[發(fā)明專利]一種基于車輛部位特征的車輛檢測與跟蹤方法

有效

• 申請?zhí)枺?/td>: 201210340153.1
• 申請日: 2012-09-13
• 公開（公告）號: CN102867416A
• 公開（公告）日: 2013-01-09
• 發(fā)明（設計）人: 田濱;李葉;李泊;孔慶杰;王飛躍
• 申請（專利權(quán)）人: 中國科學院自動化研究所;江蘇中科智能工程有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/017
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 宋焰琴

技術(shù)領域

本發(fā)明涉及圖像處理、模式識別技術(shù)領域，尤其是一種基于車輛部位特征的車輛檢測與跟蹤方法，用于檢測視頻序列中的車輛目標，并跟蹤其運動軌跡。

背景技術(shù)

隨著視頻監(jiān)控技術(shù)的發(fā)展，視頻攝像機已經(jīng)被廣泛用來對各種環(huán)境、區(qū)域和場所進行實時監(jiān)控。隨著視頻攝像機和視頻檢測器數(shù)量的急劇增加，傳統(tǒng)的人工被動監(jiān)控已經(jīng)遠遠無法滿足監(jiān)控任務的需要。因此，實現(xiàn)可以代替人眼的智能自動監(jiān)控功能成為視頻監(jiān)控研究的目標。

傳統(tǒng)的交通信息采集系統(tǒng)中，主要使用地磁線圈、微波、紅外、超聲等設備采集交通信息。其中，利用地磁線圈采集交通信息，以原理簡單、精度高而得到了廣泛的應用，但在布設和維護時都會破壞路面，受冰凍、鹽堿、繁忙交通的影響大，壽命短，一般只有兩年。其他采集系統(tǒng)，如微波、紅外、超聲等由于設備昂貴或易受環(huán)境干擾而未得到廣泛應用。而利用視頻攝像機等視頻傳感器采集交通信息，可同時獲取多車道的交通參數(shù)。

利用視頻攝像機進行車輛檢測主要有兩類實際應用的方法，一類是利用虛擬線圈的方法，在視頻圖像幀中設置虛擬線圈，利用背景消減的方法，檢測運動目標。通過記錄車輛的駛?cè)肱c駛出，完成車輛計數(shù)及相關的上層交通服務。該類方法模擬了傳統(tǒng)地感線圈的方法，存在地感線圈檢測的所有缺點，在車輛遮擋、非機動車目標駛過等情況下，容易產(chǎn)生較為嚴重的誤檢。比如，在申請?zhí)枮?00810016988.5的中國專利申請中記載的車輛檢測方法中，就利用了虛擬線圈的檢測原理。第二類方法是以車輛為目標進行檢測的方法，該方法可以實現(xiàn)車輛的跟蹤，能夠充分利用時間域和空間域信息，更加有效。本發(fā)明的方法屬于上述第二類方法中的一種。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提高識別率，從而提供一種基于車輛部位特征的車輛檢測與跟蹤方法，該方法能夠適用于光照變化、車輛遮擋、車輛陰影、圖像分辨率變化等復雜環(huán)境，準確的檢測和跟蹤車輛，獲取車輛的運動軌跡。獲取的運動軌跡，可以用于電子警察系統(tǒng)中的上層智能交通服務，如車流量統(tǒng)計、車輛違章檢測以及治安卡口等服務。

為實現(xiàn)上述目的，本發(fā)明提出了一種基于車輛部位特征的車輛檢測與跟蹤方法。本發(fā)明首先定位視頻圖像中的車輛部位，包括車牌以及車燈，然后利用結(jié)構(gòu)信息組合這些部位，定位車輛，最后實現(xiàn)了一種基于擴展卡爾曼濾波器的車輛跟蹤方法。

所述基于車輛部位特征的車輛檢測與跟蹤方法，包括以下步驟：

步驟S1，對視頻序列中所有的車牌位置進行定位；

步驟S2，對視頻序列中所有的車輛尾燈位置進行定位；

步驟S3，利用車牌和車輛尾燈之間的結(jié)構(gòu)關系構(gòu)建車輛模型，從而從每一幀圖像中檢測得到車輛位置；

步驟S4，根據(jù)檢測得到的車輛位置，對車輛進行跟蹤從而獲取車輛的運動軌跡；

所述步驟S1進一步包括以下步驟：

步驟S11，根據(jù)中國國標車牌的底色，獲取視頻序列每一幀圖像的顏色灰度圖像；

步驟S12，利用所述顏色灰度圖像計算圖像梯度，得到梯度圖像；

步驟S13，在梯度圖像中進行滑動窗口掃描，計算窗口內(nèi)像素的平均梯度，以平均梯度值作為窗口中心像素點的像素值，得到該梯度圖像對應的得分圖像；

步驟S14，在所述得分圖像上確定車輛所在的區(qū)域，并利用非極大值抑制方法在車輛區(qū)域范圍內(nèi)求得局部極大值，如果該局部極大值大于設定的得分閾值，則以所述局部極大值為中心點，根據(jù)國標車牌的尺寸信息得到一車牌區(qū)域，將該車牌區(qū)域作為候選車牌區(qū)域；

所述步驟S2進一步包括以下步驟：

步驟S21，根據(jù)車輛尾燈的顏色，即紅色，獲取視頻序列每一幀圖像的顏色灰度圖像；

步驟S22，利用多閾值方法將所述顏色灰度圖像分割為多幅二值化圖像；

步驟S23，對所述多幅二值化圖像分別做連通域分析，取長寬比、面積大小在一定范圍內(nèi)的連通域作為候選車輛尾燈區(qū)域；

步驟S24，對于出現(xiàn)重疊的候選車輛尾燈區(qū)域，保留其中面積最大的那個區(qū)域，最終得到檢測出來的車輛尾燈區(qū)域。

本發(fā)明與現(xiàn)有技術(shù)相比的顯著效果在于：可以自動檢測視頻序列中的車輛位置，并跟蹤它們獲取車輛運動軌跡，不需要對原始視頻信號進行任何的預處理，而且對實際監(jiān)控視頻中所出現(xiàn)的車輛遮擋、車輛在強光條件下的陰影、光照變化、攝像機抖動、檢測噪聲等干擾同時具有較高的魯棒性。由于克服了這些現(xiàn)有技術(shù)在實際工程應用方面難以解決的困難，因此本發(fā)明真正實現(xiàn)了視頻中車輛目標的實時檢測與跟蹤。