一种高速公路违章停车检测方法与流程

本发明涉及一种高速公路违章停车检测方法，属于图像处理技术领域。

背景技术：

随着信息时代的告诉发展，人们的生活水平逐步提高，机动车辆成为更多人出行的代步工具。然而随之而来的诸多交通安全问题也日益凸显，其中高速公路违章停车就是较大的安全隐患。目前，高速公路车辆行驶监管工作仍需大量的人力物力投入，加之节假日出行车辆流量之大也足以引起重视，尤其是大雾等不利于出行的天气状况会加大高速公路的事故发生概率。因此，如何高效精准的检测路段车辆行驶成为亟待解决的问题。高速公路违停检测采用数字图像处理技术，可以以计算机直接运行的形式得出检测结果，在任何情况下均能可靠的工作，且具有较高的精确率，达到实时检测，提高工作效率的功能。

技术实现要素：

本发明要解决的技术问题是提出一种高速公路违章停车检测的方法，用以解决上述问题。

本发明的技术方案是：一种高速公路违章停车检测的方法，首先，针对区域内高速公路进行视频序列提取并进行编码标识，建立该高速路段视频序列信息库；其次，进行该路段视频序列图像处理，提取运动车辆车牌并标定出车辆质心，记录车辆质心距离该区域高速公路初始位置的距离，并建立车辆实时位置信息库进行存储；然后，对行驶车辆进行跟踪标定，判断视频序列中该车辆距初始位置的变化，判断车辆行驶状态，并计算车辆违章停车时间；最后，根据车辆在该段高速公路违章停车时长，发出违停警告。

具体步骤为：

Step1：建立高速公路路段视频序列信息库：对区域内高速公路进行实时监控，并提取视频序列图像，根据时间先后对所提取的序列进行编码标识。建立该高速公路路段视频序列信息库进行图像信息存储；

Step2：建立车辆实时位置信息库：以高速公路路段视频序列信息库中的原始图像作为输入，将彩色车牌图像进行背景分离，提取出车辆的车牌信息，应用图像处理方法进行车牌定位识别，区分出不同车辆；

Step2.1：车牌目标提取：首先，请求视频序列信息库中抓拍的高速公路车辆行驶图像信息作为输入，利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。

Step2.2：基于彩色分割方法的车牌定位：根据车牌的不同特征，选择采用基于彩色分割方法的定位技术进行车牌定位识别。该方法包括彩色分割和目标定位两个模块，使用多层感知器网络对彩色图像进行分割，然后通过投影法分割出潜在的车牌区域。

1、彩色分割模块：在进行彩色分割时采用神经网络模型，此处为了更好地进行彩色分割，将普通RGB模式的彩色图像转化为HSI模式，即色调(hue)、饱和度(saturability)和亮度(luminance)，然后对输出图像的饱和度作调整。

2、目标定位：为了减少计算量，将彩色图像抽稀后再进行模式转化。同时，为了减少光照条件对图像分割产生的影响，采用对数方法进行彩色饱和度调整。然后对模式转化后的彩色图像进行彩色神经网络分割，最后根据车牌底色及长宽比等先验知识，采用投影法分割出合理的车牌区域。

Step2.3：基于字符分割方法的车牌识别：首先，将已经确定的车牌区域变换成灰度图。利用中值滤波进行预处理，然后利用中值滤波消除牌照上的污点，利用HOUGH变换对车牌进行倾斜度矫正。接着采用自适应阈值法，将图像二值化。利用竖直方向的投影具有波峰、波谷间隔出现的特性，将字符进行分割。最后，将分割的字符大小归一化后，送入BP神经网络进行字符识别。在BP神经网络中加入动量因子，缩短网络的训练时间。

Step3：提取车辆驶离初始位置距离：由于车辆依据拍照已经进行区分标记，此处采用边缘图像处理，提取出车辆质心的灰度图像。应用卡尔曼滤波跟踪算法追踪车辆的blob图像，使用动态模型预测车辆的行进路线，并用观测模型矫正预测，降低预测误差。以监测高速公路路段起始位置为标记原点O，测量追踪车辆F_t的距初始位置的距离O F_t。在动态图像处理中，前一帧图像中F_t-1的位置作为卡尔曼滤波预测的输入值，如此重复预测及修订测量结果，得出检测区视频序列中不同时刻车辆质心与初始位置间的距离，并进行记录存储，登记车辆实时位置信息库中；

