基于云存儲(chǔ)的違章停車監(jiān)測系統(tǒng).pdf

1、近些年來，隨著機(jī)動(dòng)車數(shù)量的增長，違章停車現(xiàn)象日益嚴(yán)重，這不僅影響正常交通秩序，而且容易引發(fā)交通事故。傳統(tǒng)的違章停車監(jiān)控較多依靠交警定點(diǎn)管理，這樣不僅無法實(shí)時(shí)監(jiān)控，而且耗費(fèi)大量人力和財(cái)力。因此，實(shí)時(shí)、準(zhǔn)確地對違章停車行為進(jìn)行自動(dòng)監(jiān)測和取證具有重要意義。
　　視頻監(jiān)控技術(shù)和云計(jì)算技術(shù)發(fā)展至今都已有了很大的進(jìn)步。在交通事件監(jiān)控方面，電子警察已經(jīng)能夠檢測車輛超速、逆行和闖紅燈等事件，但違停事件的檢測相對發(fā)展較慢，且在違停判斷上沒有考慮下車

2、行為。在云存儲(chǔ)方面，云模式的出現(xiàn)為存儲(chǔ)中心的構(gòu)建提供了新思路。本文研究了違停檢測和違停信息云存儲(chǔ)涉及的主要問題，設(shè)計(jì)實(shí)現(xiàn)了基于云存儲(chǔ)的違停監(jiān)測系統(tǒng)。
　　本文主要在違章停車識(shí)別方面，本文首先利用基于高斯混合模型和中值濾波模型的背景減法檢測進(jìn)入監(jiān)控區(qū)域的車輛，然后利用粒子濾波法跟蹤車輛，分析運(yùn)動(dòng)軌跡判斷車輛是否違章停車，本文的違章停車檢測依據(jù)的準(zhǔn)則是，車輛在禁停區(qū)域內(nèi)停駛且隨后有司機(jī)或乘客下車。在下車行為識(shí)別問題上文章提出一種基于多

3、目標(biāo)跟蹤的下車行為識(shí)別方法，該方法能夠有效的檢測違章下車行為，為違章停車判斷提供依據(jù)。
　　在車牌識(shí)別方面，提出一種基于小波變換和邊緣點(diǎn)顏色對相結(jié)合的車牌定位方法。該算法首先對圖像進(jìn)行小波邊緣檢測，利用改進(jìn)的Niblack算法進(jìn)行二值化處理，然后對二值化的圖像進(jìn)行形態(tài)學(xué)處理和搜索連通域得出候選車牌區(qū)域，最后，利用邊緣點(diǎn)顏色對排除干擾區(qū)域，實(shí)現(xiàn)車牌精確定位。該算法提高了復(fù)雜場合中車牌定位的正確率，以便準(zhǔn)確識(shí)別車牌信息。
　　在

4、違章停車信息存儲(chǔ)方面，本文提出一種將Hadoop文件系統(tǒng)的元數(shù)據(jù)存儲(chǔ)和邏輯管理相分離的方法。該方法利用ReadNameNode和PrimaryNameNode分別完成文件查詢和文件系統(tǒng)管理功能，并通過NFS服務(wù)器共享文件系統(tǒng)中的元數(shù)據(jù)信息。通過在偽分布式環(huán)境下進(jìn)行讀取和上傳文件的實(shí)驗(yàn)，驗(yàn)證了本文提出的方法能夠改善HDFS處理海量小文件的性能，在系統(tǒng)層面為海量違停圖片和視頻文件的存儲(chǔ)提供了一個(gè)有效的解決方法。
　　最后，將理論知識(shí)轉(zhuǎn)