导读:本文包含了违章停车检测论文开题报告文献综述及选题提纲参考文献，主要关键词:卷积神经网络,SSD算法及其改进,RPnet,违章停车检测
违章停车检测论文文献综述
唐洁[1]（2019）在《基于改进的卷积神经网络的违章停车检测》一文中研究指出现如今人们的生活质量随着我国社会经济的快速发展也得到了大大改善,大部分的家庭都选择购买汽车.尽管汽车给出行带来了一些方便,但由于车辆的增多道路也逐渐变得拥挤,交通问题也时常发生,如违章停车问题.本文主要针对日常生活中违章停车的一种违规停车的现象进行研究,这里违规停车是指在街道道路上无停车位的地方乱停.论文的主要内容如下:(1)介绍了卷积神经网络的CNN网络结构、训练过程.紧接着介绍了RCNN到SSD的一系列目标检测算法,对这些算法的结构进行了对比;像Faster RCNN是通过分类与回归俩步实现目标检测,而单步式神经网络SSD是首个将不同分辨率的特征图与先验包围框结合的网络,直接通过回归来实现目标检测,能够达到计算量小,适应性强并且还能保证检测精度.并通过实验进行了验证.(2)单步式神经网络SSD算法虽然能够保证精度和速度,但是对于小目标的检测能力较弱,而日常生活中违章停车的车辆有的可以直接检测而有的因为距离拍摄摄像头太远导致尺寸特别小甚至会有部分遮挡问题,于是对此网络上做了相关改进以方便对小目标进行检测.改进的方法是在SSD中引入转置卷积结构,采用转置卷积将低分辨率高语义信息特征图与高分辨率低语义信息特征图相融合,增加低层特征提取能力,提高了SSD算法的平均精准度.(3)本文基于改进的卷积神经网络的违章停车检测主要由判断目标是否为车辆、判断车辆是否违章停车以及最后的车牌识别这叁个环节构成.根据禁停区域像素灰度的变化来判断是否存在运动目标,如果有利用改进的单步式神经网络SSD算法进行检测目标是否为车辆;再根据违章停车依据判定该目标车辆是否违章;最后对检测到的违章车辆进行车牌识别,为使车牌检测与识别结果更加准确首先对上步得到的车牌图像进行一系列的图像预处理操作,随后利用文中介绍的一种新型的端到端训练的网络模型RPnet对该车牌图像进行车牌识别,该模型已经投入道路边停车服务,具有较高的准确性和速度.通过实验结果,本文研究的基于改进的卷积神经网络的车辆违章停车检测方法,给交通管理部门对实时检测带来了便捷,检测准确率也比较高,满足交通部门需求切实可行.(本文来源于《安徽大学》期刊2019-03-01）
张征[2]（2018）在《星光自动检测抓拍技术在违章停车领域的深度应用》一文中研究指出目前随着城市规模的不断扩展及人均汽车保有量的逐年上涨,违章停车现象无疑成为城市的顽疾,对道路的畅通以及行人安全均存在严重影响。有效地规范停车无疑成为解决这一问题的重心所在,对违反交通规则的行为及时准确地进行取证查处,是道路监控的关键问题。而现有监控系统的监控能力和监控有效性还基本停留在人工操作监控,在发现有违章停车情况时,执法人员手动控制云台摄像机进行拉近、拍摄车辆的车牌号码及交通标志等,完成后需手(本文来源于《中国公共安全》期刊2018年04期）
吴玉枝,熊运余,吴洋[3]（2018）在《基于卷积神经网络的违章停车事件检测》一文中研究指出针对城市中大量的违章停车事件设计一种快速准确的检测算法,实现对车辆违章停车行为的实时预警。利用一种改进的卷积神经网络(CNN)快速学习车辆特征,并能直接预测视频帧中目标车辆的位置和所属类别,然后通过弱特征跟踪判断目标车辆在禁停区域是否有违章停车行为。实验结果表明,该方法对违章停车行为的检测准确率为93.92%,速度>20fps,具有很强的适应性,适用于真实视频监控下智慧城管系统精确实时的要求。(本文来源于《现代计算机(专业版)》期刊2018年02期）
