[發(fā)明專利]一種不同場(chǎng)景下的車輛檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201310468711.7
• 申請(qǐng)日: 2013-10-10
• 公開（公告）號(hào): CN103489317A
• 公開（公告）日: 2014-01-01
• 發(fā)明（設(shè)計(jì)）人: 陳軍;趙世一;李紹峰
• 申請(qǐng)（專利權(quán)）人: 揚(yáng)州瑞控汽車電子有限公司
• 主分類號(hào): G08G1/065
• 分類號(hào): G08G1/065;G06T7/00
• 代理公司: 揚(yáng)州蘇中專利事務(wù)所(普通合伙) 32222
• 代理人: 許必元

技術(shù)領(lǐng)域

本發(fā)明涉及一種交通流量統(tǒng)計(jì)的車輛檢測(cè)方法，具體涉及一種不同場(chǎng)景下的車輛檢測(cè)方法。

背景技術(shù)

在交通流量的視頻檢測(cè)中，車輛的檢測(cè)和識(shí)別一直是最關(guān)鍵的部分，現(xiàn)有算法都沒有考慮晝夜轉(zhuǎn)換情況下算法的有效性。并且針對(duì)夜間場(chǎng)景，通過檢測(cè)圖像中的車頭燈，給出夜間車輛檢測(cè)算法，但是在晝夜轉(zhuǎn)換期間，并不是所有車輛都開燈，所以將夜間算法應(yīng)用于晝夜轉(zhuǎn)換場(chǎng)景也是不可靠的。

發(fā)明內(nèi)容

本發(fā)明的目的是克服上述車輛檢測(cè)方法的缺點(diǎn)。

為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用以下技術(shù)方案：?

一種不同場(chǎng)景下的車輛檢測(cè)方法，包括以下步驟：

?1）從圖像序列中提取出背景圖像并逐幀更新；

2）將當(dāng)前圖像和背景圖像進(jìn)行差分，并取絕對(duì)值；

3）確定差分閾值，對(duì)差分進(jìn)行直方圖統(tǒng)計(jì)以確定用于檢測(cè)車輛的差分閾值；

4）車燈處理，濾除車燈的影響；

5）根據(jù)差分閥值對(duì)差分圖像進(jìn)行二值化處理，得到最終的車輛目標(biāo)。

????本發(fā)明在檢測(cè)車輛時(shí)不考慮車燈是否開啟，在白天和夜間均能有效檢測(cè)車輛的存在與否，發(fā)生漏檢和誤檢的概率大大降低，具有將夜間算法應(yīng)用于晝夜轉(zhuǎn)換場(chǎng)景安全可靠的優(yōu)點(diǎn)，系統(tǒng)穩(wěn)定性好。

附圖說明

圖1是本發(fā)明中檢測(cè)方法的流程圖。

具體實(shí)施方式

晝夜轉(zhuǎn)換場(chǎng)景的主要特點(diǎn)就是光線的明暗變化較快，車輛和道路的對(duì)比度較低?，所以這就要求背景提取算法能夠快速跟蹤實(shí)際背景的變化，為此提出了一種基于區(qū)間分布的背景更新模型，該模型能夠快速跟蹤背景的變化。晝夜轉(zhuǎn)換場(chǎng)景中另一個(gè)特點(diǎn)就是車燈開啟或關(guān)閉的不一致性?，即在同一場(chǎng)景中，有些車開著車頭燈，有些車則關(guān)著，此時(shí)車輛燈光的照射會(huì)對(duì)車輛的檢測(cè)造成不利影響，特別是光線較強(qiáng)的大車燈，為了減少車燈的影響，在車輛檢測(cè)算法中加入對(duì)大車燈的檢測(cè)方法。

首先從圖像序列中提取出背景圖像并逐幀更新?；其次將當(dāng)前圖像和背景圖像進(jìn)行差分，并取絕對(duì)值；接著確定差分閾值，對(duì)差分進(jìn)行直方圖統(tǒng)計(jì)以確定用于檢測(cè)車輛的差分閾值；然后進(jìn)行車燈處理，濾除車燈的影響；最后根據(jù)差分閥值對(duì)差分圖像進(jìn)行二值化處理，得到最終的車輛目標(biāo)。

