[發(fā)明專利]一種基于視頻的公交車檢測與識別方法及系統

在審

• 申請?zhí)枺?/td>: 201611220587.2
• 申請日: 2016-12-26
• 公開（公告）號: CN106940784A
• 公開（公告）日: 2017-07-11
• 發(fā)明（設計）人: 毛亮;朱磊;孫樹文;黃仝宇;李旭泉;汪剛;宋一兵;侯玉清;劉雙廣
• 申請（專利權）人: 無錫高新興智能交通技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/32;G06K9/46;G06K9/62;G06K9/40;G06T7/254
• 代理公司: 廣州粵高專利商標代理有限公司44102
• 代理人: 邱奕才,鄭永泉

1.一種基于視頻的公交車檢測與識別方法，其特征在于，包括：

對采集的視頻序列中的運動前景進行檢測，標記運動的區(qū)域；

利用分類器對前景中標記的運動區(qū)域進行識別，將公交車、大客車車輛與其他類型車輛進行分類；

將分類器分類得到的公交車、大客車車輛分類結果進行車窗定位；

通過車窗的顏色特征對公交車、大客車車輛進行識別得到公交車識別結果。

2.根據權利要求1所述的基于視頻的公交車檢測與識別方法，其特征在于，對采集的視頻序列中的運動前景進行檢測，標記運動的區(qū)域的具體步驟為：

對采集的視頻序列進行預處理；

對預處理后的視頻序列分別采用三幀差分法和混合高斯法獲取運動的前景圖像，記為M和N；

對前景圖像M進行形態(tài)學膨脹操作得到圖像M₁；

對前景圖像N進行去陰影處理得到N₁；

對N₁進行二值化處理得到混合高斯模型前景圖N₂；

將N₂和M₁進行邏輯與操作得到運動前景圖像W；

對前景圖像W進行連通域處理得到標記運動的區(qū)域。

3.根據權利要求1所述的基于視頻的公交車檢測與識別方法，其特征在于，利用分類器對前景中標記的運動區(qū)域進行識別，將公交車、大客車車輛與其他類型車輛進行分類的具體步驟為：

分類器形成步驟，基于Adaboost算法原理，通過圖像的Haar特征對正負樣本進行訓練得到級聯分類器，其中正樣本中包括了公交車、大客車車輛圖像，負樣本圖像中不包括公交車、大客車車輛；

預分類步驟，利用級聯分類器對前景中標記的運動區(qū)域進行檢測得到公交車、大客車車輛的分類結果。

4.根據權利要求1所述的基于視頻的公交車檢測與識別方法，其特征在于，將分類器分類得到的公交車、大客車車輛分類結果進行車窗定位的具體步驟包括：

將公交車、大客車車輛分類結果進行邊緣檢測；

對邊緣檢測結果進行二值化處理后再進行形態(tài)學腐蝕操作；

對形態(tài)學腐蝕操作結果通過連通域標記定位到車窗位置。

5.根據權利要求1至4任一項所述的基于視頻的公交車檢測與識別方法，其特征在于，通過車窗的顏色特征對公交車、大客車車輛進行識別得到公交車識別結果的具體步驟為：

已經進行車窗定位后的圖像進行HSV顏色空間轉換；

確定特征顏色像素在HSV空間內的范圍，遍歷車窗區(qū)域的所有像素，找出該特征顏色的像素點，并統計得到車窗區(qū)域的總像素點數和特征顏色的像素點數；

將該特征顏色的像素點數與車窗區(qū)域的總像素點數作比，將比率與預設比率閾值進行比較，若比率大于或者等于比率閾值則判斷車窗區(qū)域所對應的車輛為公交車，否則判斷車窗區(qū)域所對應的車輛為非公交車。

6.根據權利要求5所述的基于視頻的公交車檢測與識別方法，其特征在于，所述比率閾值通過如下方式確定：

采集城市公交系統中的各線路公交車前后車窗圖片序列，統計出圖片序列中每輛公交車車窗的總像素點數N_sum(i)和特征顏色的像素點數N_red(i)，獲得每輛公交車輛車窗特征像素比率r(i)＝N_red(i)/N_sum(i)，取其最小值r_min＝min(r(i))作為比率閾值。

7.一種基于視頻的公交車檢測與識別系統，其特征在于，包括：

運動區(qū)域標記模塊，用于對采集的視頻序列中的運動前景進行檢測，標記運動的區(qū)域；

預分類模塊，用于利用分類器對前景中標記的運動區(qū)域進行識別，將公交車、大客車車輛與其他類型車輛進行分類；

車窗定位模塊，用于將分類器分類得到的公交車、大客車車輛分類結果進行車窗定位；

識別模塊，用于通過車窗的顏色特征對公交車、大客車車輛進行識別得到公交車識別結果。