[發明專利]基于視頻分析的雙黃交通標線的重建識別方法及系統

有效

• 申請號: 202010147953.6
• 申請日: 2020-03-05
• 公開（公告）號: CN111368742B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 申小虎
• 申請（專利權）人: 江蘇警官學院
• 主分類號: G06V20/54
• 分類號: G06V20/54;G06V20/40;G06V10/44;G06V10/56;G06V10/764;G06V10/762;G06T7/11;G06T7/136;G06T7/194;G06T7/90
• 代理公司: 北京匯捷知識產權代理事務所(普通合伙) 11531
• 代理人: 邢文月

本發明公開了一種基于視頻分析的雙黃交通標線的重建識別方法及系統。本發明方法包括步驟：S1、基于混合高斯模型的方法去除運動目標干擾，得到輸入視頻的靜態背景圖像；S2、采用詞袋BOW模型提取雙黃線目標Sift特征，并使用多核支持向量機分類器進行監督學習得到僅包含雙黃線目標與周邊路面的感興趣區域；S3、基于顏色紋理特征聚類的方法對感興趣區域圖像中的雙黃線目標進行分割，并通過形態學處理消除磨損式雙黃線的影響；S4、采用基于最小二乘法的曲線擬合方法對雙黃線的截斷部分進行定位重建。本發明系統與上述方法對應。本發明可有效降低周圍環境干擾，在磨損、截斷等污損情況下，對殘留目標信息更加敏感，檢出精度高，具有強魯棒性。

技術領域

本發明屬于屬于機器視覺技術領域，尤其涉及一種基于視頻分析的雙黃交通標線的重建識別方法及系統。

背景技術

雙黃線等交通標線定位與重建在交通違章行為的智能判定、統計車道線污損率等研究領域具有基礎性研究價值。但由于受到建設條件的限制，交通監控視頻中車道線目標容易受到污損、遮擋、惡劣天氣等復雜監控場景的影響，現有檢出與分割方法容易產生較大概率的漏檢與錯檢，魯棒性不強。

在交通監控視頻中的車道線分類檢出領域，有學者錢將傳統圖像增強算法與深度網絡模型訓練相結合，端到端的解決復雜道路場景下的車道線目標檢出問題^[1]。龐等人則提出一種語義分割神經網絡，通過逐層融合車道線邊緣特征同時建立跨層的語義連接實現了車道線的準確分類(龐彥偉,修宇璇.基于邊緣特征融合和跨連接的車道線語義分割神經網絡[J].天津大學學報(自然科學與工程技術版),2019,52(08):779-787)。目前基于深度學習方法下提取的高維特征在目標檢測分類上具有良好的性能，但在目標精確分割問題上主流算法仍是依賴于低層統計特征。學者徐等人通過變形Sobel算子擴充雙黃線區域紋理得到雙黃線區域位置，進而使用Hough直線變換方法對雙黃線進行分割^[2]。熊等人提出了一種基于彩色檢測線的線間差分與灰度幀差統計法相結合的改進混合型方法,減少陰影對雙黃線檢測精度的影響^[3]。上述方法在目標定位均取得了不錯的效果，但在目標邊緣分割抗噪性較差。同時，基于紋理特征提取和基于詞袋(BOW)模型的對象分類分別在海冰分割、輸電線檢測、地形測繪等領域下的目標分割與分類領域取得過良好的結果^[5-11]，為解決本文問題提供了豐富的思路。

發明內容

本發明的目的在于提供一種基于視頻分析的雙黃交通標線的重建識別方法及系統，旨在解決監控視頻中污損交通標線的分類檢測存在精度低、漏檢率高等問題。

本發明是這樣實現的，一種基于視頻分析的雙黃交通標線的重建識別方法，該方法包括以下步驟：

S1、基于混合高斯模型的方法去除運動目標干擾，得到輸入視頻的靜態背景圖像；

S2、采用詞袋BOW模型提取雙黃線目標Sift特征，并使用多核支持向量機分類器進行監督學習得到僅包含雙黃線目標與周邊路面的感興趣區域；

S3、基于顏色紋理特征聚類的方法對感興趣區域圖像中的雙黃線目標進行分割，并通過形態學處理消除磨損式雙黃線的影響；

S4、采用基于最小二乘法的曲線擬合方法對雙黃線的截斷部分進行定位重建。

優選地，所述步驟S1具體包括以下步驟：

S10、取輸入視頻的第一幀圖像的各像素點灰度值設定為均值的初始值，同時設定方差初始值、高斯分量個數初始值、權重；

S11、將當前圖像幀像素點p在t時刻的像素值M_t與已有的高斯分量依次進行匹配；如滿足匹配條件，根據當前像素值不斷迭代更新調整第i個高斯模型的參數和權重；如果不滿足，則進入步驟S11；