專利名稱：一種基于視頻的違章車輛檢測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于視頻的違章停車車輛檢測方法及裝置。
背景技術(shù)：
智能交通系統(tǒng)(Intelligent Transportation System, ITS)是未來交通系統(tǒng)的發(fā)展方向，它是將先進(jìn)的信息技術(shù)、數(shù)據(jù)通訊傳輸技術(shù)、電子傳感技術(shù)、控制技術(shù)及計算機(jī)技術(shù)等有效地集成運用于整個地面交通管理系統(tǒng)而建立的一種在大范圍內(nèi)、全方位發(fā)揮作用的，實時、準(zhǔn)確、高效的綜合交通運輸管理系統(tǒng)。智能交通系統(tǒng)可以有效地利用現(xiàn)有交通設(shè)施、減少交通負(fù)荷和環(huán)境污染、保證交通安全、提高運輸效率，因而，日益受到各國的重視。違章停車檢測就屬于智能交通系統(tǒng)的一個重要的組成部分。隨著社會經(jīng)濟(jì)的不斷發(fā)展，車輛的日益增多，有效的車輛管理方法已經(jīng)成為當(dāng)前的一個有重要意義的課題。目前，國內(nèi)外大部分在對違章停車的車輛進(jìn)行檢測時均采用人工監(jiān)控的方式，即在特定檢測區(qū)域內(nèi)，通過人工排查的方法定點收集違章信息。該方法極大的消耗了交通管制相關(guān)的人力、物力和財力等資源，而且只有相關(guān)的檢測人員到了現(xiàn)場，才能確實是否存在違章停車的車輛，從而影響對違章停車的車輛的檢測效率。

發(fā)明內(nèi)容
本發(fā)明實施例提供一種基于視頻的違章停車車輛檢測方法及裝置，用以解決現(xiàn)有的通過人工排查確定違章停車，從而導(dǎo)致的資源浪費及效率低下的問題。本發(fā)明提供了一種基于視頻的違章停車檢測方法，該檢測方法包括:獲取對待檢測區(qū)域進(jìn)行檢測的視頻信息，根據(jù)該視頻信息判斷當(dāng)前該待檢測區(qū)域是否存在運動前景；當(dāng)該待檢測區(qū)域存在運動前景時，按照設(shè)定的時間間隔對獲取的待檢測區(qū)域的視頻信息進(jìn)行識別，獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息；根據(jù)每個時間間隔獲取的車輛信息，及設(shè)定的停車時間閾值，將滿足該閾值的車輛信息作為違章停車的車輛信息。本發(fā)明提供了一種基于視頻的違章停車檢測裝置，該檢測裝置包括:檢測模塊，用于獲取對待檢測區(qū)域進(jìn)行檢測的視頻信息，根據(jù)該視頻信息判斷當(dāng)前該待檢測區(qū)域是否存在運動前景；識別模塊，用于當(dāng)該待檢測區(qū)域存在運動前景時，按照設(shè)定的時間間隔對獲取的待檢測區(qū)域的視頻信息進(jìn)行識別，獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息；輸出模塊，用于根據(jù)每個時間間隔獲取的車輛信息，及設(shè)定的停車時間閾值，將滿足該閾值的車輛信息作為違章停車的車輛信息。本發(fā)明實施例提供一種基于視頻的違章停車檢測方法及裝置，該方法通過獲取對待檢測區(qū)域進(jìn)行檢測的視頻信息，根據(jù)該視頻信息判斷當(dāng)前該待檢測區(qū)域是否存在運動前景；當(dāng)該待檢測區(qū)域存在運動前景時，進(jìn)行車輛識別獲取在該待檢測區(qū)域停放的車輛信息；并按照設(shè)定的時間間隔獲取對待檢測區(qū)域進(jìn)行檢測的視頻信息，在該待檢測區(qū)域內(nèi)進(jìn)行車牌識別獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息；根據(jù)每個時間間隔獲取的車輛信息，及設(shè)定的停車時間閾值，將滿足該閾值的車牌作為違章停車的車牌。