基于目标识别的违章停车事件检测研究

摘要

随着经济水平的不断提升，汽车保有量不断攀升。汽车的数量大幅增加直接导致停车难，违章停车现象越来越严重;怎么解决违章停车问题已经成为了一个世界性难题。随着数字视频技术和人工智能技术的不断发展和成熟，其在交通领域得到了广泛的应用。基于视频图像的违章停车事件检测研究越来越成为研究人员和学者研究的热点。
　　基于视频图像的违章停车事件检测是一个复杂的处理过程，它包括从摄像机中获取视频图像、视频图像中的车辆识别和车辆违章停靠事件检测三个部分。怎么更好的获取目标物体，怎么有效的识别目标物体是不是车辆，怎么有效的判断是不是违章停车都是解决问题的关键。由于违章停车事件检测这个问题本身复杂性原因，目前还没有特别成熟和有效的方法，还有待进一步研究。
　　本文在充分阅读和研究已有的成果后，进行了大量的研究和试验，提出基于特征融合和BP神经网络的车辆识别算法及基于混合高斯模型的车辆违章停靠检测算法。在此基础上，使用计算机视觉库OpenCV和C++图形用户界面库Qt开发设计一个违章停车检测系统。本文研究工作分为以下几方面:
　　首先，本文提出一种基于特征融合和BP神经网络的车辆识别算法。该方法首先对兴趣区域提取灰度共生矩特征和Hu不变矩特征，并把这些特征组合成一种新的特征向量;最后将组合特征向量作为BP神经网络的输入进行训练得到分类器或进行分类识别车辆。
　　其次，提出一种基于混合高斯模型车辆违章停靠检测算法。该方法首先使用混合高斯模型获取第一个背景，之后每隔一定的时间再使用混合高斯模型获取第二个背景;如果两个背景不同且是车辆，则判断是违章停车;如果两个背景不同但不是车辆，则判断不是违章停车，把第二个背景赋给第一个背景进行背景更新;如果两个背景相同，则继续运行。
　　最后，设计违章停车检测系统和搭建实验平台。本文采用视觉库OpenCV和C++界面库Qt作为开发环境，它们不但跨平台且开源免费，具有高性能和高稳定性。Qt包含大量的UI界面类和组件，而OpenCV提供了丰富的图像处理、计算机视觉和机器学习算法，特别适合于视频车辆识别系统的设计开发。对基于特征融合和BP神经网络的车辆识别算法的识别效果进行了测试。试验表明该方法在速度上、准确率上和稳定性上都有明显的改善。

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 研究背景及意义

1．2 研究现状分析

1．3 本文研究

1．4 本文组织结构

第2章 违章停车检测的原理及背景建模

2．1 违章停车检测原理及处理流程

2．2 图像采集及摄像机介绍

2．3 图像预处理介绍

2．3．1 图像灰度化

2．3．2 图像噪声抑制

2．3．3 图像增强

2．4 背景建模

2．4．1 光流法

2．4．2 帧差法

2．4．3 背景差分法

2．5 基于混合高斯背景建模的车辆停靠检测算法

2．5．1 单分布高斯背景建模

2．5．2 混合高斯分布背景建模

2．5．3 基于混合高斯背景建模的车辆停靠检测算法

2．6 小结

第3章 基于特征融合和BP神经网络的车辆识别算法

3．1 基于视频图像的物体检测识别

3．2 物体图像特征介绍

3．2．1 颜色特征

3．2．2 纹理特征

3．2．3 形状特征

3．3 灰度共生矩和Hu矩的特征融合

3．3．1 灰度共生矩特征

3．3．2 Hu不变矩特征

3．4 基于特征融合和BP神经网络的车辆识别算法

3．4．1 机器学习介绍

3．4．2 BP神经网络原理

3．4．3 基于特征融合和BP神经网络的车辆识别算法

3．5 小结

第4章 违章停车检测系统的体系结构

4．1 开发环境及开发库介绍

4．1．1 计算机视觉库OpenCV介绍

4．1．2 C++图像用户界面库QT介绍

4．2 违章停车检测系统模块和功能设计

4．2．1 视频图像数据获取模块

4．2．2 特征计算模块

4．2．3 背景建模模块

4．2．4 非法停靠检测模块

4．2．5 车辆识别模块和训练分类器模块

4．2．6 UI用户界面模块

4．3 违章停车检测系统整体设计介绍

4．3．1 训练分类器模块

4．3．2 违章停车检测模块

4．3．3 子功能模块

4．4 小结

第5章 实验及测试

5．1 实验平台

5．1．1 实验环境的搭建

5．1．2 OpenCV源代码的编译

5．2 实验测试数据集

5．3 实验结果分析

5．3．1 混合高斯背景建模实验

5．3．2 停靠检测实验

5．3．3 BP神经网络实验

5．3．4 车辆识别的实验

5．4 违章停车检测系统展示

5．5 小结

结论

参考文献

致谢