基于视频跟踪轨迹的全过程路侧停车行为检测与识别技术

doi:10.3969/j.issn.1006-2475.2017.09.013

计算机与现代化

基于视频跟踪轨迹的全过程路侧停车行为检测与识别技术

1.北京工业大学,北京 100124； 2.北京市交通运行监测调度中心,北京 100073；
3.北京物资学院信息学院,北京 101149； 4.北京市交通委员会,北京 100073

收稿日期:2017-02-21 出版日期:2017-09-20 发布日期:2017-09-19
作者简介:于青青(1991-),女,山东招远人,北京工业大学硕士研究生,研究方向:图像识别,视频跟踪; 张可(1974-),男,北京市交通运行监测调度中心研究员,研究方向:智能交通; 唐恒亮(1982-),男,北京物资学院信息学院副教授,研究方向:模式识别,图像处理; 赵箐(1986-),女,工程师,研究方向:智能交通; 盖赟(1983-),男,讲师,研究方向:计算机视觉,模式识别; 汪鸣(1981-),男,北京市交通委员会工程师,研究方向:运输管理。
基金资助:
北京市交通行业科技项目(0610-1641NF0505031); 北京市社会科学基金青年项目(16GLC064); 北京市教育委员会科技计划面上项目(KM201610037001); 虚拟现实技术与系统国家重点实验室开放课题(BUAA-VR-16KF-21)

A Roadside Parking Detection and Recognition Method Based on Video Motion Trail

1. Beijing University of Technology, Beijing 100124, China； 
2. Beijing Transportation Operations Coordination Center, Beijing 100073, China；
3. School of Information, Beijing Wuzi University, Beijing 101149, China； 
4. Beijing Municipal Commission of Transport, Beijing 100073, China

Received:2017-02-21 Online:2017-09-20 Published:2017-09-19

摘要/Abstract

摘要： 针对路侧停车行为检测与识别问题，结合经典KLT运动角点检测方法与实时压缩跟踪方法，提出一种基于视频跟踪轨迹的全过程停车行为识别技术。首先利用KLT方法检测视频中的运动角点，确定运动车辆位置，再利用压缩跟踪方法，提取视频序列中运动车辆完整的运动轨迹，较为准确地描述路侧停车的动态过程。最后，利用提取的运动特征在真实的路侧停车视频上进行实验验证。实验结果表明，本文提出的停车行为检测与识别方法是可行有效的。


关键词: 路侧停车, 视频, 运动轨迹, 停车检测, 停车识别

Abstract: An effective detection and recognition method is proposed for the roadside parking problem by combining the KLT corners detection approach and real-time compressive tracking (CT) approach. First, KLT approach is used to detect corner in video for extracting the area of moving car. And then the CT approach is adopted to acquire the motion trail for each parking action to describe the dynamic process of moving cars completely. The proposed method is tested on the real video data for evaluation. The results demonstrate that this method is feasible and effective.

Key words: roadside parking, video, motion trail, parking detection, parking recognition

中图分类号:

TP391

于青青1,张可2,唐恒亮3,赵箐2,盖赟1,汪鸣4. 基于视频跟踪轨迹的全过程路侧停车行为检测与识别技术[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.09.013.

YU Qing-qing1, ZHANG Ke2, TANG Heng-liang3, ZHAO Jing2, GE Yun1, WANG Ming4. A Roadside Parking Detection and Recognition Method Based on Video Motion Trail[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.09.013.

