一種違章停車監(jiān)控方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明的一種違章停車監(jiān)控方法及系統(tǒng)，由于其中所述違章停車監(jiān)控方法包括以下步驟：獲取車輛目標(biāo)；判斷所述車輛目標(biāo)是否在第一預(yù)設(shè)時間內(nèi)被記錄過違章停車證據(jù)；當(dāng)?shù)谝活A(yù)設(shè)時間內(nèi)沒有被記錄過違章停車證據(jù)時，計算所述車輛目標(biāo)的連續(xù)靜止時間；當(dāng)所述連續(xù)靜止時間超過第二預(yù)設(shè)時間時，判定所述車輛目標(biāo)為違章停車車輛。這樣可以避免對同一車輛重復(fù)抓拍，提高判定違章停車車輛的準(zhǔn)確率，并且避免將短時駐留車輛判定為違章停車車輛，進(jìn)而實(shí)現(xiàn)對違反規(guī)章的停車行為及時準(zhǔn)確的進(jìn)行取證查處。由此解決現(xiàn)有技術(shù)難以實(shí)現(xiàn)對違反規(guī)章的停車行為及時準(zhǔn)確的進(jìn)行取證查處的技術(shù)問題。
【專利說明】一種違章停車監(jiān)控方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及車輛檢測控制【技術(shù)領(lǐng)域】，具體涉及一種違章停車監(jiān)控方法及系統(tǒng)。

【背景技術(shù)】
[0002]隨著社會經(jīng)濟(jì)的不斷發(fā)展和人民生活水平的持續(xù)提高，城市機(jī)動車保有量迅猛增長。快速增長的停車需求與停車場地的供給不相適應(yīng)，停車供需矛盾日益突出。同時，由于機(jī)動車駕駛?cè)说慕煌ò踩庾R淡薄，機(jī)動車違法停車已成為城市頑疾。每年因違法停車造成的交通擁堵、汽車追尾等情況數(shù)以百萬計，嚴(yán)重影響著城市的整體交通環(huán)境，而且會造成人民群眾人身財產(chǎn)的損失。
[0003]傳統(tǒng)的違章停車監(jiān)控主要是通過交警定點(diǎn)實(shí)施人工監(jiān)管，效率低，無法實(shí)現(xiàn)實(shí)時監(jiān)控，極大浪費(fèi)相關(guān)部門的人力和財力。其中，交管部門傳統(tǒng)使用一種俗稱“電子眼”的智能交通違章監(jiān)控系統(tǒng)。電子眼對違章監(jiān)控主要有兩種方式，一種是采用車輛檢測器(例如感應(yīng)線圈、超聲波硬件)監(jiān)測方式實(shí)現(xiàn)，這種方式或側(cè)重于速度監(jiān)測，或只是實(shí)現(xiàn)闖紅燈監(jiān)控，功能單一；另一種是對違章行為進(jìn)行實(shí)時錄像，后期需要專門觀看錄像提取違章的圖片，費(fèi)時耗力。
[0004]目前，隨著視頻檢測技術(shù)、視頻監(jiān)控技術(shù)以及計算機(jī)視覺技術(shù)的發(fā)展，在對運(yùn)動對象的檢測、跟蹤、異常行為識別等方面已日臻成熟，在許多場景已具備實(shí)用性。在道路交通監(jiān)控方面，違章行為檢測技術(shù)已經(jīng)取得長足的進(jìn)步，可以對超速、逆行、闖紅燈、壓黃線等違章現(xiàn)象實(shí)現(xiàn)準(zhǔn)確檢測，但是違章停車監(jiān)控技術(shù)卻相對發(fā)展比較滯后。
[0005]如何準(zhǔn)確、快速地對機(jī)動車違法停車行為進(jìn)行檢測記錄，對違反規(guī)章的停車行為及時準(zhǔn)確的進(jìn)行取證查處，同時避免人工檢測人工成本高，易疲勞，易疏忽等弊端，是急需解決的技術(shù)問題。


【發(fā)明內(nèi)容】

[0006]為此，本發(fā)明要解決的技術(shù)問題在于現(xiàn)有技術(shù)難以實(shí)現(xiàn)對違反規(guī)章的停車行為及時準(zhǔn)確的進(jìn)行取證查處，從而提出一種違章停車監(jiān)控方法及系統(tǒng)來解決該問題。
[0007]為解決上述技術(shù)問題，本發(fā)明采用以下技術(shù)方案:
