一種基于核密度估計的高速公路違章停車檢測方法
【技術領域】
[0001] 本發(fā)明涉及一種基于核密度估計的高速公路違章停車檢測方法，屬于圖像處理領 域。
【背景技術】
[0002] 隨著現(xiàn)代高速公路建設技術的飛速發(fā)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(jīng)引起了交通管理部門的重視。 傳統(tǒng)的違章停車檢測主要是通過交警定點實施人工監(jiān)管，效率低，無法實現(xiàn)實時監(jiān)控，極大 地浪費了相關部門的人力和物力。近年來，基于監(jiān)控視頻進行違章停車檢測和識別的方法 受到了越來越多的關注，這種方法具有準確率高、實時性好、成本低、容易收集證據(jù)等優(yōu)點。
[0003] 隨著視頻圖像處理技術的進步，視頻監(jiān)控系統(tǒng)在交通領域的應用日益廣泛，視頻 檢測技術也有了長足的發(fā)展。但近年來研究主要集中于運動物體檢測、交通車輛監(jiān)控的系 統(tǒng)技術架構設計，以及交通流量檢測、運動目標識別、道路行人監(jiān)控等城市環(huán)境下的低速物 體檢測，目前在高速公路環(huán)境下的高速運動目標停車檢測技術相對薄弱。停車事件是指運 動車輛在道路上由運動到靜止，且靜止時間超過設定值。目前國內(nèi)外有關這方面的研究成 果還很少。因此，發(fā)明一種有效的違章停車事件檢測方法意義重大。

【發(fā)明內(nèi)容】

[0004] 針對目前的基于視頻監(jiān)控的違章停車檢測方法存在的上述問題，本發(fā)明提供了一 種基于核密度估計的高速公路違章停車檢測方法。
[0005] 本發(fā)明的技術方案是:一種基于核密度估計的高速公路違章停車檢測方法，首先 采用非參數(shù)核密度模型進行背景抽取，得到背景圖像;接著對背景圖像采用漸變更新方式 更新，得到更新后的背景圖像;將當前采集的圖像減去背景圖像，得到運動前景;接著標定 運動目標車輛質(zhì)心位置;再跟蹤目標車輛，并且測量質(zhì)心間的距離；當質(zhì)心間的距離不斷減 小，表示進入減速過程;在目標車輛進入減速過程之后，判斷其運行狀態(tài)；當運行狀態(tài)為靜 止狀態(tài)時，計算違章停車時間；最后根據(jù)違章停車時間確定是否為違停。
[0006] 所述方法的具體步驟如下：
[0007] Stepl、采用非參數(shù)核密度模型進行背景抽取，得到背景圖像II;
[0008] Step2、對背景圖像II采用漸變更新方式更新，得到更新后的背景圖像12;
[0009] Step3、將當前采集的圖像I減去背景圖像12,得到運動前景；
[0010] Step4、利用目標邊界鄰接矩形標定運動前景中的運動目標，得到運動目標車輛， 接著利用灰度圖像質(zhì)心快速算法計算運動目標車輛的初始質(zhì)心位置Mi(x，y);
[0011] Step5、隔幀測量對應運動目標車輛的質(zhì)心位置并記錄每次的結果，則運動目標車 輛的質(zhì)心距離可表示為：
[0012] AMi,i-2(x，y)=Mi(x，y)-Mi-2(x，y)，i = 3,5,7，...n
[0013]其中，Mi(x，y)和Mi-2(x，y)分別表示第i幀和第i-2幀的質(zhì)心位置， 2(x，y)表 示第i幀和第i-2幀的質(zhì)心位置之間的距離;η表示第η幀；
[0014]若有 AMi,i-2(x，y)> AMi+2,i(x，y)，i = 3,5,7, · · ·η，表示相鄰兩隔幀質(zhì)心位置之 間的距離之差逐漸減小，則判定運動目標車輛存在減速趨勢，進入減速過程；
[0015] Step6、在目標車輛進入減速過程之后，判斷其運行狀態(tài)：當存在△ Mi, i-2(X，y) | < λ，i = 3，5，7，. . . η，則認為目標車輛進入靜止狀態(tài);其中，λ表示判定目標車輛進入靜止狀態(tài) 的閾值；
[0016] Step7、計算判定為進入靜止的目標車輛的違章停車時間t:
[0017] i = Afx^~ J
[0018] 其中，A f是當前幀值與目標車輛進入靜止狀態(tài)的幀值的差值;f是視頻的幀率； [0019] Step8、判斷違章停車時間t與停車檢測時間閾值T的關系：若t 2 T，則判定車輛違 章停車。