本發(fā)明通過對待檢測區(qū)域進(jìn)行背景建模，定期對待檢測區(qū)域內(nèi)車輛進(jìn)行車牌識別從而確定車輛的駐留時間，并將駐留時間滿足停車閾值的車輛確定為違章停車的車輛，因此有效的解決了違章停車的自動檢測問題，減少了因人工排查造成的資源浪費，提高了違章車輛的檢測效率。


圖1為本發(fā)明實施例提供的一種基于視頻的違章停車檢測方法的過程示意圖；圖2為本發(fā)明實施例提供的一種基于視頻的違章停車檢測方法的詳細(xì)過程示意3為本發(fā)明實施例提供的一種基于視頻的違章停車檢測裝置的結(jié)構(gòu)示意圖。
具體實施例方式為了使本發(fā)明所要解決的技術(shù)問題、技術(shù)方案及有益效果更加清楚、明白，以下結(jié)合附圖和實施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明為了解決現(xiàn)有技術(shù)中由于通過人工排查確定違章停車，從而導(dǎo)致的資源浪費及檢測效率低的問題，提供了一種基于視頻的違章停車檢測方法及裝置，節(jié)省了資源，提高了檢測效率。下面結(jié)合說明書附圖，對本發(fā)明實施例進(jìn)行詳細(xì)說明。圖1為本發(fā)明實施例提供的一種基于視頻的違章停車檢測方法的過程示意圖，該檢測方法包括以下幾個步驟:SlOl:獲取對待檢測區(qū)域進(jìn)行檢測的視頻信息，根據(jù)該視頻信息判斷當(dāng)前該待檢測區(qū)域是否存在運動前景。其中，所述根據(jù)該視頻信息判斷當(dāng)前該待檢測區(qū)域是否存在運動前景包括:對獲取的所述視頻信息采用單高斯或者多高斯進(jìn)行背景建模，檢測視頻信息中的
進(jìn)旦冃月^ ；根據(jù)檢測到的視頻信息的背景，獲取每個視頻幀的運動前景；根據(jù)獲取的每個視頻幀中的運動前景，判斷當(dāng)前待檢測區(qū)域是否存在運動前景。具體的，在待檢測區(qū)域內(nèi)安裝視頻監(jiān)控，通過視頻監(jiān)控獲取該檢測區(qū)域的視頻信息，根據(jù)該獲取的所述視頻信息，采用單高斯或者多高斯進(jìn)行背景建模，檢測視頻信息中的背景，當(dāng)待檢測區(qū)域內(nèi)出現(xiàn)運動前景時，獲取每個視頻幀的視頻信息，根據(jù)獲取的每個視頻幀中的視頻信息及視頻信息的背景，判斷當(dāng)前待檢測區(qū)域是否存在運動前景。S102:當(dāng)該待檢測區(qū)域存在運動前景時，進(jìn)行車輛識別獲取在該待檢測區(qū)域停放的車輛信息。當(dāng)確定視頻監(jiān)控設(shè)備獲取的視頻幀中存在運動前景時，判斷該視頻幀中存在的運動前景是否為車輛，當(dāng)確定 該視頻幀中存在運動前景為車輛時，對該視頻幀中的車輛進(jìn)行車牌識別并跟蹤。具體的，在發(fā)明實施例中識別的該車輛的信息包括車輛的車牌信息等。S103:按照設(shè)定的時間間隔獲取對待檢測區(qū)域進(jìn)行檢測的視頻信息，在該待檢測區(qū)域內(nèi)進(jìn)行車牌識別，獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息。當(dāng)確定視頻監(jiān)控設(shè)備獲取的視頻幀中存在的運動前景為車輛時，根據(jù)當(dāng)前視頻幀中的該待測區(qū)域內(nèi)停放的車輛，通過視頻識別獲取所述車輛車牌所在的位置，對所述車輛的車牌字符進(jìn)行匹配識別，確定所述車輛的車牌信息。