如圖1所示，本發(fā)明提供的不同場(chǎng)景下的車輛檢測(cè)方法包括以下步驟：

S101，從圖像序列中提取?出背景圖像并逐幀更新；

S102，將當(dāng)前圖像和背景圖像進(jìn)行差分，并取絕對(duì)值；

S103，確定差分閾值，對(duì)差分進(jìn)行直方圖統(tǒng)計(jì)以確定用于檢測(cè)車輛的差分閾值；

S104，車燈處理，濾除車燈的影響?；

S105，根據(jù)差分閥值對(duì)差分圖像進(jìn)行二值化處理，得到最終的車輛目標(biāo)。

本發(fā)明運(yùn)動(dòng)目標(biāo)檢測(cè)方法是用背景差分法檢測(cè)，就是用當(dāng)前幀圖像與背景圖像相減，得到差分圖像后，再進(jìn)行二值化操作，提取出運(yùn)動(dòng)目標(biāo)，所以在得到背景圖像后，閾值的選取就成為一個(gè)關(guān)鍵性的工作。閾值太大就會(huì)帶來過多的噪聲，引入虛假目標(biāo)，閾值太小也會(huì)丟失真實(shí)的目標(biāo)。在晝夜轉(zhuǎn)換場(chǎng)景中，受光線的變化影響，運(yùn)動(dòng)目標(biāo)將逐漸變暗，但是在運(yùn)動(dòng)目標(biāo)變暗的同時(shí)，道路背景也會(huì)變暗，也就是說當(dāng)前幀圖像和背景圖像差的絕對(duì)值整體上都變小了，相應(yīng)的噪聲也會(huì)變小，因此，只要運(yùn)動(dòng)目標(biāo)與背景的差值仍比其它部分所產(chǎn)生的噪聲值大，降低檢測(cè)物體的閾值T，仍然可以把運(yùn)動(dòng)目標(biāo)檢測(cè)出來。由于光線不斷變暗，運(yùn)動(dòng)目標(biāo)將逐漸變暗，為了能夠準(zhǔn)確檢測(cè)目標(biāo)，減少誤檢和漏檢，需要自適應(yīng)改變閾值?T。

???????實(shí)現(xiàn)該方法的過程中需要考慮車燈對(duì)檢測(cè)的影響，由于大車燈的照射，出現(xiàn)了一大片的干擾區(qū)域，大大影響了車輛的檢測(cè)效果?，因此有必要把大車燈檢測(cè)出來。采用下面的方法檢測(cè)大車燈：先檢測(cè)出燈的中心，然后向四周擴(kuò)散，最后判斷是不是大燈。具體方法為：燈中心一般是白色，所以可以通過白色來判斷是不是燈中心；向四周擴(kuò)散的條件是：與燈中心相連且差分絕對(duì)值大于檢測(cè)物體的閥值?T；對(duì)大燈的判斷只要看燈中心的大小即可。濾除大車燈，只要濾除其擴(kuò)散的區(qū)域，大車燈中心就作為物體。濾除車燈路面反射光，車燈在路面上照出了一塊亮區(qū)域，影響了對(duì)車輛的檢測(cè)，因此也要把這部分區(qū)域?yàn)V除掉。由于光線比較暗，檢測(cè)出的物體并不總是很準(zhǔn)確?，常常會(huì)發(fā)現(xiàn)一個(gè)物體被分成好幾塊，所以有必要進(jìn)行一些后處理，最常用的方法就是采用平均模板。由于有噪聲的存在，單獨(dú)的一個(gè)像素有可能會(huì)受到影響而改變其本來性質(zhì)，采用平均模板就是考慮一點(diǎn)周圍其它像素點(diǎn)的性質(zhì)，并進(jìn)行某種加權(quán)平均來確定該點(diǎn)的性質(zhì)，一點(diǎn)和它周圍的點(diǎn)就構(gòu)成了一個(gè)模板。