[發(fā)明專利]基于視頻技術(shù)的車輛檢測(cè)與跟蹤方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 200810024699.X
• 申請(qǐng)日: 2008-04-01
• 公開(kāi)（公告）號(hào): CN101251927A
• 公開(kāi)（公告）日: 2008-08-27
• 發(fā)明（設(shè)計(jì)）人: 路小波;劉斌;朱周
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G06T7/20
• 分類號(hào): G06T7/20;G06T7/00;G06K9/00;G08G1/01;G08G1/123
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司
• 代理人: 陸志斌

1.?一種基于視頻技術(shù)的車輛檢測(cè)與方法，其特征在于：

①交通場(chǎng)景背景圖像的不斷更新

設(shè)背景初始化之后得到的背景圖像為B₀，每當(dāng)重新采集到第i幀圖像P_i時(shí)，計(jì)算對(duì)應(yīng)于第i-1幀圖像P_i-1的背景圖像B_i-1，

設(shè)當(dāng)i＝2時(shí)不需對(duì)背景進(jìn)行更新，即B₁＝B₀，B₁為第1幀圖像P₁的背景圖像；而當(dāng)i＞2時(shí)，首先利用連續(xù)三幀圖像P_i-2、P_i-1和P_i計(jì)算對(duì)稱幀差圖像|P_i-1-P_i-2|和|P_i-P_i-1|，并利用這兩幅對(duì)稱幀差圖像進(jìn)行二值化計(jì)算，得到與所采集第i幀圖像P_i大小相等的第1標(biāo)號(hào)圖L₁，

L1(x,y)=1if|Pi-1(x,y)-Pi-2(x,y)|>t1and|Pi(x,y)-Pi-1(x,y)|>t10else]]>

式中，P_i(x，y)表示第i幀圖像P_i中坐標(biāo)為(x，y)的像素的灰度，L₁(x，y)表示第1標(biāo)號(hào)圖L₁中坐標(biāo)為(x，y)的點(diǎn)的標(biāo)號(hào)，L₁(x，y)取1時(shí)表示點(diǎn)(x，y)在連續(xù)三幀圖像P_i-2、P_i-1和P_i中是運(yùn)動(dòng)的，L₁(x，y)取0時(shí)表示點(diǎn)(x，y)在連續(xù)三幀圖像P_i-2、P_i-1和P_i中是靜止的，t₁表示二值化計(jì)算時(shí)的閾值，預(yù)先設(shè)定為5～10，

在得到第1標(biāo)號(hào)圖L₁之后，接著對(duì)第1標(biāo)號(hào)圖L₁進(jìn)行種子填充，得到新的第1標(biāo)號(hào)圖L₁′。

其次，對(duì)第i-1幀圖像P_i-1中所有像素的灰度P_i-1(x，y)進(jìn)行四鄰域平均計(jì)算，得到圖像P_i-1′，即：

P_i-1′(x，y)＝(P_i-1(x-1，y)+P_i-1(x，y-1)+P_i-1(x，y)+P_i-1(x，y+1)+P_i-1(x+1，y))/5

接著，利用圖像P_i-1′和背景圖像B_i-2計(jì)算背景差圖像|P_i-1′-B_i-2|，并對(duì)該背景差圖像進(jìn)行二值化計(jì)算，得到第2標(biāo)號(hào)圖L₂，

L2(x,y)=1if|Pi-1′(x,y)-Bi-2(x,y)|>t20else]]>

其中B_i-2為第i-2幀圖像的背景圖像，t₂為二值化計(jì)算時(shí)的閾值，通過(guò)車輛檢測(cè)過(guò)程中的閾值計(jì)算方法計(jì)算得到，

最后，根據(jù)新的第1標(biāo)號(hào)圖L₁′和第2標(biāo)號(hào)圖L₂中對(duì)應(yīng)點(diǎn)之間的4種邏輯關(guān)系，將第i-2幀圖像的背景圖像B_i-2分為4個(gè)區(qū)域，并對(duì)該4個(gè)區(qū)域采用下列灰度更新方法進(jìn)行更新，得到更新后的背景圖像B_i-1：

Bi-1(x,y)=Pi-1(x,y)ifL1′(x,y)=0andL2(x,y)=0Bi-2(x,y)+MifL1′(x,y)=0andL2(x,y)=1andPi-1(x,y)>Bi-2(x,y)Bi-2(x,y)-MifL1′(x,y)=0andL2(x,y)=1andPi-1(x,y)<Bi-2(x,y)Bi-2(x,y)else]]>

其中，M取值決定背景更新的速度，取1或2；

②設(shè)置虛擬檢測(cè)線，當(dāng)車輛通過(guò)檢測(cè)線時(shí)對(duì)其進(jìn)行檢測(cè)，得到車輛的初始標(biāo)號(hào)

