | 深圳市捷顺科技实业股份有限公司 | 一种停车越线检测的方法、装置、设备以及可读存储介质 |
CN111824129A (zh) * | 2019-04-22 | 2020-10-27 | 歌乐株式会社 | 图像处理装置及图像处理方法 |
CN111932904A (zh) * | 2020-10-12 | 2020-11-13 | 浙江创泰科技有限公司 | 一种规范停车检测方法及系统 |
CN112084900A (zh) * | 2020-08-26 | 2020-12-15 | 浙江工业大学 | 一种基于视频分析的地下车库乱停检测方法 |
-
2021
- 2021-03-24 CN CN202110314569.5A patent/CN113034925B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001331824A (ja) * | 2000-05-19 | 2001-11-30 | Matsushita Electric Ind Co Ltd | 駐車場管理システム |
CN101656023A (zh) * | 2009-08-26 | 2010-02-24 | 西安理工大学 | 一种视频监视模式下的室内停车场管理方法 |
CN104112370A (zh) * | 2014-07-30 | 2014-10-22 | 哈尔滨工业大学深圳研究生院 | 基于监控图像的停车场智能车位识别方法及系统 |
CN105844959A (zh) * | 2016-06-13 | 2016-08-10 | 北京精英智通科技股份有限公司 | 车辆入位的判定方法、装置及车辆出位的判定方法、装置 |
CN106023595A (zh) * | 2016-06-13 | 2016-10-12 | 北京精英智通科技股份有限公司 | 一种异常停车的判断方法、装置及球型摄像机 |
CN108122412A (zh) * | 2016-11-26 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 用于监控机器人检测车辆乱停的方法 |
CN107045800A (zh) * | 2016-12-20 | 2017-08-15 | 河南省电力勘测设计院 | 一种智慧社区车位管理方法 |
CN111824129A (zh) * | 2019-04-22 | 2020-10-27 | 歌乐株式会社 | 图像处理装置及图像处理方法 |
CN110299028A (zh) * | 2019-07-31 | 2019-10-01 | 深圳市捷顺科技实业股份有限公司 | 一种停车越线检测的方法、装置、设备以及可读存储介质 |
CN112084900A (zh) * | 2020-08-26 | 2020-12-15 | 浙江工业大学 | 一种基于视频分析的地下车库乱停检测方法 |
CN111932904A (zh) * | 2020-10-12 | 2020-11-13 | 浙江创泰科技有限公司 | 一种规范停车检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113034925A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101656023B (zh) | 一种视频监视模式下的室内停车场管理方法 | |
CN103116985B (zh) | 一种违章停车检测方法和装置 | |
Gao et al. | Car license plates detection from complex scene | |
CN104036262B (zh) | 一种lpr车牌筛选识别的方法和系统 | |
TWI607901B (zh) | 影像修補系統及其方法 | |
Guo et al. | Image-based seat belt detection | |
CN105913685A (zh) | 一种基于视频监控的车位识别及智能引导方法 | |
CN103077384A (zh) | 一种车标定位识别的方法与系统 | |
CN102568202B (zh) | 车牌遮挡检测系统及检测方法 | |
CN103235938A (zh) | 车牌检测与识别的方法及系统 | |
CN102054169B (zh) | 车牌定位方法 | |
KR101224027B1 (ko) | 영상의 장면 정보를 이용한 전방 차량 검출 방법 | |
Jiang et al. | Car plate recognition system | |
CN105740836B (zh) | 一种违法占用应急车道的检测方法 | |
CN107180230A (zh) | 通用车牌识别方法 | |
CN107154103B (zh) | 一种高效的车库门禁系统 | |
CN105389561A (zh) | 一种基于视频的公交车道检测方法 | |
CN112651293A (zh) | 一种公路违法设摊事件视频检测方法 | |
CN113408364B (zh) | 一种临时车牌识别方法、系统、装置及存储介质 | |
CN204884166U (zh) | 一种交通禁停区域违章停车监测装置 | |
CN107067734A (zh) | 一种城市信号控制交叉口车辆滞留违章检测方法 | |
CN113034925B (zh) | 一种用于智慧社区的视频识别车辆非法占道的检测方法 | |
Boliwala et al. | Automatic number plate detection for varying illumination conditions | |
Sridevi et al. | Automatic generation of traffic signal based on traffic volume | |
Vijverberg et al. | High-level traffic-violation detection for embedded traffic analysis |
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 |