基于目標(biāo)識(shí)別的違章停車事件檢測研究.pdf

1、隨著經(jīng)濟(jì)水平的不斷提升，汽車保有量不斷攀升。汽車的數(shù)量大幅增加直接導(dǎo)致停車難，違章停車現(xiàn)象越來越嚴(yán)重;怎么解決違章停車問題已經(jīng)成為了一個(gè)世界性難題。隨著數(shù)字視頻技術(shù)和人工智能技術(shù)的不斷發(fā)展和成熟，其在交通領(lǐng)域得到了廣泛的應(yīng)用?；谝曨l圖像的違章停車事件檢測研究越來越成為研究人員和學(xué)者研究的熱點(diǎn)。
　　基于視頻圖像的違章停車事件檢測是一個(gè)復(fù)雜的處理過程，它包括從攝像機(jī)中獲取視頻圖像、視頻圖像中的車輛識(shí)別和車輛違章?？渴录z測三個(gè)部分

2、。怎么更好的獲取目標(biāo)物體，怎么有效的識(shí)別目標(biāo)物體是不是車輛，怎么有效的判斷是不是違章停車都是解決問題的關(guān)鍵。由于違章停車事件檢測這個(gè)問題本身復(fù)雜性原因，目前還沒有特別成熟和有效的方法，還有待進(jìn)一步研究。
　　本文在充分閱讀和研究已有的成果后，進(jìn)行了大量的研究和試驗(yàn)，提出基于特征融合和BP神經(jīng)網(wǎng)絡(luò)的車輛識(shí)別算法及基于混合高斯模型的車輛違章?？繖z測算法。在此基礎(chǔ)上，使用計(jì)算機(jī)視覺庫OpenCV和C++圖形用戶界面庫Qt開發(fā)設(shè)計(jì)一個(gè)違章

3、停車檢測系統(tǒng)。本文研究工作分為以下幾方面:
　　首先，本文提出一種基于特征融合和BP神經(jīng)網(wǎng)絡(luò)的車輛識(shí)別算法。該方法首先對(duì)興趣區(qū)域提取灰度共生矩特征和Hu不變矩特征，并把這些特征組合成一種新的特征向量;最后將組合特征向量作為BP神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行訓(xùn)練得到分類器或進(jìn)行分類識(shí)別車輛。
　　其次，提出一種基于混合高斯模型車輛違章?？繖z測算法。該方法首先使用混合高斯模型獲取第一個(gè)背景，之后每隔一定的時(shí)間再使用混合高斯模型獲取第二個(gè)背景

4、;如果兩個(gè)背景不同且是車輛，則判斷是違章停車;如果兩個(gè)背景不同但不是車輛，則判斷不是違章停車，把第二個(gè)背景賦給第一個(gè)背景進(jìn)行背景更新;如果兩個(gè)背景相同，則繼續(xù)運(yùn)行。
　　最后，設(shè)計(jì)違章停車檢測系統(tǒng)和搭建實(shí)驗(yàn)平臺(tái)。本文采用視覺庫OpenCV和C++界面庫Qt作為開發(fā)環(huán)境，它們不但跨平臺(tái)且開源免費(fèi)，具有高性能和高穩(wěn)定性。Qt包含大量的UI界面類和組件，而OpenCV提供了豐富的圖像處理、計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)算法，特別適合于視頻車輛識(shí)別