[發明專利]基于格式塔視覺原理的運動目標區域整合優化方法

有效

• 申請號: 201210111016.0
• 申請日: 2012-04-16
• 公開（公告）號: CN102663368A
• 公開（公告）日: 2012-09-12
• 發明（設計）人: 王崇駿;唐鵬;竇文科;謝俊元
• 申請（專利權）人: 南京大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南京天翼專利代理有限責任公司 32112
• 代理人: 湯志武

技術領域

本發明涉及一種運動目標整合優化方法，尤其涉及一種基于格式塔視覺原理的運動目標區域整合優化方法。

背景技術

智能交通管理系統(ITS：Intelligent?Traffic?System)是目前世界各國交通運輸領域競相研究和開發的熱點。其主要目標是獲取道路信息以及車輛行為信息，包括車流量、車速、道路占有率、交通事故檢測等。在圖像中進行運動車輛區域的檢測的是智能交通系統的重要技術之一，是實現ITS目標的核心方法，也是ITS實現自動化、智能化和實時應用的關鍵。

在基于背景減除的傳統目標檢測方法中，由于光照以及車身顏色等干擾，常常會出現“過度分割”的現象，表現為在檢測的結果上出現將一個車輛分割為幾個不連通的區域。然而，使用連通區域分析來區別不同車輛目標的方法，最終會將這些不連通的區域(本來屬于一個運動車輛，由于“過度分割”而被分為幾個部分)標識為不同的車輛目標，嚴重影響了檢測的正確性，對后續對車輛目標的跟蹤及更高級的視頻分析行為非常不利。因此采用一定的方法解決“過度分割”的問題顯得十分重要。

發明內容

本發明目的在于提供一種基于格式塔視覺原理的運動目標區域整合優化方法，以提高運動目標檢測的正確性。

為達成上述目的，本發明的基于格式塔視覺原理的運動目標區域整合優化方法包括如下步驟：

1)規則抽象階段：

a、將格式塔視覺原理所遵循的接近性原則和閉合性原則抽象為目標整合所需滿足的整合優化規則，即選定特征參數，并為特征參數設定閾值，當特征參數與閾值滿足設定條件時，整合兩個目標；

b、結束。

2)整合優化階段

a、收集目標提取得到的所有目標車輛區域到待整合隊列Q中；

b、計算Q中兩個目標t₁和t₂的整合特征參數，若該兩個目標的所有整合參數都能滿足整合優化規則，則將兩個目標合并成一個目標t_new，在Q中刪除t₁和t₂并加入t_new；否則，繼續尋找可以和t₁整合的目標；

c、循環執行步驟2)-b，直到任意兩個目標的整合特征參數都不能滿足整合條件；

d、結束。

進一步，本發明中，步驟1)-a中所述的特征參數值包括寬距和高距、寬相似比和高相似比、面積覆蓋系數，將兩個目標t₁和t₂的高距閥值設定為圖片高度的十分之一和寬距閥值設定為圖片寬度的十分之一，高相似比Ratio_H和寬相似比Ratio_W均設置為0.7，面積覆蓋系數設置為0.5，當寬距和高距分別小于高距閥值和寬距閥值、高相似比Ratio_H和寬相似比Ratio_W均大于0.7且面積覆蓋系數大于0.5時，整合兩個目標t₁和t₂。

本發明中，步驟2)-a中Q中每個目標車輛區域包括車輛區域的外接矩形、在圖像中的具體位置等信息。

進一步，本發明中，步驟2)-b的具體過程如下：

對Q中兩個目標t₁和t₂，分別計算這兩個目標的整合特征參數值，包括寬距和高距(以像素為單位)、寬相似比和高相似比、面積覆蓋系數。

判斷t₁和t₂的所有整合特征參數是否都符合整合條件。若是，則將t₁和t₂合并為t_new，將t₁和t₂在隊列Q中刪除，同時添加t_new為新目標區域；否則，循環判斷t₁和余下目標的是否可以整合；

進一步，本發明中，步驟2)-c中當發現當前隊列中所有目標均不能滿足整合條件，則結束掃描隊列；返回整合結果；結束整合。

本發明的有益效果如下：本發明的基于格式塔視覺原理的運動目標區域整合優化方法，根據格式塔視覺原理的接近性原則和閉合性原則，抽象出將兩個目標車輛區域整合的規則，當兩個目標滿足所有整合條件的時候，將兩個目標整合為一個目標，回歸這兩個目標本身該有的整體特性。

附圖說明

圖1為智能交通管理系統工作流程圖。

圖2為本發明的基于格式塔視覺原理的運動目標區域整合優化方法的流程圖。