一種基于圖像紋理的違章停車檢測方法
【專利摘要】本發(fā)明公開了一種基于圖像紋理的違章停車檢測方法，該方法包括以下幾個步驟，依次是獲取背景、目標(biāo)分割及紋理分析，所述的獲取背景主要是指確定檢測區(qū)域、檢測區(qū)域劃分區(qū)間、構(gòu)建檢測區(qū)域模型及背景更新，所述的目標(biāo)分割主要是指動態(tài)閾值選擇、目標(biāo)分割及形態(tài)學(xué)濾波，采用動態(tài)閾值的目標(biāo)分割方法可以更準(zhǔn)確的分割出運(yùn)動目標(biāo)，同時使用形態(tài)學(xué)濾波中開運(yùn)算可以有效去除分割過程中產(chǎn)生的噪聲干擾，所述的紋理分析主要是指靜止目標(biāo)檢測、停駛車輛識別及違章停車事件確認(rèn)，通過分析圖像灰度值達(dá)到穩(wěn)定狀態(tài)的過程判斷是否有靜止目標(biāo)出現(xiàn)，同時通過圖像灰度共生矩陣的熵值去除此過程中存在的誤報警。
【專利說明】一種基于圖像紋理的違章停車檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于交通檢測【技術(shù)領(lǐng)域】，特別涉及一種基于圖像紋理的違章停車檢測方 法。

【背景技術(shù)】
[0002] 隨著我國城市化進(jìn)程的不斷加快，城市公路交通系統(tǒng)的壓力不斷增大，交通違章 停車這一交通問題日益凸顯出來，對維護(hù)交通正常秩序造成了非常惡劣的影響。如何規(guī)范 駕駛員的駕駛行為，對違反交通規(guī)則的行為及時準(zhǔn)確地進(jìn)行取證查處，是道路監(jiān)控的關(guān)鍵 問題。
[0003] 現(xiàn)有監(jiān)控系統(tǒng)的監(jiān)控能力和監(jiān)控有效性還基本停留在人工操作監(jiān)控、事后取證的 階段，無法起到預(yù)防、預(yù)警，全天實(shí)時監(jiān)控的作用，且隨著攝像頭和監(jiān)控畫面的大量增多，遠(yuǎn) 遠(yuǎn)超出人的接受能力。因此，利用高科技手段，建立一套完整穩(wěn)定的高準(zhǔn)確性、智能自動化 監(jiān)控拍攝和處理違章停車的管控系統(tǒng)顯得非常必要。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種能夠?qū)崟r檢測違章停車的方法，對違章車輛進(jìn)行抓 拍、識別車牌進(jìn)而進(jìn)行處罰，以減少人工監(jiān)控，規(guī)范駕駛員駕駛行為。
[0005] 本發(fā)明的技術(shù)方案是，一種基于圖像紋理的違章停車檢測方法，該方法包括3個 步驟，依次是獲取背景、目標(biāo)分割及紋理分析，其中，
[0006] 所述的獲取背景的步驟，使用將檢測區(qū)域分區(qū)間，逐區(qū)間進(jìn)行背景更新的方法獲 取背景，具體實(shí)現(xiàn)過程如下：
[0007]Al，確定檢測區(qū)域；
[0008]A2,對所述的檢測區(qū)域劃分區(qū)間，即將檢測區(qū)域由近及遠(yuǎn)劃分為多個檢測區(qū)間，劃 分依據(jù)包括：
[0009]a21)，檢測區(qū)間劃分?jǐn)?shù)量根據(jù)實(shí)際情況進(jìn)行設(shè)置；
[0010] a22)，根據(jù)攝像機(jī)成像原理，同一目標(biāo)位于不同視場時其大小不同，故劃分檢測區(qū) 間時，近視場檢測區(qū)間長度應(yīng)大于遠(yuǎn)視場檢測區(qū)間長度度，即滿足式（1)，
[0011] LiPLi,i= 1，2, ...N-1 (1)
