一种基于激光的违停检测方法及系统技术方案

本发明专利技术公开了一种基于激光的违停检测方法及系统，包括以下步骤：步骤S1、利用激光扫描装置和图像拍摄装置获取目标对象的违停影像，并通过所述目标对象的违停影像获取目标对象特征；步骤S2、利用特征融合对所述目标对象特征进行融合寻优获得精准分辨目标对象违停种类的最优特征，并依据所述最优特征构建精准分辨所有目标对象违停种类的违停检测模型。本发明专利技术基于激光扫描技术判断目标区域内是否存在违停，可以实现对目标区域违停对象的定向抓拍直接获得违停影像，避免从处理大量的实时图像数据流中进行图像识别进行违停影像的筛选，提高了实时违停判别效率。

【技术实现步骤摘要】
一种基于激光的违停检测方法及系统
本专利技术涉及道路交通
，具体涉及一种基于激光的违停检测方法及系统。
技术介绍
随着经济发展以及人们生活水平的提高，机动车的数量剧增，路面上违章停车的现象也越来越多。违章停车指的是车辆在设有禁停标志、标线的路段或禁停区域停留，该行为不仅会严重干扰正常交通运行，甚至可能对人们的生命财产造成损害，因此需要对违章停车现象进行管控。目前常见的管控违章停车的方式是通过在违停区域设置摄像头，摄像头获取违停区域的图像传送到后台进行人工处理或者计算机处理，计算机处理的方式相较人工处理的方式而言可极大程度地节省人力成本，且能更高效地发现违章车辆，因此可更为广泛地应用于交通管制领域中。然而现有的辅助图像处理技术的违章停车检测技术存在一些缺陷：无法进行针对性未定车辆图像的抓拍，导致图像数据量大，实时运行效率低，而且，仅能依次判断车辆是否违停并不能自动识别违停种类，对于违章停车检测不够全面不够精准。
技术实现思路
本专利技术的目的在于提供一种基于激光的违停检测方法及系统，以解决现有技术中无法进行针对性未定车辆图像的抓拍，导致图像数据量大，实时运行效率低，而且，仅能依次判断车辆是否违停并不能自动识别违停种类，对于违章停车检测不够全面不够精准的技术问题。为解决上述技术问题，本专利技术具体提供下述技术方案：一种基于激光的违停检测方法，包括以下步骤：步骤S1、利用激光扫描装置和图像拍摄装置获取目标对象的违停影像，并通过所述目标对象的违停影像获取目标对象特征；步骤S2、利用特征融合对所述目标对象特征进行融合寻优获得精准分辨目标对象违停种类的最优特征，并依据所述最优特征构建精准分辨所有目标对象违停种类的违停检测模型；步骤S3、基于所述违停检测模型在违停影像中同步抓取处于违停状态的所有目标对象并获取目标对象的违停种类信息，并将所述目标对象的违停种类信息上传交管平台。作为本专利技术的一种优选方案，所述步骤S1中，获取目标对象特征的具体方法：步骤S101、所述激光扫描装置实时扫描目标区域生成激光扫描数据，并依据激光扫描数据对所述目标区域进行第一违停分辨生成第一违停标识同步传输至所述图像拍摄装置；步骤S102、所述图像拍摄装置基于所述第一违停标识对所述目标区域进行抓拍获取所述目标区域内的目标对象的违停影像；步骤S103、对所述目标对象的违停影像进行图像识别获取表征目标对象实体和位置信息的目标对象特征。作为本专利技术的一种优选方案，所述步骤S2中，还包括获取集合目标区域历史违停图像数据的违停日志，基于所述违停日志构建表征分辨目标对象违停与否的基础特征的第一违停模型样本集，具体方法包括：在违停日志中随机抽取相同数量的正样本和负样本混合构成标准样本集，其中，所述正样本为处于同类违停种类的目标对象的违停图像数据，所述负样本为处于他类违停种类的目标对象的违停图像数据；对标准样本集中进行特征量化获得第一单阶特征，并将第一单阶特征利用相关性分析实现特征降维获得第二单阶特征；基于标准样本集获取所述第二单阶特征的特征值，并将第二单阶特征的特征值与第二单阶特征建立新映射获得第一违停模型样本集。