[發(fā)明專利]一種基于視頻的交通車輛檢測識別系統(tǒng)和方法

有效

• 申請?zhí)枺?/td>: 201210078707.5
• 申請日: 2012-03-22
• 公開（公告）號: CN102637257A
• 公開（公告）日: 2012-08-15
• 發(fā)明（設(shè)計）人: 張鳳春;童劍軍;劉勁松
• 申請（專利權(quán)）人: 北京尚易德科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G08G1/017
• 代理公司: 北京三聚陽光知識產(chǎn)權(quán)代理有限公司 11250
• 代理人: 張建綱

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理和模式識別技術(shù)領(lǐng)域，具體是一種基于視頻的交通車輛檢測識別系統(tǒng)和方法。

背景技術(shù)

近年來，隨著電子產(chǎn)業(yè)尤其是新型傳感器和大規(guī)模存儲設(shè)備的迅猛發(fā)展，視頻監(jiān)測技術(shù)以其靈活性和全面性越來越受到人們的青睞，它以實時動態(tài)信息為核心，綜合運用計算機、控制技術(shù)等現(xiàn)代高新技術(shù)，靈活快速的對視頻圖像進行實時處理，達到實時監(jiān)控。車輛檢測是交通系統(tǒng)中的重要環(huán)節(jié)，為交通監(jiān)管、交通控制提供信息，常用的車輛檢測方法包括線圈檢測、雷達檢測、激光檢測等。線圈檢測的安裝和維修工程量大，破壞路面，影響道路的壽命，而激光檢測和雷達檢測不僅成本高，而且容易對人體造成危害。

基于視頻的車輛檢測識別技術(shù)可以從視頻圖像中提取出車輛信息，不僅靈活方便，不破壞路面，而且可以為交通監(jiān)控提供大量的檢測信息，為交通管理提供可視化信息。基于視頻的車輛檢測識別技術(shù)作為新興的車輛檢測方法，日益受到人們的關(guān)注。

中國專利文獻CN101719217A提出了一種基于彈性松弛算法的車型識別系統(tǒng)及方法，該系統(tǒng)包括以數(shù)據(jù)線相連的攝像機、圖像采集卡、圖像處理和顯示設(shè)備，該方法是先用攝像機采集車輛視頻，將采集的圖像建立基于高斯平均背景模型，以此作為檢測前景區(qū)域；再通過幀差操作方法，將運動目標所在的前景區(qū)域從背景中分割提取出來作為前景圖像，用彈性松弛算法對前景圖像處理獲取車長和車高，然后根據(jù)國家車型識別標準判定車型結(jié)果。中國專利文獻CN102332167A公開了一種智能交通監(jiān)控中車輛和行人的目標檢測方法，對視頻幀序列進行背景模型的初始化，獨立建立飽和度分量和亮度分量的混合高斯背景分量模型并取分量均值；將視頻幀序列中的當前幀跟背景幀相差分，對前景幀進行二值化處理后再去除陰影和噪聲并進行形態(tài)學濾波；用更新因子更新得到的混合高斯背景模型的分量的權(quán)值、均值和方差；將要進行匹配的運動目標像素點值與更新后的混合高斯背景模型中的每一個分布的Jeffrey值進行比較，利用Jeffrey值判斷運動目標像素點是否屬于前景點。中國專利文獻CN102222346A公開了一種車輛檢測和跟蹤方法，首先對視頻中的每一幀圖像建立高斯背景模型；利用幀差法對相鄰兩幀做差分處理，得到粗略的運動區(qū)域和靜止區(qū)域；對獲得的靜止區(qū)域進行背景更新，運動區(qū)域不更新；對當前幀圖像和獲得的更新后的背景圖像做差分，得到精確的運動區(qū)域；利用每個像素點匹配方法對獲得的相鄰兩幀運動區(qū)域圖像找出重疊區(qū)域，并比較重疊區(qū)域與給定閾值大小；如果重疊區(qū)域大于給定閾值，則判斷是否發(fā)生目標重合；如果是，則計算相鄰兩幀中的第一幀運動區(qū)域的長寬比，通過這個比例檢測和跟蹤該運動車輛；如果不是，則判斷為同一車輛；如果重疊區(qū)域小于給定閾值，則求出多個目標框的最小外接矩形來正確對車輛檢測和跟蹤。

上述三篇專利文獻，在車輛檢測過程中，基本上都基于圖像的單個像素點建模，識別車輛，利用的是圖像單點信息，判斷當前像素點是前景像素(車輛像素)還是背景像素(非車輛像素)，沒有考慮到像素點之間的相關(guān)性問題，即圖像的面信息，所以在車輛檢測過程中會存在如下問題：例如，在樹枝輕微晃動或攝像機輕微抖動的情況下，上述專利文獻可以滿足車輛檢測識別，但是在樹枝晃動比較明顯，攝像機抖動比較明顯的情況時，基于單個像素點建模的車輛檢測識別會產(chǎn)生很多誤報，尤其是在圖像的邊緣信息越豐富，所產(chǎn)生的誤報干擾就越多；在車輛粘連和車輛遮擋的情況時，不能有效的把每個單獨車輛區(qū)分開，會把幾個車輛識別成一個車輛以及把一個車輛識別成幾個車輛等等，從而影響每個單獨車輛的跟蹤，進而影響后面車輛的行為分析(非法逆行，闖紅燈，非法變道等)；另外，對于交通圖像中的行人目標和車輛目標，也不能有效地進行區(qū)分。

在視頻識別技術(shù)中，需要對圖像信息進行特征提取，提取的特征包括Harr特征、積分特征和角度特征，Haar特征分為三類：邊緣特征、線性特征、中心特征和對角線特征，組合成特征模板。特征模板內(nèi)有白色和黑色兩種矩形，并定義該模板的特征值為白色矩形像素和減去黑色矩形像素和。積分特征指圖像中任意一點的數(shù)值等于從圖像的左上角到這個點所構(gòu)成的矩形區(qū)域內(nèi)所有點像素之和。梯度特征描述了圖像的邊緣、角點等局部區(qū)域變化的信息，對于光照的變化具有較強的魯棒性，廣泛運用在目標特征描述、圖像匹配和目標檢測中。

發(fā)明內(nèi)容

為此，本發(fā)明所要解決的是現(xiàn)有基于視頻的車輛檢測在背景運動顯著、車輛粘連和車輛遮擋等情況下區(qū)分交通車輛能力差、分辨精度不高的技術(shù)問題，提供一種具有較好的車輛區(qū)分能力、高精度的基于視頻的交通車輛檢測識別系統(tǒng)和方法。

為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案如下：