[0008]一種違章停車監(jiān)控方法，包括以下步驟:獲取車輛目標(biāo)；判斷所述車輛目標(biāo)是否在第一預(yù)設(shè)時間內(nèi)被記錄過違章停車證據(jù)；當(dāng)?shù)谝活A(yù)設(shè)時間內(nèi)沒有被記錄過違章停車證據(jù)時，計算所述車輛目標(biāo)的連續(xù)靜止時間；當(dāng)所述連續(xù)靜止時間超過第二預(yù)設(shè)時間時，判定所述車輛目標(biāo)為違章停車車輛。
[0009]優(yōu)選地，所述獲取車輛目標(biāo)的步驟包括:獲取監(jiān)控場景圖像；過濾所述監(jiān)控場景圖像中的運(yùn)動目標(biāo)獲得背景圖像；從所述背景圖像中檢測出車輛目標(biāo)。
[0010]優(yōu)選地，所述從所述背景圖像中檢測出車輛目標(biāo)的步驟包括:對所述背景圖像進(jìn)行擴(kuò)邊處理；對擴(kuò)邊后的圖像進(jìn)行縮放形成圖像金字塔；對所述圖像金字塔的每張圖像提取紋理梯度特征獲得特征圖像；利用車輛特征訓(xùn)練模型對所述特征圖像進(jìn)行滑動窗口掃描獲得車輛目標(biāo)。
[0011]優(yōu)選地，所述車輛特征訓(xùn)練模型通過以下步驟獲取:獲取不同自然光照條件下不同角度的車輛圖像；對所述車輛圖像提取紋理梯度特征；對所述紋理梯度特征進(jìn)行聚類；對聚類出的不同類別的所述紋理梯度特征分別進(jìn)行訓(xùn)練，獲得每個類別的車輛特征訓(xùn)練模型。
[0012]優(yōu)選地，在所述判定所述車輛目標(biāo)為違章停車車輛之后，還包括:獲取違章停車車輛的特寫圖像；識別所述違章停車車輛的車牌；記錄所述特寫圖像、車牌作為違章停車證據(jù)。
[0013]優(yōu)選地，所述識別所述違章停車車輛的車牌的步驟包括:對所述特寫圖像進(jìn)行車牌檢測和定位獲得車牌圖像；提取所述車牌圖像的紋理梯度特征；根據(jù)所述紋理梯度特征獲得車牌的水平及垂直傾斜角度；根據(jù)所述水平及垂直傾斜角度對所述車牌圖像進(jìn)行仿射變換；根據(jù)仿射變換后的車牌圖像識別違章停車車輛的車牌字符。
[0014]作為相同的發(fā)明構(gòu)思，本發(fā)明還提供一種違章停車監(jiān)控系統(tǒng)，包括:獲取模塊，用于獲取車輛目標(biāo)；判斷模塊，用于判斷所述車輛目標(biāo)是否在第一預(yù)設(shè)時間內(nèi)被記錄過違章停車證據(jù)；計算模塊，用于當(dāng)?shù)谝活A(yù)設(shè)時間內(nèi)沒有被記錄過違章停車證據(jù)時，計算所述車輛目標(biāo)的連續(xù)靜止時間；判定模塊，用于當(dāng)所述連續(xù)靜止時間超過第二預(yù)設(shè)時間時，判定所述車輛目標(biāo)為違章停車車輛。
[0015]優(yōu)選地，所述獲取模塊包括:獲取圖像單元，用于獲取監(jiān)控場景圖像；過濾單元，用于過濾所述監(jiān)控場景圖像中的運(yùn)動目標(biāo)獲得背景圖像；檢測單元，用于從所述背景圖像中檢測出車輛目標(biāo)。
[0016]優(yōu)選地，，所述檢測單元包括:擴(kuò)邊子單元，用于對所述背景圖像進(jìn)行擴(kuò)邊處理；縮放子單元，用于對擴(kuò)邊后的圖像進(jìn)行縮放形成圖像金字塔；提取特征子單元，用于對所述圖像金字塔的每張圖像提取紋理梯度特征獲得特征圖像；滑窗掃描子單元，用于利用車輛特征訓(xùn)練模型對所述特征圖像進(jìn)行滑動窗口掃描獲得車輛目標(biāo)。
[0017]優(yōu)選地，所述違章停車監(jiān)控系統(tǒng)還包括:獲取特寫圖像模塊，用于獲取違章停車車輛的特寫圖像；識別車牌模塊，用于識別所述違章停車車輛的車牌；記錄證據(jù)模塊，用于記錄所述特寫圖像、車牌作為違章停車證據(jù)。
[0018]優(yōu)選地，所述識別車牌模塊包括:車牌檢測和定位單元，用于對所述特寫圖像進(jìn)行車牌檢測和定位獲得車牌圖像；提取車牌圖像特征單元，用于提取所述車牌圖像的紋理梯度特征；獲取角度模塊，用于根據(jù)所述紋理梯度特征獲得車牌的水平及垂直傾斜角度?’仿射變換模塊，用于根據(jù)所述水平及垂直傾斜角度對所述車牌圖像進(jìn)行仿射變換；識別字符模塊，用于根據(jù)仿射變換后的車牌圖像識別違章停車車輛的車牌字符。
