1.一种基于视频分析的车辆刮蹭检测方法，其特征在于包括如下步骤：

步骤1：用矩形框标定监控视频中的停车区域和过车区域；

步骤2：定义停车车辆集合S＝{si|i＝1,2,…,I},过车车辆集合G＝{gj|j＝1,2,…,J}，其中，si表示S中第i辆车的最小外接矩形，I表示停车车辆集合中车辆的数量，gj表示G中第j辆车的最小外接矩形，J表示过车车辆集合中车辆的数量；初始时S和G均为空集合；

步骤3：从监控视频缓存队列中获一帧图像；

步骤4：采用基于深度学习技术的语义分割方法从步骤3的图像中检测出在过车区域内的车辆，并将结果记为C＝{ck|k＝1,2,...,K}，其中，ck表示检测到的第k辆车的最小外接矩形，K表示检测到的车辆数；针对每个ck，按如下逻辑处理：若ck完全包含于停车区域内且与所有si满足式(1)，则将ck加入S中；否则，若ck不完全包含于停车区域且与所有gj满足式(2)，则将ck加入G中；

其中，A表示面积计算函数；

步骤5：对步骤4中的停车车辆集合S中的每辆车进行跟踪并更新S，若该车辆超出停车区域的范围，则将其从S中移出；

步骤6：对步骤4中的过车车辆集合G中的每辆车进行跟踪并更新G，若该车辆超出过车区域的范围，则将其从G中移出；

步骤7：针对S中的任意车辆si和G中的任意车辆gj做刮蹭判定，具体步骤为：步骤7.1：若si和gj未相交，则判定为si和gj未刮蹭；若si和gj相交，则进入步骤7.2进行下一步判定；

步骤7.2：定义si的边界点集为SPi＝{spil|l＝1,2,…,Li}，其中，spil表示si的第l个边界点，Li表示si的边界点的数量；定义gj的边界点集为GPj＝{gpjt|t＝1,2,…,Mj}，其中，gpjt表示gj的第t个边界点，Mj表示gj的边界点的数量；若SPi与GPj中没有相同的元素，则判定si和gj未刮蹭；若SPi与GPj中有相同的元素，则判定为si和gj刮蹭，并记录si和gj各自中心点之间的距离，记为dij，保存此帧图像；

步骤7.3：重复步骤7.1-7.2，定义上一帧中的si和gj各自中心点之间的距离为 在新的一帧中，比较dij与 的大小，若 则将dij的数值更新为 并保存此帧图像；

若 则不更新dij的数值和保存的图像。