一种自动驾驶违规停车检测方法技术

本申请提供一种自动驾驶违规停车检测方法，包括：构建违规停车信息系统，并判断监控道路所属类型；进行道路的记号和划线检测，识别停车位；识别车辆的停靠状态，具体包括:进行监控视频图像预处理，进行物体的静止识别，并判断物体是否为车辆；统计各区域违规停车情况，判断监控区域是否属于经常性违规路段；获取路段通行能力，以此为根据对经常性违规路段进行停车位规划。停车位规划。停车位规划。

【技术实现步骤摘要】
一种自动驾驶违规停车检测方法


[0001]本专利技术涉及信息
，尤其涉及一种自动驾驶违规停车检测方法。

技术介绍

[0002]停车在大城市里都是较规范的，固定的路段固定的车位，可以很好的判断每一次停车是否违规。但是在五六线城市，很多路段和停车位并没有明确的记号和划线。有些重要路段，确实会有违规停车的问题，有摄像头但是并无法根据车位明显的判断它是否违规停车。同时，缺少记号和划线可会会导致自动驾驶系统对停车位与禁停区域进行误判导致违规停车。路段违规停车的判断，本来是由交通部门规定的，但是在交通法规不够健全的区域，虽然拥有摄像头，但难以根据实际情况进行违规停车惩罚，且不能立刻解决违规停车行为。例如，在人流极少的正规道路违规停车，没有影响到任何人，与在人流很多的小道路上，违规停车。或者将车辆停于禁停区域，造成拥堵。按道理应该是影响到交通更应该受到惩罚。因此需要将技术融入法规，让相关的惩罚更加合理，并且能够执行到位。并且可在造成堵车前基于车联网和自动驾驶系统引导车辆进行自动巡航泊车，进行合规停车。

