[發(fā)明專利]一種基于多核并行的違章停車檢測方法

有效

• 申請?zhí)枺?/td>: 201310287355.9
• 申請日: 2013-07-09
• 公開（公告）號: CN103325259A
• 公開（公告）日: 2013-09-25
• 發(fā)明（設(shè)計(jì)）人: 王韋樺;劉志鏡;劉慧;袁通;強(qiáng)波;徐曾;張慧澤;張璐萱;趙宏偉;李雨楠;賀文驊;熊靜;唐國良;趙緯龍;曹文濤
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G08G1/017
• 分類號: G08G1/017;G06K9/00
• 代理公司: 北京科億知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 湯東鳳

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺以及并行計(jì)算領(lǐng)域相關(guān)技術(shù)，具體涉及一種基于多核并行的違章停車檢測方法，是一種視頻監(jiān)控中違章停車事件的快速檢索方法。

背景技術(shù)

隨著經(jīng)濟(jì)社會的快速發(fā)展，城市規(guī)模不斷擴(kuò)大，城市交通面臨著巨大的壓力，智能交通系統(tǒng)也得到了廣泛的研究與應(yīng)用，智能交通監(jiān)控系統(tǒng)包含了交通違法的現(xiàn)場自動取證設(shè)備以及違法處罰的信息管理系統(tǒng)，以及合法、有效的執(zhí)行過程，是綜合計(jì)算機(jī)視覺、人工智能、模式識別、圖像處理、現(xiàn)代控制、通訊技術(shù)、大型數(shù)據(jù)庫管理等先進(jìn)技術(shù)，涉及光學(xué)、無線電、計(jì)算機(jī)、電子信息、網(wǎng)絡(luò)等諸多領(lǐng)域。通過智能交通系統(tǒng)建設(shè)，可以提高交通管理與服務(wù)的信息化水平和決策支持能力，是減少交通事故，解決交通擁堵，促進(jìn)城市環(huán)保，提高人民生活質(zhì)量的根本途徑。由于智能化的視頻檢測方法有準(zhǔn)確率高、實(shí)時(shí)性好、成本低、易于安裝、維護(hù)、改動方便、能進(jìn)行大區(qū)域檢測、可以提供大量交通管理信息等優(yōu)點(diǎn)，因此，近年來，基于監(jiān)控視頻進(jìn)行違章停車檢測和識別的方法受到了越來越多的關(guān)注。

當(dāng)前，大多數(shù)基于計(jì)算機(jī)視覺的違章停車檢測技術(shù)的研究主要集中在對已獲取的監(jiān)控場景的視頻流進(jìn)行處理，實(shí)現(xiàn)車輛對象的檢測、跟蹤和違章停車行為識別。現(xiàn)階段基于計(jì)算機(jī)視覺技術(shù)的違章停車檢測方法包括以下步驟：背景模型建立，前景檢測和過濾，前景目標(biāo)標(biāo)識和跟蹤以及違章停車的判斷。首先利用模型對背景建模，提取前景，通過腐蝕、膨脹、聯(lián)通區(qū)域檢測以及尺度濾波濾除行人和其他非機(jī)動車輛對監(jiān)控目標(biāo)的干擾。然后根據(jù)車輛是否處于禁止停車的區(qū)域內(nèi)以及記錄處于禁止停車區(qū)域內(nèi)的時(shí)間長短，來判斷該車輛是否為違章停車車輛。

由于該技術(shù)檢測的運(yùn)動目標(biāo)處于復(fù)雜場景，因此對背景進(jìn)行建模、獲取前景信息等步驟耗時(shí)較多，實(shí)現(xiàn)多攝像頭多場景實(shí)時(shí)性監(jiān)控較困難。