[0020] 本發(fā)明的有益效果是:有效克服了傳統(tǒng)人工檢測違章停車的缺點，能夠?qū)ΡO(jiān)控場 景進行實時監(jiān)控，發(fā)現(xiàn)違停車輛及時報警。該方法相對于現(xiàn)有的基于視頻監(jiān)控的違章停車 檢測方法而言，處理速度快，提高了報警的準確性，且該方法具有實時性好，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。
【附圖說明】
[0021] 圖1為本發(fā)明的流程圖。
【具體實施方式】
[0022] 實施例1:如圖1所示，一種基于核密度估計的高速公路違章停車檢測方法，首先采 用非參數(shù)核密度模型進行背景抽取，得到背景圖像;接著對背景圖像采用漸變更新方式更 新，得到更新后的背景圖像;將當前采集的圖像減去背景圖像，得到運動前景;接著標定運 動目標車輛質(zhì)心位置;再跟蹤目標車輛，并且測量質(zhì)心間的距離；當質(zhì)心間的距離不斷減 小，表示進入減速過程;在目標車輛進入減速過程之后，判斷其運行狀態(tài)；當運行狀態(tài)為靜 止狀態(tài)時，計算違章停車時間；最后根據(jù)違章停車時間確定是否為違停。
[0023]所述方法的具體步驟如下：
[0024] Stepl、采用非參數(shù)核密度模型進行背景抽取，得到背景圖像II;
[0025] Step2、對背景圖像II采用漸變更新方式更新，得到更新后的背景圖像12;
[0026] Step3、將當前采集的圖像I減去背景圖像12,得到運動目標前景；
[0027] Step4、利用目標邊界鄰接矩形標定運動前景中的運動目標，得到運動目標車輛， 接著利用灰度圖像質(zhì)心快速算法計算運動目標車輛的初始質(zhì)心位置MKxj);(針對矩形標 定的目標若符合設計要求，則作為運動目標車輛，針對人、非機動車輛不作為運動目標車 輛;其中符合設計要求可以理解為，被標定的目標處在要求的大小矩形區(qū)域內(nèi)）；
[0028] Step5、隔幀測量對應運動目標車輛的質(zhì)心位置并記錄每次的結果，則運動目標車 輛的質(zhì)心距離可表示為：
[0029] AMi,i-2(x，y)=Mi(x，y)_Mi-2(x，y)，i = 3,5,7，...n
[0030] 其中，Mi(x，y)和Mi-2(x，y)分別表示第i幀和第i-2幀的質(zhì)心位置，ΔΜμ-2(x，y)表 示第i幀和第i-2幀的質(zhì)心位置之間的距離；
[0031]若有 AMi,i-2(x，y)> AMi+2,i(x，y)，i = 3,5,7, · · ·η，表示相鄰兩隔幀質(zhì)心位置之 間的距離之差逐漸減小，則判定運動目標車輛存在減速趨勢，進入減速過程；
[0032] Step6、在目標車輛進入減速過程之后，判斷其運行狀態(tài)：當存在Δ Mi, i-2(X，y) | < λ，? = 3,5,7,. . .n，則認為目標車輛進入靜止狀態(tài);其中，A = 20cm-100cm表示判定目標車輛 進入靜止狀態(tài)的閾值；
[0033] Step7、計算判定為進入靜止的目標車輛的違章停車時間t: k ￡ 1
[0034] /=Λ/χ-~ f
[0035] 其中，Δ f是當前幀值與目標車輛進入靜止狀態(tài)的幀值的差值(如存在I Δ Mm,1〇9 (x，y) I <λ，則可知目標車輛進入靜止狀態(tài)的幀值為109,當前幀值表示判定為進入靜止的 目標車輛實時監(jiān)測時的幀值）；f = 24幀/s是視頻的幀率；
[0036] Step8、判斷違章停車時間t與停車檢測時間閾值T=15min-20min的關系:若t2T， 則判定車輛違章停車且可報警，并對后續(xù)的運動目標車輛進行判定。
[0037] 實施例2:如圖1所示，一種基于核密度估計的高速公路違章停車檢測方法，首先采 用非參數(shù)核密度模型進行背景抽取，得到背景圖像;接著對背景圖像采用漸變更新方式更 新，得到更新后的背景圖像;將當前采集的圖像減去背景圖像，得到運動前景;接著標定運 動目標車輛質(zhì)心位置;再跟蹤目標車輛，并且測量質(zhì)心間的距離；當質(zhì)心間的距離不斷減 小，表示進入減速過程;在目標車輛進入減速過程之后，判斷其運行狀態(tài)；當運行狀態(tài)為靜 止狀態(tài)時，計算違章停車時間；最后根據(jù)違章停車時間確定是否為違停。