许检会[4]（2016）在《基于目标识别的违章停车事件检测研究》一文中研究指出随着经济水平的不断提升,汽车保有量不断攀升。汽车的数量大幅增加直接导致停车难,违章停车现象越来越严重;怎么解决违章停车问题已经成为了一个世界性难题。随着数字视频技术和人工智能技术的不断发展和成熟,其在交通领域得到了广泛的应用。基于视频图像的违章停车事件检测研究越来越成为研究人员和学者研究的热点。基于视频图像的违章停车事件检测是一个复杂的处理过程,它包括从摄像机中获取视频图像、视频图像中的车辆识别和车辆违章停靠事件检测叁个部分。怎么更好的获取目标物体,怎么有效的识别目标物体是不是车辆,怎么有效的判断是不是违章停车都是解决问题的关键。由于违章停车事件检测这个问题本身复杂性原因,目前还没有特别成熟和有效的方法,还有待进一步研究。本文在充分阅读和研究已有的成果后,进行了大量的研究和试验,提出基于特征融合和BP神经网络的车辆识别算法及基于混合高斯模型的车辆违章停靠检测算法。在此基础上,使用计算机视觉库OpenCV和C++图形用户界面库Qt开发设计一个违章停车检测系统。本文研究工作分为以下几方面:首先,本文提出一种基于特征融合和BP神经网络的车辆识别算法。该方法首先对兴趣区域提取灰度共生矩特征和Hu不变矩特征,并把这些特征组合成一种新的特征向量;最后将组合特征向量作为BP神经网络的输入进行训练得到分类器或进行分类识别车辆。其次,提出一种基于混合高斯模型车辆违章停靠检测算法。该方法首先使用混合高斯模型获取第一个背景,之后每隔一定的时间再使用混合高斯模型获取第二个背景;如果两个背景不同且是车辆,则判断是违章停车;如果两个背景不同但不是车辆,则判断不是违章停车,把第二个背景赋给第一个背景进行背景更新;如果两个背景相同,则继续运行。最后,设计违章停车检测系统和搭建实验平台。本文采用视觉库OpenCV和C++界面库Qt作为开发环境,它们不但跨平台且开源免费,具有高性能和高稳定性。Qt包含大量的UI界面类和组件,而OpenCV提供了丰富的图像处理、计算机视觉和机器学习算法,特别适合于视频车辆识别系统的设计开发。对基于特征融合和BP神经网络的车辆识别算法的识别效果进行了测试。试验表明该方法在速度上、准确率上和稳定性上都有明显的改善。(本文来源于《湖南大学》期刊2016-05-05）
李蒙[5]（2014）在《基于模糊颜色分割的违章停车检测系统的设计与实现》一文中研究指出随着科技和社会经济的飞速发展,近年来国内的车辆数量更是显着增长,其增长速度远远超过了停车场的建设速度。这也就导致了越来越多的车辆随意停放,占用人行道及非机动车道,给附近人和车辆带来了极大的不便,而且也更易发生交通堵塞甚至事故。为了解决这一问题,我们设计了一套以检测违章停车为目的,基于彩色图像处理的违章停车检测系统。本系统主要由高清摄像机、工控机、后台计算机构成。本系统可以自由划定违章禁停区域,并对禁停区域内进行24小时不间断的实时监控。高清摄像机采集来的视频图像经过工控机进行处理分析,判断进入禁停区域的车辆是否存在违章行为,如果经过系统软件判断存在违章,这些视频图片信息将被保存,并进一步通过后台识别出违章车辆牌照号码,最后通过网络传输到后台计算机,作为交管部门行政处罚的证据。本系统先使用改进的Surendra算法提取背景,在背景基础上检测新目标,应用模糊颜色提取的分割方法将新目标分割定位出来。当判断新目标为车辆时,记录连续帧图片中车辆的位置信息,根据其位置信息来判断车辆是否违章。如果车辆违章,则在分割出车辆的基础上,应用模糊颜色提取的方法分割定位出车牌,最后应用图像增强的方法分割车牌字符,将与字符无关的噪声特征滤除,再用改进的模板匹配算法更准确的得到车牌号码。本系统软件采用Visual C++6.0编写,进行实验及分析。实验结果表明本文的理论和方法对检测违章停车具有很高的成功率,基本满足交管部门要求,很大程度上提高了交管部门在处理违章停车方面的执法效率。(本文来源于《天津大学》期刊2014-12-01）