Step4：判断车辆行驶状态：

Step4.1：获取车辆实时位置信息库中隔帧信息，记录车辆驶离初始位置距离在不同时刻的数值。则该质心位移差可表示为：

ΔF_t-1,t(x)＝|OF_t(x)-OF_t-1(x)|,t＝1,2,3…

式中：OF_t(x)表示车辆x在时刻t的驶离距离，OF_t-1(x)表示车辆x在时刻t-1的驶离距离速度，ΔOF_t-1,t(x)表示车辆x在隔帧中的位移；

Step4.2：根据车辆驶离位移的变化判断车辆行驶的状态：

1、当车辆位移ΔOF_t-1,t(x)＞ΔOF_t,t+1(x),t＝1,2,3...时，表明车辆位移在逐渐减小，判断车辆正在减速，有较大的停车可能，需要保持较高的关注度；

2、当车辆位移ΔOF_t-1,t(x)≥ΔOF_t,t+1(x),t＝1,2,3...时，判断车辆为正常行驶，非检测路段违停监控对象；

3、当车辆驶离位移ΔOF_t-1,t(x)→ΔOF_t,t+1(x),t＝1,2,3...时，表明车辆行驶速度趋近于零，判断车辆已经停车，记录该帧图片拍摄时间，作为车辆违停初始时间，进行重点监测。同时继续监测接下来的视频序列中，车辆速度始终保持为零的时间，并计算车辆违停时间。计算模型如下：

T＝(t_n-t₀)*T_f,n＝1,2,3…

式中：T表示违停的时间，T_n表示车辆速度为零的视频拍摄时间点，T₀表示车辆第一次速度为零的帧视频拍摄时间点，T_f表示该检测设备的帧率；

Step5：根据车辆违章停车时长T，判断车辆违停时间与规定违停时间门限值T_m的关系，当超出门限值时，即T＞T_m，发出违停警告。

本发明的有益效果是：

1、本发明专利通过建立视频序列信息库、车辆实时位置信息库，并采用数字图像处理等技术，实现了对高速公路违章停车现象的智能检测；并针对智能识别的结果，实现了对高速公路违停现象的自动预警。

2、本发明专利针对高速公路违停现象，提供了指定路段实时检测功能，改善了传统人工监管的低效工作模式。以计算机直接运行的形式得出检测结果，在任何情况下均能可靠的工作，且具有较高的精确率，达到实时检测，提高工作效率的功能。

附图说明

图1是本发明高速公路违章停车检测的方法总体流程图；

图2是本发明基于彩色分割方法的车牌定位流程框图；

图3是本发明基于字符分割方法的车牌识别流程框图；

图4是本发明卡尔曼滤波器的定位流程框图。

具体实施方式

下面结合附图和具体实施方式，对本发明作进一步说明。

实施例1：如图1所示，一种高速公路违章停车检测的方法，首先，针对区域内高速公路进行视频序列提取并进行编码标识，建立该高速路段视频序列信息库；其次，进行该路段视频序列图像处理，提取运动车辆车牌并标定出车辆质心，记录车辆质心距离该区域高速公路初始位置的距离，并建立车辆实时位置信息库进行存储；然后，对行驶车辆进行跟踪标定，判断视频序列中该车辆距初始位置的变化，判断车辆行驶状态，并计算车辆违章停车时间；最后，根据车辆在该段高速公路违章停车时长，发出违停警告。

具体步骤为：

Step1：建立高速公路路段视频序列信息库：对区域内高速公路进行实时监控，并提取视频序列图像，根据时间先后对所提取的序列进行编码标识。建立该高速公路路段视频序列信息库进行图像信息存储；

Step2：建立车辆实时位置信息库：以高速公路路段视频序列信息库中的原始图像作为输入，将彩色车牌图像进行背景分离，提取出车辆的车牌信息，应用图像处理方法进行车牌定位识别，区分出不同车辆；

Step2.1：车牌目标提取：首先，请求视频序列信息库中抓拍的高速公路车辆行驶图像信息作为输入，利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。

Step2.2：基于彩色分割方法的车牌定位：根据车牌的不同特征，选择采用基于彩色分割方法的定位技术进行车牌定位识别。该方法包括彩色分割和目标定位两个模块，使用多层感知器网络对彩色图像进行分割，然后通过投影法分割出潜在的车牌区域。

