專利名稱：一種基于視頻監控的違章停車檢測系統的制作方法
技術領域：
本實用新型屬于圖像處理領域，特別是一種基于視頻監控的違章停車檢測系統。
背景技術：
隨著社會的進步與發展，城市的汽車保有量日益增多，與此同時也帶來了很多問題。違章停車作為亟待解決的問題之一，已經引起了交通管理部門的重視。傳統的違章停車檢測主要是通過交警定點實施人工監管，效率低，無法實現實時監控，極大地浪費了相關部門的人力和財カ。近年來，基于視頻監控的違章停車檢測方法受到了越來越多學者和相關部門的重視，這種方法具有準確率高，實時性好，成本低，容易收集證據等優點。目前，基于視頻監控的違章停車檢測系統一般是基于混合高斯模型算法或利用差分法實現對待監控目標的提取的，由于其沒有對行人或其它非機動車輛等目標進行濾除，在很大程度上導致誤報率的増加。另外，現有的系統沒有對處于違停區域的車輛類型做出細致的分類，必然影響監控的有效性。
實用新型內容本實用新型針對目前的基于視頻監控的違章停車檢測系統存在的上述問題，而提出了一種基于視頻監控的違章停車檢測系統。本實用新型采用的技術手段如下一種基于視頻監控的違章停車檢測系統，其特征在于包括采集視頻圖像后輸出視頻序列的圖像采集器；連接圖像采集器，利用碼本模型對圖像采集器采集的視頻序列進行背景建模、采用背景減除法得到前景似然信息圖像后濾除前景似然信息圖像中其它運動目標對待監控車輛的干擾、之后利用違章停車判決算法對前景似然信息圖像中的待監控車輛進行智能判決的圖像處理器；連接圖像處理器，當待監控車輛出現違停現象時發出報警的報警器；連接圖像處理器，顯示經圖像采集器處理的視頻圖像的顯示器。本實用新型的基于視頻監控的違章停車檢測系統有效克服了傳統人工檢測違章停車的缺點，能夠對監控場景進行實時監控，發現違停車輛及時報警。該系統相對于現有的基于視頻監控的違章停車檢測系統，濾除了可能對待監控車輛存在影響的其它類型運動目標，提高了報警的準確性，且該系統具有實時性好，魯棒性強，準確率高等特點，為城市交通的智能化管理提供了有效的技術手段。
圖I為本實用新型的基于視頻監控的違章停車檢測系統的結構圖。圖2A為現有采用混合高斯算法生成的前景似然圖示例。圖2B為采用碼本模型方法生成的前景似然圖示例。圖3A為濾除其它運動目標前的前景似然圖示例。[0015]圖3B為濾除其它運動目標后的前景似然圖示例。
具體實施方式
為了使本實用新型的目的、技術方案及優點更加清楚明白，
以下結合附圖及實施例，對本實用新型進行進一歩詳細說明。如圖I所示，本實用新型的基于視頻監控的違章停車檢測系統包括采集視頻圖像后輸出視頻序列的圖像采集器I ;連接圖像采集器1，利用碼本模型對圖像采集器I采集的視頻序列進行背景建模、采用背景減除法得到前景似然信息圖像后濾除前景似然信息圖像中其它運動目標對待監控車輛的干擾、之后利用違章停車判決算法對前景似然信息圖像中的待監控車輛進行智能判決的圖像處理器2 ;連接圖像處理器2，當 待監控車輛出現違停現象時發出報警的報警器4 ;連接圖像處理器2，顯示經圖像采集器I處理的視頻圖像的顯示器3。現有的基于視頻監控的違章停車檢測方法所采用的混合高斯模型是在像素域的時間尺度上對像素進行分類，很難將其學習效率控制在既不過檢也不漏檢的理想狀態，容易造成誤判，無法解決對待監控目標的陰影、空洞和噪點過多的問題，影響定位跟蹤的準確性。針對此問題，圖像處理器2是采用碼本模型對視頻序列進行背景建模的。具體地，圖像處理器2利用碼本模型對圖像采集器I采集的視頻序列進行背景建模、采用背景減除法得到前景似然信息圖像的過程包括步驟11 :對視頻序列進行學習，根據每個像素點連續采樣值的顔色距離和亮度范圍為每個像素點生成ー個碼本，假設當前像素點是X = 0 ，6，8)，其對應的碼本是1步驟12 :計算當前像素點的亮度I = R+G+B,定義布爾變量match = O。步驟13 :根據設定條件從碼本M中找到與當前像素匹配的碼字Cm，如果能夠找到碼字Cm,則match = I,否則match = O。其中的設定條件包括條件A和條件B,條件A表示為colorist (x,vj=ヤ^ ^ s
