基于OpenCV和机器学习的违法停车检测算法

传统的视频停车检测算法一般以视频图像像素灰度值变化、前景和背景差异及二值化特性等为研究目标,对目标缺乏整体辨识能力,检测精度容易受到人、车及物等其他交通参与者的影响,关键技术存在技术瓶颈。为改进违法停车检测算法,减少外界环境对目标识别的影响,提高车辆目标辨识能力,提出基于OpenCV和机器学习的违法停车抓拍算法。以车辆整体为研究目标,选取Haar特征作为特征参数,采集大量正、负样本,通过OpenCV提供的Adaboost算法训练车辆分类器,在程序中通过调用OpenCV提供机器视觉接口函数,实现停车检测。该算法可有效克服交通流中人、车及物等环境因素的影响,提高目标辨识能力和识别速度,基于OpenCV和机器学习的违法停车检测算法比传统算法具有更好的有效性和鲁棒性。