CN103116985A - 一种违章停车检测方法和装置 - Google Patents
一种违章停车检测方法和装置 Download PDFInfo
- Publication number
- CN103116985A CN103116985A CN201310020978XA CN201310020978A CN103116985A CN 103116985 A CN103116985 A CN 103116985A CN 201310020978X A CN201310020978X A CN 201310020978XA CN 201310020978 A CN201310020978 A CN 201310020978A CN 103116985 A CN103116985 A CN 103116985A
- Authority
- CN
- China
- Prior art keywords
- target
- parking area
- area territory
- parking
- detection
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提出了一种违章停车检测方法,包括步骤:指定采集的视频序列中的每帧图像的禁停区域;进行前景检测,检测出前景中的目标;跟踪检测到的目标,判断是否有目标进入所述禁停区域,是,则绘制禁停区域内的颜色直方图,否,则继续判断;监测所述颜色直方图的发生变化后持续的时长,判断该时长是否大于预设时间,是,则判定在禁停区域内有违章停车,否,则判定在禁停区域内没有违章停车。本发明还提供一种违章停车检测装置,包括指定模块、前景检测模块、跟踪模块、绘制模块和判断模块。该方法和装置,有效地实现了对违章停车的自动监测。
Description
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种违章停车检测方法和装置。
背景技术
由于违章停车容易引发交通事故,因此各个国家均设置了禁停路段,禁止随意停车。目前国内外大部分违章停车均采用人工监测的方式,定点采集违章车辆的违章信息,消耗了大量的人力、物力和财力。
随着数字图像处理技术的不断发展,视频监控***成为维护社会治安、加强社会管理的一个重要组成部分,基于图像处理的视频监控***在交通管制的应用日益广泛。
然而,现有技术中仅能实现对禁停区域的视频监控,却仍然需要人为浏览视频或者现场监控,仍然存在消耗人力的问题。虽然有文献对道路违章停车的情况进行了一定研究,但是仍没有一套可行方案。
综上所述,现有技术中的视频监控***,无法进行违章停车的自动检测。
发明内容
本发明提出了一种违章停车检测方法和装置,可无需人工干预,自动进行违章停车的检测。
为了达到上述目的,本发明的技术方案是这样实现的:
一种违章停车检测方法,其特征在于,包括步骤:
步骤A,指定采集的视频序列中的每帧图像的禁停区域;
步骤B,进行前景检测,检测出前景中的目标;
步骤C,跟踪检测到的目标,判断是否有目标进入所述禁停区域,是,则进入步骤D,否,则继续判断;
步骤D,绘制禁停区域内的颜色直方图;
步骤E,监测所述颜色直方图的发生变化后持续的时长,判断该时长是否高于预设时间,是,则判定在禁停区域内有违章停车,否,则判定在禁停区域内没有违章停车。
其中,所述步骤B还包括步骤:
利用otsu二值化算法,对禁停区域进行二值化;
所述步骤C之后,步骤D之前还包括步骤:
对进入禁停区域的目标采用向下降噪方法进行降噪处理,并利用空域法进行图像增强。
其中,所述步骤C中跟踪检测到的目标包括步骤:
利用OpenCV给出的FindContour方法提取前景中目标的轮廓;
计算所述目标轮廓的外接矩形,跟踪该外接矩形。
其中,所述步骤B中进行前景检测包括步骤:
以采集的视频图像序列的第一帧作为初始背景,采用差分法提取前景目标的二值图像。
其中,所述步骤D中绘制颜色直方图之前还包括步骤:
统计图像中各种颜色出现的概率,将各种颜色出现的概率按照由高到低进行排名,选出排名位于前预设数值位的颜色做为主色;
所述步骤D包括步骤:
绘制选出的主色的颜色直方图。
其中,所述步骤C中对检测到的目标进行跟踪包括步骤:
遍历当前帧检测到的所有目标,和上一帧图像所检测到的目标进行比较,若满足如下条件:
Scross>min(Spre,Stemp)×R
Scross=Widthcross×Heightcross
Widthcross=min(rightpre,righttemp)-max(leftpre,lefttemp)
Heightcross=min(Bottompre,Bottomtemp)-max(Toppre,Toptemp)
其中,Scross为前后两帧的交叉面积,Widthcross为投影到水平方向上的交叉部分的长度;Heightcross为投影到垂直方向上的交叉部分的长度;rightpre为前一帧轮廓的右边界的值;righttemp为当前帧轮廓的右边界的值;leftpre为前一帧轮廓的左边界的值;lefttemp为当前帧轮廓的左边界的值;Bottompre为前一帧轮廓的下边界的值;Bottomtemp为当前帧轮廓的下边界的值;Toppre为前一帧轮廓的上边界的值;Toptemp为当前帧轮廓的上边界的值;所述R为交叉比例;
