基于智能视频设备的城市路侧违停车辆检测方法及系统技术方案

本发明专利技术涉及一种基于智能视频设备的城市路侧违停车辆检测方法及系统，包括以下步骤:步骤S1:采用智能视频设备搭载的摄像头获取路侧视频数据；步骤S2:将路侧视频数据进行预处理；步骤S3:根据路侧图像数据集；步骤S4:将待测路侧视频据输入训练后的实例分割算法；步骤S5:采用二维卡尔曼滤波器跟踪线外车辆的掩膜面。步骤S6:采用运动判断方法产生视频中运动物体的特征点。步骤S7:多个终端的联合违停判别处理，若某一线外静止车辆被不同设备重复检测，并且与第一次检测时间的间隔大于一定的阈值，则判定为违停车辆。本发明专利技术可以准确检测路侧停车位车辆违停现象，有助于规范路侧停车资源的使用，有效地对路侧违停现象进行监管。有效地对路侧违停现象进行监管。有效地对路侧违停现象进行监管。

【技术实现步骤摘要】
基于智能视频设备的城市路侧违停车辆检测方法及系统


[0001]本专利技术涉及车辆检测
，特别是基于智能视频设备的城市路侧违停车辆检测方法及系统。

技术介绍

[0002]路侧停车位指的是充分利用道路闲置资源而规划建造的道路两旁的停车区域。其主要目的是为了缓解城市停车位紧张，以及方便车辆停放。随着城市私家车数量迅速增长，城市停车场（位），以及路侧停车位数量严重不足。道路两侧车辆违停现象越专利技术显，违停车辆不仅影响市容，还会使得道路交通系统越发拥堵。目前，对违停车辆的检测主流方法还是依靠交警或者市民进行违停车辆的拍摄，此方法不能做到自动化识别，并且浪费人力物力。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种基于智能视频设备的城市路侧违停车辆检测方法及系统，有助于规范路侧停车资源的使用，有效地对路侧违停现象进行监管。
[0004]为实现上述目的，本专利技术采用如下技术方案：基于智能视频设备的城市路侧违停车辆检测方法，包括以下步骤:步骤S1:采用智能视频设备搭载的摄像头获取路侧视频数据；步骤S2:将路侧视频数据进行预处理，得到路侧图像数据集；步骤S3:根据路侧图像数据集，构建并训练实例分割模型；步骤S4:将待测路侧视频据输入训练后的实例分割算法，根据车辆是否在路侧停车线内，将车辆分为线内车辆以及线外车辆两大类，并且获得线内车辆与线外车辆的掩膜面；步骤S5:采用二维卡尔曼滤波器跟踪分类后线的线外车辆掩膜面，得到分析结果；步骤S6:基于线外车辆的掩膜面并结合运动判断方法，判断线外车辆是否静止，并将线外静止车辆信息传输至数据库；步骤S7:多个终端的联合违停判别处理。
[0005]在一较佳的实施例中，所述视频预处理包括，视频帧拆分、填充、数据增强和改变大小；所述实例分割算法检测类别分为路侧停车线线内车辆，路侧停车线线外车辆；所述实例分割算法采用YOLO检测算法；所述二维卡尔曼滤波器结合匈牙利算法对卡尔曼预测的状态和新检测结果进行匹配；所述运动判断方法用于检测基于动态相机下的运动物体；所述多个终端的联合违停判别处理基于多个移动端设备进行线外静止车辆的判别，若某一线外静止车辆被不同设备重复检测，并且与第一次检测时间的间隔大于一定的阈值，则判定为违停车辆。
[0006]本专利技术还提供了基于智能视频设备的城市路侧违停车辆检测方法的系统，采用了上述的基于智能视频设备的城市路侧违停车辆检测方法，包括视频采集模块、实例分割与跟踪模块、运动判别模块、车牌识别模块、定位计时模块、数据传输模块、数据存储管理模
块、联合违停判别模块、可视化模块；所述视频采集模块、实例分割与跟踪模块、运动判别模块、车牌识别模块、定位计时模块、数据传输模块、数据存储管理模块、可视化模块依次连接；联合违停判别模块、数据传输模块、数据储存管理模块构成循环模式。
[0007]在一较佳的实施例中，所述实例分割与跟踪模块对采集的视频数据进行检测，输出两类掩膜面：路侧停车线线内车辆掩膜面、路侧停车线线外车辆掩膜面；并利用二维卡尔曼滤波器结合匈牙利算法对线外车辆掩膜面进行跟踪。
[0008]在一较佳的实施例中，所述运动判别模块基于动态相机的运动判断方法产生视频中运动物体的特征点，若线外车辆掩膜面中没有运动特征点，则处于静止状态，即判定为线外静止车辆。
[0009]在一较佳的实施例中，所述车牌识别模块基于单阶段目标检测算法的车牌检测模型进行线外静止车辆车牌号码的识别。
[0010]在一较佳的实施例中，所述定位计时模块基于运动判别模块的判别结果记录线外静止车辆的经纬度信息，以及线外静止车辆的检测时间。
[0011]在一较佳的实施例中，所述数据存储管理模块基于数据库对经过数据传输模块处理的线外静止车辆数据信息进行存储管理。
[0012]在一较佳的实施例中，所述联合违停判别模块基于多个移动端设备进行线外静止车辆的判别，若某一线外静止车辆被不同设备重复检测，并且与第一次检测时间的间隔大于一定的阈值，则判定为违停车辆。
[0013]在一较佳的实施例中，所述可视化模块是确定得到违停车辆位置坐标后，通过HTML调用网络电子地图的API在地图上标注。
