[發明專利]一種車輛壓雙黃線自動檢測方法

有效

• 申請號: 202110509941.8
• 申請日: 2021-05-11
• 公開（公告）號: CN113343766B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 米勇;曾祥進;宋彭彭;鄭安義;鄧晨
• 申請（專利權）人: 武漢工程大學
• 主分類號: G06V20/54
• 分類號: G06V20/54;G06V10/26;G06V10/44;G06V10/54;G06V10/56;G06V10/50;G06V10/764;G06T7/194;G06T7/246;G06T7/254;G06T7/62;G08G1/017
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 唐萬榮;黃帥

1.一種車輛壓雙黃線自動檢測方法，其特征在于，包括以下步驟：

S1、獲取道路監控視頻圖像；

S2、基于高斯混合模型法以及背景幀差法，提取道路背景和前景運動目標；包括：

S21、采用混合高斯背景建模方法對視頻背景建模，獲取道路背景圖像；

假設混合高斯模型由k個高斯模型組成，則像素點x的概率密度函數為：

其中，k為分布模型總數，η(x_t,μ_i,t,τ_i,t)為t時刻第i個高斯分布，μ_i,t為其均值，τ_i,t為其協方差矩陣，w_i,t為t時刻第i個高斯分布的權重；

將像素點在t時刻的采樣值與當前K個模型在t-1時刻的均值相減，找到均值偏差在2.5σ內的新像素點作為匹配該分布模型的像素點；

遍歷后續像素值時，與前面已有的高斯的均值比較，如果該像素點的值與其模型均值之差在2.5倍的方差內，則屬于該分布，并對其進行參數更新；如果下一次來的像素不滿足當前高斯分布，則用它來創建一個新的高斯分布；對新來像素點的值與混合高斯模型中的每一個均值進行比較，若其差值在3倍的方差內，則認為是背景，否則認為是前景；將前景賦值為255，背景賦值為0；

S22、采用背景幀差法，將視頻圖像和背景圖像做差，獲取前景運動目標；

S3、基于LAB顏色空間的圖像陰影檢測與去除方法，去除前景運動目標的陰影；包括：

將RGB形式的道路監控視頻圖像轉換為等效的LAB圖像，其中L、A、B通道使數值映射到(0,255)之間；分別計算圖像中L、A和B在圖像平面上顏色像素的平均值，當滿足A、B通道的均值和小于256，且該點的亮度值小于L均值減去1/3的標準差，則該點為陰影點；同時如果圖像中存在某點的L和B值均小于10，則該點也為陰影點；得到陰影點坐標后，將前景圖像中陰影區域像素值置為0；

S4、人與車輛目標的區分；

S5、道路背景中雙黃線區域的提??；包括：

根據雙黃線的顏色特征以及位置信息，分割出背景圖像中雙黃線區域粗略位置；對雙黃線中心部分進行填充，其公式為：

其中，(x,y)為像素點的坐標，B為背景的二值圖；

之后再經過形態學處理得到雙黃線的掩模，將二值圖像的輪廓在背景圖像中畫出，得到雙黃線區域準確位置；

S6、車輛壓雙黃線檢測。

2.根據權利要求1所述的車輛壓雙黃線自動檢測方法，其特征在于，步驟S3還包括：通過形態學處理，去除圖像噪聲，保留圖像中運動目標區域。

3.根據權利要求1所述的車輛壓雙黃線自動檢測方法，其特征在于，步驟S4包括：采用HOG特征和SVM分類器，將行人和車輛區分開。

4.根據權利要求3所述的車輛壓雙黃線自動檢測方法，其特征在于，步驟S4還包括：對運動目標的輪廓進行提取，進行運動團塊的檢測與跟蹤并計算跟蹤團塊的寬度和面積，排除掉非車輛目標。

5.根據權利要求1所述的車輛壓雙黃線自動檢測方法，其特征在于，步驟S6包括：通過車輛和雙黃線的位置信息判斷車輛是否壓雙黃線。

6.根據權利要求5所述的車輛壓雙黃線自動檢測方法，其特征在于，將壓雙黃線的車輛標記出來，同時進行保存。