[发明专利]一种大型停车库监视管理系统

权利要求书

1.一种大型停车库监视管理系统，其特征在于，包括：中央管理系统、监控前端和监控终端，其中，

所述中央管理系统用于接收由监控前端采集的视频图像信号，对所采集的图像视频信号进行管理，接受并处理来自监控终端的各种操作命令。

2.根据权利要求1所述的大型停车库监视管理系统，其特征在于，所述中央管理系统包括执行模块、管理模块和互联网网关模块；其中，

所述执行模块用于接收监控终端发出的监控前端控制命令，向监控前端发送相应的控制命令；接收监控终端发送的日志查询请求，根据日志查询请求作相应的查询处理；监视停车库中监视管理系统中所用设备与各个子模块的运行状态，并作系统日志；

所述管理模块用于接收、存放、检索和管理采集的视频图像文件；

所述互联网网关模块用于实现监控终端的接入并接收处理来自监控终端的各种操作命令，并提交执行模块作系统日志。

3.根据权利要求2所述的大型停车库监视管理系统，其特征在于，所述监控前端为监控摄像头。

4.根据权利要求3所述的大型停车库监视管理系统，其特征在于，所述来自监控终端的各种操作命令包括用户管理、录像或回放命令。

5.根据权利要求2所述的大型停车库监视管理系统，其特征在于，所述执行模块进一步包括车辆识别子模块、运动轨迹计算子模块、违规设置子模块和违规分析子模块，其中，

所述车辆识别子模块中预存车辆图片以及登记车辆标示，用于区分机动车辆、行人、非机动车，并识别进入停车库的机动车辆是否为已登记车辆；

所述运动轨迹计算子模块，用于对视频信号中的车辆进行追踪，计算其运动轨迹及其车速；

所述违规设置子模块，用于供系统管理人员设置车辆行驶的正常轨迹、最高车速；

所述车辆违规分析子模块，用于根据所述车辆识别子模块的识别结果和所述运动轨迹计算子模块的计算结果判定车辆是否违规。

6.根据权利要求5所述的大型停车库监视管理系统，其特征在于，所述运动轨迹计算子模块，用于对视频信号中的车辆进行追踪，计算其运动轨迹及其车速，包括：

描述车辆R的状态特征，其中采用的车辆状态描述模型为：

ρ_n＝(α_n,β_n,γ_n,δ_n)

式中，ρ_n表示车辆在n时刻的状态特征向量，α_n表示车辆在n时刻的重心位置，β_n表示车辆在n时刻的运动速度，β_n＝α_n-α_n-1，γ_n表示车辆在n时刻的偏心矩向量分散度，其中n_γ表示偏心矩向量的总维数，D″(i)表示第i维偏心矩归一化向量，表示偏心矩向量均值，δ_n表示车辆在n时刻的灰度特征，其中N表示车辆R中像素点的总数，I(i,j)表示车辆R中任意像素点的灰度值；

对车辆的状态特征进行估计，其中采用的状态特征估计函数为：

α_n＝α_n-1+α_n-1×Δt+μ₁

δ_n＝δ_n-1+μ₃

式中，α_n和α_n-1分别表示n和n-1时刻车辆的重心位置，Δt表示相邻观测时刻的时间间隔，μ₁表示位置估计误差，γ_n和γ_n-1分别表示n和n-1时刻车辆的偏心矩向量分散度，表示n-1时刻对下一时刻预测的车辆偏心矩向量分散度变化量，ωγ表示更新因子，表示n-2时刻对下一时刻预测的车辆偏心矩向量分散度变化量，μ₂表示偏心矩向量分散度估计误差，δ_n和δ_n-1分别表示n和n-1时刻车辆的灰度特征，μ₃表示灰度特征估计误差；

将前一时刻的车辆状态特征分量估计值与当前时刻中的所有未匹配的前景目标的状态特征分量进行匹配，即将所有未匹配的前景目标的重心位置、偏心矩向量分散度、灰度等状态特征分量与车辆一一匹配，如果某状态特征分量的距离小于设定的阈值，则认为该状态特征分量匹配成功，如果其中一个未匹配的前景目标存在两个或两个以上的特征匹配成功时，则将该未匹配的前景目标匹配为车辆；否则，当所有未匹配的前景目标都仅有一个或没有特征分量匹配成功时，则有可能是发生遮挡情况所导致，需要对车辆进行遮挡处理分析；

所述的遮挡处理分析为：当发生遮挡情况的时候，对状态特征进行预测，具体为：

对车辆的状态特征进行预测，其中采用的自定义状态特征预测模型为：

式中，表示n+1时刻车辆的状态特征预测，y₀(1)表示车辆的初始状态特征，p’和q’表示待估参数，且满足(p’,q’)^T＝(Y_u^TY_u)^-1Y_u^TY，其中Y_u表示累计状态特征序列，Y表示状态特征序列，y₁(s)表示车辆在s时刻的累计状态特征，y₀(s)表示车辆在s时刻的状态特征，

如果当前第n时刻车辆与所有前景目标未发生匹配，则认为其可能发生遮挡，这时将未匹配的车辆暂时保留，并对其进行标记处理，建立遮挡临时链表，将该车辆的历史状态特征加入到遮挡临时链表中，同时采用上述自定义状态特征预测模型更新车辆状态，对遮挡过程的运动状态进行预测，如果在T个时刻内，车辆与前景目标重新匹配成功，便可认为该车辆发生暂时性遮挡，将其回归到正常跟踪状态，如果在T个时刻内，车辆仍未匹配成功，则认为该车辆消失，其中T为设定的遮挡时间阈值；

根据车辆的重心位置变化和所花的时间获取车辆的轨迹和车速。