[0012] 式（1)中，
[0013]Li為第i個檢測區(qū)間的長度；
[0014]N為檢測區(qū)域劃分檢測區(qū)間的個數(shù)；
[0015]a23)，一輛被檢測車輛覆蓋的檢測區(qū)間不能超過兩個，即滿足式（2)
[0016] LJLiJLicar,i= 1，2,…N-I (2)
[0017]式（2)中，
[0018]Licar為被檢測車輛在第i個檢測區(qū)間內(nèi)的長度；
[0019]A3,構(gòu)建檢測區(qū)域模型，即根據(jù)設(shè)置的檢測區(qū)域，構(gòu)建檢測區(qū)域模型，包括將檢測 區(qū)間兩兩一組劃分成N-I個小檢測區(qū)域，每個小檢測區(qū)域作為一個背景估計單元；
[0020] A4,背景更新，采用改進(jìn)的背景差分法進(jìn)行背景更新，具體實(shí)現(xiàn)步驟包括：
[0021]a41)每幀僅對一個檢測單元進(jìn)行背景估計，將第一幀圖像作為初始背景；
[0022] a42)隨著時間序列的增加，將當(dāng)前幀圖像與背景圖像對應(yīng)像素進(jìn)行差分，保留各 幀差分結(jié)果作為后續(xù)動態(tài)閾值選擇的依據(jù)；
[0023]pDifImg[i] =pNowImg[i]-pBakImg[i]，i= 0, 1，…W*H (3)
[0024] 式⑶中，
[0025] pDiflmg為背景差分結(jié)果圖像；
[0026]pNowImg為當(dāng)前巾貞圖像；
[0027]pBaklmg為背景巾貞圖像；
[0028] W為圖像寬度；
[0029] H為圖像高度；
[0030]a43)每幀僅對一個檢測單元的背景差分結(jié)果進(jìn)行分析，以此判斷是否進(jìn)行背景更 新，當(dāng)某幀對應(yīng)檢測單元內(nèi)所有像素差分結(jié)果滿足式（4)時，則拷貝當(dāng)前該幀作為新的背 景，
[0031]pNowImg[i]-pBakImg[i] =0 (4)
[0032]式（4)中，
[0033]i為各檢測單元模塊內(nèi)序號，
[0034] 當(dāng)檢測單元內(nèi)不滿足所有像素背景差分結(jié)果為零時，則背景保持不變；
[0035]a44)按照所述步驟a41)至a43)，依次遍歷各檢測單元，直到所有檢測單元檢測結(jié) 束，則從起始檢測單元開始進(jìn)行新一輪背景更新；
[0036] 所述的目標(biāo)分割步驟，采用動態(tài)閾值的目標(biāo)分割方法進(jìn)行運(yùn)動目標(biāo)檢測，所謂動 態(tài)閾值，是指每幀閾值通過分析背景差分結(jié)果的直方圖分布情況進(jìn)行確定，具體分割過程 包括：
[0037] B1，動態(tài)閾值選擇，包括：
[0038] bll)根據(jù)視頻學(xué)原理，靜止圖像在背景差分過程中，無明顯的灰度變化，其差分結(jié) 果接近于零；
[0039] 前景中運(yùn)動圖像，其差分結(jié)果將存在較大的灰度變化，故可根據(jù)差分結(jié)果分布情 況進(jìn)行目標(biāo)分割動態(tài)閾值的選擇；
[0040]bl2)差分結(jié)果跳變較大點(diǎn)對應(yīng)的灰度值即為作為劃分前景圖像與背景圖像的閾 值；
[0041]bl3)設(shè)直方圖分布最高點(diǎn)對應(yīng)的灰度值為Gtop，該灰度值出現(xiàn)的數(shù)量為Nmax，在直 方圖分布曲線中，可近似認(rèn)為Nmax和Nmax/2之間符合直線分布，其中Nmax/2對應(yīng)灰度值為 1，則（Gt()p，Nmax)和（GbM，Nmax/2)兩點(diǎn)間直線可表示為：

