本发明属于计算机图像处理领域，尤其涉及一种违规停车识别方法及系统。
背景技术：
随着我国的经济的发展，现在运输车、小轿车的数量在逐年增长，车辆增长带来的就是停车问题，然而很多地方的停车车位有限，而这带来的主要问题一是一些车主会把车辆停在道路旁边造成交通不便；第二个问题就是在一些停车场内停车不规范，一个车停在两个车位上或者停车停歪了让后面的车辆无法正常出入，从而造成停车场秩序混乱。
技术实现要素：
本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种违规停车识别方法及系统。
为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种违规停车识别方法，其特征在于，包括如下步骤：
摄像头采集图像视频信息并传输给处理器；
处理器在摄像头的广角内建立一个笛卡尔空间坐标系；
处理器在该坐标系内建立车位的预设四边形框；
处理器对车辆图像进行识别与处理，识别车辆的特征，所述特征包括轮胎，反光镜，前照灯或后光灯之一或者它们任意组合，根据所述特征建立包围车辆的四边形框；在xoy平面内判断车辆四边形框的四个角的位置，确定在摄像头的水平面内车辆四边形框的形状；
将识别出的车辆四边形框的形状与此位置的车位预设四边形框形状对比判断是否违规停车。
本发明能够在停车场或者马路上识别停车不规范的车辆，直接识别车辆的位置，并及时提醒和拍照；减少停车场的操作人员，可以更加快速并且准确的达到识别效果。
在本发明的一种优选实施方式中，摄像头装在距离地面高度为x米，所述x为高于车辆的数值，且其入射角与水平面的夹角为θ°，30≤θ≤60；若车辆停在距离摄像头水平投影点位置y米处，车辆在水平面的坐标系内的坐标值为p(0，y)，处理器在此坐标处获得停车位对应的四边形框线，如果车辆的四边形框与预算的车位四边形框线不匹配(与预算的四边形框特征差距过大)，则判断车辆停车违规。
在本发明的另一种优选实施方式中，处理器内还可以预存有具有车位位置框线标注的第一背景图片，摄像头采集车辆图像视频信息、识别车辆并获取车辆的四边形框，将携带有四边形框的车辆图像视频背景去除，将去除背景后的图像与第一背景图片融合，比较车辆四边形框超出车位位置框线的距离和面积，当车辆四边形框超出车位位置框线的距离和面积的数值均没有超出各自阈值，则车辆没有违规停车，当车辆四边形框超出车位位置框线的距离或面积的数值超出了各自阈值，则车辆违规停车。
本发明通过图像比较实现车辆违规的监测，减少停车场的操作人员，可以更加快速并且准确的达到识别效果。
为了实现本发明的上述目的，根据本发明的第二个方面，本发明提供了一种违规停车识别系统，其包括摄像头、处理器和警示装置，所述摄像头采集图像视频信息并传输给处理器，所述处理器按照本发明所述的方法进行违规停车识别方法，当车辆违规停车时，处理器控制警示装置发出警示信息。
本发明的违规停车识别系统直接识别车辆的位置，并及时提醒和拍照；减少停车场的操作人员，可以更加快速并且准确的识别效果。
具体实施方式
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于车辆驾驶时的前后位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本发明提出了一种违规停车识别方法，其包括如下步骤：
摄像头采集车辆停车图像视频信息并传输给处理器。
处理器在摄像头的广角内建立一个笛卡尔空间坐标系。
处理器在该坐标系内建立车位的预设四边形框。
处理器对车辆图像进行识别与处理，识别车辆的特征，所述特征包括轮胎，反光镜，前照灯或后光灯之一或者它们任意组合，根据所述特征建立包围车辆的四边形框；例如利用汽车特征的一组轮胎、一组反光镜、前照灯或后光灯等作为四边形的边的参考线，这样建立的四边形更加具有代表性，具体可以获取轮胎的外边线、前照灯的前边线和后光灯的后边线构建车辆的四边形框线。
在笛卡尔空间坐标系的xoy平面内判断车辆四边形框的四个角的位置，确定在摄像头的水平面内车辆四边形框的形状。
将识别出的车辆四边形框的形状与此位置的车位预设四边形框形状对比判断是否违规停。在本实施方式中，笛卡尔空间坐标系为：以广角的左下角为原点，水平向右为x轴的正方向、水平面向前为y轴的正半轴方向。坐标建立是判断车辆是否违规的重要步骤，这也决定着判断依据，本实施方式中摄像头的位置优选固定，其摄像广角固定，所以其建立的坐标系也应该是固定的。在固定的位置摄像头内的平面画面的矩形的形状是固定的。
在本实施方式中，采用卷积神经网络对车辆特征进行深度学习与识别。当识别出车辆的特征后进行降维，并构建车辆特征矩阵训练卷积神经网络。对提取的特征在卷积神经网络下进行训练，得到车辆总共的特征矩阵信息。具体的神经网络结构和深度学习训练以及识别的方法可以采用现有技术。
在本实施方式中，摄像头装在距离地面高度为x米，所述x为高于车辆的数值(例如4米)，且其入射角与水平面的夹角为θ°，30≤θ≤60，优选为45°。若车辆停在距离摄像头水平投影点位置y米处，车辆在水平面的坐标系内的坐标值为p(0，y)，处理器在此坐标处获得停车位对应的四边形的框线，如果车辆的四边形框与预算的车位四边形框不匹配(例如车辆的四边形框处没有车位的四边形框，或者车辆的四边形框与车位的四边形框部分重合，或者车辆的四边形框明显大于车位的四边形框)，则判断车辆停车违规。进行标注并及时报警工作人员并且拍照记录。
在本发明另外的优选实施方式中，还可以采用如下方法识别车辆是否违规：处理器内还可以预存有具有车位位置四边形框线的第一背景图片，摄像头采集车辆图像视频信息、识别车辆并获取车辆的四边形框，将携带有四边形框的车辆图像视频背景去除，将去除背景后的图像与第一背景图片融合，比较车辆四边形框超出车位位置框线的距离和面积，当车辆四边形框超出车位位置框线的距离和面积的数值均没有超出各自阈值，则车辆没有违规停车；当车辆四边形框超出车位位置框线的距离或面积的数值超出了各自阈值，则车辆违规停车。进行标注并及时报警工作人员并且拍照记录。
在本实施方式中，车辆矩形框超出车位位置框线的距离为车辆矩形框上的点到车辆矩形框的最大垂直距离。从而提高了判断精度，避免场景中线条噪声的干扰。
在本实施方式中，还包括警示装置，所述警示装置与处理器的信号输出端连接，当车辆违规停车时，所述警示装置发出警示信息。
本发明还提供了一种违规停车识别系统，其包括摄像头、处理器和警示装置，所述摄像头采集图像视频信息并传输给处理器，所述处理器按照本发明所述的方法进行违规停车识别方法，当车辆违规停车时，处理器控制警示装置发出警示信息。本发明直接识别车辆的位置，并及时提醒和拍照；减少停车场的操作人员，可以更加快速并且准确的达到识别效果。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。