参考文献

［1］ Jermsurawong J, Ahsan U, Haidar A, et al. One-day long statistical analysis of parking demand by using single-camera vacancy detection［J］. Journal of Transportation Systems Engineering and Information Technology, 2014,14(2):33-44.
［2］张胜,安士杰,王冲. 基于地磁传感和WiFi技术的车位检测传感器节点设计［J］. 物联网技术, 2016,6(9):19-20.
［3］岳学军,刘永鑫,王叶夫,等. 基于ZigBee与地磁传感技术的停车诱导系统［J］. 计算机应用, 2014,34(3):884-887.
［4］李鹏. 基于地磁传感器的智能车位管理系统设计［J］. 控制工程, 2016,23(8):1295-1300.
［5］汤一平,陈耀宇. 基于计算机视觉的违章停车智能监控系统［J］. 计算机测量与控制, 2009,17(8):1505-1508.
［6］孙棣华,陈虹颖,赵敏. 基于视频检测技术的隧道停车检测与识别算法［J］. 计算机测量与控制, 2013,21(12):3193-3196.
［7］ Wu Qi, Huang Chingchun, Wang Shih-yu, et al. Robust parking space detection considering inter-space correlation［C］// Proceedings of 2007 IEEE International Conference on Multimedia & Expo. 2007:659-662.
［8］ Huang Ching-Chun, Wang Shang-Jyh, Chang Yao-Jen et al. A Bayesian hierarchical detection framework for parking space detection［C］// Proceedings of 2008 IEEE International Conference on Acoustic, Speech and Signal Procesing. 2008(1-12):2097-2100.
［9］ Huang Ching-Chun, Wang Sheng-Jyh. A hierarchical Bayesian generation framework for vacant parking space detection［J］. IEEE Transactions on Circuits and Systems for Video Technology, 2010,20(12):1770-1785.
［10］严娟莉. 停车场车位视频检测系统设计［D］. 北京:北方工业大学, 2011.
［11］ Agarwal S, Roth D. Learning a sparse representation for object detection［C］// Proceedings of the 7th European Conference on Computer Vision. 2002:113-127.
［12］ Logothetis N K, Sheinberg D L. Visual object recognition［J］. Annual Review of Neuroscience, 1996,19(1):577-621.
［13］ Banerjee S, Choudekar P, Muju M K. Real time car parking system using image processing［C］// Proceedings of the 3rd IEEE International Conference on Electronics Computer Technology. 2011:99-103.
［14］ Fabian T. An algorithm for parking lot occupation detection［C］// Proceedings of the 7th IEEE International Conference of Computer Information Systems and Industrial Management Applications. 2008:165-170.
［15］高冬冬. 基于车辆跟踪轨迹的停车和逆行检测研究［D］. 西安:长安大学, 2015.
［16］姚明明. 高速公路隧道停车检测中的车辆跟踪及状态识别方法研究［D］. 重庆:重庆大学, 2014.
［17］王殿海,胡宏宇,李志慧,等. 违章停车检测与识别算法［J］. 吉林大学学报(工学版), 2010,40(1):42-46.
［18］张波. 复杂场景下基于视频的停车检测关键技术研究［D］. 重庆:重庆大学, 2013.
［19］ Shi J, Tomasi C. Good features to track［C］// Proceedings of the 7th IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 1994:593-600.
［20］ Zhang Kaihua, Zhang Lei, Yang Ming-Hsuan. Real-time compressive tracking［C］// Proceedings of the 12th European Conference on Computer Vision. 2012:864-877.
［21］范莹,郭成安. 一种运动图像的检测与识别技术［J］. 大连理工大学学报, 2004,44(1):123-126.
［22］吴刚,唐振民,杨靖宇. 强噪声场景下运动模板的检测与跟踪技术研究［J］. 计算机工程与应用, 2010,46(26):5-6.
［23］孔庆翔,秦刚,丁国锋. 高速公路隧道灾害事件检测新方法及应用研究［J］. 公路交通科技, 2010,27(11):94-99.
［24］沈晓蓉,王川久,郝佳,等. 基于实测数据评估交通事件检测中神经网络应用性的研究［J］. 公路交通科技, 2005,22(9):127-129.
［25］徐爱民,李韧,金圣临. 视频事件检测与隧道安全［J］. 公路工程, 2007,32(5):210-211.
［26］ Cheng Yizong. Mean shift, mode seeking, and clustering［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1995,17(8):790-799.
［27］ Song Yu, Li Qingling, Sun Fuchun. Shannon entropy-based adaptive fusion particle filter for visual tracking［C］// Proceedings of 2009 IEEE Chinese Conference on Pattern Recognition. 2009:1-5
［28］ Weng Shiuh-Ku, Kuo Chung-Ming, Tu Shu-Kang. Video object tracking using adaptive Kalman filter［J］. Journal of Visual Communication & Image Representation, 2006,17(6):1190-1208.
［29］〖JP2〗V David Sánchez A. Advanced support vector machines and kernel methods［J］. Neurocomputing, 2003,55(1):5-20.
［30］ Aharon M， Elad M， Bruckstein A M. K-SVD: An algorithm for designing overcomplete dictionaries for sparse representation［J］. IEEE Transactions on Signal Processing, 2006,54(11):4311-4322.
［31］ Pati Y C, Rezaiifar R, Krishnaprasad P S. Orthogonal matching pursuit: Recursive function approximation with applications to wavelet decomposition［C］// Proceedings of the 27th Asilomar Conference on Signals, Systems and Computers. 1993:40-44.

