專利名稱：檢測違章停車的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及車輛檢測領(lǐng)域，特別是指一種檢測違章停車的方法。
背景技術(shù)：
汽車作為交通工具，在城市中的擁有量越來越多。城市中用于停放汽車的空閑位置越來越少，由此產(chǎn)生了很多違章停車的事件。目前對違章停車的檢測方式，主要由人工方式檢測。這種檢測方式需要用戶長時間人工監(jiān)控所有不能停車的場所，受天氣的影響，用戶不能24小時不間斷的巡視所有禁止停車的場所及位置，導(dǎo)致違章停車的現(xiàn)象頻繁出現(xiàn)。

發(fā)明內(nèi)容
本發(fā)明提出了一種檢測違章停車的方法，以解決上述不能不間斷的檢測違章停車的問題。為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的，包括:檢測視頻圖像內(nèi)存在運動圖像的區(qū)域；提取該運動圖像的區(qū)域的特征點；如果所述提取的特征點與預(yù)先記錄的一組基準(zhǔn)特征點匹配成功，則確定存在違章停車。本發(fā)明的方法，可有效識別出視頻圖像中存在的運動圖像與之前記錄的圖像中的特征點是否一致，從而判斷是否存在違章停車，克服了現(xiàn)在技術(shù)中，采用人工檢測違章停車，不能長時間的檢測違章停車的缺陷。


為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1是實施例的流程圖；圖2是實施例中前景檢測的流程圖；圖3是實施例中采用sift算法實現(xiàn)違章檢測的流程圖。
具體實施例方式為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。
本發(fā)明的實施例包括以下步驟:Sll:檢測視頻圖像內(nèi)存在運動圖像的區(qū)域；S12:提取該運動圖像的區(qū)域的特征點；S13:如果所述提取的特征點與預(yù)先記錄的一組基準(zhǔn)特征點進(jìn)行匹配，則確定存在
違章停車。本發(fā)明的方法，可有效識別出視頻圖像中存在的運動圖像與之前記錄的圖像中的特征點是否一致，從而判斷是否存在違章停車，克服了現(xiàn)在技術(shù)中，采用人工檢測違章停車，不能長時間的檢測違章停車的缺陷。上述的視頻圖像的特征點的匹配，可采用SIFT算法實現(xiàn)。采用SIFT算法，可提交匹配效率，降低匹配時間。參見圖3，包括以下步驟:S31:前景檢測； 前景檢測的過程包括如圖2所示的步驟。優(yōu)選地，實施例中，預(yù)先建立背景模型，檢測背景圖像中是否存在運動圖像的區(qū)域的過程包括以下步驟，參見圖2:S21:將當(dāng)前幀的圖像二值化，得到差分圖像；取彩色圖像作為背景圖像，從第二幀彩色圖像開始，將當(dāng)前圖像與背景圖像簡單相減取絕對值并二值化得到差分圖像一d(i，j)。
權(quán)利要求
1.一種檢測違章停車的方法，其特征在于，包括: 檢測視頻圖像內(nèi)存在運動圖像的區(qū)域； 提取該運動圖像的區(qū)域的特征點； 如果所述提取的特征點與預(yù)先記錄的一組基準(zhǔn)特征點匹配成功，則確定存在違章停車。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述提取視頻圖像的特征點的步驟包括: 在高斯差分尺度空間，根據(jù)不同的高斯核函數(shù)的σ值，建立圖像所對應(yīng)的多張層疊的不同尺度的圖像； 在當(dāng)前層的尺度的圖像內(nèi)，如果一個像素點在本層及其兩個相鄰層的8鄰域內(nèi)，為最大值或最小值，則該點為該尺度下的一個特征點。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述匹配的過程包括: 根據(jù)每個尺度下的每個特征點所在圖像的位置，確定該特征點及其周圍鄰域內(nèi)的像素點的梯度，建立該特征點對應(yīng)的描述子； 確定所述運動圖像的每個特征點對應(yīng)的描述子與所述記錄的一組特征點對應(yīng)的描述子的歐氏距離d; 其中，所述歐式距離d=sqrt( Σ (xil-xi2) "2) ;xiI為記錄的一組特征點中的一個特征點的第i維向量、xi2為運動圖像中的一個特征點的第i維向量； 如果最小的歐式距離不大于第一閾值、且最小的歐氏距離與次小的歐式距離的比值不大于第二閾值，則確定用于運算出所述最小的歐式距離的兩個描述子各自對應(yīng)的特征點相匹配； 當(dāng)相匹配的特征點的數(shù)量占記錄的該組特征點總數(shù)量的比值超過第三閾值后，確定運動圖像與該組特征點匹配成功。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述σ值介于(Γ20之間。
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述建立描述子的過程包括: 根據(jù)所述確定的該特征點及其周圍鄰域內(nèi)的像素點的梯度，建立梯度直方圖； 將所述梯度直方圖中梯度的最大模對應(yīng)的角度范圍中的任意一個角度作為主方向； 用一個中心在該區(qū)域中央的高斯函數(shù)對所述周圍鄰域內(nèi)的各個像素點的梯度的模加權(quán)； 將所述周圍鄰域內(nèi)的各個像素劃分為多個區(qū)塊，根據(jù)每個區(qū)塊內(nèi)的像素點的加權(quán)后的模長、相對于所述主方向的角度差值，建立每個區(qū)塊內(nèi)的直方圖，確定該區(qū)塊內(nèi)的向量； 以多維向量的格式記錄全部區(qū)塊的向量信息形成特征向量，作為該特征點的描述子。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，還包括:建立所述梯度直方圖的過程中，如果其中一個特征點的梯度的模大于第四閾值，則將該梯度的模值設(shè)置為第四閾值。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括:對每個特征點的特征向量歸一化處理。
8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述聚類中心的位置為全部特征點的坐標(biāo)的均值坐標(biāo)所對應(yīng)的位置。
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，如果匹配失敗，則將所述提取的特征點替換所述記錄的該組特征點。
10.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括:如果連續(xù)多幀視頻圖像內(nèi)存在運動圖像的區(qū)域的特征點、與所述預(yù)先記錄的特征點匹配成功，且多幀視頻圖像的特征點的靜止時間超出預(yù)定的時 間，則確定違章停車。
全文摘要
本發(fā)明提供了一種檢測違章停車的方法，包括檢測視頻圖像內(nèi)存在運動圖像的區(qū)域；提取該運動圖像的區(qū)域的特征點；如果所述提取的特征點與預(yù)先記錄的一組基準(zhǔn)特征點匹配成功，則確定存在違章停車。本發(fā)明的方法，可有效識別出視頻圖像中存在的運動圖像與之前記錄的圖像中的特征點是否一致，從而判斷是否存在違章停車，克服了現(xiàn)在技術(shù)中，采用人工檢測違章停車，不能長時間的檢測違章停車的缺陷。
文檔編號G08G1/01GK103116984SQ20131002096
公開日2013年5月22日 申請日期2013年1月21日 優(yōu)先權(quán)日2013年1月21日
發(fā)明者王海峰, 王曉萌, 何小波, 董博, 楊宇, 張凱歌 申請人:信幀電子技術(shù)(北京)有限公司