[發(fā)明專利]一種基于馬爾科夫隨機(jī)場(chǎng)的車輛遮擋處理方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310263026.0
• 申請(qǐng)日: 2013-06-27
• 公開（公告）號(hào): CN103310465A
• 公開（公告）日: 2013-09-18
• 發(fā)明（設(shè)計(jì)）人: 路小波;陳林;熊陽(yáng)
• 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;G06T7/60;G08G1/01
• 代理公司: 江蘇永衡昭輝律師事務(wù)所 32250
• 代理人: 齊旺

1.一種基于馬爾科夫隨機(jī)場(chǎng)的車輛遮擋處理方法，其特征在于：該處理方法包括以下步驟：

步驟10）建立背景圖，包括步驟101）至步驟104）：

步驟101）通過(guò)計(jì)算機(jī)讀取由攝像裝置拍攝的含有運(yùn)動(dòng)車輛的m幀圖像的視頻，并獲取第d-1幀灰度圖像G_d-1與第d幀灰度圖像G_d的幀差圖|G_d-G_d-1|，同時(shí)獲取第d幀灰度圖像G_d與第d+1幀灰度圖像G_d+1的幀差圖|G_d-G_d+1|，將上述連續(xù)兩個(gè)幀差圖作圖像的與運(yùn)算，得到第d幀圖像的車輛掩碼圖Vmask_d，Vmask_d=|G_d-G_d-1|&|G_d-G_d+1|，其中，m和d均為正整數(shù)，2<d+1<m；

步驟102）建立初始背景圖BcG_d：利用式（1），將第d幀灰度圖像G_d與車輛掩碼圖Vmask_d做差得到的絕對(duì)值，作為初始背景圖BcG_d：

BcG_d=|G_d-Vmask_d|???????式（1）

步驟103）將車輛掩碼圖Vmask_d作取反運(yùn)算，得到車輛掩碼取反結(jié)果圖M_d，M_d=|Fg_d-Vmask_d|，其中，F(xiàn)g_d是一個(gè)與當(dāng)前第d幀灰度圖像G_d同樣大小和規(guī)格的圖像矩陣，且該圖像矩陣中每個(gè)像素點(diǎn)的值為255；再將M_d進(jìn)行二值化處理，利用式（2），得到初始背景二值圖Mu_d(x,y)：

Mud(x,y)=1[Md(x,y)>T1]0else]]>????式（2）

其中，M_d(x,y)表示車輛掩碼取反結(jié)果圖M_d中處于(x,y)位置的像素值，T₁表示初始背景二值化閾值，然后累計(jì)k幀灰度圖像的初始背景二值圖，得到背景累計(jì)次數(shù)Σd=1kMud(x,y),]]>110m<k<15m;]]>

步驟104）累計(jì)k幀灰度圖像的初始背景圖，得到背景累計(jì)圖將背景累計(jì)圖除以背景累計(jì)次數(shù)，得到背景圖BackG：

BackG=Σd=1kBcGd÷Σd=1kMud(x,y);]]>

步驟20）建立車輛前景輪廓圖，包括步驟201）—步驟203）：

步驟201）當(dāng)?shù)趌幀視頻出現(xiàn)車輛K，將第l幀灰度圖像G_l與背景圖BackG做差得到的絕對(duì)值，作為車輛K的前景圖Vpro_l：Vpro_l=|G_l-BackG|，再將車輛K的前景圖Vpro_l進(jìn)行二值化處理，去除背景干擾，利用式（3）得到車輛前景二值圖Vpro_l2(x,y)，

Vprol2(x,y)=Vprol(x,y)(Vprol(x,y)>T2)0else]]>????式（3）

其中，Vpro_l(x,y)表示車輛前景圖Vpro_l處于(x,y)位置的像素值，T₂表示車輛前景二值化閾值；

步驟202）對(duì)車輛前景二值圖Vpro_l2(x,y)進(jìn)行形態(tài)學(xué)閉運(yùn)算，使車輛的前景區(qū)域具有連通性，得到車輛前景連通圖Vcon_l；

步驟203）利用鏈碼跟蹤方法提取車輛前景連通圖Vcon_l中車輛K的輪廓，再利用格雷厄姆掃描法獲取車輛K的前景輪廓的凸包OutB_l，對(duì)凸包OutB_l進(jìn)行濾波處理，排除背景噪聲：若凸包OutB_l的面積sizeof(OutB_l)>T₃，則保留該車輛；若凸包OutB_l的面積sizeof(OutB_l)≤T₃，則刪除該車輛，T₃表示凸包面積閾值；

步驟30）在車輛輪廓里填充塊，包括步驟301）至步驟303）：

步驟301）依據(jù)車輛K的輪廓，首先取車輛輪廓線上一點(diǎn)為塊的一個(gè)頂點(diǎn)，塊的其余三個(gè)頂點(diǎn)均設(shè)定在輪廓線內(nèi)部，沿著車輛輪廓線，每隔2個(gè)像素單位增加一個(gè)大小為c×c像素的塊，c的取值為3、4或5；

步驟302）獲取車輛K輪廓的最小縱坐標(biāo)y_b和最大縱坐標(biāo)y_t，當(dāng)車輛K遠(yuǎn)離檢測(cè)區(qū)域，從y_i=y_b+2p處開始逐行掃描，在第y_i行，獲取車輛K輪廓的最小橫坐標(biāo)x_l和最大橫坐標(biāo)x_r，自坐標(biāo)為(x_l,y_i)至坐標(biāo)為(x_r,y_i)的同一行中，每隔2個(gè)像素增加一個(gè)大小為c×c像素的塊，且每個(gè)塊的四個(gè)頂點(diǎn)都在車輛K的輪廓內(nèi)，其中，p表示步驟303）返回步驟302）的次數(shù)，p的初始值為0，y_b≤y_i≤y_t；

步驟303）返回步驟302），直至y_i=y_t，記填充塊的個(gè)數(shù)為n；

步驟40）進(jìn)行塊的遮擋處理，包括步驟401）至步驟405）：

步驟401）在車輛K包含的所有n個(gè)塊中，以第t-1幀灰度圖像中的第i個(gè)塊為模板，利用三步搜索法確定在第t幀灰度圖像中，與最為匹配的匹配塊塊中心在第t-1幀灰度圖像中的位置為匹配塊中心在第t幀灰度圖像中的位置為其中，i=q+1，q表示步驟405）返回步驟401）的次數(shù)，q的初始值為0；

步驟402）測(cè)算的運(yùn)動(dòng)矢量Mvi={(x,y)|(x,y)=(xit-xit-1,yit-yit-1)},]]>其中，(x,y)表示運(yùn)動(dòng)矢量Mv_i的坐標(biāo)；

步驟403）對(duì)匹配塊進(jìn)行驗(yàn)證處理；

步驟404）對(duì)塊進(jìn)行遮擋判斷和遮擋處理；

步驟405）返回步驟401），直至i=n，完成所有塊的驗(yàn)證處理和遮擋處理。