視頻監(jiān)控設(shè)備根據(jù)自身的配置信息或者設(shè)定時間間隔定期采集該待檢測區(qū)域內(nèi)的視頻信息，并將采集到的視頻信息中的每個車輛進(jìn)行車牌識別，將每個進(jìn)行車牌識別后的車輛確定為跟蹤車輛，并記錄該待檢測區(qū)域內(nèi)每個跟蹤車輛的起始時刻。S104:根據(jù)每個時間間隔獲取的車輛的信息，及設(shè)定的停車時間閾值，將滿足該閾值的車輛的信息作為違章停車的車輛的信息。具體的，根據(jù)視頻監(jiān)控設(shè)備采集的該待檢測區(qū)域內(nèi)的停放車輛的視頻信息，確定所述車輛的停放的起始時刻，并通過定期采集的后續(xù)所述車輛的視頻信息，計算所述車輛在該待測區(qū)域的駐留時間，當(dāng)所述車輛在該待測區(qū)域內(nèi)的駐留時間超過設(shè)定的時間閾值時，確定所述車輛在該待檢測區(qū)域內(nèi)屬于違章停車，根據(jù)上述視頻信息中所述車輛的車牌信息輸出違章停車的車牌。其中，設(shè)定的時間閾值可以統(tǒng)一設(shè)定，也可以根據(jù)待檢測區(qū)域分別進(jìn)行設(shè)定。在本發(fā)明中當(dāng)車輛進(jìn)入到待檢測區(qū)域時，視頻設(shè)備采集該待檢測區(qū)域內(nèi)車輛的視頻信息，根據(jù)該視頻信息確定每個車輛進(jìn)入該待檢測區(qū)域的起始時刻，根據(jù)對定期采集的該待檢測區(qū)域內(nèi)的車輛視頻信息的車牌識別，確定該待檢測區(qū)域內(nèi)每個車輛的駐留時間，通過將每個車輛在該待檢測區(qū)域內(nèi)的駐留時間與設(shè)定的停車時間閾值進(jìn)行比較，可以自動判定該待檢測區(qū)域內(nèi)的車輛是否屬于違章停車，從而避免了因為人工排查而造成的資源浪費，提高了檢測效率。另外，本發(fā)明為了提高車輛信息的識別精度，所述進(jìn)行車輛識別獲取在該待檢測區(qū)域停放的車輛信息，方法包括:針對當(dāng)前視頻幀，采用邊緣檢測算法，確定該視頻幀中車牌所在的區(qū)域；對該視頻幀中車牌所在的區(qū)域進(jìn)行二值化處理；利用二值化后的該車牌所在的區(qū)域的垂直方向的投影，確定車牌對應(yīng)的字符序列；采用模板匹配方法，對該字符序列進(jìn)行匹配識別，確定待檢測區(qū)域內(nèi)停放車輛的車牌信息。具體的，視頻監(jiān)控設(shè)備采集進(jìn)入待檢測區(qū)域內(nèi)的車輛視頻信息，根據(jù)采集到該視頻信息進(jìn)行車牌定位，利用邊緣檢測算法對該采集到的當(dāng)前視頻幀進(jìn)行垂直方向的邊緣檢測，根據(jù)設(shè)定的閾值對該視頻幀進(jìn)行二值化處理，針對該二值化處理后的視頻幀進(jìn)行腐蝕膨脹，然后搜索連通區(qū)域，去除寬度及高度與寬高比不符合條件的車牌區(qū)域，利用二值化后的該車牌所在的區(qū)域的垂直方向的投影，進(jìn)行字符分割；通過模板匹配方法，對該字符序列進(jìn)行匹配識別，從而確定待檢測區(qū)域內(nèi)停放車輛的車牌信息。另外，為了進(jìn)一步提高車牌的識別精度，所述對視頻幀中車輛所在的區(qū)域進(jìn)行二值化處理之前，所述方法還包括:
利用邊緣信息，在車牌所在的區(qū)域進(jìn)行垂直矯正和水平矯正，去除車牌所在區(qū)域的上、下邊界。在本發(fā)明中為了保證字符識別的精度，去除字符斷裂和粘連等干擾，利用二值化后的車牌所在的區(qū)域的垂直方向的投影，確定車牌對應(yīng)的字符序列包括:根據(jù)二值化后的車牌所在區(qū)域的垂直方向的投影，確定該投影的最大值和最小值；根據(jù)該最大值和最小值,確定字符所在的區(qū)域；在該字符所在區(qū)域進(jìn)行分割，確定車牌對應(yīng)的字符序列。具體的，對視頻幀中車輛所在的區(qū)域進(jìn)行二值化處理之后，根據(jù)所述二值化后的車牌所在的區(qū)域的垂直方向的投影，通過尋找波峰波谷確定該投影的最大值和最小值，根據(jù)該投影的最大值和最小值得到字符所在的區(qū)域，然后對該字符所在的區(qū)域進(jìn)行斷裂合并，粘連強(qiáng)分割等處理，并確定車牌對應(yīng)的字符序列，根據(jù)標(biāo)準(zhǔn)車牌的字符之間的關(guān)系，選取正確的字符分割序列作為最后的分割結(jié)果。圖2為本發(fā)明實施例提供的一種基于視頻的違章停車檢測方法的詳細(xì)過程示意圖，該檢測方法包括以下幾個步驟:S201:視頻監(jiān)控設(shè)備采集待檢測區(qū)域的視頻信息，對獲取的所述視頻信息采用單高斯或者多高斯進(jìn)行背景建模，檢測視頻信息中的背景。S202:根據(jù)檢測到的視頻信息的背景，獲取每個視頻幀的運動前景。S203:根據(jù)獲取的每個視頻幀中的運動前景，判斷當(dāng)前待檢測區(qū)域是否存在運動前景，當(dāng)判定結(jié)果為是時，進(jìn)行步驟S204，否則，進(jìn)行步驟S202。具體的，在不允許停車的待檢測區(qū)域安裝視頻監(jiān)控，視頻監(jiān)控設(shè)備采集該區(qū)域內(nèi)的視頻信息，通過該采集的區(qū)域內(nèi)的視頻信息的背景，采用高斯進(jìn)行背景建模，然后根據(jù)該待檢測區(qū)域內(nèi)視頻信息的背景建模，獲取每個視頻幀的運動前景，根據(jù)獲取的每個視頻幀中的運動前景，判斷在該視頻幀中是否存在運動前景。S204:當(dāng)該待檢測區(qū)域存在運動前景時，根據(jù)車輛信息識別判斷在該待檢測區(qū)域存在的運動前景是否為車輛，當(dāng)判定結(jié)果為是時，進(jìn)行步驟S205，否則，進(jìn)行步驟S202。為了確定視頻跟蹤對象，當(dāng)視頻幀中存在運動前景時，通過車輛識別技術(shù)判斷該視頻巾貞中存在的運動前景是否為車輛，當(dāng)確定該視頻巾貞中存在的運動前景為車輛時，進(jìn)行后續(xù)的車牌識別程序，否則，確定該視頻幀中存在的運動前景不是視頻跟蹤的對象，忽略該運動前景。S205:針對當(dāng)前視頻幀，采用邊緣檢測算法確定該視頻幀中車牌所在的區(qū)域，利用邊緣信息，在車牌所在的區(qū)域進(jìn)行垂直矯正和水平矯正，去除車牌所在區(qū)域的上、下邊界。S206:對該視頻幀中車牌所在的區(qū)域進(jìn)行二值化處理，確定車牌對應(yīng)的字符序列，采用模板匹配方法，對該字符序列進(jìn)行匹配識別，確定待檢測區(qū)域內(nèi)停放車輛的車牌信息。S207:根據(jù)每個時間間隔獲取的車牌信息，確定該車牌在該待檢測區(qū)域內(nèi)的駐留時間，判斷該車牌的駐留時間是否大于設(shè)定的閾值，當(dāng)判定結(jié)果為是時，進(jìn)行步驟S208，否貝U，進(jìn)行步驟S202。S208:當(dāng)確定該車牌的駐留時間大于設(shè)定的閾值時，則該車牌為違章停車的車牌。當(dāng)視頻信息中某一視頻幀中，在待檢測區(qū)域內(nèi)出現(xiàn)車輛時，通過車牌定位確定該車輛車牌所在的位置，然后通過車牌預(yù)處理、字符分割和字符識別確定該車輛的車牌信息，將該車輛的車牌信息確定為跟蹤車輛的車牌信息，并將該視頻幀的時刻作為該檢測區(qū)域內(nèi)該跟蹤車輛的起始時刻。