CN107292239A - 一种基于三重背景更新的违章停车检测方法 - Google Patents
一种基于三重背景更新的违章停车检测方法 Download PDFInfo
- Publication number
- CN107292239A CN107292239A CN201710374680.7A CN201710374680A CN107292239A CN 107292239 A CN107292239 A CN 107292239A CN 201710374680 A CN201710374680 A CN 201710374680A CN 107292239 A CN107292239 A CN 107292239A
- Authority
- CN
- China
- Prior art keywords
- current
- background
- pixel
- parking
- buffer
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于三重背景更新的违章停车检测方法,本发明通过不断更新当前背景、缓冲背景和违停车辆背景来实现违章停车检测。首先创建当前背景和缓冲背景并进行初始化;接着将当前背景和缓冲背景进行差分,设定合适的阈值检测出违停车辆;然后对当前背景和违停车辆背景分别进行更新,如果违停车辆离开,则对缓冲背景进行更新;最后对检测到的违停车辆进行连通域分析及构建外接矩阵;本发明通过三重背景的对比准确地检测出违停车辆,在三个背景模型上的更新方法上保证了违停车辆检测的准确性同时具有一定的实时性和鲁棒性。
Description
技术领域
本发明属于图像处理、视频检测和人工智能交叉技术应用领域,尤其涉及一种基于三重背景更新的违章停车检测方法。
背景技术
随着社会经济的不断发展,城市中的车辆数目快速增长。停车需求和停车场地的供给矛盾日益突出,违章停车成为城市的顽疾,对城市的整体交通环境和行人安全存在严重影响。
传统的违章停车检测主要是通过人工监管,无法实现实时监控,极大地浪费了交通管制的资源。近年来随着视频检测技术和计算机视觉技术的发展,基于监控视频的违章停车检测受到了越来越多的关注。
基于视频的违章停车检测主要包括以下步骤:建立背景模型进行车辆检测,进行车辆跟踪,进行违章停车的判断。由于运动目标处于复杂场景,背景建模过程比较复杂、跟踪过程容易出现失败,实时性监控较困难。因此,发明一种有效的违章停车检测方法意义重大。
发明内容
本发明的目的在于弥补现有违章停车检测的不足,提出了一种基于三重背景更新的违章停车检测方法,通过对当前背景、缓冲背景和违停车辆背景进行更新,有效地检测出违停车辆,提高违章停车检测的准确性和实时性。
本发明为解决上述技术问题采用以下技术方案:
一种基于三重背景更新的违章停车检测方法,包括如下步骤:
步骤1,用户输入视频镜头S,定义S={f1,f2,...,fn},fn为第n个镜头帧,fn用大小为r*l的二维矩阵表示,其中,n为正整数,r为矩阵行数,l为矩阵列数;
步骤2,创建当前背景current_bg和缓冲背景buffer_bg,将第一帧图像f1灰度化处理后得到的灰度差值图像f1'作为当前背景current_bg和缓冲背景buffer_bg的初始值;其中,current_bg和buffer_bg均用大小为r*l的二维矩阵表示;所述灰度化处理是将彩色图像转化成为灰度图像的过程;
步骤3,对步骤2创建的当前背景current_bg和缓冲背景buffer_bg进行处理,进而检测出违停车辆;具体步骤如下:
定义违停车辆检测图像为fore,fore用大小为r*l的二维矩阵表示;对当前背景current_bg和缓冲背景buffer_bg中的每个像素点j进行如下计算:
fore(j)=current_bg(j)-buffer_bg(j)
若fore(j)>T',则判定j为前景点;
若fore(j)≤T',则判定j为背景点;
则fore(j)>T'的构成检测出的违停车辆;
其中,fore(j)为违停车辆检测图像第j个像素点的色彩值,current_bg(j)为当前背景current_bg第j个像素点的色彩值,buffer(j)为缓冲背景buffer_bg第j个点的像素值,T'为色差阈值;
步骤4,将第k帧当前背景current_bg各像素值与第k+1帧图像fk+1对应像素值进行比较:
若当前背景current_bg各像素值小于图像fk+1对应像素值,则当前背景current_bg对应像素值增加1个单位;
若当前背景current_bg各像素值大于图像fk+1对应像素值,则当前背景current_bg对应像素值减少1个单位;
若当前背景current_bg各像素值等于图像fk+1对应像素值,当前背景current_bg对应像素值保持不变;