1、彩色分割模块：在进行彩色分割时采用神经网络模型，此处为了更好地进行彩色分割，将普通RGB模式的彩色图像转化为HSI模式，即色调(hue)、饱和度(saturability)和亮度(luminance)，然后对输出图像的饱和度作调整。

2、目标定位：为了减少计算量，将彩色图像抽稀后再进行模式转化。同时，为了减少光照条件对图像分割产生的影响，采用对数方法进行彩色饱和度调整。然后对模式转化后的彩色图像进行彩色神经网络分割，最后根据车牌底色及长宽比等先验知识，采用投影法分割出合理的车牌区域。

Step2.3：基于字符分割方法的车牌识别：首先，将已经确定的车牌区域变换成灰度图。利用中值滤波进行预处理，然后利用中值滤波消除牌照上的污点，利用HOUGH变换对车牌进行倾斜度矫正。接着采用自适应阈值法，将图像二值化。利用竖直方向的投影具有波峰、波谷间隔出现的特性，将字符进行分割。最后，将分割的字符大小归一化后，送入BP神经网络进行字符识别。在BP神经网络中加入动量因子，缩短网络的训练时间。

Step3：提取车辆驶离初始位置距离：由于车辆依据拍照已经进行区分标记，此处采用边缘图像处理，提取出车辆质心的灰度图像。应用卡尔曼滤波跟踪算法追踪车辆的blob图像，使用动态模型预测车辆的行进路线，并用观测模型矫正预测，降低预测误差。以监测高速公路路段起始位置为标记原点O，测量追踪车辆F_t的距初始位置的距离O F_t。在动态图像处理中，前一帧图像中F_t-1的位置作为卡尔曼滤波预测的输入值，如此重复预测及修订测量结果，得出检测区视频序列中不同时刻车辆质心与初始位置间的距离，并进行记录存储，登记车辆实时位置信息库中；

Step4：判断车辆行驶状态：

Step4.1：获取车辆实时位置信息库中隔帧信息，记录车辆驶离初始位置距离在不同时刻的数值。则该质心位移差可表示为：

ΔF_t-1,_t(x)＝|OF_t(x)-OF_t-1(x)|,t＝1,2,3…

式中：OF_t(x)表示车辆x在时刻t的驶离距离，OF_t-1(x)表示车辆x在时刻t-1的驶离距离速度，ΔOF_t-1,t(x)表示车辆x在隔帧中的位移；

Step4.2：根据车辆驶离位移的变化判断车辆行驶的状态：

1、当车辆位移ΔOF_t-1,t(x)＞ΔOF_t,t+1(x),t＝1,2,3…时，表明车辆位移在逐渐减小，判断车辆正在减速，有较大的停车可能，需要保持较高的关注度；

2、当车辆位移ΔOF_t-1,t(x)≥ΔOF_t,t+1(x),t＝1,2,3…时，判断车辆为正常行驶，非检测路段违停监控对象；

3、当车辆驶离位移ΔOF_t-1,t(x)→ΔOF_t,t+1(x),t＝1,2,3…时，表明车辆行驶速度趋近于零，判断车辆已经停车，记录该帧图片拍摄时间，作为车辆违停初始时间，进行重点监测。同时继续监测接下来的视频序列中，车辆速度始终保持为零的时间，并计算车辆违停时间。计算模型如下：

T＝(t_n-t₀)*T_f,n＝1,2,3…

式中：T表示违停的时间，T_n表示车辆速度为零的视频拍摄时间点，T₀表示车辆第一次速度为零的帧视频拍摄时间点，T_f表示该检测设备的帧率；

Step5：根据车辆违章停车时长T，判断车辆违停时间与规定违停时间门限值T_m的关系，当超出门限值时，即T＞T_m，发出违停警告。

实施例2：如图1所示，一种高速公路违章停车检测的方法，首先，针对区域内高速公路进行视频序列提取并进行编码标识，建立该高速路段视频序列信息库；其次，进行该路段视频序列图像处理，提取运动车辆车牌并标定出车辆质心，记录车辆质心距离该区域高速公路初始位置的距离，并建立车辆实时位置信息库进行存储；然后，对行驶车辆进行跟踪标定，判断视频序列中该车辆距初始位置的变化，判断车辆行驶状态，并计算车辆违章停车时间；最后，根据车辆在该段高速公路违章停车时长，发出违停警告。

以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。