作为本专利技术的一种优选方案，所述相关性分析实现特征降维的具体方法包括：依次将第一单阶特征中所有特征进行两两配对组合获得双特征对并将双特征对的特征值带入相关性计算公式获得双特征对的相关性系数，相关性计算公式为：其中，X为第一单阶特征，xi，xj为第一单阶特征中的第i，j个特征的特征值，p(xi，xj)是xi和xj的联合概率分布函数，而p(xi)和p(xj)分别是xi和xj的边缘概率分布函数；遍历选取相关性系数高于相关性阈值的第一双特征对，并在第一双特征对中随机选取第一特征，并对应删除所有双特征对中的第一特征，直至第一双特征对遍历完成；将所有双特征对进行配对拆分获得的第一单阶特征汇总构成第二单阶特征。作为本专利技术的一种优选方案，所述步骤S2，利用特征融合对所述目标对象特征进行融合寻优获得精准分辨目标对象违停种类的最优特征的具体方法包括：步骤S201、利用笛卡尔积将所述第二单阶特征进行编码融合获得第一多阶特征，并基于所述第一多阶特征对所述第一违停模型样本集进行第一映射更新生成过渡违停模型样本集；步骤S202、基于所述过渡违停模型样本集利用多目标搜索策略筛选第一多阶特征获得最优多阶特征，并基于最优多阶特征对所述过渡违停模型样本集进行第二映射更新获得第二违停模型样本集。作为本专利技术的一种优选方案，所述步骤S202中，多目标搜索策略筛选第一多阶特征获得最优多阶特征的具体方法包括：利用第一多阶特征在过渡违停模型样本集中的正负样本的聚类准确度和第一多阶特征的使用数目构建多目标搜索策略的目标函数，所述目标函数为：minf＝-(α1*MNI+α2*t)；其中，α1+α2＝1；α1和α2为权重常数，α1，α2∈(0，1)，NMI为聚类准确度，t为第一多阶特征的使用数目，t∈(0，M)，M为第一多阶特征的总数目，H为混合矩阵，Hkl表征为过渡违停模型样本集中的所述正负样本的聚类集群结构CS1中正负样本集群k内的样本同时处于所述正负样本的真实聚类集群结构CS2中正负样本集群l内的数目，np1和np2分别是CS1和CS2划分结果中的集群个数，Hk和Hl分别为混合矩阵H中第k行和第l列的元素之和，N为过渡违停模型样本集的样本数目；线性标定所述目标函数构建适应度函数，并利用多目标搜索算法求解所述目标函数获得一组由第一多阶特征组成的最优多阶特征的Pareto解集；选取所述最优多阶特征的Pareto解集中适应度值最高的解作为将目标对象归属至最佳管理集群的最优多阶特征，所述适应度函数的计算公式为：F＝-f+γ，γ∈(0，0.1)；其中，f为目标函数，γ为扰动常数。作为本专利技术的一种优选方案，所述步骤S2中，构建依据所述最优特征构建精准分辨所有目标对象违停种类的违停检测模型的具体方法包括：步骤一：基于所述最优多阶特征将所有目标对象分别量化为单个违停集群xy＝{ay1，ay2，...，aym}，其中xy表示第y台目标对象的最优多阶特征的集合，表示第y台目标对象的第z1个最优多阶特征，z1∈[1，m]，y∈[1，n]，m为最优多阶特征的总数目，n为目标对象的总数目；步骤二：依次计算两违停集群的相似性，并基于最大相似性进行集群融合归一，所述违停集群的相似性为两违停集群中相似性最大的一对目标对象之间的相似性，所述相似性用果瓦系数进行度量：其中，为目标对象y1和目标对象y2的果瓦系数，为目标对象y1和目标对象y2在和上的取值，为加权变量，k1∈[1，m]，y1，y2∈[1，n]，m为最优多阶特征的总数目，n为目标对象的总数目；步骤三：重复步骤二直至当前目标对象违停集群总数目是最初目标对象违停集群总数目的10％完成聚类，并获得精本文档来自技高网...

