[發明專利]一種基于車輛對稱特征的城市交通場景中車輛的檢測方法

在審

• 申請號: 201610077933.X
• 申請日: 2016-02-03
• 公開（公告）號: CN105512653A
• 公開（公告）日: 2016-04-20
• 發明（設計）人: 趙池航;齊行知;連捷
• 申請（專利權）人: 東南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 張弛

技術領域

本發明專利涉及智能交通研究領域，尤其是城市交通場景理解及車輛監控分 析。

背景技術

計算機圖像處理技術、通信與網絡傳輸技術及電子技術的發展使得交通的智 能化及現代化管理和控制成為可能，通過建立交通智能管理和控制體系，綜合管 理及控制人、車和路等交通參與體，對于提高交通運輸效率和效益，保證交通安 全，促進可持續發展具有十分重要的作用。將車輛檢測應用于城市交通場景理解 及車輛監控分析，對于提高車輛駕駛的安全性，實時發布交通流量信息誘導交通 等具有重要的作用。

已經廣泛應用于車輛檢測的設施設備有磁感線圈、超聲波、紅外線及監控相 機等?；谝曨l圖像的車輛檢測技術通過監控相機獲得實時交通視頻信息，結合 圖像處理原理和模式識別方法對圖像進行實時處理，并對車輛逆行、慢速、超速 和交通阻塞等交通行為進行分析，并自動統計以及記錄相關數據。車輛區域檢測 是自動交通事件檢測系統的關鍵技術之一，T.Zielke等人使用基于圖像亮度對稱 的中心線做了檢測，能夠從背景中分割出車輛區域，但卻存在圖像亮度對光照變 化敏感的問題；Y.Du等人通過車輛輪廓對稱特征，對每對像素“投票選舉”對 稱軸，檢測結果卻易受交通標志及道路邊緣影響。

故，需要一種新的技術方案以解決上述問題。

發明內容

本發明專利所要解決的問題是高精度地檢測出城市交通場景圖像中的車輛 區域，以用于后續交通事件的自動檢測和識別。

為實現上述發明目的，本發明可采用如下技術方案：

一種基于車輛對稱特征的城市交通場景中車輛的檢測方法，包括步驟：

1)采用監控像機采集城市交通場景圖像，并對城市交通場景圖像進行預處 理；

2)采用拉普拉斯算子提取城市交通場景圖像的邊緣信息，以獲取圖像中的 車輛輪廓特征；

3)采用水平掃描算法檢測城市交通場景圖像中的車輛輪廓豎直對稱軸；

4)采用最大對稱值區段法計算城市交通場景圖像中車輛車牌的水平對稱軸 和豎直對稱軸；

5)采用灰度積分投影算法定位城市交通場景圖像中的車輛區域。

與現有技術相比，本技術方案利用車輛輪廓豎直對稱軸、車輛車牌的水平對 稱軸及豎直對稱軸來檢測城市交通場景圖像中的車輛區域，為城市交通場景理解 及車輛監控分析奠定前沿基礎，對于提高車輛駕駛的安全性，實時發布交通流量 信息誘導交通等都具有重要的作用。

具體實施方式

下面結合具體實施例，進一步闡明本發明，應理解這些實施例僅用于說明本 發明而不用于限制本發明的范圍，在閱讀了本發明之后，本領域技術人員對本發 明的各種等價形式的修改均落于本申請所附權利要求所限定的范圍。

本發明公開的一種基于車輛對稱特征的城市交通場景中車輛的檢測方法，包 括步驟：

1)采用監控像機采集城市交通場景圖像，并采用中值濾波對城市交通場景 圖像進行預處理；

2)采用拉普拉斯算子提取城市交通場景圖像的邊緣信息，以獲取圖像中的 車輛輪廓特征；

3)采用水平掃描算法檢測城市交通場景圖像中的車輛輪廓豎直對稱軸；

4)采用最大對稱值區段法計算城市交通場景圖像中車輛車牌的水平對稱軸 和豎直對稱軸；

5)采用灰度積分投影算法定位城市交通場景圖像中的車輛區域。

所述步驟1)中，采用監控像機采集城市交通場景圖像，并采用中值濾波對 城市交通場景圖像進行預處理。

令采集的城市交通場景圖像為f(x,y)，則城市交通場景圖像f(x,y)的灰度 變換為

w(x,y)＝g[f(x,y)](1)

其中，g(x)為灰度變換函數，w(x,y)為所得的城市交通場景圖像的灰度圖 像。根據不同的圖像特性，選擇不同的濾波函數，本專利中采用中值濾波作為濾 波器函數，以消除圖像噪聲的同時保留圖像中的細節信息。

所述步驟2)中，采用拉普拉斯算子提取城市交通場景圖像的邊緣信息，以 獲取圖像中的車輛輪廓特征。

本技術方案中的圖像邊緣檢測采用拉普拉斯算子，拉普拉斯算子是不依賴 于邊緣方向的二階微分算子。城市交通場景圖像的拉普拉斯變換為

G(i,j)＝|4f(i,j)-f(i+1,j)-f(i-1,j)-f(i,j+1)-f(i,j-1)|(2)