[0019]本發(fā)明的違章停車監(jiān)控方法及系統(tǒng)的有益效果包括:
[0020]本發(fā)明的一種違章停車監(jiān)控方法及系統(tǒng)，由于其中所述違章停車監(jiān)控方法包括以下步驟:獲取車輛目標(biāo)；判斷所述車輛目標(biāo)是否在第一預(yù)設(shè)時間內(nèi)被記錄過違章停車證據(jù)；當(dāng)?shù)谝活A(yù)設(shè)時間內(nèi)沒有被記錄過違章停車證據(jù)時，計算所述車輛目標(biāo)的連續(xù)靜止時間；當(dāng)所述連續(xù)靜止時間超過第二預(yù)設(shè)時間時，判定所述車輛目標(biāo)為違章停車車輛。通過判斷所述車輛目標(biāo)是否在第一預(yù)設(shè)時間內(nèi)被記錄過違章停車證據(jù)，可以避免對同一車輛重復(fù)抓拍，提高判定違章停車車輛的準(zhǔn)確率，并且通過計算所述車輛目標(biāo)的連續(xù)靜止時間并當(dāng)所述連續(xù)靜止時間超過第二預(yù)設(shè)時間時，判定所述車輛目標(biāo)為違章停車車輛，避免將短時駐留車輛判定為違章停車車輛，進(jìn)而實(shí)現(xiàn)對違反規(guī)章的停車行為及時準(zhǔn)確的進(jìn)行取證查處。

【專利附圖】

【附圖說明】
[0021]為了使本發(fā)明的內(nèi)容更容易被清楚的理解，下面根據(jù)本發(fā)明的具體實(shí)施例并結(jié)合附圖，對本發(fā)明作進(jìn)一步詳細(xì)的說明，其中
[0022]圖1是本發(fā)明實(shí)施例1的一種違章停車監(jiān)控方法的流程示意圖；
[0023]圖2是本發(fā)明實(shí)施例1的一種抓拍控制方法的從所述背景圖像中檢測出車輛目標(biāo)的步驟的流程示意圖；
[0024]圖3是本發(fā)明實(shí)施例1的一種抓拍控制方法的車輛特征訓(xùn)練模型獲取步驟的流程示意圖；
[0025]圖4是本發(fā)明實(shí)施例2的一種違章停車監(jiān)控方法的流程示意圖；
[0026]圖5是本發(fā)明實(shí)施例2的一種違章停車監(jiān)控方法的識別所述違章停車車輛的車牌的步驟的流程示意圖；
[0027]圖6是本發(fā)明實(shí)施例3的一種違章停車監(jiān)控系統(tǒng)的結(jié)構(gòu)示意圖；
[0028]圖7是本發(fā)明實(shí)施例3的一種抓拍控制系統(tǒng)的檢測單元的結(jié)構(gòu)示意圖；
[0029]圖8是本發(fā)明實(shí)施例4的一種違章停車監(jiān)控系統(tǒng)的結(jié)構(gòu)示意圖；
[0030]圖9是本發(fā)明實(shí)施例4的一種違章停車監(jiān)控系統(tǒng)的識別車牌模塊的結(jié)構(gòu)示意圖。

【具體實(shí)施方式】
[0031]實(shí)施例1
[0032]圖1示出了本發(fā)明實(shí)施例1的一種違章停車監(jiān)控方法，可以包括以下步驟:
[0033]步驟Sll，獲取車輛目標(biāo)。
[0034]步驟S12，判斷所述車輛目標(biāo)是否在第一預(yù)設(shè)時間內(nèi)被記錄過違章停車證據(jù)?？梢詫@取的車輛目標(biāo)與記錄過違章停車證據(jù)的車輛目標(biāo)進(jìn)行特征(包括車輛位置、尺寸、顏色和紋理等)匹配，如果匹配成功，則進(jìn)一步獲取所述車輛目標(biāo)的車牌信息(包括車牌顏色、車牌字符等)，并與記錄過違章停車證據(jù)的車輛目標(biāo)的車牌信息進(jìn)行匹配，進(jìn)而避免對同一輛車在第一預(yù)設(shè)時間重復(fù)記錄違章停車證據(jù)。所述第一預(yù)設(shè)時間可以是監(jiān)控攝像機(jī)從鏡頭特寫狀態(tài)或者其他轉(zhuǎn)動角度狀態(tài)重新回到獲取所述車輛目標(biāo)的監(jiān)控場景圖像的狀態(tài)的時間，也可以是所述車輛目標(biāo)離開監(jiān)控場景后又返回的時間，所述離開監(jiān)控場景后又返回的時間可以由監(jiān)控場景的違章停車監(jiān)管規(guī)定確定。