则判定当前帧的目标与上一帧关联,更新轨迹;若不满足该条件,则判定不关联,产生新的轨迹,若上一帧图像存在没有和当前帧检测的目标关联上的轨迹,则终止该轨迹的跟踪,并将该轨迹存储。
其中,所述步骤B中进行前景检测之前还包括步骤:
更新背景;
根据提取到的目标的数目,按照目标数目越多则前景检测的频率越高、背景更新频率越低的原则,调整前景检测的频率和背景更新的频率。
其中,所述步骤调整前景检测的频率和背景更新的频率包括步骤:
当提取到的目标数目为零时,隔3-6帧进行一次前景检测,背景每一帧更新一次;
当提取到的目标数目为1-3个时,隔2帧进行一次前景检测,背景每两帧更新一次;
当提取到的目标数目为3个以上时,每帧都进行前景检测,背景每三帧更新一次。
本发明还提供一种违章停车检测装置,包括指定模块、前景检测模块、跟踪模块、绘制模块和判断模块;所述指定模块,用于指定采集的视频序列中的每帧图像的禁停区域;所述前景检测模块,用于进行前景检测,检测出前景中的目标;所述跟踪模块,用于跟踪检测到的目标,判断是否有目标进入所述禁停区域;所述绘制模块,用于绘制禁停区域内的颜色直方图;所述判断模块,用于监测所述颜色直方图的发生变化后持续的时长,判断该时长是否大于预设时间,是,则判定在禁停区域内有违章停车,否,则判定在禁停区域内没有违章停车。
其中,所述前景检测模块,还用于利用otsu二值化算法,对禁停区域进行二值化,并对进入禁停区域的目标采用向下降噪方法进行降噪处理,并利用空域法进行图像增强。
可见,本发明至少具有如下的有益效果:
本发明的一种违章停车检测方法和装置,指定采集的视频序列中的每帧图像的禁停区域;检测前景后,对检测到的目标进行跟踪,提取目标的运动轨迹,根据运动轨迹判断是否有目标进入禁停区域,是,则绘制禁停区域内的颜色直方图,并监测颜色直方图发生变化后持续的时长,判断该时长变化频率是否大于预设时间,是,则判定在禁停区域内有违章停车,否,则判定在禁停区域内没有违章停车。当禁停区域没有车辆驶过或者停留时,颜色直方图不会发生较为明显的变化,而有车辆驶过或者有车辆停留时,颜色直方图,会发生较为明显的变化,若车辆停留在该禁停区域,则颜色直方图发生变化后的持续时间会较长,而若车辆仅仅为行驶过该禁停区域而并未停留的话,则颜色直方图会在发生短暂的变化后,迅速恢复成原来的状态,因此,通过颜色直方图的发生变化后的持续时间长短,可判断是否有违章停车现象的发生。
进一步地,利用otsu二值化算法,对禁停区域进行二值化,更有利于区分前景目标和背景;
进一步地,对进入禁停区域的目标采用向下降噪方法进行降噪处理,并利用空域法进行图像增强,使前景目标的轮廓更加清晰,提高图像处理的精确度,防止误判;
进一步地,还对前景检测和背景更新的频率进行调整,这样,根据不同的情况进行区别处理,在保证准确度的前提下,尽量减少运算量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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为本发明的违章停车检测方法的实施例一的流程图;
图2为本发明的违章停车检测方法的实施例二的流程图;
图3为本发明的违章停车检测方法的另一个实施例的流程图;
图4为本发明的违章停车检测装置的一个实施例的结构示意图。
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做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。
智能交通***ITS(Intelligent Transportation Sys-tem)成为近年来的研究热点。传统违章停车人工检测方式浪费了大量的人力,无力,财力,针对这个缺陷,本发明提供了基于颜色直方图的停车违章检测方法。利用差分法进行背景建模,进行复杂交通场景下的前景提取。从视觉传感器采集的图像区域中提取出禁停路段区域并进行相关设置。本发明通过提取禁停路段或区域内车辆并监测本时段内禁停路段或区域的颜色直方图的变化规律实现了违章停车检测。如果该区域的颜色直方图在检测时段内无变化,说明车辆违章,若该时段内禁停路段或区域的的颜色直方图呈规律性变化,则说明无违章停车事件发生。
实施例一
本发明实施例一提供一种违章停车检测方法,参见图1所示,包括步骤:
步骤S110,指定采集的视频序列中的每帧图像的禁停区域。
以第视频序列In(x,y)作为背景图,通过区域设置指出禁停路段或区域B(x,y);该禁停区域的指定,即为获取禁停区域的边界的位置信息的过程。
步骤S111,进行前景检测,检测出前景中的目标。
前景检测可采用多种相关算法,例如混合高斯背景模型、SACON(SAMPLE CONSENSUS)等,本实施例不一一列举。
在本实施例中,以采集的视频图像序列的第一帧作为初始背景,采用差分法提取前景目标的二值图像。
步骤S112,跟踪检测到的目标,判断是否有目标进入所述禁停区域,是,则进入步骤S113,否,则继续判断。
跟踪过程,也可采用多种算法,例如较为简单的最邻近方法、多目标跟踪算法、边缘跟踪算法等等。
步骤S113,绘制禁停区域内的颜色直方图。
步骤S114,监测所述颜色直方图的发生变化后持续的时长,判断该时长是否大于预设时间,是,则判定在禁停区域内有违章停车,否,则判定在禁停区域内没有违章停车。
其中,颜色直方图发生变化,是指禁停区域在没有车辆出现时,到有车辆行驶过或者车辆停留而引起的颜色直方图的状态的改变,不包括由于光照变化、阴影等因素而导致的颜色直方图的微小改变,即该变化是针对于前景目标,而忽略光照、阴影等环境因素的影响。