[0038] 上面結合附圖對本發(fā)明的【具體實施方式】作了詳細說明，但是本發(fā)明并不限于上述 實施方式，在本領域普通技術人員所具備的知識范圍內(nèi)，還可以在不脫離本發(fā)明宗旨的前 提下作出各種變化。
【主權項】
1. 一種基于核密度估計的高速公路違章停車檢測方法，其特征在于：首先采用非參數(shù) 核密度模型進行背景抽取，得到背景圖像;接著對背景圖像采用漸變更新方式更新，得到更 新后的背景圖像;將當前采集的圖像減去背景圖像，得到運動前景;接著標定運動目標車輛 質(zhì)屯、位置;再跟蹤目標車輛，并且測量質(zhì)屯、間的距離；當質(zhì)屯、間的距離不斷減小，表示進入 減速過程;在目標車輛進入減速過程之后，判斷其運行狀態(tài)；當運行狀態(tài)為靜止狀態(tài)時，計 算違章停車時間；最后根據(jù)違章停車時間確定是否為違停。2. 根據(jù)權利要求1所述的基于核密度估計的高速公路違章停車檢測方法，其特征在于： 所述方法的具體步驟如下： StepU采用非參數(shù)核密度模型進行背景抽取，得到背景圖像II; Step2、對背景圖像Il采用漸變更新方式更新，得到更新后的背景圖像12; Step3、將當前義集的圖像I減去背景圖像12，得到運動前景； Step4、利用目標邊界鄰接矩形標定運動前景中的運動目標，得到運動目標車輛，接著 利用灰度圖像質(zhì)屯、快速算法計算運動目標車輛的初始質(zhì)屯、位置Mi(x，y); Step5、隔帖測量對應運動目標車輛的質(zhì)屯、位置并記錄每次的結果，則運動目標車輛的 質(zhì)屯、距離可表示為： AMi,i-2(x,y)=Mi(x,y)-Mi-2(x,y) ,1 = 3,5,7, . . .n 其中，Mi(x，y)和Mi-2(x，y)分別表示第i帖和第i-2帖的質(zhì)屯、位置，AMi,i-2(x，y)表示第i 帖和第i-2帖的質(zhì)屯、位置之間的距離； 若有AMi,i-2(x，y)> AMi+2,i(x，y)，i = 3,5,7, . . .n，表示相鄰兩隔帖質(zhì)屯、位置之間的距 離之差逐漸減小，則判定運動目標車輛存在減速趨勢，進入減速過程； Step6、在目標車輛進入減速過程之后，判斷其運行狀態(tài)：當存在I AMi,i-2(x，y)|<A，i =3，5，7，... n，則認為目標車輛進入靜止狀態(tài);其中，A表示判定目標車輛進入靜止狀態(tài)的 闊值； Step7、計算判定為進入靜止的目標車輛的違章停車時間t:其中，A f是當前帖值與目標車輛進入靜止狀態(tài)的帖值的差值;f是視頻的帖率； steps、判斷違章停車時間t與停車檢測時間闊值T的關系:若t ^T,則判定車輛違章停 車。
【專利摘要】本發(fā)明涉及一種基于核密度估計的高速公路違章停車檢測方法，屬于圖像處理領域。本發(fā)明首先采用非參數(shù)核密度模型進行背景抽取，得到背景圖像；接著對背景圖像采用漸變更新方式更新，得到更新后的背景圖像；將當前采集的圖像減去背景圖像，得到運動前景；接著標定運動目標車輛質(zhì)心位置；再跟蹤目標車輛，并且測量質(zhì)心間的距離；當質(zhì)心間的距離不斷減小，表示進入減速過程；在目標車輛進入減速過程之后，判斷其運行狀態(tài)；當運行狀態(tài)為靜止狀態(tài)時，計算違章停車時間；最后根據(jù)違章停車時間確定是否為違停。本發(fā)明能夠?qū)ΡO(jiān)控場景進行實時監(jiān)控，發(fā)現(xiàn)違停車輛及時報警；處理速度快，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。
【IPC分類】G08G1/017, G06K9/00
【公開號】CN105513371
【申請?zhí)枴緾N201610027241
【發(fā)明人】吳建德, 李月, 王曉東, 范玉剛, 黃國勇, 鄒金慧, 冷婷婷, 張馨予, 李富玉, 熊新, 馮早
【申請人】昆明理工大學
【公開日】2016年4月20日
【申請日】2016年1月15日