技术实现思路

[0003]本专利技术提供了一种自动驾驶违规停车检测方法，主要包括：
[0004]构建违规停车信息系统，并判断监控道路所属类型；进行道路的记号和划线检测，识别停车位；识别车辆的停靠状态，所述识别车辆的停靠状态，具体包括：进行监控视频图像预处理，进行物体的静止识别，并判断物体是否为车辆；检测停靠车辆是否违规，判断违规严重度，引导合规泊车，所述检测停靠车辆是否违规，判断违规严重度，引导合规泊车，具体包括：构建过线程度判断模型，建立基于监控视频的道路车流量检测模型，构建违规车辆车牌号识别模型，引导自动驾驶车辆合规泊车，基于多传感器融合的合规泊车，基于卫星导航的自动巡航泊车，判断违规停车的严重性，同步违规信息；统计各区域违规停车情况，判断监控区域是否属于经常性违规路段；获取路段通行能力，以此为根据对经常性违规路段进行停车位规划。
[0005]进一步可选地，所述构建违规停车信息系统，并判断监控道路所属类型包括：
[0006]构建停车违规信息系统，接入交管部门认证API，以此获取各条道路监控摄像头的视频数据；接入开放的地图API，结合API和地图API提供的数据，当摄像头没有标记道路信息时判断接入系统的摄像头所监控道路的道路类型；输出监控摄像头对应的道路编号与地理位置，同步数据库。
[0007]进一步可选地，所述进行道路的记号和划线检测，识别停车位包括：
[0008]基于透视变化和边缘检测建立划线检测模型，以此判断停靠区域是否有停车位的划线；在车辆停靠区域中识别到停车线时，提取停车线标记已有停车位，而后检测停靠车辆的过线程度；在车辆停靠区域未识别到停车线且当地法规未规定禁止路边停车时，利用监控摄像头进行单目测距，在监控图像中绘制相较路边一定距离的平行线，以该线为标准检
测停靠车辆的过线程度；基于LeNet
‑
5卷积神经网络进行禁停标志识别，当存在停车标志则标记禁停区域；划分停车相关区域，输出道路编号、区域编号、停车位类型。
[0009]进一步可选地，所述识别车辆的停靠状态包括：
[0010]读取道路监控的视频图像，检测监控视频中的停车区域出现车辆时，提取该段时间序列中的视频帧，将图像进行预处理；基于混合高斯分布进行图像的背景建模，并与原图像相减；根据预设的物体停靠时间阙值判断物体是否进行静止；识别静止物体是否为车辆；包括：进行监控视频图像预处理；进行物体的静止识别，并判断物体是否为车辆；
[0011]所述进行监控视频图像预处理，具体包括：
[0012]检测出现车辆时，依照RGB颜色空间对固定时间间隔的视频帧进行灰度化处理。以灰度化处理后的图像的每个像素点为中心，选取一个像素点为奇数的矩形区域，将区域内各像素点的灰度值进行排序，以排序后的中值灰度值作为像素点的新灰度值。构建灰度值的直方图，计算图像各灰度值的累积分布频率并归一化处理得到P，将P与灰度直方图中对应灰度值的高度相乘并将结果进行四舍五入以生成新的灰度直方图，而后依照新灰度直方图对原始图像进行灰度值归并。输出预处理后的图像。
[0013]所述进行物体的静止识别，并判断物体是否为车辆，具体包括：
[0014]获取预处理后的图像，对每一帧的图像，利用混合高斯模型背景建模。去除不属于背景的目标，用当前帧减去时间T前的背景，判断一段时间序列中像素变化值是否稳定。判断像素变化之稳定后，当灰度值G区别超过预设的阙值G0便可判断物体静止于停车区域，记有物体为True，无物体为False。按照预设的静止判断阈值T0和静止时间T判断是否静止，记静止为True，无静止为False。基于目标检测进行车辆识别，当判断为车辆后输出图片与车辆检测框坐标。
[0015]进一步可选地，所述检测停靠车辆是否违规，判断违规严重度，引导合规泊车包括：
[0016]构建违规车辆信息数据类型WG，判断出现违规停车行为时存放数据项；将判断为静止车辆的图像作为输入项，检测停靠车辆是否属于违规停车；首先，判断识别车辆是否停靠于禁停区域，若结果为True则判定为违规，结果为False则根据过线距离按照预设的阙值判断是否违规停车；其次，当识别车辆存在违规停车行为时，识别获取车辆号；接入车联网，向车主发送违规停车提示，并申请发送信息至自动驾驶系统引导停车；若车主不接收请求，则建立违规严重度判断模型；获取道路监控实时视频，检测道路车流量；然后，基于目标跟踪算法记录违章停车的时长；基于违规停车相关因素，设定各因素权重Wk计算严重度分数 P，按照预设阈值判定违规严重度；违规停车相关因素包括车辆过线距离、是否于禁停区域停车、违规停车时长、道路车流量；向交管部门数据库同步违规信息，输出车牌号，违规时间，违规停车地点，停车图片，违规严重度；包括：构建过线程度判断模型；建立基于监控视频的道路车流量检测模型；构建违规车辆车牌号识别模型；引导自动驾驶车辆合规泊车；基于多传感器融合的合规泊车；基于卫星导航的自动巡航泊车；判断违规停车的严重性，同步违规信息；
[0017]所述构建过线程度判断模型，具体包括：
[0018]输入监控图像与车辆矩形检测框坐标。提取车辆于监控视频图像中最靠道路外侧一点的坐标x1,y1与同一截面中划线最内侧一点的坐标x2,y2。基于单目测距算法，计算车
辆最外侧坐标与划线坐标的水平距离，记为车辆的过线距离D。按照预定阈值D0判定车辆的过线程度，无过线记为I、轻微过线记为II、严重过线记为III。若车辆停于禁停区域，则记其过线程度为X级。若过线程度为II、III、X，则记为违规停车。以当天检测的车辆次序作为违规车辆编号，输出摄像头编号，违规车辆编号，违规时间，过线程度，过线距离。
