[發明專利]一種智能交通監控系統中的高分辨率視頻車輛檢測方法

有效

• 申請號: 201410035329.1
• 申請日: 2014-01-24
• 公開（公告）號: CN103942560B
• 公開（公告）日: 2017-06-16
• 發明（設計）人: 楊敏;裴明濤;武玉偉;王永杰;賈云得
• 申請（專利權）人: 北京理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于智能交通和視頻監控技術領域，具體為一種基于高分辨率視頻的車輛檢測方法，用于智能交通監控系統中快速定位車輛目標。

背景技術

隨著計算機視覺和成像技術的發展，基于視頻的智能交通監控系統逐漸得到了廣泛的應用。其中車輛檢測是智能交通監控系統的核心技術，系統對監控場景的高層語義理解，如車輛軌跡獲取、車輛行為分析、異常事件檢測等，都很大程度上依賴于車輛檢測的結果。因此高效、魯棒的車輛檢測方法對于智能交通監控系統具有重要的意義。

目前的視頻車輛檢測方法可分為兩類。一類方法將車輛看成是場景中主要的運動目標，通過運動目標檢測方法(如幀間差、背景建模)定位車輛。此類方法存在許多缺陷。首先場景中的陰影和遮擋會給運動目標檢測帶來很大的干擾，需要添加復雜的陰影和遮擋處理策略；其次，運動目標檢測方法通常不能處理光照突變以及復雜的動態場景，限制了此類方法的應用場景；此外，運動目標檢測很難處理高分辨視頻，通常需要進行降采樣，丟失了有用的細節信息。

另一類在視頻中檢測車輛的方法是，訓練一個判別車輛與背景的二分類器，在視頻中將分類為車輛的局部區域標記為車輛。此類方法能有效地處理復雜的動態場景，對交通場景中陰影、光照、天氣條件等因素具有較好的穩定性，能夠保證較高的檢測精度。然而，此類方法通常采用滑動窗口作為搜索策略，處理高分辨率視頻時往往會帶來極大的計算量，從而不利于實際應用。

目前，為了獲得行駛中的車輛以及駕駛員的清晰圖像，高清攝像機在智能交通系統中已經得到了廣泛的應用。同時，高清攝像機提供的高分辨率視頻包含了豐富的細節信息，有利于提高車輛檢測的準確率。

發明內容

本發明的目的是克服現有車輛檢測技術無法有效處理高分辨率視頻的不足，提高復雜交通場景中的車輛檢測率，從而提供一種基于高分辨率視頻的車輛檢測方法。該方法能在高清攝像機獲取的高分辨率圖像中快速且準確地檢測車輛，為后續的交通監控任務提供有效的基礎信息。

本發明的主要內容為：結合智能交通系統的實際應用情況，將視頻車輛檢測問題視為車頭(或車尾)區域的檢測問題，為了便于描述以車頭區域為例，車尾區域類似；首先在高分辨率監控視頻中設置車輛檢測的感興趣區域，利用感興趣區域中的梯度密度信息和車頭區域的結構信息在感興趣區域中生成一系列的候選區域；使用監督學習方法離線訓練車輛與背景的二分類器，其中正樣本滿足車頭的結構約束；然后使用分類器對候選區域進行驗證，將分類為車輛的候選區域標記為車輛區域；最后使用聚類方法濾除誤檢并合并真實車輛區域周圍的多個檢測結果，得到最終的車輛檢測結果。

本發明的實現步驟如下：

步驟一：感興趣區域設置與網格化

設置感興趣區域，將感興趣區域網格化為若干個同樣大小的胞元；

步驟二：特征提取與顯著性計算

對每一個胞元，記其對應圖像區域為C，則該區域內的每個像素點的水平梯度值C_x(i,j)可由下式計算：

C_x(i,j)＝|C(i+1,j)-C(i-1,j)|. (1)

其中C(i,j)為該位置的灰度值，該區域內水平梯度值的密度定義為：

其中|C|為該區域內的像素點總數。以每個胞元內的水平梯度值的密度為特征，將所有特征值大于給定閾值的胞元標記為顯著性胞元；采用以下兩個步驟濾除其他垂直邊緣密集的區域，只保留車頭或車尾區域內屬于車燈和車牌的顯著性胞元：

(i)車燈和車牌的正下方是平滑的車身或路面，濾除與正下方梯度密度相近的顯著性胞元；

(ii)車燈和車牌區域是梯度密集的區域，濾除水平方向鄰域內包含空間連續的顯著性胞元個數少于3個的顯著性胞元；

最終得到的顯著性胞元即代表了感興趣區域內可能存在的屬于車燈和車牌的顯著性部件；

步驟三：候選區域生成

車燈與車牌具有明顯的結構信息，即兩個車燈位置偏上且左右對稱，車牌偏下且居中；利用此結構約束，使用滑動窗口搜索，將滿足特定結構信息的區域標記為候選區域，具體步驟為：

(i)根據先驗知識確定車頭或車尾區域的大小，使用固定大小的滑動窗口進行搜索；對每個掃描窗口統計相應部件位置的顯著性胞元個數；

(ii)車牌部件相對車燈部件具有更高的可靠性，為車牌部件對應位置的顯著性胞元個數賦以大于車燈部件的權值；

(iii)將顯著性胞元個數大于給定閾值的窗口標記為候選區域；

步驟四：收集訓練樣本并進行人工標注

步驟五：離線訓練車輛分類器