车辆违停检测系统设计与实现 原文链接:http://www.51jrft.com/dzxx/dzkxyjs/590.html
1. 根据车辆违章停车的环境特点，构造Kalman背景模型，使用背景差法提取运动目标；然后通过去噪、形态学处理等算法对前景目标进行预处理，并利用区域熵特性提取真实运动目标。
2. 利用车辆目标与人、人群和非机动车辆之类干扰之间的区别提取合适的几何、形态和纹理特征，并利用支持向量机进行模式识别，提取车辆目标。 _HM000097
3. 求区域质心的欧氏距离，结合车辆独特的运动方式设计基于欧式距离的车辆目标跟踪算法。
关键词：智能视觉物联网；违章停车；智能交通系统；Kalman背景模型；支持向量机
2.3.系统设计实现功能
通过分析用户需求，为系统各层次设计相应功能，与系统结构类似，系统设计实现的功能结构如图2. 2：
图2. 2系统功能结构图
图中，将系统所实现的功能总结成以下三部分：
（2）信息处理和管理：面向服务器，这一部分所有的功能都在后台实现，利用数据库、GIS系统、图像处理软件等工具完成各类复杂的任务，是系统的核心部分；
（3）应用程序：包括WEB应用和相关客户端，这部分功能面向用户，是整个系统的人机接口。
从用户的角度看，系统所有功能的总结一下可以归纳为以下几部分：
2.3.1.车辆违章停车检测
车辆违章停车检测为系统的核心功能，检测程序运行于图像处理服务器，用于检测视频传感器所监视的区域中是否存在有车辆违章停车的事件。程序对检测区域中的车辆目标进行跟踪计时，一旦发现有车辆在检测区域内停留时间超过规定时间就判定违章停车，并保存整个过程的视频资料、视频快照和抓拍的车牌图像，将违停记录插入数据库中。
2.3.2.违停记录在线查询、确认和多方式展示
用户通过浏览器进入系统即可查看车辆违停记录。记录查询提供多种方式，可按照车牌号、摄像头编号、状态、违停日期及处理日期搜索符合条件的记录。违停记录以文字、图像、视频三种方式进行展示，用户可根据页面提供的信息快速判罚。提供人工确认功能，用户在人工确认违停事件成立后，可在页面相应位置进行确认，填写车牌等信息，并将该记录标记为处理。
2.3.3.违停事件警报提醒
安装违停事件警报客户端的电脑在发生新的车辆违停事件时会发出警报信息，并且能通过客户端查看事件的到简单提示。客户端提供获取实时视频功能，在发生违停后用户可根据自身需求选择是否查看发生违停时间区域的实时视频，视频支持全屏播放。
2.3.4.视频地图
视频地图用于直观展示整个视觉物联网中设备在真实世界地理上的分布，并提供实时视频接口，使用户通过视频地图来查看各视频传感器所采集的实时图像。
2.3.5.车辆违停检测远程配置
远程配置车辆违停检测进程和查看进程的状态，在检测程序出现异常或错误时用户通过客户端程序能够远程配置进程。
2.3.6.强大的信息处理和管理功能
借助数据库和其它管理平台，对设备、违停信息、图像记录、视频记录进行存储还管理。严格按照需求设计数据库实体表，通过查询表、存储过程等方式提高数据库的读写效率和查询代码的简洁性。从软件以及硬件两方面进行优化，提升信息处理和管理能力，保证数据的安全性和实时性。
2.3.7.突发事件错误应对
应对实际情况下前端设备无故断开连接、设备断电、系统自身错误、数据库连接错误、网络短时间拥塞等问题。通过长期试验测试，在程序中对这类错误进行处理，提高系统整体的鲁棒性。
摘要 I
ABSTRACT II
第1章 绪论 1
1.1. 研究意义及背景 1
1.2. 国内外研究现状 2
1.2.1. 智能交通系统的研究 2
1.2.2. 违停检测系统的研究 3
1.3. 课题主要研究内容及论文组织 4
第2章 系统的总体结构与设计方案 5
2.1. 系统整体概述 5
2.2. 系统的组成结构 5
2.2.1. 信息采集层 5
2.2.2. 网络传输层 7
2.2.3. 信息处理层 8
2.2.4. 服务器层 8
2.2.5. 管理和决策层 9
2.3. 系统设计实现功能 10
2.3.1. 车辆违章停车检测 11
2.3.2. 违停记录在线查询、确认和多方式展示 11
2.3.3. 违停事件警报提醒 11
2.3.4. 视频地图 11
2.3.5. 车辆违停检测远程配置 11
2.3.6. 强大的信息处理和管理功能 12
2.3.7. 突发事件错误应对 12
第3章 车辆违停检测关键技术 13
3.1. 引言 13
3.2. 基于Kalman背景模型的车辆目标提取 15
3.2.1. Kalman背景模型基本思想 16
3.2.2. Kalman背景建模实现 17
3.2.3. 前景区域分割 18
3.2.4. 前景区域噪声抑制 20
3.2.5. 区域形态学处理 21
3.2.6. 去除已停留车辆目标 23
3.2.7. 利用区域熵抑制背景变化干扰 26
3.3. 基于支持向量机（SVM）的车辆目标识别 30
3.3.1. 支持向量机（SVM）原理 31
3.3.2. 车辆特征分析与提取 32
3.3.3. 车辆目标识别 36
3.4. Kalman背景模型的选择性更新 37
3.5. 车辆目标跟踪 38
3.5.1. 目标跟踪概述 38
3.5.2. 基于目标属性的车辆目标跟踪算法 38
3.6. 算法小结 40
第4章 系统实现 42
4.1. 视觉物联网的实现 42
4.1.1. 大华高清数字摄像机 42
4.1.2. 视频图像专网 43
4.1.3. 公安数据专网 43
4.1.4. 大华DSS平台 43
4.1.5. WEB服务器 43
4.1.6. Oracle数据库服务器 44
4.1.7. 图像处理服务器 44
4.2. 软件设计 44
4.2.1. 软件系统结构 44
4.2.2. 图像处理服务器程序 45
4.2.3. 图像处理服务器程序各功能模块设计 50
4.2.4. 视频地图 60
4.2.5. WEB应用程序设计 60
4.2.6. 客户端程序 63
4.3. 数据库设计 64
4.3.1. 车辆违停检测系统数据库E-R模型 64
4.3.2. 数据库表定义 64
4.4. 系统测试 66
第5章 总结 68
5.1. 总结 68
5.2. 展望 69
致谢 71
参考文献 72
网友评论