一种基于监控视频的深度学习车辆停车检测方法技术

本发明专利技术一种基于监控视频的深度学习车辆停车检测方法，属于计算机视觉和智能监控技术领域；提供了一种准确、实时、有效的停车检测方法，为高速公路隧道的交通安全提供有用的数据信息；技术方案为：从高速公路隧道摄像头获取的视频中按帧抽取图片并做预处理；利用上步中抽取的图片，提取运动前景目标；进行静止目标区域的检测；使用卷积神经网络分类模型判断静止目标是否为车辆，进行停车行为的判断。

【技术实现步骤摘要】
一种基于监控视频的深度学习车辆停车检测方法
本专利技术一种基于监控视频的深度学习车辆停车检测方法，属于计算机视觉和智能监控

技术介绍
基于视频的停车检测方法主要有两类，即基于网格模型的方法和基于目标跟踪的方法。基于网格模型进行停车检测的方法主要感知图像区域的变化，从而判断是否出现停车，长安大学申请的“一种基于块累积的高速公路车辆停车检测方法”(申请号为：CN102110366)，通过将视频图像分割成多个块区域，并采用二值化方法将目标与背景图像进行分割，然后通过统计相邻块区域的个数确定是不是停车事件，这种方法在视频条件较好的场景下能够快速准确地判断出停车事件，但在高速公路隧道中，由于车辆灯光和系统照明的干扰，有时会在图像中形成局部光斑，导致二值化分割的效果不理想，容易引起误检。基于目标跟踪进行停车检测的方法，即通过车辆跟踪获取车辆运动信息，依据车辆停止时位置固定这一特点来判断停车事件，重庆大学申请的“基于视频检测技术的高速公路隧道停车检测方法”(申请号为：CN103617410)，通过提取前景目标，然后获取前景目标轮廓面积、质心位置和外接矩形宽高比，接着采用多特征匹配方法对车本文档来自技高网...

【技术保护点】
1.一种基于监控视频的深度学习车辆停车检测方法，其特征在于用在高速公路隧道中，包括以下步骤：S100.从高速公路隧道摄像头获取的视频中按帧抽取图片并做预处理；S200.利用步骤S100中抽取的图片，提取运动前景目标；S300.进行静止目标区域的检测；S400.使用卷积神经网络分类模型判断静止目标是否为车辆，进行停车行为的判断。

【技术特征摘要】
1.一种基于监控视频的深度学习车辆停车检测方法，其特征在于用在高速公路隧道中，包括以下步骤：S100.从高速公路隧道摄像头获取的视频中按帧抽取图片并做预处理；S200.利用步骤S100中抽取的图片，提取运动前景目标；S300.进行静止目标区域的检测；S400.使用卷积神经网络分类模型判断静止目标是否为车辆，进行停车行为的判断。2.根据权利要求1所述的一种基于监控视频的深度学习车辆停车检测方法，其特征在于：所述步骤S100中的预处理包括以下步骤：S101.对图片进行双三次插值法缩放来调整图片的尺寸；S102.根据隧道特征确定图片中的停车检测区域。3.根据权利要求1所述的一种基于监控视频的深度学习车辆停车检测方法，其特征在于：所述步骤S200包括以下步骤：S201.采用混合高斯建立背景模型；S202.将当前像素点同当前混合高斯模型按照优先级顺序进行匹配，提取出背景和运动前景目标。4.根据权利要求1所述的一种基于监控视频的深度学习车辆停车检测方法，其特征在于：所述步骤S300包括以下步骤：S301.通过短时跟踪来估计运动目标的速度，得到可疑静止目标区域；S302.对可疑静止目标区域进行图像相关性计算，当相关系数大于设定阈值时则判定为静止目标区域；其中，相关系数r的公式为：式中，X，Y分别表示短时跟踪前后可疑静止目标区域的图像像素值，Cov(X,Y)为X与Y的协方差，δx，δy分别表示X，Y的方差。5.根据权利要求1所述的一种基于监控视频的深度学习车辆停车检测方法，其特征在于：所述步骤S400具体包括以下步骤：...

【专利技术属性】
技术研发人员：丁洁，杨祖莨，丁冰，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西,14