本發(fā)明屬于圖像處理、視頻檢測和人工智能交叉技術(shù)應(yīng)用領(lǐng)域，尤其涉及一種基于三重背景更新的違章停車檢測方法。

背景技術(shù)：

隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展，城市中的車輛數(shù)目快速增長。停車需求和停車場地的供給矛盾日益突出，違章停車成為城市的頑疾，對城市的整體交通環(huán)境和行人安全存在嚴(yán)重影響。

傳統(tǒng)的違章停車檢測主要是通過人工監(jiān)管，無法實(shí)現(xiàn)實(shí)時(shí)監(jiān)控，極大地浪費(fèi)了交通管制的資源。近年來隨著視頻檢測技術(shù)和計(jì)算機(jī)視覺技術(shù)的發(fā)展，基于監(jiān)控視頻的違章停車檢測受到了越來越多的關(guān)注。

基于視頻的違章停車檢測主要包括以下步驟：建立背景模型進(jìn)行車輛檢測，進(jìn)行車輛跟蹤，進(jìn)行違章停車的判斷。由于運(yùn)動(dòng)目標(biāo)處于復(fù)雜場景，背景建模過程比較復(fù)雜、跟蹤過程容易出現(xiàn)失敗，實(shí)時(shí)性監(jiān)控較困難。因此，發(fā)明一種有效的違章停車檢測方法意義重大。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于彌補(bǔ)現(xiàn)有違章停車檢測的不足，提出了一種基于三重背景更新的違章停車檢測方法，通過對當(dāng)前背景、緩沖背景和違停車輛背景進(jìn)行更新，有效地檢測出違停車輛，提高違章停車檢測的準(zhǔn)確性和實(shí)時(shí)性。

本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：

一種基于三重背景更新的違章停車檢測方法，包括如下步驟：

步驟1，用戶輸入視頻鏡頭s，定義s＝{f1,f2,...,fn}，fn為第n個(gè)鏡頭幀，fn用大小為r*l的二維矩陣表示，其中，n為正整數(shù)，r為矩陣行數(shù)，l為矩陣列數(shù)；

步驟2，創(chuàng)建當(dāng)前背景current_bg和緩沖背景buffer_bg，將第一幀圖像f1灰度化處理后得到的灰度差值圖像f1'作為當(dāng)前背景current_bg和緩沖背景buffer_bg的初始值；其中，current_bg和buffer_bg均用大小為r*l的二維矩陣表示；所述灰度化處理是將彩色圖像轉(zhuǎn)化成為灰度圖像的過程；

步驟3，對步驟2創(chuàng)建的當(dāng)前背景current_bg和緩沖背景buffer_bg進(jìn)行處理，進(jìn)而檢測出違停車輛；具體步驟如下：

定義違停車輛檢測圖像為fore，fore用大小為r*l的二維矩陣表示；對當(dāng)前背景current_bg和緩沖背景buffer_bg中的每個(gè)像素點(diǎn)j進(jìn)行如下計(jì)算：

fore(j)＝current_bg(j)-buffer_bg(j)

若fore(j)＞t'，則判定j為前景點(diǎn)；

若fore(j)≤t'，則判定j為背景點(diǎn)；

則fore(j)＞t'的構(gòu)成檢測出的違停車輛；

其中，fore(j)為違停車輛檢測圖像第j個(gè)像素點(diǎn)的色彩值，current_bg(j)為當(dāng)前背景current_bg第j個(gè)像素點(diǎn)的色彩值，buffer(j)為緩沖背景buffer_bg第j個(gè)點(diǎn)的像素值，t'為色差閾值；

步驟4，將第k幀當(dāng)前背景current_bg各像素值與第k+1幀圖像fk+1對應(yīng)像素值進(jìn)行比較：

若當(dāng)前背景current_bg各像素值小于圖像fk+1對應(yīng)像素值，則當(dāng)前背景current_bg對應(yīng)像素值增加1個(gè)單位；

若當(dāng)前背景current_bg各像素值大于圖像fk+1對應(yīng)像素值，則當(dāng)前背景current_bg對應(yīng)像素值減少1個(gè)單位；

若當(dāng)前背景current_bg各像素值等于圖像fk+1對應(yīng)像素值，當(dāng)前背景current_bg對應(yīng)像素值保持不變；

步驟5，通過違停車輛的緩存背景判斷違停車輛何時(shí)離開：具體步驟如下：定義違停車輛背景為abandon_bg，abandon_bg用大小為r*l的二維矩陣表示，r為矩陣行數(shù)，l為矩陣列數(shù)；設(shè)置定時(shí)器inter，以固定時(shí)間隔作為違停車輛背景abandon_bg的更新周期，對當(dāng)前背景current_bg和緩沖背景buffer_bg中的每個(gè)像素點(diǎn)j進(jìn)行如下計(jì)算：

abandon_bg(j)＝current_bg(j)-buffer_bg(j)