颜色直方图的变化规律,有效的反应了禁停路段或区域有无车辆违章停放,高效的解决了违章停车的难题,节省了大量的人力、物力、财力。
实施例二
本发明实施例二提供了一种违章停车检测方法,参见图2所示,包括步骤:
步骤S210,指定采集的视频序列中的每帧图像的禁停区域。
步骤S211,利用差分法进行前景检测,检测出前景中的目标。
在本实施例中,采用差分法对禁停路段或区域进行背景建模,提取进入禁停路段或区域的前景目标。
以视频图像序列In(x,y)的第一帧作为初始背景,以当前帧P(x,y)及其连续的视频影像数据采用差分法,做减法,所得结果为提取的前景目标的二值图像T(x,y);
其中,B(x,y)为背景帧,η为前后帧距离的阈值。
优选地,还包括对光照和阴影进行处理,包括步骤:
当拍摄环境中的单位时间内光照变化幅度超过预设阈值,即光照变化很大时,将判定为背景点的像素的取值范围缩小为原来的0.4-0.6倍,优选地,为0.5倍。
其中单位时间内光照变化幅度的预设阈值可由本领域技术人员根据实际需要具体确定,例如该预设阈值可以为10-15lx/s(勒克斯/秒)。
对于阴影,则用大于阴影区域的像素的阈值将图像二值化,去除阴影。
优选地,在进行前景检测过程中,还更新背景。
其中,前景检测的频率以及背景更新的频率可以根据目标数目进行调整。
根据提取到的目标的数目,按照目标数目越多则前景检测的频率越高、背景更新频率越低的原则,调整前景检测的频率和背景更新的频率。
例如,当提取到的目标数目为零时,隔3-6帧进行一次前景检测,背景每一帧更新一次;当提取到的目标数目为1-3个时,隔2帧进行一次前景检测,背景每两帧更新一次;当提取到的目标数目为3个以上时,每帧都进行前景检测,背景每三帧更新一次。
步骤S212,跟踪检测到的目标,并对图像进行处理。
利用otsu二值化算法,对禁停路段或区域进行二值化,明确区分前景目标与背景图,采用向下去噪方法对前景目标进行降噪处理,运用开运算方法对前景图进行数学形态处理,使其轮廓清晰。
同时,并利用空域法进行图像增强,空域法是对图像中的像素点进行操作,用公式描述如下:
g(x,y)=f(x,y)*h(x,y)
其中是f(x,y)原图像;h(x,y)为空间转换函数;g(x,y)表示进行处理后的图像。
并采用Hog+Adaboost方法对前景进行检测,检测出目标中的车辆,利用OpenCV给出的FindContour方法提取车辆的轮廓,并计算所述目标轮廓的外接矩形,跟踪该外接矩形,即用矩形框方式跟踪检测出的车辆。
计算外接矩形的过程为:扫描一个轮廓的点序列,所述轮廓的点序列中包括所有点的水平坐标值及竖直坐标值。
对于查找出的轮廓点序列,计算这个序列中所有点在水平和竖直方向上的最大水平坐标值Xmax、最小竖直坐标值Ymin、最小水平坐标值Xmin,最大竖直坐标值Ymax。
根据所述最大水平坐标值、最小水平坐标值、最大竖直坐标值及最小竖直坐标值,确定所述外接矩形。
水平方向上,最大水平坐标值和最小水平坐标值的差值,加上一定范围的数值作为矩形的宽度,竖直方向以最大竖直坐标值和最小竖直坐标值的差值,加上一定范围的数值作为长度。以(Xmax,Ymin)(Xmin,Ymin)(Xmax,Ymax)(Xmin,Ymax)四个点为端点。
所述则外接矩形的左上角坐标为(Xmin,Ymin),宽为width=Xmax-Xmin+a,高为height=Ymax-Xmin+a。
其中a为所述一定范围的数值,可取0-3。
跟踪过程,可采用如下方法:
对检测到的前后两帧的目标分别进行轨迹关联,轨迹产生,和轨迹消失判别。遍历当前帧检测到的所有前景,和所有轨迹的上一帧结果进行比较,若满足如下条件:
Scross>min(Spre,Stemp)×R
其中Scross=Widthcross×Heightcross为前后两帧的交叉面积,所述R为交叉比例,在本实施例中,R可以取经验阈值0.4。
Widthcross=min(rightpre,righttemp)-max(leftpre,lefttemp)
Heightcross=min(Bottompre,Bottomtemp)-max(Toppre,Toptemp)
Widthcross为投影到水平方向上的交叉部分的长度;Heightcross为投影到垂直方向上的交叉部分的长度;rightpre为前一帧轮廓的右边界的值;righttemp为当前帧轮廓的右边界的值;leftpre为前一帧轮廓的左边界的值;lefttemp为当前帧轮廓的左边界的值;Bottompre为前一帧轮廓的下边界的值;Bottomtemp为当前帧轮廓的下边界的值;Toppre为前一帧轮廓的上边界的值;Toptemp为当前帧轮廓的上边界的值。
若满足上述条件,则判定当前帧的某个前景与上一帧存储的轨迹关联上,更新轨迹,若没关联上,则产生新的轨迹,若有没有和当前帧检测的前景关联上的轨迹。
步骤S213,判断是否有目标进入所述禁停区域,是,则进入步骤S214,否,则继续判断。
之后,根据目标的轨迹,判断该外接矩形,是否进入禁停区域,是,进入后续步骤。
步骤S214,绘制禁停区域内的颜色直方图。
本发明采用累加颜色直方图、量化直方图与主色调直方图结合的方法,使用RGB颜色空间进行禁止路段或区域B(x,y)和T(x,y)直方图的绘制。以R通道为例,R_Count(i)(0≤i≤255)表示T(x,y)R通道内灰度级为i的像素数目,若点Pixel(x,y)的灰度值为i则有:
R_Count(i)=∑Pixel(x,y)
同理可得G通道:
G_Count(i)=∑Pixel(x,y)
同理可得B通道:
B_Count(i)=∑Pixel(x,y)
本发明采用累加颜色直方图、量化直方图与主色调直方图结合的方法,使用RGB颜色空间进行禁止路段或区域直方图的绘制。
累加直方图消除了一般直方图中常见的零值,也克服了一般直方图量化过细过粗检索效果都会下降的缺陷;但是累加直方图的颜色分辨率较低,特征维数很高,给特征处理带来很大困难。
因此便想到了结合量化直方图,考虑到不同颜色空间的特性,可以对不同的颜色通道给于不同的量化级数。预先给定量化级数,用联合的方法建立直方图比较简单,但是却存在以下的不足:首先,没有考虑图像本身的特点;其次,没有考虑颜色空间的特点,l、m、n的不同取值,不足以反映不同颜色空间的3D分布情况;最后,颜色集合的代表性差。不同颜色在图像中的出现概率是不同的,禁停路段或区域的颜色基本一致,某些颜色出现的概率特别高,因此,可以通过统计图像中各种颜色出现的概率,将各种颜色出现的概率按照由高到低进行排名,选出排名位于前预设数值位的颜色做为主色,即选出最频繁出现的几种做为主色。所述预设数值,可以为3-18。
步骤S215,监测所述颜色直方图的发生变化后持续的时长,判断该时长是否大于预设时间,是,则判定在禁停区域内有违章停车,否,则判定在禁停区域内没有违章停车。
绘制选出的主色的颜色直方图。
所述预设时间,为车辆正常行驶过禁停区域时引起的颜色直方图发生变化的最长时间,一般情况下,该预设时间可以为5-10分钟。
颜色直方图的变化的持续时间的长短有效的反应了禁停路段或区域的车辆经过或者违章停放事件,如果检测到禁停路段或区域有车辆进入,并且车辆进入后该区域颜色直方图很长时间内保持不变,说明违章停车事件发生,若车辆进入后颜色直方图在很短时间内恢复车辆进入之前状态,说明进入车辆驶离禁停路段或区域,没有违章停放。
判定在禁停区域内有违章停车后,以声、光或者信息中的一种方式或者多种方式结合进行报警。
本领域技术人员可根据本发明的技术构思,对上述步骤进行稍许调整,做出多种实施例,例如如图3所示,本发明不一一列举。
实施例三
本发明实施例三提供一种违章停车检测装置,参见图4所示,包括指定模块、前景检测模块、跟踪模块、绘制模块和判断模块。
所述指定模块,用于指定采集的视频序列中的每帧图像的禁停区域;所述前景检测模块,用于进行前景检测,检测出前景中的目标;所述跟踪模块,用于跟踪检测到的目标,判断是否有目标进入所述禁停区域;所述绘制模块,用于绘制禁停区域内的颜色直方图;所述判断模块,用于监测所述颜色直方图的发生变化后持续的时长,判断该时长是否大于预设时间,是,则判定在禁停区域内有违章停车,否,则判定在禁停区域内没有违章停车。
其中,所述前景检测模块,还用于利用otsu二值化算法,对禁停区域进行二值化,并对进入禁停区域的目标采用向下降噪方法进行降噪处理,并利用空域法进行图像增强。
本发明提出一种有效的基于颜色直方图的违章停车检测方法。首先,利用差分法进行背景建模,提取出禁停路段或区域的前景图;第二,对前景图进行图像处理,包括二值化、降噪、增强等处理;第三,提取前景目标,并以矩形框方式跟踪;第四,对禁停路段或区域车辆进行检测;第五,绘制该区域的颜色直方图绘制,包括累加颜色直方图、量化直方图、主色调直方图;最后,监控该区域的颜色直方图的变化,若颜色直方图呈规律性变化说明车辆未违章,若颜色直方图长时间无变化说明车辆违章事件发生,实现了违章停车的自动化检测,无需人工干预,节省了人力。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围。
Claims (10)
1.一种违章停车检测方法,其特征在于,包括步骤:
步骤A,指定采集的视频序列中的每帧图像的禁停区域;
步骤B,进行前景检测,检测出前景中的目标;
步骤C,跟踪检测到的目标,判断是否有目标进入所述禁停区域,是,则进入步骤D,否,则继续判断;
步骤D,绘制禁停区域内的颜色直方图;
步骤E,监测所述颜色直方图的发生变化后持续的时长,判断该时长是否大于预设时间,是,则判定在禁停区域内有违章停车,否,则判定在禁停区域内没有违章停车。
2.根据权利要求1所述的违章停车检测方法,其特征在于,所述步骤B还包括步骤:
利用otsu二值化算法,对禁停区域进行二值化;
所述步骤C之后,步骤D之前还包括步骤:
对进入禁停区域的目标采用向下降噪方法进行降噪处理,并利用空域法进行图像增强。
3.根据权利要求1所述的违章停车检测方法,其特征在于,所述步骤C中跟踪检测到的目标包括步骤:
利用OpenCV给出的FindContour方法提取前景中目标的轮廓;
计算所述目标轮廓的外接矩形,跟踪该外接矩形。
4.根据权利要求2所述的方法,其特征在于,所述步骤B中进行前景检测包括步骤:
以采集的视频图像序列的第一帧作为初始背景,采用差分法提取前景目标的二值图像。
5.根据权利要求1所述的方法,其特征在于,所述步骤D中绘制颜色直方图之前还包括步骤:
统计图像中各种颜色出现的概率,将各种颜色出现的概率按照由高到低进行排名,选出排名位于前预设数值位的颜色做为主色;
所述步骤D包括步骤:
绘制选出的主色的颜色直方图。
6.根据权利要求1所述的违章停车检测方法,其特征在于,所述步骤C中对检测到的目标进行跟踪包括步骤:
