專利名稱：檢測(cè)違章停車的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及車輛檢測(cè)領(lǐng)域，特別是指一種檢測(cè)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(lái)越多。城市中用于停放汽車的空閑位置越來(lái)越少，由此產(chǎn)生了很多違章停車的事件。目前對(duì)違章停車的檢測(cè)方式，主要由人工方式檢測(cè)。這種檢測(cè)方式需要用戶長(zhǎng)時(shí)間人工監(jiān)控所有不能停車的場(chǎng)所，受天氣的影響，用戶不能24小時(shí)不間斷的巡視所有禁止停車的場(chǎng)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(cè)違章停車的方法，以解決上述不能不間斷的檢測(cè)違章停車的問(wèn)題。為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的，包括:檢測(cè)視頻圖像內(nèi)存在運(yùn)動(dòng)圖像的區(qū)域；提取該運(yùn)動(dòng)圖像的區(qū)域的特征點(diǎn)；如果所述提取的特征點(diǎn)與預(yù)先記錄的一組基準(zhǔn)特征點(diǎn)匹配成功，則確定存在違章停車。本發(fā)明的方法，可有效識(shí)別出視頻圖像中存在的運(yùn)動(dòng)圖像與之前記錄的圖像中的特征點(diǎn)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(cè)違章停車，不能長(zhǎng)時(shí)間的檢測(cè)違章停車的缺陷。


為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡(jiǎn)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(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)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(shí)施例的流程圖；圖2是實(shí)施例中前景檢測(cè)的流程圖；圖3是實(shí)施例中采用sift算法實(shí)現(xiàn)違章檢測(cè)的流程圖。
具體實(shí)施例方式為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)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(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
本發(fā)明的實(shí)施例包括以下步驟:Sll:檢測(cè)視頻圖像內(nèi)存在運(yùn)動(dòng)圖像的區(qū)域；S12:提取該運(yùn)動(dòng)圖像的區(qū)域的特征點(diǎn)；S13:如果所述提取的特征點(diǎn)與預(yù)先記錄的一組基準(zhǔn)特征點(diǎn)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(shí)別出視頻圖像中存在的運(yùn)動(dòng)圖像與之前記錄的圖像中的特征點(diǎn)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(cè)違章停車，不能長(zhǎng)時(shí)間的檢測(cè)違章停車的缺陷。上述的視頻圖像的特征點(diǎn)的匹配，可采用SIFT算法實(shí)現(xiàn)。采用SIFT算法，可提交匹配效率，降低匹配時(shí)間。參見圖3，包括以下步驟:S31:前景檢測(cè)； 前景檢測(cè)的過(guò)程包括如圖2所示的步驟。優(yōu)選地，實(shí)施例中，預(yù)先建立背景模型，檢測(cè)背景圖像中是否存在運(yùn)動(dòng)圖像的區(qū)域的過(guò)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(jiǎn)單相減取絕對(duì)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(cè)違章停車的方法，其特征在于，包括: 檢測(cè)視頻圖像內(nèi)存在運(yùn)動(dòng)圖像的區(qū)域； 提取該運(yùn)動(dòng)圖像的區(qū)域的特征點(diǎn)； 如果所述提取的特征點(diǎn)與預(yù)先記錄的一組基準(zhǔn)特征點(diǎn)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(diǎn)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(duì)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(gè)像素點(diǎn)在本層及其兩個(gè)相鄰層的8鄰域內(nèi)，為最大值或最小值，則該點(diǎn)為該尺度下的一個(gè)特征點(diǎn)。
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(guò)程包括: 根據(jù)每個(gè)尺度下的每個(gè)特征點(diǎn)所在圖像的位置，確定該特征點(diǎn)及其周圍鄰域內(nèi)的像素點(diǎn)的梯度，建立該特征點(diǎn)對(duì)應(yīng)的描述子； 確定所述運(yùn)動(dòng)圖像的每個(gè)特征點(diǎn)對(duì)應(yīng)的描述子與所述記錄的一組特征點(diǎn)對(duì)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(diǎn)中的一個(gè)特征點(diǎn)的第i維向量、xi2為運(yùn)動(dòng)圖像中的一個(gè)特征點(diǎn)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(yùn)算出所述最小的歐式距離的兩個(gè)描述子各自對(duì)應(yīng)的特征點(diǎn)相匹配； 當(dāng)相匹配的特征點(diǎn)的數(shù)量占記錄的該組特征點(diǎn)總數(shù)量的比值超過(guò)第三閾值后，確定運(yùn)動(dòng)圖像與該組特征點(diǎn)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(guò)程包括: 根據(jù)所述確定的該特征點(diǎn)及其周圍鄰域內(nèi)的像素點(diǎn)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(duì)應(yīng)的角度范圍中的任意一個(gè)角度作為主方向； 用一個(gè)中心在該區(qū)域中央的高斯函數(shù)對(duì)所述周圍鄰域內(nèi)的各個(gè)像素點(diǎn)的梯度的模加權(quán)； 將所述周圍鄰域內(nèi)的各個(gè)像素劃分為多個(gè)區(qū)塊，根據(jù)每個(gè)區(qū)塊內(nèi)的像素點(diǎn)的加權(quán)后的模長(zhǎng)、相對(duì)于所述主方向的角度差值，建立每個(gè)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(diǎn)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(guò)程中，如果其中一個(gè)特征點(diǎn)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(duì)每個(gè)特征點(diǎn)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(diǎn)的坐標(biāo)的均值坐標(biāo)所對(duì)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(diǎn)替換所述記錄的該組特征點(diǎn)。
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(yùn)動(dòng)圖像的區(qū)域的特征點(diǎn)、與所述預(yù)先記錄的特征點(diǎn)匹配成功，且多幀視頻圖像的特征點(diǎn)的靜止時(shí)間超出預(yù)定的時(shí) 間，則確定違章停車。
全文摘要
本發(fā)明提供了一種檢測(cè)違章停車的方法，包括檢測(cè)視頻圖像內(nèi)存在運(yùn)動(dòng)圖像的區(qū)域；提取該運(yùn)動(dòng)圖像的區(qū)域的特征點(diǎn)；如果所述提取的特征點(diǎn)與預(yù)先記錄的一組基準(zhǔn)特征點(diǎn)匹配成功，則確定存在違章停車。本發(fā)明的方法，可有效識(shí)別出視頻圖像中存在的運(yùn)動(dòng)圖像與之前記錄的圖像中的特征點(diǎn)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(cè)違章停車，不能長(zhǎng)時(shí)間的檢測(cè)違章停車的缺陷。
文檔編號(hào)G08G1/01GK103116984SQ20131002096
公開日2013年5月22日 申請(qǐng)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(qǐng)人:信幀電子技術(shù)(北京)有限公司