【權(quán)利要求】
1. 一種基于圖像紋理的違章停車檢測方法，其特征在于，該方法包括3個步驟，依次是 獲取背景、目標(biāo)分割及紋理分析，其中， 所述的獲取背景的步驟，使用將檢測區(qū)域分區(qū)間，逐區(qū)間進(jìn)行背景更新的方法獲取背 景，具體實(shí)現(xiàn)過程如下： Al,確定檢測區(qū)域； A2,對所述的檢測區(qū)域劃分區(qū)間，即將檢測區(qū)域由近及遠(yuǎn)劃分為多個檢測區(qū)間，劃分依 據(jù)包括： a21)，檢測區(qū)間劃分?jǐn)?shù)量根據(jù)實(shí)際情況進(jìn)行設(shè)置； a22)，根據(jù)攝像機(jī)成像原理，同一目標(biāo)位于不同視場時其大小不同，故劃分檢測區(qū)間 時，近視場檢測區(qū)間長度應(yīng)大于遠(yuǎn)視場檢測區(qū)間長度度，即滿足式（1)， Li^Li, i = 1，2,…N-I (1) 式⑴中， Li為第i個檢測區(qū)間的長度； N為檢測區(qū)域劃分檢測區(qū)間的個數(shù)； a23)，一輛被檢測車輛覆蓋的檢測區(qū)間不能超過兩個，即滿足式（2) LJLiJLic^i = U-N-I (2) 式⑵中， 為被檢測車輛在第i個檢測區(qū)間內(nèi)的長度； A3,構(gòu)建檢測區(qū)域模型，即根據(jù)設(shè)置的檢測區(qū)域，構(gòu)建檢測區(qū)域模型，包括將檢測區(qū)間 兩兩一組劃分成N-I個小檢測區(qū)域，每個小檢測區(qū)域作為一個背景估計單元； A4,背景更新，采用改進(jìn)的背景差分法進(jìn)行背景更新，具體實(shí)現(xiàn)步驟包括： a41)每幀僅對一個檢測單元進(jìn)行背景估計，將第一幀圖像作為初始背景； a42)隨著時間序列的增加，將當(dāng)前幀圖像與背景圖像對應(yīng)像素進(jìn)行差分，保留各幀差 分結(jié)果作為后續(xù)動態(tài)閾值選擇的依據(jù)； pDif Im g[i] = pNow Im g[i]-pBak Im g[i]，i = 0, 1，…W*H (3) 式（3)中， pDif Im g為背景差分結(jié)果圖像； pNow Im g為當(dāng)前巾貞圖像； pBak Im g為背景巾貞圖像； W為圖像寬度； H為圖像高度； a43)每幀僅對一個檢測單元的背景差分結(jié)果進(jìn)行分析，以此判斷是否進(jìn)行背景更新， 當(dāng)某幀對應(yīng)檢測單元內(nèi)所有像素差分結(jié)果滿足式（4)時，則拷貝當(dāng)前該幀作為新的背景， pNow Im g[i]-pBak Im g[i] = 0 (4) 式⑷中， i為各檢測單元模塊內(nèi)序號， 當(dāng)檢測單元內(nèi)不滿足所有像素背景差分結(jié)果為零時，則背景保持不變； a44)按照所述步驟a41)至a43)，依次遍歷各檢測單元，直到所有檢測單元檢測結(jié)束， 則從起始檢測單元開始進(jìn)行新一輪背景更新； 所述的目標(biāo)分割步驟，采用動態(tài)閾值的目標(biāo)分割方法進(jìn)行運(yùn)動目標(biāo)檢測，所謂動態(tài) 閾值，是指每幀閾值通過分析背景差分結(jié)果的直方圖分布情況進(jìn)行確定，具體分割過程包 括： Bl，動態(tài)閾值選擇，包括： bl 1)根據(jù)視頻學(xué)原理，靜止圖像在背景差分過程中，無明顯的灰度變化，其差分結(jié)果接 近于零； 