若abandon_bg(j)＞t”，則判定j為前景點(diǎn)；

若abandon_bg(j)≤t”，則判定j為背景點(diǎn)；

其中，abandon_bg(j)為違停車輛背景abandon_bg第j個(gè)像素點(diǎn)的色彩值，current_bg(j)為當(dāng)前背景current_bg第j個(gè)像素點(diǎn)的色彩值，buffer(j)為緩沖背景buffer_bg第j個(gè)點(diǎn)的像素值，t”為色差閾值；

步驟5.1，若違停車輛背景abandon_bg與當(dāng)前背景current_bg對應(yīng)區(qū)域背景像素不同，則判定違停車輛未離開，反之判定違停車輛離開；

步驟5.2，若違停車輛離開，則用當(dāng)前背景current_bg的像素值更新違停車輛背景abandon_bg對應(yīng)區(qū)域，同時(shí)緩沖背景buffer_bg完全復(fù)制當(dāng)前背景current_bg；若違停車輛未離開，則用違停車輛背景abandon_bg像素值更新緩沖背景buffer_bg的對應(yīng)區(qū)域，同時(shí)重新設(shè)置定時(shí)器inter；

步驟6，通過八連通序貫算法對檢測到的違停車輛進(jìn)行區(qū)域連通性分析，進(jìn)而構(gòu)建出最小外接矩陣。

作為本發(fā)明所述的一種基于三重背景更新的違章停車檢測方法進(jìn)一步優(yōu)化方案，所述步驟6具體包含如下步驟：

步驟6.1，從左至右，從上到下對圖像進(jìn)行搜索，尋找灰度值為255且沒有標(biāo)記過的像素點(diǎn)，標(biāo)記該像素點(diǎn)為a，記錄其坐標(biāo)值；

步驟6.2，在像素點(diǎn)a附近按八個(gè)方向進(jìn)行搜索，尋找灰度值為255且沒有標(biāo)記過的像素點(diǎn)，將該像素送入堆棧；所述八個(gè)方向包含上、下、左、右、左斜上、左斜下、右斜上、右斜下；

步驟6.3，搜索像素點(diǎn)a的八個(gè)方向結(jié)束后，取出棧頂?shù)南袼攸c(diǎn)，重復(fù)步驟6.1、步驟6.2直至無法搜索到?jīng)]有標(biāo)記的像素點(diǎn)為止；

步驟6.4，完成上述過程后，統(tǒng)計(jì)標(biāo)記的像素點(diǎn)并與設(shè)定的像素閾值相比較，如果大于該閾值，則檢測到運(yùn)動(dòng)目標(biāo)；

步驟6.5，區(qū)域標(biāo)記完成后，對整個(gè)圖像從左到右，從上到下進(jìn)行一次掃描，找出每個(gè)區(qū)域中橫縱坐標(biāo)的最大值和最小值，構(gòu)建出運(yùn)動(dòng)目標(biāo)最小外接矩形。

作為本發(fā)明所述的一種基于三重背景更新的違章停車檢測方法進(jìn)一步優(yōu)化方案，步驟3中色差閾值t'取95。

作為本發(fā)明所述的一種基于三重背景更新的違章停車檢測方法進(jìn)一步優(yōu)化方案，步驟5中定時(shí)器inter時(shí)間間隔取15s。

作為本發(fā)明所述的一種基于三重背景更新的違章停車檢測方法進(jìn)一步優(yōu)化方案，步驟5中色差閾值t”取60。

本發(fā)明提出的一種基于三重背景更新的違章停車檢測方法，具體有益效果如下：

1、本發(fā)明采用像素比較法對當(dāng)前背景模型進(jìn)行背景更新，降低了計(jì)算量，提高檢測算法的實(shí)時(shí)性；

2、本發(fā)明對緩沖背景和違停車輛檢測背景進(jìn)行更新，從而避免違停車輛的停留時(shí)間過長而融入背景；

3、本發(fā)明采用嚴(yán)格的篩選方法，消除干擾目標(biāo)(靜止行人、靜止自行車)對違停車輛的影響，提高算法的準(zhǔn)確度，盡量減少漏檢和誤檢率。

附圖說明

圖1是一種基于三重背景更新的違章停車檢測方法實(shí)現(xiàn)流程圖。

具體實(shí)施方式

下面對本發(fā)明附圖的某些實(shí)施例作更加詳細(xì)的描述。

根據(jù)附圖1，本發(fā)明具體實(shí)施方式為：

1)輸入一個(gè)視頻序列s＝{f1,f2,...,f30}，fi為第i個(gè)鏡頭幀，用大小為30*30的二維矩陣表示，創(chuàng)建當(dāng)前背景和緩沖背景并進(jìn)行初始化；具體如下：

創(chuàng)建當(dāng)前背景current_bg和緩沖背景buffer_bg，current_bg和buffer_bg均用大小為30*30的二維矩陣表示；將第一幀視頻圖像f1進(jìn)行灰度化處理后得到的灰度差值圖像f1'作為當(dāng)前背景和緩沖背景的初始值。