[0035]步驟S13，當(dāng)?shù)谝活A(yù)設(shè)時間內(nèi)沒有被記錄過違章停車證據(jù)時，計算所述車輛目標(biāo)的連續(xù)靜止時間?？梢詾樗鲕囕v目標(biāo)分配一個計時器，對所述車輛目標(biāo)的靜止時間進(jìn)行累計計時，從而獲得所述連續(xù)靜止時間。
[0036]步驟S14，當(dāng)所述連續(xù)靜止時間超過第二預(yù)設(shè)時間時，判定所述車輛目標(biāo)為違章停車車輛。通常所述連續(xù)靜止時間小于某一范圍時不會認(rèn)為所述車輛目標(biāo)屬于違規(guī)停車，因此在本實(shí)施例中設(shè)置了第二預(yù)設(shè)時間來與所述連續(xù)靜止時間進(jìn)行比較，即當(dāng)所述連續(xù)靜止時間超過所述第二預(yù)設(shè)時間時，判定所述車輛目標(biāo)為違章停車車輛。
[0037]通過判斷所述車輛目標(biāo)是否在第一預(yù)設(shè)時間內(nèi)被記錄過違章停車證據(jù)，可以避免對同一車輛重復(fù)抓拍，提高判定違章停車車輛的準(zhǔn)確率，并且通過計算所述車輛目標(biāo)的連續(xù)靜止時間并當(dāng)所述連續(xù)靜止時間超過第二預(yù)設(shè)時間時，判定所述車輛目標(biāo)為違章停車車輛，避免將短時駐留車輛判定為違章停車車輛，進(jìn)而實(shí)現(xiàn)對違反規(guī)章的停車行為及時準(zhǔn)確的進(jìn)行取證查處。
[0038]下文對上述技術(shù)方案的【具體實(shí)施方式】予以介紹:
[0039]作為優(yōu)選的實(shí)施方式，獲取車輛目標(biāo)的步驟Sll可以包括以下步驟:
[0040]步驟S111，獲取監(jiān)控場景圖像。例如可以用帶有云臺PTZ(PTZ是Pan/Ti I t/Zoom的簡寫，代表云臺全方位移動及鏡頭變倍、變焦控制)功能的攝像機(jī)采集實(shí)時的監(jiān)控場景圖像。
[0041]步驟S112，過濾所述監(jiān)控場景圖像中的運(yùn)動目標(biāo)獲得背景圖像。例如，先將所述監(jiān)控場景圖像變換到灰度圖像，然后對得到的灰度圖像進(jìn)行均值背景建模，過濾掉運(yùn)動車輛等目標(biāo)，獲得背景圖像。
[0042]步驟S113，從所述背景圖像中檢測出車輛目標(biāo)。
[0043]獲取監(jiān)控場景圖像，過濾所述監(jiān)控場景圖像中的運(yùn)動目標(biāo)獲得背景圖像，最后從所述背景圖像中檢測出車輛目標(biāo)，這樣可以快速地根據(jù)監(jiān)控場景圖像獲得車輛目標(biāo)，進(jìn)一步提高對違反規(guī)章的停車行為進(jìn)行取證查處的及時性。
[0044]進(jìn)一步地，如圖2所示，從所述背景圖像中檢測出車輛目標(biāo)的步驟S113可以包括以下步驟:
[0045]步驟S1131，對所述背景圖像進(jìn)行擴(kuò)邊處理。例如，可以對所述背景圖像的左右寬度分別擴(kuò)大0.2倍。
[0046]步驟S1132，對擴(kuò)邊后的圖像進(jìn)行縮放形成圖像金字塔。可以利用等比例縮放因子(例如1.02)進(jìn)行圖像縮放。
[0047]步驟S1133，對所述圖像金字塔的每張圖像提取紋理梯度特征獲得特征圖像。提取圖像的紋理梯度特征屬于公知常識，茲不贅述。
[0048]步驟S1134，利用車輛特征訓(xùn)練模型對所述特征圖像進(jìn)行滑動窗口掃描獲得車輛目標(biāo)。例如，可以利用車輛特征訓(xùn)練模型(模型大小可以為40*40，模型個數(shù)為4至8個)在所述特征圖像上進(jìn)行滑動窗口掃描。最后根據(jù)掃描到的各個車輛目標(biāo)的掃描窗口的位置及大小進(jìn)行合并處理(公知常識，茲不贅述)，獲得最終的車輛目標(biāo)。
[0049]通過對所述背景圖像進(jìn)行擴(kuò)邊處理，可以檢測到所述背景圖像邊緣的車輛，通過對擴(kuò)邊后的圖像進(jìn)行縮放形成圖像金字塔，可以檢測到原圖像上中不同尺寸大小的車輛目標(biāo)，避免陰影、相機(jī)抖動、行人/車輛/其他物體遮擋帶來的誤檢影響，提高獲得車輛目標(biāo)的準(zhǔn)確率，進(jìn)一步提高對違反規(guī)章的停車行為進(jìn)行取證查處的準(zhǔn)確性。
