[發(fā)明專利]一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法

無效

• 申請?zhí)枺?/td>: 201210403965.6
• 申請日: 2012-10-23
• 公開（公告）號: CN103778785A
• 公開（公告）日: 2014-05-07
• 發(fā)明（設(shè)計）人: 劉杰;袁媛;黃亞樓;劉才華;王嫄
• 申請（專利權(quán)）人: 南開大學(xué)
• 主分類號: G08G1/017
• 分類號: G08G1/017
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及模式識別領(lǐng)域，尤其是一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法。

背景技術(shù)

目前，運動目標(biāo)的檢測與跟蹤已經(jīng)成為計算機視覺領(lǐng)域的一個重要問題。其融合了圖像處理、模式識別、人工智能等多方面的知識，且在生產(chǎn)和生活中有著十分廣泛的應(yīng)用。結(jié)合視頻監(jiān)控的停車場車輛的檢測與跟蹤是停車場環(huán)境監(jiān)控的一種重要的手段。因為，實際停車場的視頻監(jiān)控采用人員監(jiān)視屏幕，因此，在監(jiān)控點較少的情況下，監(jiān)控效果較好。

發(fā)明人在實現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在以下缺點和不足：

現(xiàn)有技術(shù)多采用人工監(jiān)控的手段，當(dāng)監(jiān)控點較多時，監(jiān)控人員無法全面、完整的監(jiān)控所有信息，而且車輛的進(jìn)入、行走路徑、以及離開等各種狀態(tài)，無法進(jìn)行智能的獲取并進(jìn)行實時標(biāo)注車輛的狀態(tài)信息，以及狀態(tài)的自動統(tǒng)計、示警，從而進(jìn)行停車場的管理。(是不是有一些激光測距的技術(shù)，激光測距的技術(shù)不夠直觀)

發(fā)明內(nèi)容

本發(fā)明提供了一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法，本發(fā)明根據(jù)監(jiān)控設(shè)備獲得的視頻信息，對視頻中的車輛進(jìn)行檢測，并跟蹤其運行路徑，獲得車輛的狀態(tài)信息，并將信息顯示統(tǒng)計給相關(guān)的管理人員，達(dá)到了對停車場環(huán)境進(jìn)行智能監(jiān)控的目的，提高了監(jiān)控的性能，降低了人力代價，詳見下文描述：

一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法，包括：視頻中車輛的檢測，以及車輛運行路徑的跟蹤，車輛狀態(tài)的獲得。所述視頻中車輛檢測方法，包括基于RGB顏色空間的閾值劃分的改進(jìn)背景差分方法的車輛檢測方法、以及背景的構(gòu)建更新策略，以及獲得檢測目標(biāo)后的形態(tài)學(xué)降噪處理。所述車輛的目標(biāo)的跟蹤，車輛狀態(tài)獲得包括，車輛行為分析以及車輛跟蹤和事件處理。

所述背景構(gòu)建更新策略包括：初始背景構(gòu)建以及背景的更新策略。

所述形態(tài)學(xué)去噪處理包括：基于腐蝕和膨脹的基本去噪處理以及基于‘開和閉’的組合去噪處理。

所述車輛的行為分析包括：車輛目標(biāo)狀態(tài)的定義，狀態(tài)轉(zhuǎn)換和事件定義。

所述車輛的跟蹤和事件處理包括：基于運動特征的提取和匹配方法來確定目標(biāo)運動的區(qū)域，車輛狀態(tài)的判斷以及車輛行為事件的處理。

所述方法包括以下步驟：

(1)所述改進(jìn)方法在所述視頻上提取可靠的背景，以及基于所述改進(jìn)背景差分方法檢測車輛。

(2)所述背景差分法獲得目標(biāo)車輛之后形態(tài)學(xué)去噪處理。

(3)所述視頻上繪制所述背景差分方法獲得的車輛目標(biāo)輪廓以便跟蹤目標(biāo)。

(4)所述視頻各幀之間的關(guān)聯(lián)性、重合度分析以獲得車輛的行為并統(tǒng)計反饋

所述獲得可靠背景提取方法具體為：本發(fā)明采用實時調(diào)整的背景更新策略，以降低背景物體的運動或者光照條件等的變化對于背景剪除的結(jié)果的影響。所述背景更新策略包括背景的構(gòu)建以及背景的更新兩個步驟。本發(fā)明采用初始拍攝圖像作為初始背景，并在此基礎(chǔ)上進(jìn)行背景的更新。所述背景更新方法種以新的背景像素值替換舊的背景像素值以更新背景。即若判斷當(dāng)前某像素點為背景區(qū)域，則用該像素替換背景中對應(yīng)點；否則，仍保持原來的值。定義當(dāng)前輸入的視頻幀圖像為Fn，Bn-1為之前得到的舊的背景圖像。將當(dāng)前幀與背景幀相對應(yīng)的像素點相減求出該點處差分值Dn(x，y)：Dn(x，y)＝|Fn(x，y)-Bn-1(x，y)|假設(shè)使用閾值Th對像素點進(jìn)行劃分，則Dn大于閾值的認(rèn)為是前景點，不更新背景，否則替換舊的背景值。

所述改進(jìn)背景差分方法具體為：本發(fā)明采用基于RGB顏色空間的閾值劃分方法改進(jìn)了背景差分算法以克服彩色的視頻圖像轉(zhuǎn)化為灰度圖像的過程中，會造成顏色信息的丟失，或者選用轉(zhuǎn)化后的灰度圖像進(jìn)行差分操作，難以克服灰度相似性的干擾的問題。F(x，y)為當(dāng)前幀F(xiàn)n的一個像素點，其R、G、B三個通道的像素值分別為Fr(x，y)、Fg(x，y)、Fb(x，y)。分別將這三個像素值與對應(yīng)背景像素點的三通道值Br(x，y)、Bg(x，y)、Bb(x，y)相減，得到差分值Dr(x，y)、Dg(x，y)、Db(x，y)然后對三個差分值求出均值D(x，y)，由此判斷出當(dāng)前像素點與背景像素點的相似程度，進(jìn)行閾值判斷。選取新的閾值Th’，并以此為依據(jù)對幀圖像中的像素點F進(jìn)行二值劃分，得到結(jié)果R。

所述車輛目標(biāo)的形態(tài)學(xué)降噪處理具體為：采用形態(tài)學(xué)的圖像處理方法來將之去除。常見的用于降噪處理的形態(tài)學(xué)操作是腐蝕、膨脹、開和閉。開和閉運算是腐蝕、膨脹的組合。解決視頻在連續(xù)拍攝過程中，會出現(xiàn)光線的閃爍或反射等問題，進(jìn)而使閾值化處理得到的結(jié)果中含有一些小范圍的噪聲。