在背景初始化完成之后，重新開(kāi)始采集圖像，設(shè)重新采集的第i幀圖像為P_i，在圖像P_i-1上的車道入口處設(shè)置與車道垂直的虛擬檢測(cè)線Line，其寬度為8像素，

設(shè)圖像矩陣P_i的大小為M×N，以8×8像素為塊，得到塊的矩陣D_i，其大小為m×n，其中m＝M/8，n＝N/8，塊矩陣D_i中的每個(gè)元素都表示一個(gè)大小為8×8的塊D_i(x，y)，定義大小為m×n的塊標(biāo)號(hào)矩陣Label_i，其中塊標(biāo)號(hào)矩陣Label_i中的元素Label_i(x，y)表示塊D_i(x，y)的標(biāo)號(hào)，將背景區(qū)域的塊D_i(x，y)的標(biāo)號(hào)Label_i(x，y)設(shè)為0，將第h輛車區(qū)域的塊D_i(x，y)的標(biāo)號(hào)Label_i(x，y)設(shè)為h，h為自然數(shù)，

Label_i中的所有元素初始化為0，設(shè)檢測(cè)線Line在塊矩陣D_i(x，y)中的x方向坐標(biāo)為l，則它在圖像P_i-1中上邊緣線的x坐標(biāo)為(l-1)×8+1，下邊緣線的x坐標(biāo)為l×8，

將當(dāng)前幀圖像P_i-1與背景圖像B_i-1進(jìn)行相減，并取絕對(duì)值，得到背景差圖像BP_i-1：

BP_i-1＝|P_i-1-B_i-1|

BP_i-1中檢測(cè)線區(qū)域的圖像設(shè)為L(zhǎng)ine_i-1，其大小為8×N，可以分成為1×n個(gè)塊。

車輛檢測(cè)的步驟如下：

步驟一：計(jì)算檢測(cè)線圖像Line_i-1的分割閾值T，該分割閾值T采用迭代法得到，

步驟二：分別計(jì)算檢測(cè)線圖像Line_i-1中n個(gè)塊的平均灰度值，對(duì)第j個(gè)塊而言，其平均灰度值K_j為：

Kj=(Σx=18Σy=(j-1)×8+1j×8Linei-1(x,y))/64]]>

其中，Line_i-1(x，y)是檢測(cè)線圖像Line_i-1中坐標(biāo)為(x，y)的像素的灰度，

步驟三：分別對(duì)檢測(cè)線圖像Line_i-1中n個(gè)塊的平均灰度值和閾值T進(jìn)行比較，如果第j個(gè)塊的平均灰度值K_j大于或等于閾值T，則說(shuō)明檢測(cè)線圖像Line_i-1上檢測(cè)到了車輛，并給該塊賦予標(biāo)號(hào)h，表示該塊屬于第h次到達(dá)檢測(cè)線的車輛，如果第j個(gè)塊的平均灰度值K_j小于閾值T，則第j個(gè)塊的標(biāo)號(hào)仍然為0，表示該塊屬于背景區(qū)域，

即，如果K_j≥T，則Label_i-1(l，j)＝h；如果K_j＜T，則Label_i-1(l，j)＝0

其中，Label_i-1(l，j)是塊標(biāo)號(hào)矩陣Label_i-1中坐標(biāo)為(l，j)的塊的標(biāo)號(hào)，h表示該車到達(dá)檢測(cè)線的次序，且當(dāng)前兩幀檢測(cè)線圖像Line_i-3和Line_i-2中沒(méi)有檢測(cè)到車輛，而當(dāng)前幀檢測(cè)線圖像Line_i-1中檢測(cè)到車輛時(shí)，對(duì)h進(jìn)行一次更新，即h＝h+1。

③檢測(cè)到車輛之后，計(jì)算車輛的運(yùn)動(dòng)矢量，利用運(yùn)動(dòng)矢量進(jìn)行標(biāo)號(hào)移位

在對(duì)第i-1幀圖像P_i-1進(jìn)行車輛檢測(cè)之后，如果第i-2幀圖像P_i-2中存在第h次到達(dá)的車輛，則首先確定所有屬于該車輛的塊的集合Block_i-2＝{D_i-2(m，n)|Label_i-2(m，n)＝h}，然后分別計(jì)算塊集合Block_i-2中每個(gè)塊D_i-2(m，n)在第i-2幀圖像P_i-2和第i-1幀圖像P_i-1之間的運(yùn)動(dòng)矢量，記為(v_mx，v_ny)，這些運(yùn)動(dòng)矢量的集合為V={(vmx,vny)|(m,n)⋐Blocki-2},]]>計(jì)算集合V中出現(xiàn)頻率最大的運(yùn)動(dòng)矢量作為車輛的運(yùn)動(dòng)矢量(vt_x，vt_y)，并利用運(yùn)動(dòng)矢量(vt_x，vt_y)對(duì)車輛標(biāo)號(hào)的位置進(jìn)行更新，即，對(duì)于任意的塊Di-2(m,n)⋐Blocki-2]]>而言，塊D_i-2(m，n)的位置從第i-2幀圖像P_i-2中的坐標(biāo)(m，n)運(yùn)動(dòng)到第i-1幀圖像P_i-1中的坐標(biāo)(m+vt_x，n+vt_y)，故令Label_i-1(m+vt_x，n+vt_y)＝h，完成車輛標(biāo)號(hào)位置的更新，