【技术保护点】
1.一种基于激光的违停检测方法，其特征在于，包括以下步骤：/n步骤S1、利用激光扫描装置和图像拍摄装置获取目标对象的违停影像，并通过所述目标对象的违停影像获取目标对象特征；/n步骤S2、利用特征融合对所述目标对象特征进行融合寻优获得精准分辨目标对象违停种类的最优特征，并依据所述最优特征构建精准分辨所有目标对象违停种类的违停检测模型；/n步骤S3、基于所述违停检测模型在违停影像中同步抓取处于违停状态的所有目标对象并获取目标对象的违停种类信息，并将所述目标对象的违停种类信息上传交管平台。/n

【技术特征摘要】
1.一种基于激光的违停检测方法，其特征在于，包括以下步骤：
步骤S1、利用激光扫描装置和图像拍摄装置获取目标对象的违停影像，并通过所述目标对象的违停影像获取目标对象特征；
步骤S2、利用特征融合对所述目标对象特征进行融合寻优获得精准分辨目标对象违停种类的最优特征，并依据所述最优特征构建精准分辨所有目标对象违停种类的违停检测模型；
步骤S3、基于所述违停检测模型在违停影像中同步抓取处于违停状态的所有目标对象并获取目标对象的违停种类信息，并将所述目标对象的违停种类信息上传交管平台。


2.根据权利要求1所述的一种基于激光的违停检测方法，其特征在于：所述步骤S1中，获取目标对象特征的具体方法：
步骤S101、所述激光扫描装置实时扫描目标区域生成激光扫描数据，并依据激光扫描数据对所述目标区域进行第一违停分辨生成第一违停标识同步传输至所述图像拍摄装置；
步骤S102、所述图像拍摄装置基于所述第一违停标识对所述目标区域进行抓拍获取所述目标区域内的目标对象的违停影像；
步骤S103、对所述目标对象的违停影像进行图像识别获取表征目标对象实体和位置信息的目标对象特征。


3.根据权利要求2所述的一种基于激光的违停检测方法，其特征在于：所述步骤S2中，还包括获取集合目标区域历史违停图像数据的违停日志，基于所述违停日志构建表征分辨目标对象违停与否的基础特征的第一违停模型样本集，具体方法包括：
在违停日志中随机抽取相同数量的正样本和负样本混合构成标准样本集，其中，所述正样本为处于同类违停种类的目标对象的违停图像数据，所述负样本为处于他类违停种类的目标对象的违停图像数据；
对标准样本集中进行特征量化获得第一单阶特征，并将第一单阶特征利用相关性分析实现特征降维获得第二单阶特征；
基于标准样本集获取所述第二单阶特征的特征值，并将第二单阶特征的特征值与第二单阶特征建立新映射获得第一违停模型样本集。


4.根据权利要求3所述的一种基于激光的违停检测方法，其特征在于：所述相关性分析实现特征降维的具体方法包括：
依次将第一单阶特征中所有特征进行两两配对组合获得双特征对并将双特征对的特征值带入相关性计算公式获得双特征对的相关性系数，相关性计算公式为：



其中，X为第一单阶特征，xi，xj为第一单阶特征中的第i，j个特征的特征值，p(xi,xj)是xi和xj的联合概率分布函数，而p(xi)和p(xj)分别是xi和xj的边缘概率分布函数；
遍历选取相关性系数高于相关性阈值的第一双特征对，并在第一双特征对中随机选取第一特征，并对应删除所有双特征对中的第一特征，直至第一双特征对遍历完成；
将所有双特征对进行配对拆分获得的第一单阶特征汇总构成第二单阶特征。


5.根据权利要求4所述的一种基于激光的违停检测方法，其特征在于：所述步骤S2，利用特征融合对所述目标对象特征进行融合寻优获得精准分辨目标对象违停种类的最优特征的具体方法包括：
步骤S201、利用笛卡尔积将所述第二单阶特征进行编码融合获得第一多阶特征，并基于所述第一多阶特征对所述第一违停模型样本集进行第一映射更新生成过渡违停模型样本集；
步骤S202、基于所述过渡违停模型样本集利用多目标搜索策略筛选第一多阶特征获得最优多阶特征，并基于最优多阶特征对所述过渡违停模型样本集进行第二映射更新获得第二违停模型样本集。


6.根据权利要求5所述的一种基于激光的违停检测方法，其特征在于：所述步骤S202中，多目标搜索策略筛选第一多阶特征获得最优多阶特征的具体方法包括：
利用第一多阶特征在过渡违停模型样本集中的正负样本的聚类准确度和第一多阶特征的使用数目构建多目标搜索策略的目标函数，所述目标函数为：
minf＝-(α1*MNI+α2*t)；
其中，α1+α2＝1；



α1和α2为权重常数，α1,α2∈(0,1)，NMI为聚类准确度，t为第一多阶特征的使用数目，t∈(0,M)，M为第一多阶特征的总数目，H为混...

【专利技术属性】
技术研发人员：孙凌飞，
申请(专利权)人：深圳市大道至简信息技术有限公司，
类型：发明
国别省市：广东;44