Map-Reduce是Google提出的一個(gè)軟件架構(gòu)，用于大規(guī)模數(shù)據(jù)集（大于1TB）的并行運(yùn)算。概念“Map（映射）”和“Reduce（化簡）”，及他們的主要思想，都是從函數(shù)式編程語言借來的，還有從矢量編程語言借來的特性。計(jì)算機(jī)視覺算法通常對大量視頻幀做基于像素的處理，屬于數(shù)據(jù)密集型的操作，串行執(zhí)行時(shí)間消耗非常大。Map-reduce模型正適用于這樣的應(yīng)用場景，可以對待檢測的輸入視頻幀進(jìn)行并行檢測，顯著提高檢測效率，最后得到統(tǒng)一處理后的檢測結(jié)果。為了提高檢測速度，本發(fā)明創(chuàng)新性地將Map-reduce和計(jì)算機(jī)視覺技術(shù)相結(jié)合，能夠快速地進(jìn)行違章停車的檢測。

本發(fā)明旨在降低原有技術(shù)和方法大量的時(shí)間開銷，提供一種利用Map-Reduce編程模型的計(jì)算機(jī)視覺技術(shù)，用以分析和完成運(yùn)動目標(biāo)的檢測，有效的降低了原有相應(yīng)方法的時(shí)間復(fù)雜度，為用戶提供了較高的實(shí)時(shí)性，同時(shí)在省時(shí)的基礎(chǔ)上保障對違章停車較高的識別準(zhǔn)確率。該方法的應(yīng)用有助于改善違章停車的檢測水平。

發(fā)明內(nèi)容

鑒于現(xiàn)有技術(shù)的不足，本發(fā)明通過將基于區(qū)域分塊的違章停車檢測算法與Map-Reduce并行計(jì)算框架相結(jié)合，可以顯著減少在一段監(jiān)控視頻中檢測違章停車事件的時(shí)間消耗，從而提高檢測效率。

進(jìn)一步地說，傳統(tǒng)的違章停車檢測方法包括場景的背景建模、前景分割、前景目標(biāo)提取、行為識別和違章停車判斷等步驟，需要對每一幀視頻圖像串行處理，時(shí)間消耗很大。

而本發(fā)明基于區(qū)域分塊的違章停車檢測方法有效地降低了計(jì)算和處理的復(fù)雜度，同時(shí)能滿足檢測的準(zhǔn)確率，對算法中計(jì)算量最大的部分利用Map-Reduce模型并行計(jì)算進(jìn)一步縮短了檢測時(shí)間，提高了檢測的效率。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：

一種基于多核并行的違章停車檢測方法，具有用于拍攝的攝像頭，以及與所述攝像頭連接的處理系統(tǒng)，其中，所述處理系統(tǒng)中設(shè)有用于比對是否違章停車的原圖像，所述方法包括以下步驟：

（1）背景建模，其中，使用改進(jìn)的碼本模型進(jìn)行背景建模；

（2）前景分割，其中，對檢測時(shí)間段內(nèi)的視頻幀做前景分割，并獲得二值圖像；

（3）數(shù)據(jù)預(yù)處理，具體是，將所述二值圖像與所述原圖像均勻分割成M*N個(gè)矩形區(qū)域塊，每個(gè)區(qū)域塊為一個(gè)數(shù)據(jù)單元，其中，對禁止停車的位置區(qū)域塊進(jìn)行標(biāo)記；

（4）映射-化簡并行計(jì)算，分為兩個(gè)階段，包括映射階段與化簡階段其中，所述映射階段將所有所述數(shù)據(jù)單元分發(fā)計(jì)算，統(tǒng)計(jì)每一個(gè)所述區(qū)域塊中前景像素比例和前景的顏色特征向量，獲得<區(qū)域塊編號，{幀號，前景比例，前景顏色特征向量}>中間結(jié)果；所述化簡階段，匯總每一個(gè)區(qū)域塊的計(jì)算結(jié)果，獲得<區(qū)域編號，list（{幀號，前景比例，前景顏色特征向量}）>；