每隔一定數(shù)量的視頻幀，或者所間隔一定的時間間隔，在該待檢測區(qū)域內(nèi)進(jìn)行一次車輛的車牌識別，并與上一幀的車輛識別結(jié)果進(jìn)行比較，當(dāng)當(dāng)前幀識別的車牌信息與上一時刻的車牌信息匹配時，根據(jù)該當(dāng)前時刻及跟蹤該車輛的起始時刻，確定該車輛的停放時間，根據(jù)該停放時間及設(shè)置的停車時間閾值，判斷該停放時間是否超出該停車時間閾值，當(dāng)該停放時間超出停車時間閾值時，確定該車輛為違章停車的車輛，輸出該車輛的信息，并停止對車輛的跟蹤，當(dāng)停放時間未超出停車時間閾值時，確定該車輛未違章繼續(xù)對該車牌進(jìn)行檢測。當(dāng)當(dāng)前幀識別的車輛信息與上一時刻的車輛信息不匹配時，將當(dāng)前幀識別的與上一時刻的車牌信息不匹配的車牌信息(即新出現(xiàn)車輛的車牌信息)作為一個新的跟蹤車輛的車牌信息，從而實現(xiàn)對該待檢測區(qū)域內(nèi)的每個車輛的車牌信息進(jìn)行跟蹤，將該當(dāng)前幀的時刻作為該檢測區(qū)域內(nèi)該跟蹤車輛的起始時間。另外，針對上一個時刻保存的每個車輛的信息，確定上一個時刻保存的車輛的信息是否被匹配成功，當(dāng)匹配失敗時，認(rèn)為該車輛在該時間間隔內(nèi)已經(jīng)離開該監(jiān)控區(qū)域，停止對該車輛的跟蹤，并刪除該車輛的信息。在本發(fā)明中視頻設(shè)備將采集到的待檢測區(qū)域內(nèi)的視頻信息，根據(jù)背景建模確定當(dāng)前視頻幀中的運動前景，通過車輛識別技術(shù)確定進(jìn)入該待檢測區(qū)域內(nèi)的車輛，通過邊緣算法、車牌預(yù)處理、二值化處理及字符分割精確進(jìn)行車牌識別，從而實現(xiàn)對每個進(jìn)入該待檢測區(qū)域內(nèi)的車輛進(jìn)行跟蹤，通過將每個車輛在該待檢測區(qū)域內(nèi)的駐留時間與設(shè)定的停車時間閾值進(jìn)行比較，準(zhǔn)確判定該車輛是否屬于違章停車，從而提高了違章停車的檢測效率。圖3為本發(fā)明提供的一種基于視頻的違章停車檢測裝置的結(jié)構(gòu)示意圖，該檢測裝置包括:檢測模塊31，用于獲取對待檢測區(qū)域進(jìn)行檢測的視頻信息，根據(jù)該視頻信息判斷當(dāng)前該待檢測區(qū)域是否存在運動前景；識別模塊32，用于當(dāng)該待檢測區(qū)域存在運動前景時，按照設(shè)定的時間間隔對獲取的該待檢測區(qū)域的視頻信息進(jìn)行識別，獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息；輸出模塊33，用于根據(jù)每個時間間隔獲取的車輛信息，及設(shè)定的停車時間閾值，將滿足該閾值的車輛的信息作為違章停車的車輛的信息。所述檢測模塊31，具體用于對獲取的所述視頻信息采用單高斯或者多高斯進(jìn)行背景建模，檢測視頻信息中的背景；根據(jù)檢測到的視頻信息的背景，獲取每個視頻幀的運動前景；根據(jù)獲取的每個視頻幀中的運動前景，判斷當(dāng)前待檢測區(qū)域是否存在運動前景。所述識別模塊32，具體用于針對當(dāng)前視頻幀，采用邊緣檢測算法，確定該視頻幀中車牌所在的區(qū)域；對該視頻幀中車牌所在的區(qū)域進(jìn)行二值化處理；利用二值化后的該車牌所在的區(qū)域的垂直方向的投影，確定車牌對應(yīng)的字符序列；采用模板匹配方法，對該字符序列進(jìn)行匹配識別，確定待檢測區(qū)域內(nèi)停放車輛的車牌信息。所述裝置還包括:預(yù)處理模塊34，用于利用邊緣信息，在車牌所在的區(qū)域進(jìn)行垂直矯正和水平矯正，去除車牌所在區(qū)域的上、下邊界。
