专利名称：一种基于视频监控的违章停车检测系统的制作方法
技术领域：
本实用新型属于图像处理领域，特别是一种基于视频监控的违章停车检测系统。
背景技术：
随着社会的进步与发展，城市的汽车保有量日益增多，与此同时也带来了很多问题。违章停车作为亟待解决的问题之一，已经引起了交通管理部门的重视。传统的违章停车检测主要是通过交警定点实施人工监管，效率低，无法实现实时监控，极大地浪费了相关部门的人力和财カ。近年来，基于视频监控的违章停车检测方法受到了越来越多学者和相关部门的重视，这种方法具有准确率高，实时性好，成本低，容易收集证据等优点。目前，基于视频监控的违章停车检测系统一般是基于混合高斯模型算法或利用差分法实现对待监控目标的提取的，由于其没有对行人或其它非机动车辆等目标进行滤除，在很大程度上导致误报率的増加。另外，现有的系统没有对处于违停区域的车辆类型做出细致的分类，必然影响监控的有效性。
实用新型内容本实用新型针对目前的基于视频监控的违章停车检测系统存在的上述问题，而提出了一种基于视频监控的违章停车检测系统。本实用新型采用的技术手段如下一种基于视频监控的违章停车检测系统，其特征在于包括采集视频图像后输出视频序列的图像采集器；连接图像采集器，利用码本模型对图像采集器采集的视频序列进行背景建模、采用背景减除法得到前景似然信息图像后滤除前景似然信息图像中其它运动目标对待监控车辆的干扰、之后利用违章停车判决算法对前景似然信息图像中的待监控车辆进行智能判决的图像处理器；连接图像处理器，当待监控车辆出现违停现象时发出报警的报警器；连接图像处理器，显示经图像采集器处理的视频图像的显示器。本实用新型的基于视频监控的违章停车检测系统有效克服了传统人工检测违章停车的缺点，能够对监控场景进行实时监控，发现违停车辆及时报警。该系统相对于现有的基于视频监控的违章停车检测系统，滤除了可能对待监控车辆存在影响的其它类型运动目标，提高了报警的准确性，且该系统具有实时性好，鲁棒性強，准确率高等特点，为城市交通的智能化管理提供了有效的技术手段。
图I为本实用新型的基于视频监控的违章停车检测系统的结构图。图2A为现有采用混合高斯算法生成的前景似然图示例。图2B为采用码本模型方法生成的前景似然图示例。图3A为滤除其它运动目标前的前景似然图示例。[0015]图3B为滤除其它运动目标后的前景似然图示例。
具体实施方式
为了使本实用新型的目的、技术方案及优点更加清楚明白，
以下结合附图及实施例，对本实用新型进行进一歩详细说明。如图I所示，本实用新型的基于视频监控的违章停车检测系统包括采集视频图像后输出视频序列的图像采集器I ;连接图像采集器1，利用码本模型对图像采集器I采集的视频序列进行背景建模、采用背景减除法得到前景似然信息图像后滤除前景似然信息图像中其它运动目标对待监控车辆的干扰、之后利用违章停车判决算法对前景似然信息图像中的待监控车辆进行智能判决的图像处理器2 ;连接图像处理器2，当 待监控车辆出现违停现象时发出报警的报警器4 ;连接图像处理器2，显示经图像采集器I处理的视频图像的显示器3。现有的基于视频监控的违章停车检测方法所采用的混合高斯模型是在像素域的时间尺度上对像素进行分类，很难将其学习效率控制在既不过检也不漏检的理想状态，容易造成误判，无法解决对待监控目标的阴影、空洞和噪点过多的问题，影响定位跟踪的准确性。针对此问题，图像处理器2是采用码本模型对视频序列进行背景建模的。具体地，图像处理器2利用码本模型对图像采集器I采集的视频序列进行背景建模、采用背景减除法得到前景似然信息图像的过程包括步骤11 :对视频序列进行学习，根据每个像素点连续采样值的顔色距离和亮度范围为每个像素点生成ー个码本，假设当前像素点是X = 0 ，6，8)，其对应的码本是1步骤12 :计算当前像素点的亮度I = R+G+B,定义布尔变量match = O。步骤13 :根据设定条件从码本M中找到与当前像素匹配的码字Cm，如果能够找到码字Cm,则match = I,否则match = O。其中的设定条件包括条件A和条件B,条件A表示为colorist (x,vj=ヤ^ ^ s
