[发明专利]一种监控视频违停车辆检测、管理方法及对应的系统

权利要求书

1.一种监控视频违停车辆管理方法，用于管理监控视频中的违停车辆，其特征在于，包括如下步骤：

步骤1：构建车辆检测模型：采用卷积神经网络构建车辆检测与识别模型；

步骤2：选取违停区域：利用opencv库提取监控视频中违停区域；

步骤3：违停车辆判别与车牌识别：设定停车时间，若某车辆在步骤2选取的违停区域内停车时长超过停车时间,则判断该车辆为违停车辆，并对该车辆进行车牌识别，上传违停车辆对应的违停图像以及违停车辆的车牌识别结果；

步骤4：构建违停事件库：保存步骤3中传回的数据，至少记录违停车辆的违停时间、地点、车牌以及至少一违停图像；

步骤5：违停处理：依据车牌识别结果寻找车主，并以实时短信或电话通知车主其违停行为，如果在规定的时间内联系不到车主或车主没有驶离违停区域，则对该违停车辆开出罚单；

其中，步骤3中，违停车辆判别对应的车辆检测算法如下:

(3a)首先在第一时刻t对监控视频中违停区域内进行连续n帧检测得到连续n帧监控图像，V_it表示在t时刻第i帧监控图像中的车辆目标框的数量，V_i+1t表示在t时刻第i+1帧监控图像中的车辆目标框的数量，0i+1≤n，r^j_it表示在t时刻第i帧图像的第j个车辆框，0≤j≤V_it，r^l_i+1t表示在t时刻第i+1帧图像的第l个车辆框,0≤l≤V_i+1t，通过对前后帧图像检测框r^j_it和r^j_i+1t的循环遍历计算如果IOU≤δ，保留r^j_it，以此方式剔除重叠度较大的检查框,得到违停车辆候选框集合M，集合M为t时刻检测n帧所有可能包含违停车辆的结果；

(3b)其次，在第一时刻t经过设定停车时长T后的第二时刻t+T，再次对相同的违停区域进行检测得到u_it+T个车辆检测框，u_it+T表示t+T时刻第i帧图像的车辆检测数目,s^j_it+T表示在t+T第i帧图像的第j个车辆框,将车辆框与t时刻的集合M中的候选框做IOU筛选，如果则保留集合N＝{s^j_it+T}，对集合N通过非极大值抑制去除重叠框，保留下来的框为集合N最终确定的违停车辆框。

2.根据权利要求1所述的监控视频违停车辆管理方法，其特征在于，步骤1中对应的车辆检测模型的构建过程如下：

(1a)训练与测试数据准备：下载获取车辆公开数据集，对收集的道路监控视频数据使用开源的车辆检测算法提取含有车辆的视频图像；

(1b)数据标注：对(1a)获取的无标注的车辆数据进行标注，得到标注数据样本，标注信息为包围车辆的标注框以及标注框的得分，标签形式如(c_i,x_i,y_i,w_i,h_i)，其中c_i表示标注框的得分，c_i等于0或者1，当标注框内含有车辆时c_i＝1，当标注框内不含有车辆时c_i＝0；x_i,y_i,w_i,h_i分别表示标注框的左上角点的坐标、宽和高；

(1c)数据处理：将标注数据样本划分为训练集、验证集、测试集；

(1d)网络结构设计：算法采用相同结构的三个网络进行级联，主干网络采用残差瓶颈网络块组成提取特征器，初始的预选框由区域候选网络提取，在后续处理层的每个网络都嵌入了针对全局信息感知的网络模块，对每个网络的输出都采用设置的不同的交并比的值(α,β,γ)进行筛选，保留较为准确的输出框，每一级的输出由粗到细；

(1e)训练：采用Adam梯度下降策略进行优化学习；

(1f)测试：输入测试集，输出车辆的包围框信息(x,y,w,h)。