IIvJ其中，IX I2 = R2+G2+B2,||vm||2 =R2m+G2m+B2m ,{^ym)2 = (RmR ^ GmG ^BmB)2 ;條件B表示為brightness (I, < Im,Im >) = true 且當 Ilow 彡 ||x|| (エ“時，
V Λ
brightness (/,< ImJm >) = true其中，Ilow為碼字的亮度范圍最小值，Ihi為該碼字的亮度范圍最大值。步驟14 :將match = O的像素作為當前視頻圖像的前景像素，將match = I的像素作為當前視頻圖像的背景像素。步驟15 :生成關于當前視頻圖像中像素Hii的前景似然函數Li (Hii),進而生成相應的前景似然圖，如圖2B所示。其中的前景似然函數LiOni)表示為
|l, if ITIi Gforegroum 1 1 [ O, otherwise一般情況下，行人、自行車、噪聲等前景區域面積要比待監控車輛的區域小，因此，圖像處理器2濾除前景似然信息圖像中其它運動目標對待監控車輛的干擾的過程包括步驟21 :計算前景似然信息圖像中，每ー運動目標的連通區域面積。步驟22 :選取連通區域面積大于或等于ー閾值的運動目標作為待監控車輛，如圖3B所示，以為后續的跟蹤和違章判決提供必要保證。若將待監控車輛分為非關注車輛、關注車輛以及違停車輛。其中，非關注車輛為未進入違停區域的車輛；關注車輛為已經進入違停區域的車輛，但是停靠時間小于給定的時間閾值；違停車輛為處于違停區域內且停靠時間超過給定閾值的車輛。則圖像處理器2利用違章停車判決算法對前景似然信息圖像中的待監控車輛進行智能判決的過程包括步驟31 :計算違停區域中心Cnp的坐標(xNP, yNP)。步驟32 :計算車輛i (i = 1,2, · · · , N)的質心Ci,表示為
權利要求1.一種基于視頻監控的違章停車檢測系統，其特征在于包括 采集視頻圖像后輸出視頻序列的圖像采集器； 連接圖像采集器，利用碼本模型對圖像采集器采集的視頻序列進行背景建模、采用背景減除法得到前景似然信息圖像后濾除前景似然信息圖像中其它運動目標對待監控車輛的干擾、之后利用違章停車判決算法對前景似然信息圖像中的待監控車輛進行智能判決的圖像處理器； 連接圖像處理器，當待監控車輛出現違停現象時發出報警的報警器； 連接圖像處理器，顯示經圖像采集器處理的視頻圖像的顯示器。
專利摘要本實用新型公開了一種基于視頻監控的違章停車檢測系統，包括采集視頻圖像后輸出視頻序列的圖像采集器；利用碼本模型對圖像采集器采集的視頻序列進行背景建模、采用背景減除法得到前景似然信息圖像后濾除前景似然信息圖像中其它運動目標對待監控車輛的干擾、之后利用違章停車判決算法對前景似然信息圖像中的待監控車輛進行智能判決的圖像處理器；當待監控車輛出現違停現象時發出報警的報警器；顯示經圖像采集器處理的視頻圖像的顯示器。該系統濾除了可能對待監控車輛存在影響的其它類型運動目標，提高了報警的準確性，且具有實時性好，魯棒性強，準確率高等特點，為城市交通的智能化管理提供了有效的技術手段。
文檔編號G06K9/00GK202422420SQ201220017430
公開日2012年9月5日 申請日期2012年1月13日 優先權日2012年1月13日
發明者姜明新 申請人:大連民族學院