本发明提出一种基于SSD神经网络的违章停车车辆实时检测方法，通过K-means聚类优化SSD网络，结合模板匹配算法进行车辆追踪，提升检测准确率和鲁棒性，适用于复杂交通和天气条件。
本发明属于图像识别和计算机视觉技术领域，尤其涉及一种停车车辆的检测方法，可用于城市环境中对违章停车车辆的检测。
背景技术：
随着现代社会经济的快速发展和城市化的普及，汽车作为一种重要的交通工具，其数量呈井喷式增长，据公安部交管局统计，截止2016年底，全国汽车保有量达1.94亿辆，新注册量和年增长量均达历史最高水平。汽车数量的增长给人们带来便利的同时，也引发了诸如交通堵塞等一系列问题，其中汽车的违章停车现象是导致交通堵塞的一种重要原因。因此，急需一种实时可靠的违章停车的检测方法。
目前，针对违章停车检测方法的研究，主要集中在利用视频目标识别和跟踪技术对禁停区域内的违章停车车辆进行检测。其实现方案是利用背景分割技术，先提取可能的运动前景目标，再结合人工车辆特征判断前景目标是否为车辆，最后利用跟踪算法判断车辆是否违章停车。这种利用背景分割提取前景的方法，易受天气和光照的影响，在复杂场景下无法准确获得前景车辆目标，并且人工设计的特征具有设计难度大，不具有鲁棒性等缺点，不适用于复杂多变的城市交通环境。
技术实现要素：
本发明的目的在于针对上述已有的违章停车检测方法的不足，提出一种基于SSD神经网络的违章停车车辆实时检测方法，以提高检测的准确率和鲁棒性。
本发明的技术思路是：利用SSD神经网络能快速和精确识别目标的优势，通
最低0.47元/天 解锁文章
2537
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