IIvJ其中，IX I2 = R2+G2+B2,||vm||2 =R2m+G2m+B2m ,{^ym)2 = (RmR ^ GmG ^BmB)2 ;条件B表示为brightness (I, < Im,Im >) = true 且当 Ilow 彡 ||x|| (エ“时，
V Λ
brightness (/,< ImJm >) = true其中，Ilow为码字的亮度范围最小值，Ihi为该码字的亮度范围最大值。步骤14 :将match = O的像素作为当前视频图像的前景像素，将match = I的像素作为当前视频图像的背景像素。步骤15 :生成关于当前视频图像中像素Hii的前景似然函数Li (Hii),进而生成相应的前景似然图，如图2B所示。其中的前景似然函数LiOni)表示为
|l, if ITIi Gforegroum 1 1 [ O, otherwise一般情况下，行人、自行车、噪声等前景区域面积要比待监控车辆的区域小，因此，图像处理器2滤除前景似然信息图像中其它运动目标对待监控车辆的干扰的过程包括步骤21 :计算前景似然信息图像中，每ー运动目标的连通区域面积。步骤22 :选取连通区域面积大于或等于ー阈值的运动目标作为待监控车辆，如图3B所示，以为后续的跟踪和违章判决提供必要保证。若将待监控车辆分为非关注车辆、关注车辆以及违停车辆。其中，非关注车辆为未进入违停区域的车辆；关注车辆为已经进入违停区域的车辆，但是停靠时间小于给定的时间阈值；违停车辆为处于违停区域内且停靠时间超过给定阈值的车辆。则图像处理器2利用违章停车判决算法对前景似然信息图像中的待监控车辆进行智能判决的过程包括步骤31 :计算违停区域中心Cnp的坐标(xNP, yNP)。步骤32 :计算车辆i (i = 1,2, · · · , N)的质心Ci,表示为
权利要求1.一种基于视频监控的违章停车检测系统，其特征在于包括 采集视频图像后输出视频序列的图像采集器； 连接图像采集器，利用码本模型对图像采集器采集的视频序列进行背景建模、采用背景减除法得到前景似然信息图像后滤除前景似然信息图像中其它运动目标对待监控车辆的干扰、之后利用违章停车判决算法对前景似然信息图像中的待监控车辆进行智能判决的图像处理器； 连接图像处理器，当待监控车辆出现违停现象时发出报警的报警器； 连接图像处理器，显示经图像采集器处理的视频图像的显示器。
专利摘要本实用新型公开了一种基于视频监控的违章停车检测系统，包括采集视频图像后输出视频序列的图像采集器；利用码本模型对图像采集器采集的视频序列进行背景建模、采用背景减除法得到前景似然信息图像后滤除前景似然信息图像中其它运动目标对待监控车辆的干扰、之后利用违章停车判决算法对前景似然信息图像中的待监控车辆进行智能判决的图像处理器；当待监控车辆出现违停现象时发出报警的报警器；显示经图像采集器处理的视频图像的显示器。该系统滤除了可能对待监控车辆存在影响的其它类型运动目标，提高了报警的准确性，且具有实时性好，鲁棒性强，准确率高等特点，为城市交通的智能化管理提供了有效的技术手段。
文档编号G06K9/00GK202422420SQ201220017430
公开日2012年9月5日 申请日期2012年1月13日 优先权日2012年1月13日
发明者姜明新 申请人:大连民族学院