李慧洁[6]（2014）在《违章停车检测及车牌识别系统的研究》一文中研究指出随着科技的进步，人们生活水平的提高，机动车辆的数量也在快速增长，由此而产生了许多交通违规事件，因此交通管理系统需要不断引进新的技术，提高交通管理的实时性、可靠性、高效性，为社会有序的交通提供有力的保障。应运而生的就是智能交通管理系统的出现，它能够在大范围内且全方位发挥作用的，实时性好、准确率高的高效、综合的运输及管理系统。本文首先研究了几种视频图像预处理的方法，如图像滤波、边缘检测、形态学处理、阈值分割等，它们为后续图像的处理和分析做准备工作。针对现在违章停车的现象越来越突出，本文设计了基于视频监控的违章停车检测及车牌识别系统，这个系统由以下几个部分组成：从视频序列中提取前景目标、进行噪声以及非机动车辆的干扰滤除、对车辆进行跟踪、静止车辆的检测、违章停车的检测与判决及违章车辆的车牌自动识别。在前景目标的提取中，采用的是基于混合高斯背景建模法的背景减除法，该方法鲁棒地克服光线、树枝摇动等造成的影响。噪声及非机动车辆的干扰滤除采用的是对象级区域分割法，依据区域中对象的占空比大小进行滤除。分离出车辆后，开始对运动车辆进行跟踪，采用的是在Camshift算法中引入Kalman滤波，它能够有效地解决目标与背景颜色相近以及目标被严重遮挡等问题，从而较好地实现车辆的跟踪。静止车辆的检测是利用车辆在一定时间内平均位移的大小进行判断。违章停车的检测是利用场景区域内车辆质心与禁停区域的质心间距离以及停车时间是否超限进行判断。在进行违章停车检测的基础上进行车牌的识别。本文从车牌定位、车牌字符分割及车牌字符识别叁个步骤进行算法的研究和分析，并在已有算法的基础上进行了一些改进，如针对车牌的倾斜校正、不连通汉字的字符分割等过程中存在的缺陷做了一定的改进，取得了较好地效果，最终进行车牌的识别，从而形成一个完整的违章停车检测及车牌自动识别系统。这个系统的研究对推动智能交通管理系统的发展有着一定的意义。(本文来源于《武汉理工大学》期刊2014-04-01）
赵敏,张波,唐毅,孙棣华,陈金玉[7]（2014）在《露天场景下高速公路违章停车视频检测算法》一文中研究指出针对现有的停车检测算法存在不能很好地适应露天场景环境变化以及误检率过高的问题,设计了一种新的违章停车视频检测算法;利用自适应混合高斯模型实现场景背景提取与更新,获得可能的运动前景目标,通过基于像素时间序列特征的稳态分析法来检测静止目标,并根据对象区域特征实现停驶车辆的辨识,从而准确的检测出违章停车;实验结果表明,提出的算法在高速公路露天场景中正检率达到90%以上,与其他停车检测算法相比较,在减少计算量、提高系统实时性的同时,具有较好的正检率。(本文来源于《计算机测量与控制》期刊2014年02期）
张林[8]（2014）在《违章停车智能检测系统研究》一文中研究指出随着城市中机动车数量的高速增长,违章停车事件越来越成为扰乱道路交通秩序的重要问题,机动车的乱停乱放给道路交通带来了严重的隐患。基于传统的道路违停监控系统需要大量的人工参与,不利于集成化和大规模管理,效率低下。而基于高清球机的违章停车智能检测系统可以全自动监控违停区域,遇到违停事件可以实现自动化抓拍,后台处理车牌信息,无需监控人员干预,效率高,稳定性好。目前针对这一系统的研究也开始变得火热起来。本文深入研究围绕小区周边环境的违章停车车辆检测,针对实际应用场景,使用改进的混合高斯模型,光流法和车牌定位识别等算法,开发设计了一套违章停车智能监控系统。该系统由高速球型摄像机和一台安装了违章智能监控系统软件的计算机组成,能够实时处理运动车辆检测与跟踪、自动缩放控制球机、近景抓拍车牌图片、车牌信息识别、违停证据存储等功能。由于小区周边的特殊环境,在抓拍图像中车牌一般都会呈一定角度的倾斜,本文提出了一种针对大角度车牌的旋转算法。该算法先通过纹理信息确定出车牌的倾斜角度,然后通过边缘和颜色信息定位出车牌边界,方便后续的车牌识别过程。经过实际场景测试,此算法触发效果良好,能全自动完成系统功能,具有低延时,高效率,稳定性好等特点。该系统支持大范围、全天候、复杂环境的违章停车监控,具有非常高的经济价值和社会价值。(本文来源于《北京邮电大学》期刊2014-01-13）