所述車輛的運(yùn)動(dòng)矢量(vt_x，vt_y)的計(jì)算方法為：選擇車輛后部分的運(yùn)動(dòng)矢量代表整輛車的運(yùn)動(dòng)矢量，即對(duì)車輛后部分(最后兩行)的所有塊進(jìn)行運(yùn)動(dòng)矢量計(jì)算，并從這些運(yùn)動(dòng)矢量中找出出現(xiàn)頻率最大的矢量，以之作為車輛的運(yùn)動(dòng)矢量；

所述運(yùn)動(dòng)矢量(v_mx，v_ny)的計(jì)算方法為：首先采用三步法，然后，在運(yùn)動(dòng)矢量長(zhǎng)度小于2個(gè)像素時(shí)，采用全搜索法。

④車輛標(biāo)號(hào)的校正

車輛標(biāo)號(hào)的校正只需在包含車輛標(biāo)號(hào)h的最小矩陣框[x_min?x_max?y_min?y_max]中進(jìn)行，其中x_min、y_min分別是塊標(biāo)號(hào)矩陣Label_i-1中所有標(biāo)號(hào)為h的塊的最小橫縱坐標(biāo)，x_max、y_max分別是塊標(biāo)號(hào)矩陣Label_i-1中所有標(biāo)號(hào)為h的塊的最大橫縱坐標(biāo)，首先利用在車輛檢測(cè)中用到的閾值計(jì)算方法計(jì)算背景差圖像BP_i-1的分割閾值T2，再分別計(jì)算最小矩陣框中的所有塊的平均灰度，如果塊的平均灰度大于閾值T2，則給該塊標(biāo)上車輛的標(biāo)號(hào)h；否則將該塊的標(biāo)號(hào)設(shè)置為0，即：

對(duì)于任意的塊D(x，y)，x_min≤x≤x_max且y_min≤y≤y_max，其平均灰度為：

K(x,y)=(Σm=(x-1)×8+1x×8Σn=(y-1)×8+1y×8BPi-1(m,n))/64]]>

如果K(x，y)≥T2，則Label_i-1(x，y)＝h；如果K(x，y)＜T2，則Label_i-1(x，y)＝0。

⑤檢測(cè)車輛間的遮擋現(xiàn)象并進(jìn)行分割

(1)遮擋現(xiàn)象的檢測(cè)

對(duì)單輛車而言，以包含所有標(biāo)號(hào)的最小矩形框[x_min?x_max?y_min?y_max]作為該車的位置，則當(dāng)前圖像P_i-1中的所有車輛分別由各自的最小矩形框來(lái)表示，且矩形框的標(biāo)號(hào)與框內(nèi)塊的標(biāo)號(hào)一致，對(duì)所有的矩形框進(jìn)行兩兩比較和判斷，若兩個(gè)矩形框存在重疊部分，則表明矩形框所代表的車輛間存在遮擋現(xiàn)象，并將重疊部分定義為遮擋區(qū)域；反之，若兩個(gè)矩形框不存在重疊部分，則表明矩形框所代表的車輛間不存在遮擋現(xiàn)象，

(2)遮擋區(qū)域的分割

檢測(cè)到遮擋現(xiàn)象并得到遮擋區(qū)域之后，針對(duì)遮擋區(qū)域建立Markov模型，模型中標(biāo)號(hào)的個(gè)數(shù)即為遮擋區(qū)域中塊的個(gè)數(shù)，給遮擋區(qū)域中所有塊的標(biāo)號(hào)都設(shè)定一個(gè)確定值便得到一組標(biāo)號(hào)組合，每組標(biāo)號(hào)組合都對(duì)應(yīng)一個(gè)能量函數(shù)。在所有可能的標(biāo)號(hào)組合的范圍內(nèi)，對(duì)能量函數(shù)進(jìn)行最小優(yōu)化，得到的最小能量函數(shù)所對(duì)應(yīng)的標(biāo)號(hào)組合即為遮擋區(qū)域的分割結(jié)果。

2.?根據(jù)權(quán)利要求1所述的基于視頻技術(shù)的車輛檢測(cè)與跟蹤方法，其特征在于在使用全搜索法計(jì)算運(yùn)動(dòng)矢量(v_mx，v_ny)中，運(yùn)動(dòng)矢量長(zhǎng)度小于1個(gè)像素時(shí)，對(duì)與運(yùn)動(dòng)矢量計(jì)算的目標(biāo)塊N的距離為0.5像素的8個(gè)塊進(jìn)行灰度插值。