一种基于机器视觉的城市非机动车杂乱停放识别方法技术

本发明专利技术提供一种基于机器视觉的城市非机动车杂乱停放识别方法，旨在解决非机动车尤其是共享单车的杂乱停放会影响城市交通和市容市貌，而城市视频监控并没有得到有效利用的问题，包括如下步骤：S1、从城市摄像头的倾斜视频中初次取流以获取建模图片画面，并生成区域三维模型；S2、再次取流以获取比对图片画面，仅保留非机动车目标：S3、非机动车目标在区域三维模型中定位；S4、计算并存储非机动车停留位置和停留时间；S5、判断非机动车的停留时间是否大于预设长时停留时限的第一阈值：S6、计算非机动车停放的杂乱度；S7、判断非机动车的杂乱度。本发明专利技术尤其适用于城市非机动车杂乱停放识别和警示，具有较高的社会使用价值和应用前景。景。景。

【技术实现步骤摘要】
一种基于机器视觉的城市非机动车杂乱停放识别方法


[0001]本专利技术涉及非机动车管理
，具体涉及一种基于机器视觉的城市非机动车杂乱停放识别方法。

技术介绍

[0002]目前，城市监控成熟度高，而随着安防产业的发展以及平安城市进程的不断推进，我国城市视频监控系统行业也得到了发展，但是大部分情况都仅处于对城市治安防控和城市道路监控的录像和人工排查阶段。
[0003]随着目前共享单车和电动自行车等非机动车的普及，非机动车尤其是共享单车的杂乱停放会影响城市交通和市容市貌。为此，我们提出了一种基于机器视觉的城市非机动车杂乱停放识别方法。

