基于视频的车辆违停报警系统设计与实现开题报告

本课题为基于深度学习的车辆违停检测，而深度学习的关键在于深度学习网络的创建。在传统的车辆检测方法中，帧间差分法对于相对静止的车辆会被检测为背景；在背景差分法中，当遇到光照、天气等自然条件影响，或者是车辆颜色和背景颜色很相近，阈值选取就会很难，很容易将背景和车辆混在一起，发生漏查的现象；若以准确性、鲁棒性和实时性作为评判标准，则以上三种方法均不能在三个方面同时达到比较好的状态。而本文提出的基于深度学习的车辆检测方法，准确性高，鲁棒性好，实时性也可以通过采用GPU进行加速达到比较满意的程度^[7]。

针对传统违章停车人工检测方式准确率低、成本高等缺点,提出一种基于视频监控的检测算法^[8]。基于帧差法、背景差分法、光流法的车辆检测方法都是利用车辆相对静态的背景是运动的这一特性，而深度学习则是从某个位置的背景之上是否有车辆这个角度来检测^[4]。还有，前三种都是利用了帧间信息，所以对于光照、运动速度等外在因素的变化有一定要求，而深度学习仅仅用到了某一帧的信息，所以不存在这个问题，而且可以有效地解决前三种方法的缺点^[7]。

一、传统的车辆检测方法有多种，各种方法皆有不同的原理，以背景差分法为例，它的步骤可大体概括为以下：

（1）通过固定好的摄像头采集图像

（2）通过高斯法对背景图像建模，在此过程中，还需要对采集的图像进行预处理，以提高背景模型的质量的准确性

高斯背景是一种可以实时更新的建模方法^[13]，其核心思想是建立一个监控区域的参数模型来近似背景图像，然后利用当前的图像帧与背景图像差分来消除背景，若两帧相减得到的像素值大于一定阈值，则判定监控区域有运动目标^[12]。

（3）以序列图像的当前帧的像素值和背景模型作差，转化为数值问题，同时将得到的像素差值与系统产生的阈值进行比较，当大于该阈值时，则系统判定监控区域存在运动目标，其中OTSU阈值法也叫最大方差阈值分割法，是一种使用类间方差最大值的自动确定阈值的方法。

（4）采用图像分割技术从图像中提取运动目标，以便对该目标进行进一步操作

（5）对分割出的运动目标进行跟踪，设计算法对目标进行判定是否发生违章停车，如果违章停车，系统则根据程序设定发生警报，提醒发生违停行为；若没有发生违停，系统则进入循环，返回上一层，继续采集图像，对目标进行分割提取和判定等操作

背景差分法流程图如下：

图一：背景差分法流程图

二、对于本课题基于深度学习的车辆检测研究，将计划采用以下步骤进行研究：

（1）首先在道路或特定场合划定禁止停车区域，寻找角度好的位置固定网络摄像头，能够拍摄到好的图像，即为采集图像，同时配置禁停框。该位置需要能够较好地应对自然条件的变化，比如光线，雨雪天气等。

（2）当图像中出现车辆时，上传图像至网段，此刻开始计时并同时开始抓拍取证，当超过设定时间时，系统判定为违章停车，此时抓拍取证完成。

（3）在深度神经网络中，最为关键的是深度学习网络的创建，最流行的算法就是卷积神经网络（CNN或ConvNet）^[11]，和其他神经网络一样，CNN一个输入层、一个输出层和中间多个隐藏层组成。

图二：深度神经网络

卷积神经网络^[11]具有提取目标本质的隐性特征的能力，相比浅层模型方法，省去了复杂的特征提取和数组重建过程，具有易扩展的突出优势，为了对阴影结果进行精确验证，实现高的鲁棒性^[2]。

将原始图像直接馈送给深度神经网络，该网络将自动学习特征。为了获得最佳效果，深度学习通常需要成百上千乃至数百万张图像，这就需要我们在前期对该网络进行大量的深度学习的训练。卷积神经网络车道线分割方法更具普遍性,能够更好的适应各式各类的t停车场景,无论是直线、弯曲道路,逆光场景、车辆遮挡较多的场景,算法均能高效优质地分割识别出车道线,适用场景广泛,鲁棒性强^[10]。

图三：深度学习原理框图

特征检测层：这些层对数据执行三种类型操作中的一种，即卷积、池化或修正线性单元（ReLU）。

① 卷积：将输入图像放进一组卷积过滤器，每个过滤器激活图像中的某些特征。

② 池化：通过执行非线性下采样，减少网络需要学习的参数个数，从而简化输出。

③ 修正线性单元（ReLU）：通过将负值映射到零和保持正数值，实现更快、更高效的训练^[14]。

图四：特征检测层结构

这三种操作在几十层或几百层上反复进行，每一层都学习检测不同的特征。

（4）在特征检测之后，CNN的架构转移到分类层，包括fully connected层和softmax层。利用已经训练好的现有网络，它可以将图像划为几百上千个类别，包括车辆、人物、树木、道路等。当检测到车辆进入禁止停车区域时，系统可以辨别。

图五：分类层结构

（5）当系统对该车辆的行为完成判断后，系统将进入下一个程序报警系统。

（6）报警系统：摄像机通过智能算法对在违停区域进行违停的车辆分析之后。产生报警信息，并在平台侧产生相关报警信息，方便工作人员及时了解违停区域的实际情况，采取相关措施。