所述識別模塊32，具體用于根據(jù)二值化后的車牌所在區(qū)域的垂直方向的投影，確定該投影的最大值和最小值；根據(jù)該最大值和最小值，確定字符所在的區(qū)域；在該字符所在區(qū)域進(jìn)行分割，確定車牌對應(yīng)的字符序列。本發(fā)明實施例提供一種基于視頻的違章停車檢測方法及裝置，該方法通過獲取對待檢測區(qū)域進(jìn)行檢測的視頻信息，根據(jù)該視頻信息判斷當(dāng)前該待檢測區(qū)域是否存在運動前景；當(dāng)該待檢測區(qū)域存在運動前景時，進(jìn)行車輛識別獲取在該待檢測區(qū)域停放的車輛信息；按照設(shè)定的時間間隔獲取對待檢測區(qū)域進(jìn)行檢測的視頻信息，在該待檢測區(qū)域內(nèi)進(jìn)行車牌識別獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息；根據(jù)每個時間間隔獲取的車輛信息，及設(shè)定的停車時間閾值，將滿足該閾值的車牌作為違章停車的車牌。本發(fā)明通過對待檢測區(qū)域進(jìn)行背景建模，定期對待檢測區(qū)域內(nèi)車輛進(jìn)行車牌識別從而確定車輛的駐留時間，并將駐留時間滿足停車閾值的車輛確定為違章停車，因此有效的解決了違章停車的自動檢測問題，減少了因人工排查造成的資源浪費，提高了違章車輛的檢測效率。顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進(jìn)行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。
權(quán)利要求
1.一種基于視頻的違章停車檢測方法，其特征在于，所述檢測方法包括: 獲取對待檢測區(qū)域進(jìn)行檢測的視頻信息，根據(jù)該視頻信息判斷當(dāng)前該待檢測區(qū)域是否存在運動前景； 當(dāng)該待檢測區(qū)域存在運動前景時，按照設(shè)定的時間間隔對獲取的該待檢測區(qū)域的視頻信息進(jìn)行識別，獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息； 根據(jù)每個時間間隔獲取的車輛信息，及設(shè)定的停車時間閾值，將滿足該閾值的車輛的信息作為違章停車的車輛的信息。
2.按權(quán)利要求1所述的檢測方法，其特征在于，所述根據(jù)該視頻信息判斷當(dāng)前該待檢測區(qū)域是否存在運動前景包括: 對獲取的所述視頻信息采用單高斯或者多高斯進(jìn)行背景建模，檢測視頻信息中的背旦牙、； 根據(jù)檢測到的視頻信息的背景，獲取每個視頻幀的運動前景； 根據(jù)獲取的每個視頻幀中的運動前景，判斷當(dāng)前待檢測區(qū)域是否存在運動前景。
3.按權(quán)利要求1所述的檢測方法，其特征在于，所述獲取在該待檢測區(qū)域停放的車輛信息包括: 針對當(dāng)前視頻幀，采用邊緣檢測算法，確定該視頻幀中車牌所在的區(qū)域； 對該視頻幀中車牌所在的區(qū)域進(jìn)行二值化處理； 利用二值化后的該車牌所在的區(qū)域的垂直方向的投影，確定車牌對應(yīng)的字符序列； 采用模板匹配方法，對該字符序列進(jìn)行匹配識別，確定待檢測區(qū)域內(nèi)停放車輛的車牌信息。
4.按權(quán)利要求3所述的檢測方法，其特征在于，所述對視頻幀中車輛所在的區(qū)域進(jìn)行二值化處理之前，所述方法還包括: 利用邊緣信息，在車牌所在的區(qū)域進(jìn)行垂直矯正和水平矯正，去除車牌所在區(qū)域的上、下邊界。
