[發明專利]基于多特征識別的違停檢測方法及系統

有效

• 申請號: 201710076376.4
• 申請日: 2017-02-13
• 公開（公告）號: CN106600977B
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 易苗;劉軍;臧磊
• 申請（專利權）人: 深圳英飛拓科技股份有限公司
• 主分類號: G08G1/017
• 分類號: G08G1/017
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 葛勤

1.一種基于多特征識別的違停檢測方法，其特征在于，包括以下步驟：

S1、設置監控區域；

S2、獲取監控區域的圖片數據；

S3、根據圖片數據確定目標車輛，具體包括：

S301、根據圖片數據訓練Adaboost分類器，同時進行目標特征的選擇；

S302、根據haar-like特征提取算法獲取圖片數據中目標的特征；

S303、將目標的特征輸入到Adaboost分類器；

S304、Adaboost分類器對輸入的目標的特征進行識別，確定是否為車輛，是則確定目標車輛，進入步驟S4，否則返回步驟S2；

S4、間隔獲取監控區域的多幅圖片數據；

S5、根據多幅圖片數據判斷目標車輛的位置是否變化，是則返回步驟S2，否則進入步驟S6，具體包括：

S501、根據獲取的多幅圖片數據，生成每一幅圖片數據中目標車輛的中心點；

S502、計算中心點的位移量；

S503、判斷中心點的位移量是否小于閥值，是則進入步驟S6；

S6、提取目標車輛的位置數據并保存；

S7、獲取并保存包含目標車輛的遠景圖片數據；

S8、根據位置信息獲取目標車輛的放大圖片數據，具體包括：

S801、根據haar-like特征提取算法獲取放大圖片數據中目標車輛的形狀數據，將結果輸入Adaboost分類器，具體包括：

S8011、根據sobel算法確定數據圖像中的車牌位置；

S8012、對數據圖像中車牌位置區域內的字符進行切割；

S8013、根據Adaboost分類器對字符進行對比識別，得到字符識別結果；

S802、獲取放大圖片數據中目標車輛的顏色數據，將結果輸入Adaboost分類器；

S803、根據車牌識別算法獲取放大圖片數據中目標車輛的車牌識別數據，將結果輸入Adaboost分類器；

S804、Adaboost分類器對輸入的形狀數據、顏色數據和車牌識別數據分別進行分類處理，并將各特征數據匯總為目標車輛的特征信息數據；

S9、根據放大圖片數據對目標車輛進行識別，生成目標車輛的形狀數據、顏色數據和車牌識別數據并保存；

S10、將目標車輛的位置數據、形狀數據、顏色數據和車牌識別數據打包并保存為特征信息數據；

S11、標記目標車輛在遠景圖片數據中的位置為校驗預置位；

S12、標記完成后開始計時；

S13、判斷計時是否達到預設時間，是則轉到步驟S14，否則返回步驟S2；

S14、獲取校驗預置位的放大圖片數據；

S15、根據放大圖片數據對目標車輛進行識別，生成新的目標車輛的形狀數據、顏色數據和車牌識別數據；

S16、將新的目標車輛的位置數據、形狀數據、顏色數據和車牌識別數據打包并保存為新的特征信息數據；

S17、判斷新的特征信息數據與已保存的特征信息數據是否匹配，是則進入步驟S19；否則進入步驟S18；

S18、清除校驗預置位的標記，刪除目標車輛的特征信息數據，返回步驟S2；

S19、匹配次數加一；

S20、判斷目標車輛的特征信息數據是否達到匹配次數上限，是則進入步驟S21，否則返回步驟S11；

S21、生成并保存目標車輛的違停數據；

S22、根據請求，對應傳輸目標車輛的違停數據。

2.一種使用權利要求1所述方法的基于多特征識別的違停檢測系統，其特征在于：包括圖像獲取模塊、停駛判定模塊、特征識別模塊、存儲模塊和傳輸模塊，

所述圖像獲取模塊，用于獲取圖片數據和違停數據，而后轉到停駛判定模塊，所述圖像獲取模塊包括遠景圖像獲取單元和特寫圖像獲取單元；

所述停駛判定模塊，用于確定目標車輛、判斷目標車輛停駛情況、判斷目標車輛的特征信息數據的匹配情況和標記目標車輛的校驗預置位，而后轉到特征識別模塊；

所述特征識別模塊，用于根據圖片數據生成目標車輛的特征信息數據，而后轉到存儲模塊，所述特征識別模塊包括Adaboost分類單元、haar-like特征提取單元和車牌識別單元；

所述存儲模塊，用于儲存目標車輛的特征信息數據和目標車輛的違停數據，而后轉到傳輸模塊；

所述傳輸模塊，用于打包并上傳違停數據及傳輸控制指令。