王雨翔,李刚,张伟龙[9]（2014）在《基于混合高斯模型的高速公路违章停车检测方法》一文中研究指出针对高速公路环境下的违章停车事件,提出了一种基于视频图像处理技术的检测方法。通过混合高斯模型对采集的视频序列实现背景建模,利用背景差分法获得前景目标,同时使用背景更新方法减小环境因素对背景模型的影响。通过提出的目标质心检测法实现划定区域内的运动车辆检测,对违章停车目标进行标定识别并报警。最后,通过实验对某高速公路交通视频图像进行算法验证,结果表明该算法场景适应性强、实时性好、检测准确率高。(本文来源于《重庆交通大学学报(自然科学版)》期刊2014年04期）
韩嫚嫚[10]（2013）在《高速公路违章停车自动检测系统研制》一文中研究指出高速公路由于其交通量大、行车速度快等特点，其上的违章停车行为是恶性交通事故的主要诱因之一，违章停车行为检测系统是高速公路视频检测系统的重要组成部分，也是高速公路智能交通系统的基础。现有的高速公路视频检测系统在正常天气条件下，对车流量及交通拥堵状况能有效正确地检测，并能检测所发生的违章停车行为。雾霾作为一种常见的自然现象，它容易造成大气能见度降低，户外景物的对比度和颜色发生退化，导致高速公路上摄像机所捕获的图像质量严重退化，视频检测系统难以正确检测与跟踪行驶车辆，对所发生的违章停车行为难以有效判别。基于Retinex的图像增强算法成为研究去雾难题的热点，在诸多基于Retinex理论的图像增强算法中，较为有效的是滤波器可变的Retinex算法，该算法较其他Retinex算法在细节增强和颜色保真方面有更好的效果，但增强后的图像一般整体偏暗，对比度不高。本文在对各种Retinex图像增强算法研究的基础上，采用了滤波器可变的Retinex算法对雾天图像进行增强，并利用子块局部重迭直方图均衡化算法对增强后的图像进行后处理，增强了图像对比度，实现了对雾天图像的清晰化处理。车辆行驶速度是判别车辆违章停车行为的重要参考数据之一，本文主要研究了两种较有效的视频测速方法，即基于Harris角点检测的视频车辆测速方法和基于特征点光流估计的视频车辆速度测量方法，分析了两种方法的优缺点，并在工程中实现了基于特征点光流估计的视频车辆速度测量方法，验证了该算法在雾霾天气的抗干扰能力。(本文来源于《河南科技大学》期刊2013-05-01）
违章停车检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目前随着城市规模的不断扩展及人均汽车保有量的逐年上涨,违章停车现象无疑成为城市的顽疾,对道路的畅通以及行人安全均存在严重影响。有效地规范停车无疑成为解决这一问题的重心所在,对违反交通规则的行为及时准确地进行取证查处,是道路监控的关键问题。而现有监控系统的监控能力和监控有效性还基本停留在人工操作监控,在发现有违章停车情况时,执法人员手动控制云台摄像机进行拉近、拍摄车辆的车牌号码及交通标志等,完成后需手
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
违章停车检测论文参考文献
[1].唐洁.基于改进的卷积神经网络的违章停车检测[D].安徽大学.2019
[2].张征.星光自动检测抓拍技术在违章停车领域的深度应用[J].中国公共安全.2018
[3].吴玉枝,熊运余,吴洋.基于卷积神经网络的违章停车事件检测[J].现代计算机(专业版).2018
[4].许检会.基于目标识别的违章停车事件检测研究[D].湖南大学.2016
[5].李蒙.基于模糊颜色分割的违章停车检测系统的设计与实现[D].天津大学.2014
[6].李慧洁.违章停车检测及车牌识别系统的研究[D].武汉理工大学.2014
[7].赵敏,张波,唐毅,孙棣华,陈金玉.露天场景下高速公路违章停车视频检测算法[J].计算机测量与控制.2014
[8].张林.违章停车智能检测系统研究[D].北京邮电大学.2014
[9].王雨翔,李刚,张伟龙.基于混合高斯模型的高速公路违章停车检测方法[J].重庆交通大学学报(自然科学版).2014
[10].韩嫚嫚.高速公路违章停车自动检测系统研制[D].河南科技大学.2013