5.按權(quán)利要求3所述的檢測方法，其特征在于，利用二值化后的車牌所在的區(qū)域的垂直方向的投影，確定車牌對應(yīng)的字符序列包括: 根據(jù)二值化后的車牌所在區(qū)域的垂直方向的投影，確定該投影的最大值和最小值； 根據(jù)該最大值和最小值，確定字符所在的區(qū)域； 在該字符所在區(qū)域進(jìn)行分割，確定車牌對應(yīng)的字符序列。
6.一種基于視頻的違章停車檢測裝置，其特征在于，所述檢測裝置包括: 檢測模塊，用于獲取對待檢測區(qū)域進(jìn)行檢測的視頻信息，根據(jù)該視頻信息判斷當(dāng)前該待檢測區(qū)域是否存在運動前景； 識別模塊，用于當(dāng)該待檢測區(qū)域存在運動前景時，按照設(shè)定的時間間隔對獲取的該待檢測區(qū)域的視頻信息進(jìn)行識別，獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息； 輸出模塊，用于根據(jù)每個時間間隔獲取的車輛信息，及設(shè)定的停車時間閾值，將滿足該閾值的車輛的信息作為違章停車的車輛的信息。
7.按權(quán)利要求6所述的檢測裝置，其特征在于，所述檢測模塊，具體用于對獲取的所述視頻信息采用單高斯或者多高斯進(jìn)行背景建模，檢測視頻信息中的背景；根據(jù)檢測到的視頻信息的背景，獲取每個視頻幀的運動前景；根據(jù)獲取的每個視頻幀中的運動前景，判斷當(dāng)前待檢測區(qū)域是否存在運動前景。
8.按權(quán)利要求6所述的檢測裝置，其特征在于，所述識別模塊，具體用于針對當(dāng)前視頻幀，采用邊緣檢測算法，確定該視頻幀中車牌所在的區(qū)域；對該視頻幀中車牌所在的區(qū)域進(jìn)行二值化處理；利用二值化后的該車牌所在的區(qū)域的垂直方向的投影，確定車牌對應(yīng)的字符序列；采用模板匹配方法，對該字符序列進(jìn)行匹配識別，確定待檢測區(qū)域內(nèi)停放車輛的車牌信息。
9.按權(quán)利要求7所述的檢測裝置，其特征在于，所述裝置還包括: 預(yù)處理模塊，用于利用邊緣信息，在車牌所在的區(qū)域進(jìn)行垂直矯正和水平矯正，去除車牌所在區(qū)域的上、下邊界。
10.按權(quán)利要求7所述的檢測裝置，其特征在于，所述識別模塊，具體用于根據(jù)二值化后的車牌所在區(qū)域的垂直方向的投影，確定該投影的最大值和最小值；根據(jù)該最大值和最小值，確定字符所 在的區(qū)域；在該字符所在區(qū)域進(jìn)行分割，確定車牌對應(yīng)的字符序列。
全文摘要
本發(fā)明提供一種基于視頻的違章停車檢測方法及裝置，該方法通過獲取對待檢測區(qū)域進(jìn)行檢測的視頻信息，根據(jù)該視頻信息判斷當(dāng)前該待檢測區(qū)域是否存在運動前景；當(dāng)該待檢測區(qū)域存在運動前景時，進(jìn)行車輛識別獲取在該待檢測區(qū)域停放的車輛信息；按照設(shè)定的時間間隔獲取對待檢測區(qū)域進(jìn)行檢測的視頻信息，在該待檢測區(qū)域內(nèi)進(jìn)行車牌識別獲取在該待檢測區(qū)域內(nèi)停放的車輛的信息；根據(jù)每個時間間隔獲取的車輛信息，及設(shè)定的停車時間閾值，將滿足該閾值的車牌作為違章停車的車牌。本發(fā)明通過定期對待檢測區(qū)域內(nèi)車輛進(jìn)行車牌識別確定車輛的駐留時間，并將駐留時間滿足停車閾值的車輛確定為違章停車，減少了因人工排查造成的資源浪費，提高了檢測效率。
文檔編號G06K9/00GK103093194SQ201310004419
公開日2013年5月8日 申請日期2013年1月7日 優(yōu)先權(quán)日2013年1月7日
發(fā)明者王海峰, 劉忠軒 申請人:信幀電子技術(shù)(北京)有限公司