技术实现思路

[0004]本专利技术的目的在于解决或至少缓解现有技术中所存在的问题。
[0005]为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于机器视觉的城市非机动车杂乱停放识别方法，包括如下步骤：
[0006]S1、从城市摄像头的倾斜视频中初次取流以获取建模图片画面，并使用机器视觉算法去除干扰后生成摄像区域的区域三维模型；
[0007]S2、从城市摄像头的倾斜视频中再次取流以获取比对图片画面，使用机器视觉算法对比对图片画面进行新增目标检测，除杂后仅保留非机动车目标：
[0008]若比对图片画面内没有非机动车目标则重新获取比对图片画面以进行非机动车目标检测；
[0009]若比对图片画面内有非机动车目标则进入下一步；
[0010]S3、根据机器视觉算法的计算结果将除杂后的非机动车目标在区域三维模型中定位；
[0011]S4、计算并存储比对图片画面内的非机动车停留位置和停留时间；
[0012]S5、判断非机动车的停留时间是否大于预设长时停留时限的第一阈值：
[0013]若比对图片画面内没有非机动车大于第一阈值则返回至步骤S2，重新获取比对图片画面以进行非机动车目标检测；
[0014]若比对图片画面内有非机动车大于第一阈值则进入下一步；
[0015]S6、筛选出长时停放和聚集的非机车，并依据比对图片画面内非机动车累计的位置、时间、形态信息计算非机动车停放的杂乱度；
[0016]S7、判断非机动车的杂乱度是否大于预设杂乱度的第二阈值：
[0017]若比对图片画面内非机动车的杂乱度低于第二阈值则返回至步骤S2，重新获取比对图片画面以进行非机动车目标检测；
[0018]若比对图片画面内非机动车的杂乱度高于第二阈值则判断属于杂乱停放。
[0019]可选的，所述步骤S3中，非机动车目标的位置信息定位包括如下步骤：
[0020]S301、通过比对图片画面模拟测距建立摄像区域中非机动车目标的像空间辅助坐标系坐标；
[0021]S302、联合城市摄像头的安装方位角、安装俯仰角和城市摄像头坐标共同确定非机动车目标的机体坐标系坐标；
[0022]S302、根据城市摄像头的姿态角来确定非机动车目标的站心地平坐标系坐标；
[0023]S304、根据城市摄像头的经纬高确定城市摄像头的地心直角坐标系坐标；
[0024]S305、联合非机动车目标的像空间辅助坐标系坐标、机体坐标系坐标、站心地平坐标系坐标，以及城市摄像头的地心直角坐标系坐标综合计算得出非机动车目标的地心直角坐标系坐标，从而解算出非机动车目标的大地坐标。
[0025]可选的，所述非机动车目标的像空间辅助坐标系坐标表示公式如(1)为：
[0026][0027]式(1)中，比对图片画面模拟测距为Dis，(X1,Y1,Z1)为非机动车目标的像空间辅助坐标系坐标。
[0028]可选的，所述非机动车目标的机体辅助坐标系坐标与像空间辅助坐标系之间的转换关系表示公式如(2)为：
[0029][0030]式(2)中，非机动车目标的机体坐标系定义为左手系，原点位于城市摄像头焦点，X轴指向焦点水平向，Y轴指向焦点垂直向，Z轴向上；(X0,Y0,Z0)为城市摄像头在机体坐标系中的坐标；(X1,Y1,Z1)为非机动车目标的像空间辅助坐标系坐标；(X2,Y2,Z2)为非机动车目标的机体辅助坐标系坐标；A为旋转矩阵，K为城市摄像头安置角改正旋转矩阵。
[0031]可选的，所述城市摄像头的地心直角坐标系坐标依据无人机纬度、经度、高度计算，由大地坐标系转换获得。
[0032]可选的，所述非机动车目标的机体坐标系坐标与站心地平坐标系坐标的转换关系表示公式如(3)为：
[0033][0034]式(3)中，非机动车目标的地心直角坐标定义为右手系，以参考椭球中心为原点，起始子午面与赤道面交线为X轴，在赤道面上与X轴正交的方向为Y轴，椭球体的旋转轴为Z轴；(X3，Y3，Z3)为非机动车目标的站心地平坐标系坐标；(X2,Y2,Z2)为非机动车目标的机体坐标系坐标；θ为城市摄像头安装方位角，为城市摄像头俯仰角，为城市摄像头姿态角。
[0035]可选的，所述步骤S4之前，判断是否存在有保存非机动车停留位置信息和停留时间信息的在先缓存结果：
[0036]若有在先缓存结果，本次非机动车停留位置信息和停留时间信息则与在先缓存结果进行比对和去重；
[0037]若没有在先缓存结果，则保存本次非机动车停留位置信息和停留时间信息。
[0038]可选的，所述步骤S5中，预设长时停留时限的第一阈值用于排除比对图片画面内运动中或短时间停留的非机动车。
[0039]可选的，所述步骤S7中，非机动车的杂乱度计算步骤如下：
[0040]S701、以比对图片画面中获取的非机动车目标定位对非机动车进行平均长宽，在区域三维模型中对非机动车目标建模；
[0041]S702、依据非机动车目标建模在区域三维模型中的三维坐标，分别计算非机动车直接的聚集度；
[0042]S703、在大于等于三辆非机动车集聚的情况下，计算聚集车辆中心点连线的曲率，通过曲率得出非机动车杂乱度。
[0043]可选的，所述步骤S702中，非机动车直接的聚集度计算为：比对区域三维模型内每辆非机动车目标与相邻非机动车目标在三维上的欧氏距离，当得出欧氏距离低于预设欧氏距离的第三阈值，则认为非机动车聚集。
[0044]本专利技术实施例提供了一种基于机器视觉的城市非机动车杂乱停放识别方法，具备以下有益效果：
[0045]1、本专利技术利用现有城市摄像头的监控比对图片画面，取流获取比对图片画面建立区域三维模型并使用机器视觉算法对比对图片画面进行非机动车目标识别和定位，利用机器视觉对城市非机动车长时杂乱停放予以识别，可以自动发现城市中非机动车杂乱停放的现象并予以警示，对于城市交通和市容市貌管理起到积极辅助作用。
[0046]2、本专利技术在现有的城市摄像技术的基础上，对非机动车的机器视觉定位算法进行精进，以实现更精确的非机动车坐标定位，有效改善非机动车目标位置信息不精准的问题，为非机动车维护人员提供更加准确的杂乱集聚坐标，大大减少了城市交通和市容市貌维护成本。
附图说明
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的城市非机动车杂乱停放识别方法，其特征在于，包括如下步骤：S1、从城市摄像头的倾斜视频中初次取流以获取建模图片画面，并使用机器视觉算法去除干扰后生成摄像区域的区域三维模型；S2、从城市摄像头的倾斜视频中再次取流以获取比对图片画面，使用机器视觉算法对比对图片画面进行新增目标检测，除杂后仅保留非机动车目标：若比对图片画面内没有非机动车目标则重新获取比对图片画面以进行非机动车目标检测；若比对图片画面内有非机动车目标则进入下一步；S3、根据机器视觉算法的计算结果将除杂后的非机动车目标在区域三维模型中定位；S4、计算并存储比对图片画面内的非机动车停留位置和停留时间；S5、判断非机动车的停留时间是否大于预设长时停留时限的第一阈值：若比对图片画面内没有非机动车大于第一阈值则返回至步骤S2，重新获取比对图片画面以进行非机动车目标检测；若比对图片画面内有非机动车大于第一阈值则进入下一步；S6、筛选出长时停放和聚集的非机车，并依据比对图片画面内非机动车累计的位置、时间、形态信息计算非机动车停放的杂乱度；S7、判断非机动车的杂乱度是否大于预设杂乱度的第二阈值：若比对图片画面内非机动车的杂乱度低于第二阈值则返回至步骤S2，重新获取比对图片画面以进行非机动车目标检测；若比对图片画面内非机动车的杂乱度高于第二阈值则判断属于杂乱停放。2.如权利要求1所述的基于机器视觉的城市非机动车杂乱停放识别方法，其特征在于，所述步骤S3中，非机动车目标的位置信息定位包括如下步骤：S301、通过比对图片画面模拟测距建立摄像区域中非机动车目标的像空间辅助坐标系坐标；S302、联合城市摄像头的安装方位角、安装俯仰角和城市摄像头坐标共同确定非机动车目标的机体坐标系坐标；S302、根据城市摄像头的姿态角来确定非机动车目标的站心地平坐标系坐标；S304、根据城市摄像头的经纬高确定城市摄像头的地心直角坐标系坐标；S305、联合非机动车目标的像空间辅助坐标系坐标、机体坐标系坐标、站心地平坐标系坐标，以及城市摄像头的地心直角坐标系坐标综合计算得出非机动车目标的地心直角坐标系坐标，从而解算出非机动车目标的大地坐标。3.如权利要求2所述的基于机器视觉的城市非机动车杂乱停放识别方法，其特征在于，所述非机动车目标的像空间辅助坐标系坐标表示公式如(1)为：式(1)中，比对图片画面模拟测距为Dis，(X1,Y1,Z1)为非机动车目标的像空间辅助坐标系坐标。
4.如权利要求2所述的基于机器视觉的城市非机动车杂乱停放识别方法，其特征在于，所述非机动车目标的机体辅助坐标系坐标与像空间辅助坐标系之间的转换关系表示公式如(...

【专利技术属性】
技术研发人员：林政涛，刘涛，王芸，孙光宇，
申请(专利权)人：浙江通见科技有限公司，
类型：发明
国别省市：