[发明专利]一种基于监控视频的停车检测方法及装置

说明书

技术领域

本发明涉及计算机视觉和智能监控技术领域，尤其涉及一种基于监控视频的停车检测方法及装置。

背景技术

随着国民经济的迅速发展，导致机动车辆的快速增加，我国城市交通的问题变得日益严峻。以往的停车检测，主要依靠人工监控，定点信息的采集方法。极大地消耗了交通管制部门的人力、财力和物力。最近几年，随着科技的快速发展，监控设备如视频采集卡，摄像头等价格逐渐下降，室内外的视频监控系统开始广泛的应用到各种场合，如室内外停车场，地铁，银行，公路，宾馆，超市，校园大楼内部等。在社会的公共安全方面发挥着越来越重要的作用。但是目前国内大多数的视频监控系统还只是处于传统模式，扮演着“只记录不判断”的角色。因此只能事后通过视频回放来调查当时的情况及取证，存在着无法实时取证和报警的缺陷，并且还需要工作人员不断地监视场景内的活动，日夜轮班值守，工作量巨大，容易受到人体疲劳的影响，从而导致误检和漏检的情况发生，使取证的难度增大，失去了监控系统的实时监控的重要意义。另一方面，随着监控系统规模的不断扩大，视频数据海量增大，从中获取有用的情报或者信息越来越困难，查找效率低，并且难以满足监控系统的需求。

停车检测是车辆检测的一个重要分支。车辆检测技术多用于室外环境的场景中，用一个或者多个高清摄像头来监控某一条街道上的停车情况。如果能够做到利用停车检测技术，准确及时检测出违章停车，可以有效的取证和报警，有效的避免进一步的交通堵塞和交通事故，从而维护了人民的生命财产安全。

针对停车检测的问题，国内外专家学者提出了多种基于停车检测的方法，主要包括：

一、使用光流法进行车辆检测，由于光流法的计算复杂度较高，再加上现在的图像的大小都很大，导致光流法的实时性很差。

二、在限制区域提取车辆特征，并用SVM(support vector machine)进行分类，从而实现把车辆的信息从图片中提取出来。

三、利用贝叶斯网络进行车辆检测。首先提取车辆的特征，利用一种颜色有效的区分开车的颜色和非车的颜色。其次，提取车周围的颜色信息和边界信息，通过自动调整阈值的canny边缘检测方法。最后，使用贝叶斯网络进行分类。

四、使用高斯混合模型进行前景与背景的分离，提取出前景信息，判断目标区域是否存在停车，并且实时更新背景。

当然上述这些常用的方法还存在一些待解决的问题：

1)实时性，目前的监控视频都为高清监控视频，分辨率都在百万级及以上，虽然计算机硬件水平已经达到了很高的水平，但是在处理像监控视频这样的海量数据还是比较吃力的。如何利用监控视频及时有效的处理停车是急需解决的问题之一。

2)鲁棒性，监控视频的场景多是在复杂的场景下，这对停车检测造成很大的干扰，在复杂的场景中存在很多和车辆相似的物体，这给车辆的检测带来很大的问题。目前大部分的停车检测算法只是通过简单的轮廓特征、占空比或者面积特征的方法识别车辆，导致误检率较高。除了上述的干扰外，还存在光照变化的干扰，遮挡的干扰等。

3)算法实用性，当停车检测算法当具有很好的实时性和鲁棒性时，往往需要大量的硬件资源。对于现实生活中监控摄像头中的处理器往往配置不高，如果想要达到较好的实时性和鲁棒性相对比较困难，所以需要进一步减低算法的计算复杂度提升计算效率，增强算法的实用性。

发明内容

本发明的目的在于克服现有技术中的问题，提出一种基于监控视频的停车检测方法及装置，不需要较多的人工干预，能够自动的识别出在监控视频覆盖的范围内停下来的车辆，这种方案能够解决全面依靠人工的停车检测中存在的成本高，易受到人为因素的影响，浪费人力等缺点。

为达上述目的，本发明通过以下技术方案实现：

一种基于监控视频的停车检测方法，包括如下步骤：

视频数据采集步骤：普通路边的监控摄像头拍摄的视频数据，所述监控摄像头的相对位置和拍摄的角度保持不变；

背景模型建立步骤：通过分析视频序列建立基于混合高斯模型的背景模型；

前景运动目标提取步骤：提取出视频图像中的运动前景目标；

静止目标区域检测步骤：检测出视频帧中的静止区域，具体为先找到可疑的静止目标区域，然后经过N帧之后，与之前帧图像的相应位置进行相似度比较，确定是否为真正的静止区域；