遍历当前帧检测到的所有目标,和上一帧图像所检测到的目标进行比较,若满足如下条件:
Scross>min(Spre,Stemp)×R
Scross=Widthcross×Heightcross
Widthcross=min(rightpre,righttemp)-max(leftpre,lefttemp)
Heightcross=min(Bottompre,Bottomtemp)-max(Toppre,Toptemp)
其中,Scross为前后两帧的交叉面积,Widthcross为投影到水平方向上的交叉部分的长度;Heightcross为投影到垂直方向上的交叉部分的长度;rightpre为前一帧轮廓的右边界的值;righttemp为当前帧轮廓的右边界的值;leftpre为前一帧轮廓的左边界的值;lefttemp为当前帧轮廓的左边界的值;Bottompre为前一帧轮廓的下边界的值;Bottomtemp为当前帧轮廓的下边界的值;Toppre为前一帧轮廓的上边界的值;Toptemp为当前帧轮廓的上边界的值;所述R为交叉比例;
则判定当前帧的目标与上一帧关联,更新轨迹;若不满足该条件,则判定不关联,产生新的轨迹,若上一帧图像存在没有和当前帧检测的目标关联上的轨迹,则终止该轨迹的跟踪,并将该轨迹存储。
7.根据权利要求1所述的违章停车检测方法,其特征在于,所述步骤B中进行前景检测之前还包括步骤:
更新背景;
根据提取到的目标的数目,按照目标数目越多则前景检测的频率越高、背景更新频率越低的原则,调整前景检测的频率和背景更新的频率。
8.根据权利要求7所述的违章停车检测方法,其特征在于,所述步骤调整前景检测的频率和背景更新的频率包括步骤:
当提取到的目标数目为零时,隔3-6帧进行一次前景检测,背景每一帧更新一次;
当提取到的目标数目为1-3个时,隔2帧进行一次前景检测,背景每两帧更新一次;
当提取到的目标数目为3个以上时,每帧都进行前景检测,背景每三帧更新一次。
9.一种违章停车检测装置,其特征在于,包括指定模块、前景检测模块、跟踪模块、绘制模块和判断模块;
所述指定模块,用于指定采集的视频序列中的每帧图像的禁停区域;
所述前景检测模块,用于进行前景检测,检测出前景中的目标;
所述跟踪模块,用于跟踪检测到的目标,判断是否有目标进入所述禁停区域;
所述绘制模块,用于绘制禁停区域内的颜色直方图;
所述判断模块,用于监测所述颜色直方图的发生变化后持续的时长,判断该时长是否大于预设时间,是,则判定在禁停区域内有违章停车,否,则判定在禁停区域内没有违章停车。
10.根据权利要求9所述的违章停车检测装置,其特征在于,所述前景检测模块,还用于利用otsu二值化算法,对禁停区域进行二值化,并对进入禁停区域的目标采用向下降噪方法进行降噪处理,并利用空域法进行图像增强。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310020978.XA CN103116985B (zh) | 2013-01-21 | 2013-01-21 | 一种违章停车检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310020978.XA CN103116985B (zh) | 2013-01-21 | 2013-01-21 | 一种违章停车检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103116985A true CN103116985A (zh) | 2013-05-22 |
CN103116985B CN103116985B (zh) | 2015-04-01 |
Family
ID=48415347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310020978.XA Expired - Fee Related CN103116985B (zh) | 2013-01-21 | 2013-01-21 | 一种违章停车检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103116985B (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247171A (zh) * | 2013-05-27 | 2013-08-14 | 苏州洁祥电子有限公司 | 交通违章监控*** |
CN103325259A (zh) * | 2013-07-09 | 2013-09-25 | 西安电子科技大学 | 一种基于多核并行的违章停车检测方法 |
CN103617410A (zh) * | 2013-08-30 | 2014-03-05 | 重庆大学 | 基于视频检测技术的高速公路隧道停车检测方法 |
CN103824458A (zh) * | 2014-03-25 | 2014-05-28 | 宁波市江东元典知识产权服务有限公司 | 基于图像识别技术的临时停车警示*** |
CN103985230A (zh) * | 2014-05-14 | 2014-08-13 | 深圳市大疆创新科技有限公司 | 一种基于图像的通知方法、装置及通知*** |
CN104240222A (zh) * | 2013-06-19 | 2014-12-24 | 贺江涛 | 一种消防通道堵塞的智能检测方法与装置 |
