随着我国机动车保有量不断地增加,违章停车问题也逐渐增多。执勤交警受工作时间、人力等因素无法对所有违停车辆进行现场处罚,而定点的拍照或监控设备由于存在盲区也不能拍摄所有的违停行为。基于智能手机的违停车辆举报监督方式使民众可随时随地拍摄交通违法行为并进行举报,可弥补警力资源有限和摄像监控存在盲区等问题。但民众的违停车辆举报信息中无法避免的会出现无效或重复的举报信息和举报照片,目前已有的举报系统往往采用人工筛选处理的方式,无疑增加了审核人员的工作量,降低了举报处理的效率,也造成了系统存储资源的浪费。针对违停车辆举报过程中出现无效或重复的举报照片问题,研究了面向静态图像的车辆检测识别方法,提出一种基于局部学习的车辆图像识别方法和违停车辆举报照片检测方法,并设计实现了举报照片检测系统。本文的主要研究工作如下:(1)提出一种基于局部学习的车辆图像识别方法,将静态图像下的车辆检测问题转换成以超像素为单位的目标与背景二分类问题,以局部学习中心选取策略和巴氏距离大小为基础,将样本划分若干子集并在每个子集上训练一个局部分类器来检测各超像素是否属于车辆,从而确定目标车辆区域。仿真结果表明,该方法在静态车辆图像识别问题上拥有更好的识别率和识别效果。(2)针对违停车辆举报照片的有效性和重复性问题,提出一种面向违停车辆的举报照片有效性检测方案和多信息联合的车辆举报照片去重方案。有效性检测方案利用车牌识别、基于局部学习的车辆图像识别方法以及手机端的方向传感器数据来检测举报照片是否满足有效性标准。去重方案使用车牌信息、定位信息、举报人信息、举报时间以及照片间图像相似度来对举报信息和举报照片进行筛选及去重处理。(3)设计并实现了违停车辆举报照片检测系统,包括Android App客户端和后端管理平台。App客户端主要包含举报上传、举报查看等功能,后端管理平台包括举报管理、有效性检测、定时去重以及违停分布等功能模块。利用该系统,可对民众利用智能手机拍摄举报的违停车辆照片进行有效性检测和去重处理,可筛除部分无效或重复举报,大大减轻了人工审核的工作量。