[0050]更進(jìn)一步地，如圖3所示，所述車輛特征訓(xùn)練模型可以通過以下步驟獲取:
[0051]步驟S31，獲取不同自然光照條件下不同角度的車輛圖像。所謂不同自然光照條件，可以是白天(包括不同天氣條件下)不同時間段的戶外光照條件，或者是夜晚監(jiān)控場景周圍的燈光條件等。所謂不同角度，可以從車輛在監(jiān)控場景中的不同停放狀態(tài)來考慮，也可以從監(jiān)控攝像機(jī)獲得不同視角的車輛拍攝圖像來考慮。
[0052]步驟S32，對所述車輛圖像提取紋理梯度特征。
[0053]步驟S33，對所述紋理梯度特征進(jìn)行聚類?？梢岳胟means聚類算法對提取的車輛紋理梯度特征進(jìn)行聚類。根據(jù)這些特征可以把車輛特征訓(xùn)練模型分為4至8類。
[0054]步驟S34，對聚類出的不同類別的所述紋理梯度特征分別進(jìn)行訓(xùn)練，獲得每個類別的車輛特征訓(xùn)練模型?？梢岳脵C(jī)器學(xué)習(xí)的方法進(jìn)行訓(xùn)練，例如SVM(Support VectorMachine，即支持向量機(jī))算法，或者adaboost算法。
[0055]通過步驟S31獲取不同自然光照條件下不同角度的車輛圖像，通過步驟S32對所述車輛圖像提取紋理梯度特征，通過步驟S33對所述紋理梯度特征進(jìn)行聚類，通過步驟S34對聚類出的不同類別的所述紋理梯度特征分別進(jìn)行訓(xùn)練，獲得每個類別的車輛特征訓(xùn)練模型，可以實(shí)現(xiàn)對違反規(guī)章的停車行為大范圍、多視角的監(jiān)控，進(jìn)一步提高對違反規(guī)章的停車行為進(jìn)行取證查處的準(zhǔn)確性。
[0056]實(shí)施例2
[0057]圖4示出了本發(fā)明實(shí)施例2的一種違章停車監(jiān)控方法，與實(shí)施例1中的所述違章停車監(jiān)控方法的不同之處在于，在當(dāng)所述連續(xù)靜止時間超過第二預(yù)設(shè)時間時，判定所述車輛目標(biāo)為違章停車車輛的步驟S14之后還可以包括以下步驟:
[0058]步驟S15，獲取違章停車車輛的特寫圖像。例如，可以利用帶有云臺PTZ功能的攝像機(jī)，使攝像機(jī)轉(zhuǎn)動到可以拍到違章停車車輛的特寫位置，采集特寫圖像。
[0059]步驟S16，識別所述違章停車車輛的車牌。
[0060]步驟S17，記錄所述特寫圖像、車牌作為違章停車證據(jù)。另外，還可以獲取違章停車車輛的視頻錄像，對其記錄并作為違章停車證據(jù)。最后，可以對所述違章停車證據(jù)進(jìn)行存儲，并提供統(tǒng)計和查詢服務(wù)，也可以將所述違章停車證據(jù)通過遠(yuǎn)程傳輸方式及時上報給相關(guān)監(jiān)管部門。
[0061]通過步驟S15獲取違章停車車輛的特寫圖像，通過步驟S16識別所述違章停車車輛的車牌，通過步驟S17記錄所述特寫圖像、車牌作為違章停車證據(jù)，可以避免違章處罰的爭議性，從而保證對違反規(guī)章的停車行為進(jìn)行取證查處的準(zhǔn)確性和及時性。
[0062]作為優(yōu)選的實(shí)施方式，如圖5所示，識別所述違章停車車輛的車牌的步驟S16可以包括以下步驟:
[0063]步驟S161，對所述特寫圖像進(jìn)行車牌檢測和定位獲得車牌圖像。對圖像進(jìn)行車牌檢測和定位獲得車牌圖像屬于公知常識，茲不贅述。
[0064]步驟S162，提取所述車牌圖像的紋理梯度特征。
[0065]步驟S163，根據(jù)所述紋理梯度特征獲得車牌的水平及垂直傾斜角度。可以根據(jù)霍夫變換算法計算獲得車牌的水平及垂直傾斜角度。
[0066]步驟S164，根據(jù)所述水平及垂直傾斜角度對所述車牌圖像進(jìn)行仿射變換。
[0067]步驟S165，根據(jù)仿射變換后的車牌圖像識別違章停車車輛的車牌字符。根據(jù)車牌圖像識別車牌字符屬于公知常識，茲不贅述。