前景中運(yùn)動圖像，其差分結(jié)果將存在較大的灰度變化，故可根據(jù)差分結(jié)果分布情況進(jìn) 行目標(biāo)分割動態(tài)閾值的選擇； bl2)差分結(jié)果跳變較大點(diǎn)對應(yīng)的灰度值即為作為劃分前景圖像與背景圖像的閾值； bl3)設(shè)直方圖分布最高點(diǎn)對應(yīng)的灰度值為Gttjp，該灰度值出現(xiàn)的數(shù)量為Nmax，在直方圖 分布曲線中，可近似認(rèn)為N max和Nmax/2之間符合直線分布，其中Nmax/2對應(yīng)灰度值為Gtal，則 (G tm, U和（Ghra", N_/2)兩點(diǎn)間直線可表示為：
bl4)由述（5)分析，選用的閾值為當(dāng)N = O時對應(yīng)的灰度值，故每幀分割閾值為： G = 2Gb0ffl-Gt0P (6) B2,目標(biāo)分割，即在確定各幀閾值后，即可進(jìn)行目標(biāo)的二值化分割，其實(shí)現(xiàn)過程如下：
式（7)中， pBin Im g為目標(biāo)分割結(jié)果； i為檢測區(qū)域內(nèi)對應(yīng)像素序號； B3,形態(tài)學(xué)濾波，即當(dāng)目標(biāo)分割后所得的邊界不平滑，目標(biāo)區(qū)域具有噪聲孔，背景區(qū)域 上也散布著噪聲物體時，在目標(biāo)分割完成后選擇形態(tài)學(xué)濾波中的開運(yùn)算去除噪聲干擾， 具體實(shí)現(xiàn)步驟如下： b31)腐蝕，包括 (b31a).用3*3的結(jié)構(gòu)元素，掃描圖像的每一個像素； (b31b).用結(jié)構(gòu)元素與其覆蓋的二值圖像做"與"操作； (b31c).如果都為1,結(jié)果圖像的該像素為255,否則為O ; b32)膨脹，包括 (b32a).用3*3的結(jié)構(gòu)元素，掃描圖像的每一個像素； (b32b).用結(jié)構(gòu)元素與其覆蓋的二值圖像做"與"操作； (b32c).如果都為0,結(jié)果圖像的該像素為0,否則為255 ; 所述的紋理分析步驟，是當(dāng)在禁停區(qū)域內(nèi)檢測到有目標(biāo)出現(xiàn)后，則要進(jìn)一步確定該目 標(biāo)狀態(tài)，采用對目標(biāo)出現(xiàn)區(qū)域進(jìn)行紋理分析判斷其是否處于停車狀態(tài)，當(dāng)其停車時間到達(dá) 規(guī)定值時，則對其進(jìn)行報警，具體實(shí)現(xiàn)過程包括： C1，靜止目標(biāo)檢測，當(dāng)在禁停區(qū)域內(nèi)檢測到像素點(diǎn)在時間序列上的灰度值發(fā)生大變化 時，即可確定存在前景物體，而檢測到的時間序列像素值變化由通過禁停區(qū)域的運(yùn)動物體 和進(jìn)入?yún)^(qū)域并停止的物體形成，因此，有效的停車檢測首先必須剔除由于運(yùn)動前景物體經(jīng) 過造成的像素值變化的情況： 當(dāng)背景像素值發(fā)生突然變化，并在短時間內(nèi)重新恢復(fù)到初始背景狀態(tài)值時，表明有運(yùn) 動物體通過該區(qū)域，但并未停止； 當(dāng)背景像素值發(fā)生突變，并且在隨后的一段時間序列保持像素變化值穩(wěn)定，則表明該 背景像素點(diǎn)被進(jìn)入禁停區(qū)域且停止的前景物體占據(jù)，存在可能的違章停車現(xiàn)象； 由于受到周圍環(huán)境及光線變化的影響，背景圖像像素值如果在較長的時間序列上發(fā)生 