步骤5,通过违停车辆的缓存背景判断违停车辆何时离开:具体步骤如下:定义违停车辆背景为abandon_bg,abandon_bg用大小为r*l的二维矩阵表示,r为矩阵行数,l为矩阵列数;设置定时器inter,以固定时间隔作为违停车辆背景abandon_bg的更新周期,对当前背景current_bg和缓冲背景buffer_bg中的每个像素点j进行如下计算:
abandon_bg(j)=current_bg(j)-buffer_bg(j)
若abandon_bg(j)>T”,则判定j为前景点;
若abandon_bg(j)≤T”,则判定j为背景点;
其中,abandon_bg(j)为违停车辆背景abandon_bg第j个像素点的色彩值,current_bg(j)为当前背景current_bg第j个像素点的色彩值,buffer(j)为缓冲背景buffer_bg第j个点的像素值,T”为色差阈值;
步骤5.1,若违停车辆背景abandon_bg与当前背景current_bg对应区域背景像素不同,则判定违停车辆未离开,反之判定违停车辆离开;
步骤5.2,若违停车辆离开,则用当前背景current_bg的像素值更新违停车辆背景abandon_bg对应区域,同时缓冲背景buffer_bg完全复制当前背景current_bg;若违停车辆未离开,则用违停车辆背景abandon_bg像素值更新缓冲背景buffer_bg的对应区域,同时重新设置定时器inter;
步骤6,通过八连通序贯算法对检测到的违停车辆进行区域连通性分析,进而构建出最小外接矩阵。
作为本发明所述的一种基于三重背景更新的违章停车检测方法进一步优化方案,所述步骤6具体包含如下步骤:
步骤6.1,从左至右,从上到下对图像进行搜索,寻找灰度值为255且没有标记过的像素点,标记该像素点为A,记录其坐标值;
步骤6.2,在像素点A附近按八个方向进行搜索,寻找灰度值为255且没有标记过的像素点,将该像素送入堆栈;所述八个方向包含上、下、左、右、左斜上、左斜下、右斜上、右斜下;
步骤6.3,搜索像素点A的八个方向结束后,取出栈顶的像素点,重复步骤6.1、步骤6.2直至无法搜索到没有标记的像素点为止;
步骤6.4,完成上述过程后,统计标记的像素点并与设定的像素阈值相比较,如果大于该阈值,则检测到运动目标;
步骤6.5,区域标记完成后,对整个图像从左到右,从上到下进行一次扫描,找出每个区域中横纵坐标的最大值和最小值,构建出运动目标最小外接矩形。
作为本发明所述的一种基于三重背景更新的违章停车检测方法进一步优化方案,步骤3中色差阈值T'取95。
作为本发明所述的一种基于三重背景更新的违章停车检测方法进一步优化方案,步骤5中定时器inter时间间隔取15s。
作为本发明所述的一种基于三重背景更新的违章停车检测方法进一步优化方案,步骤5中色差阈值T”取60。
本发明提出的一种基于三重背景更新的违章停车检测方法,具体有益效果如下:
1、本发明采用像素比较法对当前背景模型进行背景更新,降低了计算量,提高检测算法的实时性;
2、本发明对缓冲背景和违停车辆检测背景进行更新,从而避免违停车辆的停留时间过长而融入背景;
3、本发明采用严格的筛选方法,消除干扰目标(静止行人、静止自行车)对违停车辆的影响,提高算法的准确度,尽量减少漏检和误检率。
附图说明
图1是一种基于三重背景更新的违章停车检测方法实现流程图。
具体实施方式
下面对本发明附图的某些实施例作更加详细的描述。
根据附图1,本发明具体实施方式为:
1)输入一个视频序列S={f1,f2,...,f30},fi为第i个镜头帧,用大小为30*30的二维矩阵表示,创建当前背景和缓冲背景并进行初始化;具体如下:
创建当前背景current_bg和缓冲背景buffer_bg,current_bg和buffer_bg均用大小为30*30的二维矩阵表示;将第一帧视频图像f1进行灰度化处理后得到的灰度差值图像f1'作为当前背景和缓冲背景的初始值。
2)对1)创建的当前背景和缓冲背景进行处理检测出违停车辆;具体如下:
定义违停车辆检测图像为fore,fore用大小为30*30的二维矩阵表示;对当前背景current_bg和缓冲背景buffer_bg中的每个像素点j进行如下计算:
fore(j)=current_bg(j)-buffer_bg(j)
若fore(j)>T',则判定j为前景点;
若fore(j)≤T',则判定j为背景点;
其中,fore(j)为违停车辆检测图像第j个像素点的色彩值,fore current_bg(j)为当前背景current_bg第j个像素点的色彩值,buffer(j)为缓冲背景buffer_bg第j个点的像素值,T'为色差阈值;
3)以第一帧中当前背景current_bg各像素值与第二帧图像f2对应像素值进行比较为例。如果前者偏小,则当前背景current_bg对应像素值增加1个单位;如果前者偏大,则当前背景current_bg对应像素值减少1个单位;在两者相等的情况下,当前背景current_bg对应像素值保持不变。即使视频中运动目标快速变化也不会影响当前背景current_bg,但如果视频中的运动目标是静止的,它将逐渐融入到当前背景current_bg中;