[0019]所述建立基于监控视频的道路车流量检测模型，具体包括：
[0020]首先，基于深度神经网路构建多车辆在线跟踪模型。其次，利用道路摄像头采集大量的多环境下的道路车辆行驶视频，运用YOLOv3进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶违规停车检测方法，其特征在于，所述方法包括：构建违规停车信息系统，并判断监控道路所属类型；进行道路的记号和划线检测，识别停车位；识别车辆的停靠状态，所述识别车辆的停靠状态，具体包括：进行监控视频图像预处理，进行物体的静止识别，并判断物体是否为车辆；检测停靠车辆是否违规，判断违规严重度，引导合规泊车，所述检测停靠车辆是否违规，判断违规严重度，引导合规泊车，具体包括：构建过线程度判断模型，建立基于监控视频的道路车流量检测模型，构建违规车辆车牌号识别模型，引导自动驾驶车辆合规泊车，基于多传感器融合的合规泊车，基于卫星导航的自动巡航泊车，判断违规停车的严重性，同步违规信息；统计各区域违规停车情况，判断监控区域是否属于经常性违规路段；获取路段通行能力，以此为根据对经常性违规路段进行停车位规划。2.根据权利要求1所述的方法，其中，所述构建违规停车信息系统，并判断监控道路所属类型，包括:构建停车违规信息系统，接入交管部门认证API，以此获取各条道路监控摄像头的视频数据；接入开放的地图API，结合API和地图API提供的数据，当摄像头没有标记道路信息时判断接入系统的摄像头所监控道路的道路类型；输出监控摄像头对应的道路编号与地理位置，同步数据库。3.根据权利要求1所述的方法，其中，所述进行道路的记号和划线检测，识别停车位，包括:基于透视变化和边缘检测建立划线检测模型，以此判断停靠区域是否有停车位的划线；在车辆停靠区域中识别到停车线时，提取停车线标记已有停车位，而后检测停靠车辆的过线程度；在车辆停靠区域未识别到停车线且当地法规未规定禁止路边停车时，利用监控摄像头进行单目测距，在监控图像中绘制相较路边一定距离的平行线，以该线为标准检测停靠车辆的过线程度；基于LeNet
‑
5卷积神经网络进行禁停标志识别，当存在停车标志则标记禁停区域；划分停车相关区域，输出道路编号、区域编号、停车位类型。4.根据权利要求1所述的方法，其中，所述识别车辆的停靠状态，包括:读取道路监控的视频图像，检测监控视频中的停车区域出现车辆时，提取该段时间序列中的视频帧，将图像进行预处理；基于混合高斯分布进行图像的背景建模，并与原图像相减；根据预设的物体停靠时间阙值判断物体是否进行静止；识别静止物体是否为车辆；包括：进行监控视频图像预处理；进行物体的静止识别，并判断物体是否为车辆；所述进行监控视频图像预处理，具体包括:检测出现车辆时，依照RGB颜色空间对固定时间间隔的视频帧进行灰度化处理；以灰度化处理后的图像的每个像素点为中心，选取一个像素点为奇数的矩形区域，将区域内各像素点的灰度值进行排序，以排序后的中值灰度值作为像素点的新灰度值；构建灰度值的直方图，计算图像各灰度值的累积分布频率并归一化处理得到P，将P与灰度直方图中对应灰度值的高度相乘并将结果进行四舍五入以生成新的灰度直方图，而后依照新灰度直方图对原始图像进行灰度值归并；输出预处理后的图像；所述进行物体的静止识别，并判断物体是否为车辆，具体包括:获取预处理后的图像，对每一帧的图像，利用混合高斯模型背景建模；去除不属于背景的目标，用当前帧减去时间T前的背景，判断一段时间序列中像素变化值是否稳定；判断像
素变化之稳定后，当灰度值G区别超过预设的阙值G0便可判断物体静止于停车区域，记有物体为True，无物体为False；按照预设的静止判断阈值T0和静止时间T判断是否静止，记静止为True，无静止为False；基于目标检测进行车辆识别，当判断为车辆后输出图片与车辆检测框坐标。5.根据权利要求1所述的方法，其中，所述检测停靠车辆是否违规，判断违规严重度，引导合规泊车，包括:构建违规车辆信息数据类型WG，判断出现违规停车行为时存放数据项；将判断为静止车辆的图像作为输入项，检测停靠车辆是否属于违规停车；首先，判断识别车辆是否停靠于禁停区域，若结果为True则判定为违规，结果为False则根据过线距离按照预设的阙值判断是否违规停车；其次，当识别车辆存在违规停车行为时，识别获取车辆号；接入车联网，向车主发送违规停车提示，并申请发送信息至自动驾驶系统引导停车；若车主不接收请求，则建立违规严重度判断模型；获取道路监控实时视频，检测道路车流量；然后，基于目标跟踪算法记录违章停车的时长；基于违规停车相关因素，设定各因素权重Wk计算严重度分数P，按照预设阈值判定违规严重度；违规停车相关因素包括车辆过线距离、是否于禁停区域停车、违规停车时长、道路车流量；向交管部门数据库同步违规信息，输出车牌号，违规时间，违规停车地点，停车图片，违规严重度；包括：构建过线程度判断模型；建立基于监控视频的道路车流量检测模型；构建违规车辆车牌号...

【专利技术属性】
技术研发人员：熊常春，王敬贵，李国元，沈之锐，刘妍，吴江川，李苗，熊桥峰，张富耕，
申请(专利权)人：深圳季连科技有限公司，
类型：发明
国别省市：