[发明专利]一种基于监控视频的停车检测方法及装置

摘要

本发明提出了一种鲁棒性比较强的基于监控视频的停车检测方法，基于前景历史像素点和图像相似度进行静止目标检测，主要包括混合高斯模型提取前景运动目标、通过可疑静止像素矩阵得到可疑静止目标区域、图像相似度的计算。在车辆识别阶段，对Haar分类器进行了改进，使得其在级联强分类器训练时避免出现训练过程滞停，可以保证在训练过程中避免出现滞停现象，使得级联强分类器训练鲁棒性增强。在车辆检测过程中，只将通过静止目标检测得到的静止目标区域和其邻域放到Haar分类器进行检测，而不是将整张图像放入Haar分类器检测，这样可以大大减少计算量，提高算法的实时性。另外，还采用基于混合高斯模型的遮挡检测解决暂时性遮挡的问题，降低算法的漏检率。

主权项

1.一种基于监控视频的停车检测方法，其特征在于，所述方法包括如下步骤：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：检测出视频中的静区域，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，所述静止目标区域检测步骤包括可疑静止区域检测子步骤：建立静止像素矩阵，当某一点为前景像素点，则在可疑静止像素矩阵的相对位置的值就会加一；如果某一点有前景变成背景，将该点在静止像素矩阵中的为0；如果某一个点达到了预期设置的阈值，则认为该点为可疑静止像素点，由可疑静止像素点组成的联通区域为可疑静止区域，在所述静止区域检测步骤中，对可疑静止区域进行验证，通过与第N帧之后的图像进行比对，筛选出真正的静止区域；具体步骤如下：读取两张图像并且进行灰度化，分别标记为图像A和图像B；分别计算两张图像的灰度直方图，分别标记为A_hist和B_hist；对A_hist和B_hist进行归一化，归一化的公式如下式所示：x＝(x‑Min)/(Max‑Min)其中x代表直方图中每一个像素级所对应的值，Max代表直方图中最大值，Min代表直方图中最小值；对归一化之后的A_hist和B_hist，求得它们的之间巴氏距离，巴氏距离DB(A_hist,B_hist)如下所示：判断两个灰度直方图之间巴氏距离，如果巴氏距离过大则认为两张图像的相似度程度较低，如果巴氏距离较小，则认为两张图像的相似程度较高；当判断两张图像的巴氏距离较小时，继续判断两张图像的相对位置的差异程度，将两张图像缩小至32×32，减少计算量并且减少细节的影响；计算缩小之后两张图像的欧式距离其中D(A,B)为图像A和图像B缩小至32×32之后的欧式距离；A_piexl(x,y)表示图像A在点(x,y)处的像素值，B_piexl(x,y)表示图像B在点(x,y)处的像素值，当D(A,B)过大时可以判定两张图像的内容差异很大；车辆识别步骤：采用改进的Haar分类器对静止区域进行识别，达到检测车的目的；通过训练多个强分类器，将训练的强分类器级联起来构成所述改进的Haar分类器，逐一对输入图像进行分类识别，通过识别后则输入到下一级分类器，不通过则直接识别为非车辆。