4)违停车辆背景用于记录违停车辆的缓存背景,由此能够判断出遗留物什么时候离开并且停留了多久。定义违停车辆背景为abandon_bg,abandon_bg用大小为30*30的二维矩阵表示;设置定时器inter,以固定时间隔20秒作为违停车辆背景abandon_bg的更新周期,对当前背景current_bg和缓冲背景buffer_bg中的每个像素点j进行如下计算:
abandon_bg(j)=current_bg(j)-buffer_bg(j)
若abandon_bg(j)>T”,则判定j为前景点;
若abandon_bg(j)≤T”,则判定j为背景点;
其中,abandon_bg(j)为违停车辆背景abandon_bg第j个像素点的色彩值,current_bg(j)为当前背景current_bg第j个像素点的色彩值,buffer(j)为缓冲背景buffer_bg第j个点的像素值,T”为色差阈值;
5)如果违停车辆背景abandon_bg与当前背景current_bg对应区域背景像素不同,判定违停车辆未离开,否则判定离开;
6)如果违停车辆离开了,则用当前背景current_bg的像素值更新违停车辆背景abandon_bg对应区域,同时缓冲背景buffer_bg完全复制当前背景current_bg。如果违停车辆未离开,则用违停车辆背景abandon_bg像素值更新缓冲背景buffer_bg的对应区域,同时重新设置定时器inter。
7)为了提取到完整的运动目标,往往需要对图像进行区域连通性分析,当连通区域的面积大于设定的阈值时,认为是运动目标,接着求取其最小外接矩阵。对检测到的违停车辆基于八连通序贯算法进行区域连通性分析构建出运动目标的外接矩阵,具体过程如下:
(1)从左至右,从上到下对图像进行搜索,寻找灰度值为255且没有标记过的像素点,标记该像素点为A,记录其坐标值;
(2)在像素点A附近按八个方向进行搜索,寻找灰度值为255且没有标记过的像素点,将该像素送入堆栈;所述八个方向包含上、下、左、右、左斜上、左斜下、右斜上、右斜下。
(3)搜索像素点A的八个方向结束后,取出栈顶的像素点,重复步骤(1)、(2)直至无法搜索到没有标记的像素点为止;
(4)完成上述过程后,统计标记的像素点并与设定的像素阈值1000相比较,如果大于该阈值,则检测到运动目标;
(5)区域标记完成后,对整个图像从左到右,从上到下进行一次扫描,找出每个区域中横纵坐标的最大值和最小值,构建出运动目标最小外接矩形。
Claims (5)
1.一种基于三重背景更新的违章停车检测方法,其特征在于,包括如下步骤:
步骤1,用户输入视频镜头S,定义S={f1,f2,...,fn},fn为第n个镜头帧,fn用大小为r*l的二维矩阵表示,其中,n为正整数,r为矩阵行数,l为矩阵列数;
步骤2,创建当前背景current_bg和缓冲背景buffer_bg,将第一帧图像f1灰度化处理后得到的灰度差值图像f1'作为当前背景current_bg和缓冲背景buffer_bg的初始值;其中,current_bg和buffer_bg均用大小为r*l的二维矩阵表示;所述灰度化处理是将彩色图像转化成为灰度图像的过程;
步骤3,对步骤2创建的当前背景current_bg和缓冲背景buffer_bg进行处理,进而检测出违停车辆;具体步骤如下:
定义违停车辆检测图像为fore,fore用大小为r*l的二维矩阵表示;对当前背景current_bg和缓冲背景buffer_bg中的每个像素点j进行如下计算:
fore(j)=current_bg(j)-buffer_bg(j)
若fore(j)>T',则判定j为前景点;
若fore(j)≤T',则判定j为背景点;
则fore(j)>T'的构成检测出的违停车辆;
其中,fore(j)为违停车辆检测图像第j个像素点的色彩值,current_bg(j)为当前背景current_bg第j个像素点的色彩值,buffer(j)为缓冲背景buffer_bg第j个点的像素值,T'为色差阈值;
步骤4,将第k帧当前背景current_bg各像素值与第k+1帧图像fk+1对应像素值进行比较:
若当前背景current_bg各像素值小于图像fk+1对应像素值,则当前背景current_bg对应像素值增加1个单位;
若当前背景current_bg各像素值大于图像fk+1对应像素值,则当前背景current_bg对应像素值减少1个单位;
若当前背景current_bg各像素值等于图像fk+1对应像素值,当前背景current_bg对应像素值保持不变;
步骤5,通过违停车辆的缓存背景判断违停车辆何时离开:具体步骤如下:定义违停车辆背景为abandon_bg,abandon_bg用大小为r*l的二维矩阵表示,r为矩阵行数,l为矩阵列数;设置定时器inter,以固定时间隔作为违停车辆背景abandon_bg的更新周期,对当前背景current_bg和缓冲背景buffer_bg中的每个像素点j进行如下计算:
abandon_bg(j)=current_bg(j)-buffer_bg(j)
若abandon_bg(j)>T”,则判定j为前景点;
若abandon_bg(j)≤T”,则判定j为背景点;
其中,abandon_bg(j)为违停车辆背景abandon_bg第j个像素点的色彩值,current_bg(j)为当前背景current_bg第j个像素点的色彩值,buffer(j)为缓冲背景buffer_bg第j个点的像素值,T”为色差阈值;
步骤5.1,若违停车辆背景abandon_bg与当前背景current_bg对应区域背景像素不同,则判定违停车辆未离开,反之判定违停车辆离开;
步骤5.2,若违停车辆离开,则用当前背景current_bg的像素值更新违停车辆背景abandon_bg对应区域,同时缓冲背景buffer_bg完全复制当前背景current_bg;若违停车辆未离开,则用违停车辆背景abandon_bg像素值更新缓冲背景buffer_bg的对应区域,同时重新设置定时器inter;
步骤6,通过八连通序贯算法对检测到的违停车辆进行区域连通性分析,进而构建出最小外接矩阵。
2.根据权利要求1所述的一种基于三重背景更新的违章停车检测方法,所述步骤6具体包含如下步骤:
步骤6.1,从左至右,从上到下对图像进行搜索,寻找灰度值为255且没有标记过的像素点,标记该像素点为A,记录其坐标值;
步骤6.2,在像素点A附近按八个方向进行搜索,寻找灰度值为255且没有标记过的像素点,将该像素送入堆栈;所述八个方向包含上、下、左、右、左斜上、左斜下、右斜上、右斜下;
步骤6.3,搜索像素点A的八个方向结束后,取出栈顶的像素点,重复步骤6.1、步骤6.2直至无法搜索到没有标记的像素点为止;
步骤6.4,完成上述过程后,统计标记的像素点并与设定的像素阈值相比较,如果大于该阈值,则检测到运动目标;
步骤6.5,区域标记完成后,对整个图像从左到右,从上到下进行一次扫描,找出每个区域中横纵坐标的最大值和最小值,构建出运动目标最小外接矩形。
3.根据权利要求1所述的一种基于三重背景更新的违章停车检测方法,其特征在于,步骤3中色差阈值T'取95。
4.根据权利要求1所述的一种基于三重背景更新的违章停车检测方法,其特征在于,步骤5中定时器inter时间间隔取15s。
5.根据权利要求1所述的一种基于三重背景更新的违章停车检测方法,其特征在于,步骤5中色差阈值T”取60。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710374680.7A CN107292239A (zh) | 2017-05-24 | 2017-05-24 | 一种基于三重背景更新的违章停车检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710374680.7A CN107292239A (zh) | 2017-05-24 | 2017-05-24 | 一种基于三重背景更新的违章停车检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107292239A true CN107292239A (zh) | 2017-10-24 |
Family
ID=60094708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710374680.7A Pending CN107292239A (zh) | 2017-05-24 | 2017-05-24 | 一种基于三重背景更新的违章停车检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292239A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681424A (zh) * | 2020-06-06 | 2020-09-18 | 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 |
CN113409587A (zh) * | 2021-06-16 | 2021-09-17 | 北京字跳网络技术有限公司 | 异常车辆的检测方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345618A (zh) * | 2013-06-21 | 2013-10-09 | 银江股份有限公司 | 一种基于视频技术的交通违章检测方法 |
CN106571039A (zh) * | 2016-08-22 | 2017-04-19 | 中海网络科技股份有限公司 | 一种高速公路违章行为自动抓拍*** |