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 |
WO2015054586A1 (en) * | 2013-10-10 | 2015-04-16 | Safer Place Ltd. | A system and method for enforcing parking rules |
CN105185109A (zh) * | 2015-08-06 | 2015-12-23 | 苏州市世跃智能科技有限公司 | 一种基于双球机的违法停车自动检测抓拍的装置 |
CN105355053A (zh) * | 2015-11-04 | 2016-02-24 | 公安部交通管理科学研究所 | 路边违停车辆自动检测*** |
CN105957352A (zh) * | 2016-06-01 | 2016-09-21 | 深圳中兴力维技术有限公司 | 违章停车检测方法和装置 |
CN106611510A (zh) * | 2015-10-27 | 2017-05-03 | 富士通株式会社 | 车位检测装置、电子设备及方法 |
CN104050679B (zh) * | 2014-07-03 | 2017-05-17 | 杭州藏愚科技有限公司 | 一种违法停车的自动取证方法 |
CN107609491A (zh) * | 2017-08-23 | 2018-01-19 | 中国科学院声学研究所 | 一种基于卷积神经网络的车辆违章停车检测方法 |
CN107730903A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 基于深度卷积神经网络的违章停车和抛锚车视觉检测*** |
CN107886039A (zh) * | 2016-09-30 | 2018-04-06 | 法乐第(北京)网络科技有限公司 | 泊车***全景视图生成方法和装置 |
WO2018068312A1 (zh) * | 2016-10-14 | 2018-04-19 | 富士通株式会社 | 交通异常事件检测装置及方法 |
CN109147341A (zh) * | 2018-09-14 | 2019-01-04 | 杭州数梦工场科技有限公司 | 违章车辆检测方法及装置 |
CN109436353A (zh) * | 2018-10-30 | 2019-03-08 | 广东粤迪厚创科技发展有限公司 | 交通监管机器人 |
CN109919002A (zh) * | 2019-01-23 | 2019-06-21 | 平安科技(深圳)有限公司 | 黄色禁停线识别方法、装置、计算机设备及存储介质 |
CN110491135A (zh) * | 2019-08-20 | 2019-11-22 | 深圳市商汤科技有限公司 | 检测违章停车的方法及相关装置 |
CN110723648A (zh) * | 2019-10-30 | 2020-01-24 | 三一海洋重工有限公司 | 电缆出筐识别***、垂缆装置及起重机 |
CN111523419A (zh) * | 2020-04-13 | 2020-08-11 | 北京巨视科技有限公司 | 一种机动车尾气排放视频检测方法和装置 |
CN112288677A (zh) * | 2019-07-25 | 2021-01-29 | 杭州海康威视数字技术股份有限公司 | 摄像机 |
CN113256997A (zh) * | 2021-04-30 | 2021-08-13 | 贵州数据宝网络科技有限公司 | 一种交通车辆违规行为检测装置及方法 |
CN114550320A (zh) * | 2021-12-27 | 2022-05-27 | 深圳市顺易通信息科技有限公司 | 一种停车费计算方法、装置及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11272987A (ja) * | 1998-03-25 | 1999-10-08 | Fuji Electric Co Ltd | 違法駐車車両の自動検知・通報システム |
CN101183427A (zh) * | 2007-12-05 | 2008-05-21 | 浙江工业大学 | 基于计算机视觉的违章停车检测装置 |
CN102081848A (zh) * | 2009-11-27 | 2011-06-01 | 西安费斯达自动化工程有限公司 | 基于fpga的车辆违章停放自动监测及压缩传输 |
CN102426781A (zh) * | 2011-11-24 | 2012-04-25 | 中国联合网络通信集团有限公司 | 违章停车提示方法和*** |
-
2013
- 2013-01-21 CN CN201310020978.XA patent/CN103116985B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11272987A (ja) * | 1998-03-25 | 1999-10-08 | Fuji Electric Co Ltd | 違法駐車車両の自動検知・通報システム |
CN101183427A (zh) * | 2007-12-05 | 2008-05-21 | 浙江工业大学 | 基于计算机视觉的违章停车检测装置 |