[0068]通過步驟S162提取所述車牌圖像的紋理梯度特征，通過步驟S163獲得車牌的水平及垂直傾斜角度，通過步驟S164對所述車牌圖像進(jìn)行仿射變換，進(jìn)而可以實(shí)現(xiàn)對車牌圖像的校正，提高識別違章停車車輛的車牌字符的準(zhǔn)確率，進(jìn)一步提高對違反規(guī)章的停車行為進(jìn)行取證查處的準(zhǔn)確性。
[0069]實(shí)施例3
[0070]圖6示出了本發(fā)明實(shí)施例3的一種違章停車監(jiān)控系統(tǒng)，包括獲取模塊61、判斷模塊62、計算模塊63和判定模塊64。
[0071]獲取模塊61與實(shí)施例1中的步驟Sll對應(yīng)，用于獲取車輛目標(biāo)。
[0072]判斷模塊62與實(shí)施例1中的步驟S12對應(yīng)，用于判斷所述車輛目標(biāo)是否在第一預(yù)設(shè)時間內(nèi)被記錄過違章停車證據(jù)。
[0073]計算模塊63與實(shí)施例1中的步驟S13對應(yīng)，用于當(dāng)?shù)谝活A(yù)設(shè)時間內(nèi)沒有被記錄過違章停車證據(jù)時，計算所述車輛目標(biāo)的連續(xù)靜止時間。
[0074]判定模塊64與實(shí)施例1中的步驟S14對應(yīng)，用于當(dāng)所述連續(xù)靜止時間超過第二預(yù)設(shè)時間時，判定所述車輛目標(biāo)為違章停車車輛。
[0075]通過判斷所述車輛目標(biāo)是否在第一預(yù)設(shè)時間內(nèi)被記錄過違章停車證據(jù)，可以避免對同一車輛重復(fù)抓拍，提高判定違章停車車輛的準(zhǔn)確率，并且通過計算所述車輛目標(biāo)的連續(xù)靜止時間并當(dāng)所述連續(xù)靜止時間超過第二預(yù)設(shè)時間時，判定所述車輛目標(biāo)為違章停車車輛，避免將短時駐留車輛判定為違章停車車輛，進(jìn)而實(shí)現(xiàn)對違反規(guī)章的停車行為及時準(zhǔn)確的進(jìn)行取證查處。
[0076]下文對上述技術(shù)方案的【具體實(shí)施方式】予以介紹:
[0077]作為優(yōu)選的實(shí)施方式，獲取模塊61包括獲取圖像單元611、過濾單元612和檢測單元 613。
[0078]獲取圖像單元611與實(shí)施例1中的步驟Slll對應(yīng)，用于獲取監(jiān)控場景圖像；
[0079]過濾單元612與實(shí)施例1中的步驟S112對應(yīng)，用于過濾所述監(jiān)控場景圖像中的運(yùn)動目標(biāo)獲得背景圖像；
[0080]檢測單元613與實(shí)施例1中的步驟S113對應(yīng)，用于從所述背景圖像中檢測出車輛目標(biāo)。
[0081]獲取監(jiān)控場景圖像，過濾所述監(jiān)控場景圖像中的運(yùn)動目標(biāo)獲得背景圖像，最后從所述背景圖像中檢測出車輛目標(biāo)，這樣可以快速地根據(jù)監(jiān)控場景圖像獲得車輛目標(biāo)，進(jìn)一步提高對違反規(guī)章的停車行為進(jìn)行取證查處的及時性。
[0082]進(jìn)一步地，如圖7所示，檢測單元613包括擴(kuò)邊子單元6131、縮放子單元6132、提取特征子單兀6133和滑窗掃描子單兀6134。
[0083]擴(kuò)邊子單元6131與實(shí)施例1中的步驟S1131對應(yīng)，用于對所述背景圖像進(jìn)行擴(kuò)邊處理；
[0084]縮放子單元6132與實(shí)施例1中的步驟S1132對應(yīng)，用于對擴(kuò)邊后的圖像進(jìn)行縮放形成圖像金字塔；
[0085]提取特征子單元6133與實(shí)施例1中的步驟S1133對應(yīng)，用于對所述圖像金字塔的每張圖像提取紋理梯度特征獲得特征圖像；
[0086]滑窗掃描子單元6134與實(shí)施例1中的步驟S1134對應(yīng)，用于利用車輛特征訓(xùn)練模型對所述特征圖像進(jìn)行滑動窗口掃描獲得車輛目標(biāo)。所述車輛特征訓(xùn)練模型可以通過實(shí)施例I中的步驟S31-步驟S34獲得。