-
2017
- 2017-05-24 CN CN201710374680.7A patent/CN107292239A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345618A (zh) * | 2013-06-21 | 2013-10-09 | 银江股份有限公司 | 一种基于视频技术的交通违章检测方法 |
CN106571039A (zh) * | 2016-08-22 | 2017-04-19 | 中海网络科技股份有限公司 | 一种高速公路违章行为自动抓拍*** |
Non-Patent Citations (3)
Title |
---|
JIAN WANG等: "Multi-Vehicle Tracking Based Traffic Illegal Parking Detection", 《ADVANCED MATERIALS RESEARCH》 * |
肖习雨: "基于视频的车辆违章监测方法", 《湖南工业大学学报》 * |
许力等: "基于三背景建模的市容违章检测", 《计算机工程与应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681424A (zh) * | 2020-06-06 | 2020-09-18 | 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 |
CN113409587A (zh) * | 2021-06-16 | 2021-09-17 | 北京字跳网络技术有限公司 | 异常车辆的检测方法、装置、设备及存储介质 |
CN113409587B (zh) * | 2021-06-16 | 2022-11-22 | 北京字跳网络技术有限公司 | 异常车辆的检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hamaguchi et al. | Building detection from satellite imagery using ensemble of size-specific detectors | |
CN104392468B (zh) | 基于改进视觉背景提取的运动目标检测方法 | |
CN108830171B (zh) | 一种基于深度学习的智能物流仓库引导线视觉检测方法 | |
CN108537824B (zh) | 基于交替反卷积与卷积的特征图增强的网络结构优化方法 | |
CN106022237A (zh) | 一种端到端的卷积神经网络的行人检测方法 | |
CN106203277A (zh) | 基于sift特征聚类的固定镜头实时监控视频特征提取方法 | |
CN111967313B (zh) | 一种深度学习目标检测算法辅助的无人机图像标注方法 | |
CN107648833B (zh) | 一种基于机器视觉的非接触式人机对弈控制方法及*** | |
CN110490978B (zh) | 基于混合现实技术的实景骑行训练方法 | |
CN103686095A (zh) | 一种视频浓缩方法和*** | |
CN110232379A (zh) | 一种车辆姿态检测方法及*** | |
CN104751466B (zh) | 一种基于显著性的形变物体跟踪方法及其*** | |
CN113379771B (zh) | 带有边缘约束的层次化人体解析语义分割方法 | |
CN110334719B (zh) | 一种提取遥感影像中建筑物图像的方法及*** | |
CN108229524A (zh) | 一种基于遥感图像的烟囱和冷凝塔检测方法 | |
CN107038416A (zh) | 一种基于二值图像改进型hog特征的行人检测方法 | |
CN105469111A (zh) | 基于改进的mfa和迁移学习的小样本集的物体分类方法 | |
CN106204633A (zh) | 一种基于计算机视觉的学生跟踪方法和装置 | |
CN107705323A (zh) | 一种基于卷积神经网络的水平集目标追踪方法 | |
CN108648210B (zh) | 一种静态复杂场景下快速多目标检测方法及装置 | |
CN104021395B (zh) | 一种基于高阶偏最小二乘法的目标跟踪算法 | |
CN107292239A (zh) | 一种基于三重背景更新的违章停车检测方法 | |
CN109241952B (zh) | 拥挤场景下人物计数方法及装置 | |
CN109978916B (zh) | 基于灰度图像特征匹配的Vibe运动目标检测方法 | |
CN102609689A (zh) | 一种基于多帧统计的视频车道背景建模方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171024 |