CN102081848A (zh) * | 2009-11-27 | 2011-06-01 | 西安费斯达自动化工程有限公司 | 基于fpga的车辆违章停放自动监测及压缩传输 |
CN102426781A (zh) * | 2011-11-24 | 2012-04-25 | 中国联合网络通信集团有限公司 | 违章停车提示方法和*** |
Non-Patent Citations (2)
Title |
---|
付永会等: "一种改进的基于颜色直方图的实时目标跟踪算法", 《数据采集与处理》 * |
张谢华等: "运动目标跟踪中"选择性"颜色直方图的研究", 《小型微型计算机***》 * |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247171A (zh) * | 2013-05-27 | 2013-08-14 | 苏州洁祥电子有限公司 | 交通违章监控*** |
CN104240222A (zh) * | 2013-06-19 | 2014-12-24 | 贺江涛 | 一种消防通道堵塞的智能检测方法与装置 |
CN103325259A (zh) * | 2013-07-09 | 2013-09-25 | 西安电子科技大学 | 一种基于多核并行的违章停车检测方法 |
CN103617410A (zh) * | 2013-08-30 | 2014-03-05 | 重庆大学 | 基于视频检测技术的高速公路隧道停车检测方法 |
WO2015054586A1 (en) * | 2013-10-10 | 2015-04-16 | Safer Place Ltd. | A system and method for enforcing parking rules |
CN103824458A (zh) * | 2014-03-25 | 2014-05-28 | 宁波市江东元典知识产权服务有限公司 | 基于图像识别技术的临时停车警示*** |
CN103985230A (zh) * | 2014-05-14 | 2014-08-13 | 深圳市大疆创新科技有限公司 | 一种基于图像的通知方法、装置及通知*** |
CN103985230B (zh) * | 2014-05-14 | 2016-06-01 | 深圳市大疆创新科技有限公司 | 一种基于图像的通知方法、装置及通知*** |
CN104050679B (zh) * | 2014-07-03 | 2017-05-17 | 杭州藏愚科技有限公司 | 一种违法停车的自动取证方法 |
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 |
CN104376554B (zh) * | 2014-10-16 | 2017-07-18 | 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 |
CN105185109A (zh) * | 2015-08-06 | 2015-12-23 | 苏州市世跃智能科技有限公司 | 一种基于双球机的违法停车自动检测抓拍的装置 |
CN106611510A (zh) * | 2015-10-27 | 2017-05-03 | 富士通株式会社 | 车位检测装置、电子设备及方法 |
CN106611510B (zh) * | 2015-10-27 | 2019-04-23 | 富士通株式会社 | 车位检测装置、电子设备及方法 |
CN105355053A (zh) * | 2015-11-04 | 2016-02-24 | 公安部交通管理科学研究所 | 路边违停车辆自动检测*** |
CN105957352A (zh) * | 2016-06-01 | 2016-09-21 | 深圳中兴力维技术有限公司 | 违章停车检测方法和装置 |
CN107886039A (zh) * | 2016-09-30 | 2018-04-06 | 法乐第(北京)网络科技有限公司 | 泊车***全景视图生成方法和装置 |
WO2018068312A1 (zh) * | 2016-10-14 | 2018-04-19 | 富士通株式会社 | 交通异常事件检测装置及方法 |
CN109643488A (zh) * | 2016-10-14 | 2019-04-16 | 富士通株式会社 | 交通异常事件检测装置及方法 |
CN109643488B (zh) * | 2016-10-14 | 2021-04-20 | 富士通株式会社 | 交通异常事件检测装置及方法 |
CN107730903A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 基于深度卷积神经网络的违章停车和抛锚车视觉检测*** |
CN107609491A (zh) * | 2017-08-23 | 2018-01-19 | 中国科学院声学研究所 | 一种基于卷积神经网络的车辆违章停车检测方法 |
CN107609491B (zh) * | 2017-08-23 | 2020-05-26 | 中国科学院声学研究所 | 一种基于卷积神经网络的车辆违章停车检测方法 |
CN109147341B (zh) * | 2018-09-14 | 2019-11-22 | 杭州数梦工场科技有限公司 | 违章车辆检测方法及装置 |