2)對1)創(chuàng)建的當(dāng)前背景和緩沖背景進(jìn)行處理檢測出違停車輛；具體如下：

定義違停車輛檢測圖像為fore，fore用大小為30*30的二維矩陣表示；對當(dāng)前背景current_bg和緩沖背景buffer_bg中的每個(gè)像素點(diǎn)j進(jìn)行如下計(jì)算：

fore(j)＝current_bg(j)-buffer_bg(j)

若fore(j)＞t'，則判定j為前景點(diǎn)；

若fore(j)≤t'，則判定j為背景點(diǎn)；

其中，fore(j)為違停車輛檢測圖像第j個(gè)像素點(diǎn)的色彩值，forecurrent_bg(j)為當(dāng)前背景current_bg第j個(gè)像素點(diǎn)的色彩值，buffer(j)為緩沖背景buffer_bg第j個(gè)點(diǎn)的像素值，t'為色差閾值；

3)以第一幀中當(dāng)前背景current_bg各像素值與第二幀圖像f2對應(yīng)像素值進(jìn)行比較為例。如果前者偏小，則當(dāng)前背景current_bg對應(yīng)像素值增加1個(gè)單位；如果前者偏大，則當(dāng)前背景current_bg對應(yīng)像素值減少1個(gè)單位；在兩者相等的情況下，當(dāng)前背景current_bg對應(yīng)像素值保持不變。即使視頻中運(yùn)動(dòng)目標(biāo)快速變化也不會(huì)影響當(dāng)前背景current_bg，但如果視頻中的運(yùn)動(dòng)目標(biāo)是靜止的，它將逐漸融入到當(dāng)前背景current_bg中；

4)違停車輛背景用于記錄違停車輛的緩存背景，由此能夠判斷出遺留物什么時(shí)候離開并且停留了多久。定義違停車輛背景為abandon_bg，abandon_bg用大小為30*30的二維矩陣表示；設(shè)置定時(shí)器inter，以固定時(shí)間隔20秒作為違停車輛背景abandon_bg的更新周期，對當(dāng)前背景current_bg和緩沖背景buffer_bg中的每個(gè)像素點(diǎn)j進(jìn)行如下計(jì)算：

abandon_bg(j)＝current_bg(j)-buffer_bg(j)

若abandon_bg(j)＞t”，則判定j為前景點(diǎn)；

若abandon_bg(j)≤t”，則判定j為背景點(diǎn)；

其中，abandon_bg(j)為違停車輛背景abandon_bg第j個(gè)像素點(diǎn)的色彩值，current_bg(j)為當(dāng)前背景current_bg第j個(gè)像素點(diǎn)的色彩值，buffer(j)為緩沖背景buffer_bg第j個(gè)點(diǎn)的像素值，t”為色差閾值；

5)如果違停車輛背景abandon_bg與當(dāng)前背景current_bg對應(yīng)區(qū)域背景像素不同，判定違停車輛未離開，否則判定離開；

6)如果違停車輛離開了，則用當(dāng)前背景current_bg的像素值更新違停車輛背景abandon_bg對應(yīng)區(qū)域，同時(shí)緩沖背景buffer_bg完全復(fù)制當(dāng)前背景current_bg。如果違停車輛未離開，則用違停車輛背景abandon_bg像素值更新緩沖背景buffer_bg的對應(yīng)區(qū)域，同時(shí)重新設(shè)置定時(shí)器inter。

7)為了提取到完整的運(yùn)動(dòng)目標(biāo)，往往需要對圖像進(jìn)行區(qū)域連通性分析，當(dāng)連通區(qū)域的面積大于設(shè)定的閾值時(shí)，認(rèn)為是運(yùn)動(dòng)目標(biāo)，接著求取其最小外接矩陣。對檢測到的違停車輛基于八連通序貫算法進(jìn)行區(qū)域連通性分析構(gòu)建出運(yùn)動(dòng)目標(biāo)的外接矩陣，具體過程如下：

(1)從左至右，從上到下對圖像進(jìn)行搜索，尋找灰度值為255且沒有標(biāo)記過的像素點(diǎn)，標(biāo)記該像素點(diǎn)為a，記錄其坐標(biāo)值；

(2)在像素點(diǎn)a附近按八個(gè)方向進(jìn)行搜索，尋找灰度值為255且沒有標(biāo)記過的像素點(diǎn)，將該像素送入堆棧；所述八個(gè)方向包含上、下、左、右、左斜上、左斜下、右斜上、右斜下。

(3)搜索像素點(diǎn)a的八個(gè)方向結(jié)束后，取出棧頂?shù)南袼攸c(diǎn)，重復(fù)步驟(1)、(2)直至無法搜索到?jīng)]有標(biāo)記的像素點(diǎn)為止；

(4)完成上述過程后，統(tǒng)計(jì)標(biāo)記的像素點(diǎn)并與設(shè)定的像素閾值1000相比較，如果大于該閾值，則檢測到運(yùn)動(dòng)目標(biāo)；

(5)區(qū)域標(biāo)記完成后，對整個(gè)圖像從左到右，從上到下進(jìn)行一次掃描，找出每個(gè)區(qū)域中橫縱坐標(biāo)的最大值和最小值，構(gòu)建出運(yùn)動(dòng)目標(biāo)最小外接矩形。