[0014]与现有技术相比，本专利技术具有以下有益效果：本专利技术可以准确检测路侧停车位车辆违停现象，有助于规范路侧停车资源的使用，有效地对路侧违停现象进行监管。
附图说明
[0015]图1为本专利技术优选实施例的方法流程图；图2为本专利技术优选实施例的系统结构示意图。
具体实施方式
[0016]下面结合附图及实施例对本专利技术做进一步说明。
[0017]应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0018]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式；如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0019]请参照图1，本专利技术提供一种基于智能视频设备的城市路侧停违停车辆检测方法，包括以下步骤:步骤S1:采用智能视频设备搭载的摄像头获取路侧视频数据；
优选的，在本实施例中，智能视频设备是搭载在行驶的车辆上，安装于副驾驶座位前与右方车门成60
°
角位置。
[0020]步骤S2:将路侧视频数据进行预处理，得到路侧图像数据集；优选的，在本实施例中，帧拆分后的图像数据要经过填充、数据增强、改变大小等操作。
[0021]步骤S3:根据路侧图像数据集，构建并训练实例分割模型；步骤S4:将待测路侧视频据输入训练后的实例分割算法，根据车辆是否在路侧停车线内，将车辆分为线内车辆以及线外车辆两大类，并且获得线内车辆与线外车辆的掩膜面；优选的，在本实施例中，实例分割算法采用YOLO检测算法，检测类别分为路侧停车线线内车辆，路侧停车线线外车辆。
[0022]步骤S5:采用二维卡尔曼滤波器跟踪分类后的线外车辆掩膜面，得到分析结果。
[0023]步骤S6:基于线外车辆的掩膜面并结合运动判断方法，判断线外车辆是否静止，并将线外静止车辆信息传输至数据库。
[0024]优选的，在本实施例中，所述运动判断方法采用基于动态相机的物体运动判别方法。
[0025]步骤S7:多个终端的联合违停判别处理。
[0026]优选的，在本实施例中，所述联合违停判别模块基于多个移动端设备进行线外静止车辆的判别，若某一线外静止车辆被不同设备重复检测，并且与第一次检测时间的间隔大于一定的阈值，则判定为违停车辆。
[0027]参考图2，在本实施例中，基于智能视频设备的城市路侧违停车辆检测系统，包括视频采集模块、实例分割与跟踪模块、运动判别模块、车牌识别模块、定位计时模块、数据传输模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于智能视频设备的城市路侧违停车辆检测方法，其特征在于，包括以下步骤:步骤S1:采用智能视频设备搭载的摄像头获取路侧视频数据；步骤S2:将路侧视频数据进行预处理，得到路侧图像数据集；步骤S3:根据路侧图像数据集，构建并训练实例分割模型；步骤S4:将待测路侧视频据输入训练后的实例分割算法，根据车辆是否在路侧停车线内，将车辆分为线内车辆以及线外车辆两大类，并且获得线内车辆与线外车辆的掩膜面；步骤S5:采用二维卡尔曼滤波器跟踪分类后线的线外车辆掩膜面，得到分析结果；步骤S6:基于线外车辆的掩膜面并结合运动判断方法，判断线外车辆是否静止，并将线外静止车辆信息传输至数据库；步骤S7:多个终端的联合违停判别处理。2.根据权利要求1所述的基于智能视频设备的城市路侧违停车辆检测方法，其特征在于，所述视频预处理包括，视频帧拆分、填充、数据增强和改变大小；所述实例分割算法检测类别分为路侧停车线线内车辆以及路侧停车线线外车辆，路侧停车线线内车辆以及路侧停车线线外车辆以通过卷积神经网络产生的掩膜面进行像素级划分；所述实例分割算法采用YOLO检测算法；所述二维卡尔曼滤波器结合匈牙利算法对卡尔曼预测的状态和新检测结果进行匹配；把第一帧实例分割结果作为检测面，经过卡尔曼滤波器对物体的轨迹进行预测，产生跟踪面，最后结合匈牙利算法对前后两帧的跟踪面进行匹配，并将ID号赋予线外车辆，ID号作为每辆车的专有属性；所述运动判断方法用于检测基于动态相机下的运动物体，通过运动检测算法联合相邻视频帧，产生视频中物体的运动特征点，以此来区分视频中运动与静止的物体；多个终端的联合违停判别处理基于多个移动端设备进行线外静止车辆的判别，若某一线外静止车辆被不同设备重复检测，并且与第一次检测时间的间隔大于一定的阈值，则判定为违停车辆；判断所检测的车辆是否是重复检测车辆，根据数据库中存储的所检测的车辆的车牌信息以及坐标位置信息来判断线外静止车辆是否为同一车辆；若第n次得到的坐标位置数据与数据库中该车辆的坐标位置数据的差值的绝对值小于一定的阈值，且车牌所识别的车牌号码相同，则认为第n次识别出的线外静止车辆与第一次识别出的线外静止车辆相同。3.基于智能视频设备的城市路侧违停车辆检测方法的系统，其特征在于采用了...

【专利技术属性】
技术研发人员：孙玉，唐康，王刚，廖烽顺，汪菊，吴宜良，
申请(专利权)人：福州大学，
类型：发明
国别省市：