CN109147341A (zh) * | 2018-09-14 | 2019-01-04 | 杭州数梦工场科技有限公司 | 违章车辆检测方法及装置 |
CN109436353A (zh) * | 2018-10-30 | 2019-03-08 | 广东粤迪厚创科技发展有限公司 | 交通监管机器人 |
CN109919002A (zh) * | 2019-01-23 | 2019-06-21 | 平安科技(深圳)有限公司 | 黄色禁停线识别方法、装置、计算机设备及存储介质 |
CN109919002B (zh) * | 2019-01-23 | 2024-02-27 | 平安科技(深圳)有限公司 | 黄色禁停线识别方法、装置、计算机设备及存储介质 |
CN112288677A (zh) * | 2019-07-25 | 2021-01-29 | 杭州海康威视数字技术股份有限公司 | 摄像机 |
CN110491135B (zh) * | 2019-08-20 | 2021-10-22 | 深圳市商汤科技有限公司 | 检测违章停车的方法及相关装置 |
CN110491135A (zh) * | 2019-08-20 | 2019-11-22 | 深圳市商汤科技有限公司 | 检测违章停车的方法及相关装置 |
CN110723648A (zh) * | 2019-10-30 | 2020-01-24 | 三一海洋重工有限公司 | 电缆出筐识别***、垂缆装置及起重机 |
CN111523419A (zh) * | 2020-04-13 | 2020-08-11 | 北京巨视科技有限公司 | 一种机动车尾气排放视频检测方法和装置 |
CN113256997B (zh) * | 2021-04-30 | 2022-09-06 | 贵州数据宝网络科技有限公司 | 一种交通车辆违规行为检测装置及方法 |
CN113256997A (zh) * | 2021-04-30 | 2021-08-13 | 贵州数据宝网络科技有限公司 | 一种交通车辆违规行为检测装置及方法 |
CN114550320A (zh) * | 2021-12-27 | 2022-05-27 | 深圳市顺易通信息科技有限公司 | 一种停车费计算方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103116985B (zh) | 2015-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103116985B (zh) | 一种违章停车检测方法和装置 | |
CN107862290B (zh) | 车道线检测方法及*** | |
CN102968625B (zh) | 基于轨迹的船舶识别与跟踪方法 | |
CN104050450A (zh) | 一种基于视频的车牌识别方法 | |
CN100544446C (zh) | 用于视频监控的实时运动检测方法 | |
CN102663760B (zh) | 一种对图像中的车辆挡风镜区域进行定位分割的方法 | |
CN104036262B (zh) | 一种lpr车牌筛选识别的方法和*** | |
CN103077384A (zh) | 一种车标定位识别的方法与*** | |
CN105260749B (zh) | 基于方向梯度二值模式和软级联svm的实时目标检测方法 | |
Guo et al. | Image-based seat belt detection | |
CN106887004A (zh) | 一种基于块匹配的车道线检测方法 | |
CN103488978A (zh) | 一种基于灰度跳变和字符投影间隔模式的车牌定位方法 | |
CN103279737A (zh) | 一种基于时空兴趣点的打架行为检测方法 | |
CN103617410A (zh) | 基于视频检测技术的高速公路隧道停车检测方法 | |
CN111553214B (zh) | 一种驾驶员吸烟行为检测方法及*** | |
CN103605967A (zh) | 一种基于图像识别的地铁防逃票***及其工作方法 | |
CN104966071A (zh) | 一种基于红外补光的夜间车牌检测和识别方法以及装置 | |
CN103927548B (zh) | 一种新的避免车辆碰撞的刹车行为检测方法 | |
CN108357418A (zh) | 一种基于尾灯识别的前车驾驶意图分析方法 | |
CN104978567A (zh) | 基于场景分类的车辆检测方法 | |
CN104952256A (zh) | 一种基于视频信息的交叉口处车辆的检测方法 | |
CN105046948A (zh) | 一种黄色网格线区域内交通违章停车监测***和方法 | |
CN109255326A (zh) | 一种基于多维信息特征融合的交通场景烟雾智能检测方法 | |
CN104599511A (zh) | 一种基于背景建模的车流量检测方法 | |
JP2020064583A (ja) | 車両検出方法、動的光強度に基づく夜間の車両検出方法及びそのシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150401 Termination date: 20200121 |