擾動，而短時內(nèi)無法體現(xiàn)； C2,停駛車輛識別，即將用戶設(shè)置的檢測區(qū)域即禁停區(qū)域分割出來，利用分割目標(biāo)的面 積與檢測區(qū)域面積構(gòu)成的占空比特征，將其空間特性加以表征，區(qū)域內(nèi)目標(biāo)的占空比定義 為： S = a/A (8) 上式⑶中， a為分割目標(biāo)面積； A為檢測區(qū)域面積； 以占空比作為辨識參量，濾除非機(jī)動車及行人等對象在檢測區(qū)域的靜止造成的干擾， 進(jìn)而識別違章停駛車輛， 該識別算法步驟如下： c21)對檢測區(qū)域內(nèi)存在分割結(jié)果時，即滿足式（9)的像素點(diǎn)，則表明該 點(diǎn)存在前景物體經(jīng)過 pBin Im g[i] = 255 (9) c22)當(dāng)有前景物體經(jīng)過時，則開始統(tǒng)計時間序列上檢測區(qū)域內(nèi)像素值變化情況： pDif(i,t+l) = p Im g(i,t+l)-p Im g(i,t) (10) 上式（10)中， pDif (i, t+1)為第t+1巾貞與第t巾貞對應(yīng)像素差結(jié)果； p Im g(i, t+Ι)為第t+Ι巾貞圖像灰度值； p Im g(i,t)為第t巾貞圖像灰度值。 c23)基于物體的運(yùn)動特性與顏色特性，像素值在短期內(nèi)不可能存在均勻漸變的情況， 若有 pDif (i, t+k) I ^ ω (11) 上式（11)中， ω為穩(wěn)定度； 若在連續(xù)j幀內(nèi)均有 pDif (i，t+k+m) I < ω，m = 0, 1，...，j_l (12) 則確定像素點(diǎn)進(jìn)入穩(wěn)定狀態(tài)； c24)當(dāng)進(jìn)入穩(wěn)態(tài)后，計算當(dāng)前像素點(diǎn)與背景點(diǎn)的差值： pDif Im g(i,t+k+j) = plmg (i, t+k+j) _pBak Im g(i,t_l) (13) 當(dāng)差值滿足下式時，則表明當(dāng)前像素點(diǎn)狀態(tài)由前景靜止物體占據(jù)，否則仍為初始背景， pDif Im g (i，t+k+j) > G (14) c25)根據(jù)前景對象的占空比S判別對象類型，若滿足下式時，則認(rèn)為該前景對象為車 輛， S^y (15) 上式（15)中， Y為占空比分類閾值； c26)由進(jìn)入穩(wěn)定狀態(tài)時刻開始統(tǒng)計車輛停駛時間，根據(jù)不同禁停區(qū)域的具體違章要 求，確定違章停車發(fā)生，實(shí)現(xiàn)自動報警； C3,違章停車事件確認(rèn)，使用灰度共生矩陣中紋理特征量--熵值，判斷背景中是否含 有停駛的車輛， 熵值計算方法如下所述： c31)將灰度圖像劃分為k級，將直方圖間隔選擇為15,即將圖像劃分為255/15 = 17 個灰度級； c32)統(tǒng)計各灰度級出現(xiàn)的概率Pi，其中i = 1，2,…k; c33)計算各灰度級熵值 E ⑴=-Pi In Pi (16) c34)統(tǒng)計圖像每一個灰度級的熵并，并繪出圖像熵值直方圖， c35)如果熵值直方圖較為單一，則判斷為此圖像為路面，否則圖像中含有運(yùn)動目標(biāo)。
【文檔編號】G06T7/20GK104376554SQ201410549079
【公開日】2015年2月25日 申請日期:2014年10月16日 優(yōu)先權(quán)日:2014年10月16日
【發(fā)明者】王軍群, 袁彬, 于艷玲, 譚中慧 申請人:中海網(wǎng)絡(luò)科技股份有限公司