[發明專利]一種基于視頻信息的交叉口處車輛的檢測方法

有效

• 申請號: 201510363803.8
• 申請日: 2015-06-25
• 公開（公告）號: CN104952256B
• 公開（公告）日: 2017-11-07
• 發明（設計）人: 蔡延光;劉宏玉;蔡顥;黃永慧
• 申請（專利權）人: 廣東工業大學
• 主分類號: G08G1/017
• 分類號: G08G1/017;G06K9/00;G06K9/40
• 代理公司: 廣州市南鋒專利事務所有限公司44228
• 代理人: 劉媖

技術領域

本發明屬于智能交通領域，具體涉及一種基于視頻信息的交叉口處車輛的檢測方法。

背景技術

車輛檢測，是一種基于車輛幾何和統計特征的圖像分割，是將視頻圖像分割成前景和背景區域的智能分析技術，是智能交通領域中一個重要的研究方向。

通常可以將車輛檢測的背景分為靜態背景和動態背景，靜態背景是指攝像頭在整個監控過程中沒有移動，動態背景則是指在監控的過程中視頻攝像頭發生了平移、旋轉等變化。運動車輛檢測算法可以歸類為點檢測法、圖像分割法、背景建模法、幀間差分法、聚類分析法和運動矢量場法。其中，點檢測法、背景建模法、幀間差分法只適用于靜態場景，對于動態場景，目前還沒有公認的方法能較好地解決該問題，基于運動矢量場的方法雖然能區分由攝像機引起的背景運動與運動目標的獨立運動，但是因其計算量太大，而無法滿足實時檢測的需求，基于監督分類的方法也能夠實現攝像機運動的車輛檢測，但是只適用于特定目標例如行人檢測，具有局限性。從當前國內外的研究現狀來看，幀間差分法、光流法和背景差分法的百分比占有率最大，而Vibe檢測是是一種基于樣本隨機聚類的背景建模算法，由于算法的實時性和魯棒性較高，一經提出就很快被用于實際應用中。

發明內容

針對現有技術的不足之處，本發明的所要解決的技術問題在于提供一種基于視頻信息的交叉口處車輛的檢測方法，針對Vibe算法的鬼影區域問題和靜止目標吸收為背景問題，提出改進方法，提高算法的準確性。

為了解決上述技術問題，本發明可以通過以下技術措施實現：一種基于視頻信息的交叉口處車輛的檢測方法，包括以下步驟：

一、讀取交通視頻的初始幀圖像，對其進行高斯濾波去除噪聲，將RGB三通道圖像轉化成單通道灰度圖像，灰度值Gray＝0.587*R+0.114*G+0.229*B，其中R、G、B分別為當前像素點的紅、綠、藍顏色值，其范圍為0-255。

二、背景模型初始化，為圖像中每個像素建立一個背景，樣本大小為n：

設x為平面圖像上的某個點，v(x)為x處的灰度值，x的背景模型M(x)定義為：

M(x)＝{v₁,v₂,...,v_n}

其中，vi表示圖像在某個點處的灰度值，i＝1,2,…,n；

x的初始背景模型的構造方法：v_i是x的8鄰域N_G(x)中隨機選取的點的灰度值。

三、選取下一幀圖像數據，先對其進行高斯濾波去除噪聲，轉成灰度值圖像。

四、比較判斷每個x的灰度值和樣本集，計算x的灰度值與M(x)的歐式距離，若距離小于閾值R，則近似樣本點數H加1；如果H大于閾值#min，則認為x是背景點，否則為前景點；其中，R取值為20，#min取值為2。

五、對圖像進行二值化處理，將前景點置1，背景點置0，其中1表示白色，0表示黑色；計算對圖像進行二值化處理中所有外輪廓的面積，當面積大于閾值Q時，則認為此輪廓所對應的目標為車輛，其中Q大小為交通圖像中最小汽車的輪廓面積。

六、針對不同情況，應用不同的更新策略，更新背景模型樣本集。

七、返回步驟三，直至視頻幀結束。

作為本發明的基于視頻信息的交叉口處車輛的檢測方法的優選實施方式，所述的步驟六進一步包括：

當交叉口信號燈為綠色，且視頻讀取幀數大于500幀時，車輛正常行駛，此時Vibe算法效果良好，可采用的更新策略是當x是背景點時，那么它有的概率去更新自己的模型樣本值，同時也有的概率去更新它的鄰域點的模型樣本值，是時間采樣因子；當x是前景點時，對x進行統計，如果x連續50次被檢測為前景，則將其更新為背景點，同時更新x的8鄰域點的背景模型樣本值其他前景點不更新背景模型。

當交叉口信號燈為紅燈，且視頻讀取幀數大于500幀時，此時緩慢行駛直至靜止車輛會被吸收為背景，此時傳統的Vibe算法不足以應對此時的交通場景，本專利提出的更新策略為當像素點是背景點時，那么它有的概率去更新自己的模型樣本值，同時也有的概率去更新它的鄰域點的模型樣本值，是時間采樣因子；當像素點為前景點，不用前景點更新背景，數學表達式如下：