[1]	贺雨霞, 曹国. 基于改进注意力网络的转炉炼钢状态判别[J]. 计算机与现代化, 2022, 0(07): 97-102.
[2]	陈勋豪, 杨莹, 黄俊茹, 孙玉宝. 基于多尺度融合网络的视频快照压缩感知重建[J]. 计算机与现代化, 2021, 0(12): 58-64.
[3]	莫维, 唐清善, 黄涛. 一种多方向感知的高实时性视频融合算法[J]. 计算机与现代化, 2021, 0(10): 81-87.
[4]	马悦. 基于深度学习的火场灰度图像去烟算法[J]. 计算机与现代化, 2020, 0(10): 64-68.
[5]	杨丹1，2,陈君1，2,朱小勇1. 一种大视差场景下的实时视频拼接系统[J]. 计算机与现代化, 2020, 0(04): 19-.
[6]	唐子焯1，吴克河1，李为1，张宪康2，崔阿军2 . 基于商密算法的视频终端安全接入系统的研究与实现[J]. 计算机与现代化, 2020, 0(02): 46-.
[7]	杨磊1,王少云2,刘力冉1,龚永富1. 一种智能视频监控系统中的行人检测方法[J]. 计算机与现代化, 2019, 0(11): 69-.
[8]	霍达,马诗源. 结合全卷积网络的无监督视频目标分割[J]. 计算机与现代化, 2019, 0(06): 116-.
[9]	田宇1，李宇2，谢佳1. 基于视频确认的变电站顺控操作系统[J]. 计算机与现代化, 2019, 0(05): 74-.
[10]	敖宇,杨健晟. 欧拉视频增强技术在火焰弱信号检测中的应用[J]. 计算机与现代化, 2018, 0(07): 73-.
[11]	王亮亮1,2，闫威3，张佳伟1. 新疆昆仑卫星数字专用频道的汉维哈XML解析器[J]. 计算机与现代化, 2017, 0(8): 42-.
[12]	梁家栋,杨树国. 一种基于Chebyshev混沌神经网络的视频水印算法[J]. 计算机与现代化, 2017, 0(4): 14-17,43.
[13]	王苍灵,李泽平. 一种动态自适应HTTP流码率切换算法[J]. 计算机与现代化, 2017, 0(4): 27-31,37.
[14]	张超1,2,郭会明2,张宏2. 基于k均值的监控视频热度云存储研究[J]. 计算机与现代化, 2016, 0(6): 12-15.
[15]	时仲盟，胡晓吉. 基于FPGA的8路VGA长线传输系统设计[J]. 计算机与现代化, 2016, 0(12): 115-121.

基于视频跟踪轨迹的全过程路侧停车行为检测与识别技术

A Roadside Parking Detection and Recognition Method Based on Video Motion Trail

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价