[發明專利]一種基于視頻分析的道路行人及非機動車檢測方法

有效

• 申請號: 201310310299.6
• 申請日: 2013-07-23
• 公開（公告）號: CN103400157B
• 公開（公告）日: 2017-02-08
• 發明（設計）人: 付廷杰;王彬;孫婷婷;王曉曼
• 申請（專利權）人: 青島海信網絡科技股份有限公司
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06T7/20
• 代理公司: 青島聯智專利商標事務所有限公司37101
• 代理人: 邵新華

技術領域

本發明屬于視頻分析處理技術領域，具體地說，是涉及一種基于視頻分析的道路行人及非機動車檢測方法。

背景技術

行人和非機動車是道路交通重要的組成部分，行人檢測技術已有較多的研究，其中以利用梯度直方圖（HOG）特征結合模式識別的檢測方法，已經取得很好的檢測效果，但其計算復雜度太高，很難達到實時。在此基礎上，衍生出其他優化的方法，一種是利用背景建模技術或利用行人特征，獲取初步定位區域，減少檢測范圍，由于交通道路背景復雜、環境多變，此類方法很難獲得較好的檢測效果。

公開號為CN102043953的專利申請文件中記載了利用背景差分，獲取運動區域，然后提取頭肩特征，利用模式識別檢測行人，其問題在于，利用未檢出行人的某一幀作為背景，如果背景中其他運動物體較多，利用背景差分方法則存在大量干擾信息，導致行人檢測區域過大；另外，利用行人頭肩特征，會把道路中非機動車誤抓為行人，檢測誤差較大。

公開號為CN102682304的專利申請文件中記載了利用簡單行人特征初步定位行人區域，然后利用行人梯度特征和線性邊緣特征訓練分類器，然后利用模式識別最終判別行人，其問題在于，初步定位行人區域非常依賴于簡單行人特征，會導致行人區域過大或漏檢特征不明顯行人。

公開號為CN102147869的專利申請文件中記載了采用高斯混合模型背景建模獲取背景圖像，利用閾值化操作和形態學后處理獲得前景圖像，然后利用模式識別算法檢測行人，其存在檢測計算復雜度較高的缺點。

此外，目前所公開的技術只是對行人進行檢測，然而對于非機動車的檢測技術目前還沒有深入的研究。

基于此，如何發明一種檢測精度高、計算速度快、適合實時要求，以及可以檢測出行人和非機動車輛的檢測方法，是本發明主要解決的技術問題。

發明內容

本發明為了解決現有視頻圖像檢測精度低、無法滿足實時要求，以及無法檢測出行人和非機動車輛的問題，提供了一種基于視頻分析的道路行人及非機動車檢測方法，

為了解決上述技術問題，本發明采用以下技術方案予以實現：

一種基于視頻分析的道路行人及非機動車檢測方法，包括：

設置檢測區域步驟，并將所述的檢測區域劃分為目標進入區域和目標跟蹤區域，

尺度模型標定步驟，標定獲取行人及非機動車尺度模型；

檢測步驟，包括以下步驟：

（1）、對當前幀圖像進行運動區域檢測，獲取各個運動區域；

（2）、對運動區域進行目標檢測及跟蹤：判斷各個運動區域位于所述檢測區域中的位置，?

若運動區域位于目標進入區域，首先采用跟蹤目標匹配法，將已有跟蹤目標與該運動區域進行匹配計算，若匹配成功，并將該運動目標作為跟蹤目標進行更新，對于匹配失敗的運動區域采用模式識別算法檢測，檢測出運動目標類型和運動目標位置信息，所述的運動目標類型包括機動車、行人、非機動車三種類型，并將所檢測出的行人、非機動車創建為新的跟蹤目標；

若運動區域位于目標跟蹤區域，利用已有跟蹤目標與該運動區域進行匹配計算，匹配出跟蹤目標在當前幀的位置；

（3）、目標預測，對跟蹤目標，利用其在當前幀的位置和在前一幀的位置預測出其在下一幀的位置，也即目標預測點。

進一步的，由于跟蹤目標有可能被障礙物擋住或者走出畫面范圍，為了對跟蹤目標進一步分析判斷，在步驟（3）之后還包括：

步驟（4）、對跟蹤目標進行消失判斷，若已有的跟蹤目標未匹配出，首先根據其所在位置判斷是否滿足消失條件，若符合消失條件，則進行目標分析，分析出該跟蹤目標的運動軌跡以及運動速度，再次對該跟蹤目標的類型進行判斷并輸出。

所述的目標分析方法為：

首先，分析目標運行軌跡，

當跟蹤目標橫向移動時，根據非機動車寬高比和行人的寬高比的屬性特征，再次判斷該目標為非機動車還是行人，?

當跟蹤目標符合消失條件時,也即跟蹤目標在目標跟蹤區域消失、或跟蹤目標要離開檢測區域時，通過目標運行軌跡，分析目標跳躍和軌跡震蕩，得出目標可信度，當低于設定目標可信度閾值時，去除目標，

其次，分析目標運行速度，速度高于設定閾值的，判別為非機動車。

進一步的，為了能夠準確檢測出行人以及非機動車，在所述的檢測步驟之前還包括訓練步驟，訓練機動車和行人非機動車分類模型，以及訓練行人和非機動車分類模型；在檢測步驟的步驟（2）中，對于匹配失敗的運動區域采用模式識別算法檢測，所述的模式識別算法包括采用梯度方向直方圖方法和支持向量機的方法,具有以下步驟：