[0087]通過對所述背景圖像進(jìn)行擴(kuò)邊處理，可以檢測到所述背景圖像邊緣的車輛，通過對擴(kuò)邊后的圖像進(jìn)行縮放形成圖像金字塔，可以檢測到原圖像上中不同尺寸大小的車輛目標(biāo)，避免陰影、相機(jī)抖動、行人/車輛/其他物體遮擋帶來的誤檢影響，提高獲得車輛目標(biāo)的準(zhǔn)確率，進(jìn)一步提高對違反規(guī)章的停車行為進(jìn)行取證查處的準(zhǔn)確性。
[0088]實(shí)施例4
[0089]圖8示出了本發(fā)明實(shí)施例4的一種違章停車監(jiān)控系統(tǒng)，與實(shí)施例3中的所述違章停車監(jiān)控方法的不同之處在于，還包括:
[0090]獲取特寫圖像模塊65與實(shí)施例1中的步驟S15對應(yīng)，用于獲取違章停車車輛的特寫圖像；
[0091]識別車牌模塊66與實(shí)施例1中的步驟S16對應(yīng)，用于識別所述違章停車車輛的車牌；
[0092]記錄證據(jù)模塊67與實(shí)施例1中的步驟S17對應(yīng)，用于記錄所述特寫圖像、車牌作為違章停車證據(jù)。
[0093]獲取違章停車車輛的特寫圖像，識別所述違章停車車輛的車牌，記錄所述特寫圖像、車牌作為違章停車證據(jù)，可以避免違章處罰的爭議性，從而保證對違反規(guī)章的停車行為進(jìn)行取證查處的準(zhǔn)確性和及時性。
[0094]作為優(yōu)選的實(shí)施方式，如圖9所示，識別車牌模塊66包括:
[0095]車牌檢測和定位單元661與實(shí)施例1中的步驟S161對應(yīng)，用于對所述特寫圖像進(jìn)行車牌檢測和定位獲得車牌圖像；
[0096]提取車牌圖像特征單元662與實(shí)施例1中的步驟S162對應(yīng)，用于提取所述車牌圖像的紋理梯度特征；
[0097]獲取角度模塊663與實(shí)施例1中的步驟S163對應(yīng)，用于根據(jù)所述紋理梯度特征獲得車牌的水平及垂直傾斜角度；
[0098]仿射變換模塊664與實(shí)施例1中的步驟S164對應(yīng)，用于根據(jù)所述水平及垂直傾斜角度對所述車牌圖像進(jìn)行仿射變換；
[0099]識別字符模塊665與實(shí)施例1中的步驟S165對應(yīng)，用于根據(jù)仿射變換后的車牌圖像識別違章停車車輛的車牌字符。
[0100]提取所述車牌圖像的紋理梯度特征，獲得車牌的水平及垂直傾斜角度，對所述車牌圖像進(jìn)行仿射變換，進(jìn)而可以實(shí)現(xiàn)對車牌圖像的校正，提高識別違章停車車輛的車牌字符的準(zhǔn)確率，進(jìn)一步提高對違反規(guī)章的停車行為進(jìn)行取證查處的準(zhǔn)確性。
[0101]顯然，上述實(shí)施例僅僅是為清楚地說明所作的舉例，而并非對實(shí)施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實(shí)施方式予以窮舉。而由此所引伸出的顯而易見的變化或變動仍處于本發(fā)明創(chuàng)造的保護(hù)范圍之中。
【權(quán)利要求】
1.一種違章停車監(jiān)控方法，其特征在于，包括以下步驟: 獲取車輛目標(biāo)； 判斷所述車輛目標(biāo)是否在第一預(yù)設(shè)時間內(nèi)被記錄過違章停車證據(jù)； 當(dāng)?shù)谝活A(yù)設(shè)時間內(nèi)沒有被記錄過違章停車證據(jù)時，計算所述車輛目標(biāo)的連續(xù)靜止時間； 當(dāng)所述連續(xù)靜止時間超過第二預(yù)設(shè)時間時，判定所述車輛目標(biāo)為違章停車車輛。
2.根據(jù)權(quán)利要求1所述的違章停車監(jiān)控方法，其特征在于，所述獲取車輛目標(biāo)的步驟包括: 獲取監(jiān)控場景圖像； 過濾所述監(jiān)控場景圖像中的運(yùn)動目標(biāo)獲得背景圖像； 從所述背景圖像中檢測出車輛目標(biāo)。
3.根據(jù)權(quán)利要求2所述的違章停車監(jiān)控方法，其特征在于，所述從所述背景圖像中檢測出車輛目標(biāo)的步驟包括: 對所述背景圖像進(jìn)行擴(kuò)邊處理； 對擴(kuò)邊后的圖像進(jìn)行縮放形成圖像金字塔； 對所述圖像金字塔的每張圖像提取紋理梯度特征獲得特征圖像； 利用車輛特征訓(xùn)練模型對所述特征圖像進(jìn)行滑動窗口掃描獲得車輛目標(biāo)。
4.根據(jù)權(quán)利要求3所述的違章停車監(jiān)控方法，其特征在于，所述車輛特征訓(xùn)練模型通過以下步驟獲取: 獲取不同自然光照條件下不同角度的車輛圖像； 對所述車輛圖像提取紋理梯度特征； 對所述紋理梯度特征進(jìn)行聚類； 對聚類出的不同類別的所述紋理梯度特征分別進(jìn)行訓(xùn)練，獲得每個類別的車輛特征訓(xùn)練模型。
5.根據(jù)權(quán)利要求1-4任一項所述的違章停車監(jiān)控方法，其特征在于，在所述判定所述車輛目標(biāo)為違章停車車輛之后，還包括: 獲取違章停車車輛的特寫圖像； 識別所述違章停車車輛的車牌； 記錄所述特寫圖像、車牌作為違章停車證據(jù)。
6.根據(jù)權(quán)利要求5所述的違章停車監(jiān)控方法，其特征在于，所述識別所述違章停車車輛的車牌的步驟包括: 對所述特寫圖像進(jìn)行車牌檢測和定位獲得車牌圖像； 提取所述車牌圖像的紋理梯度特征； 根據(jù)所述紋理梯度特征獲得車牌的水平及垂直傾斜角度； 根據(jù)所述水平及垂直傾斜角度對所述車牌圖像進(jìn)行仿射變換； 根據(jù)仿射變換后的車牌圖像識別違章停車車輛的車牌字符。
7.一種違章停車監(jiān)控系統(tǒng)，其特征在于，包括: 獲取模塊，用于獲取車輛目標(biāo)； 判斷模塊，用于判斷所述車輛目標(biāo)是否在第一預(yù)設(shè)時間內(nèi)被記錄過違章停車證據(jù)； 計算模塊，用于當(dāng)?shù)谝活A(yù)設(shè)時間內(nèi)沒有被記錄過違章停車證據(jù)時，計算所述車輛目標(biāo)的連續(xù)靜止時間； 判定模塊，用于當(dāng)所述連續(xù)靜止時間超過第二預(yù)設(shè)時間時，判定所述車輛目標(biāo)為違章停車車輛。
8.根據(jù)權(quán)利要求7所述的違章停車監(jiān)控系統(tǒng)，其特征在于，所述獲取模塊包括: 獲取圖像單元，用于獲取監(jiān)控場景圖像； 過濾單元，用于過濾所述監(jiān)控場景圖像中的運(yùn)動目標(biāo)獲得背景圖像； 檢測單元，用于從所述背景圖像中檢測出車輛目標(biāo)。
9.根據(jù)權(quán)利要求8所述的違章停車監(jiān)控系統(tǒng)，其特征在于，所述檢測單元包括: 擴(kuò)邊子單元，用于對所述背景圖像進(jìn)行擴(kuò)邊處理； 縮放子單元，用于對擴(kuò)邊后的圖像進(jìn)行縮放形成圖像金字塔； 提取特征子單元，用于對所述圖像金字塔的每張圖像提取紋理梯度特征獲得特征圖像； 滑窗掃描子單元，用于利用車輛特征訓(xùn)練模型對所述特征圖像進(jìn)行滑動窗口掃描獲得車輛目標(biāo)。
10.根據(jù)權(quán)利要求7-9任一項所述的違章停車監(jiān)控系統(tǒng)，其特征在于，還包括: 獲取特寫圖像模塊，用于獲取違章停車車輛的特寫圖像； 識別車牌模塊，用于識別所述違章停車車輛的車牌； 記錄證據(jù)模塊，用于記錄所述特寫圖像、車牌作為違章停車證據(jù)。
11.根據(jù)權(quán)利要求10所述的違章停車監(jiān)控系統(tǒng)，其特征在于，所述識別車牌模塊包括: 車牌檢測和定位單元，用于對所述特寫圖像進(jìn)行車牌檢測和定位獲得車牌圖像； 提取車牌圖像特征單元，用于提取所述車牌圖像的紋理梯度特征； 獲取角度模塊，用于根據(jù)所述紋理梯度特征獲得車牌的水平及垂直傾斜角度； 仿射變換模塊，用于根據(jù)所述水平及垂直傾斜角度對所述車牌圖像進(jìn)行仿射變換； 識別字符模塊，用于根據(jù)仿射變換后的車牌圖像識別違章停車車輛的車牌字符。
【文檔編號】G08G1/017GK104504908SQ201510019175
【公開日】2015年4月8日 申請日期:2015年1月14日 優(yōu)先權(quán)日:2015年1月14日
【發(fā)明者】岳振亞, 劉家昕, 汪小棟, 余曉焱, 王維君, 晉兆龍, 陳衛(wèi)東 申請人:蘇州科達(dá)科技股份有限公司