一種交通視頻中車輛的快速檢測方法技術

本發明專利技術公開了一種交通視頻中車輛的快速檢測方法。本發明專利技術方法包括準備階段和檢測階段；在準備階段，獲取所述交通視頻的背景圖像，并獲取所述交通視頻的陰影亮度降幅范圍；在檢測階段，用待檢圖像幀點除背景圖像，得到一幅新圖像，并將該新圖像中像素值在[1?t,1+t]范圍的像素標記為背景，t為取值范圍在[0,0.3]的一個數值，將該新圖像中像素值在所述陰影亮度降幅范圍的像素標記為陰影，該新圖像中的其余像素即為檢測出的車輛目標圖像。相比現有技術，本發明專利技術方法具有更低的算法復雜度和更好的實時性，同時提高了陰影檢測的準確性。

A Fast Vehicle Detection Method in Traffic Video

The invention discloses a fast detection method for vehicles in traffic video. The method of the invention includes the preparation stage and the detection stage; in the preparation stage, the background image of the traffic video is acquired and the range of shadow brightness reduction of the traffic video is obtained; in the detection stage, a new image is obtained by dividing the background image by the frame points of the image to be inspected, and the pixel value of the new image in the range of [1 t, 1 + t] is marked as the background, and the value range of T is [0, 0]. A value of.3] marking the pixel value of the new image in the range of decreasing brightness of the shadow as a shadow, and the remaining pixels of the new image are the detected vehicle target image. Compared with the prior art, the method of the invention has lower algorithm complexity and better real-time performance, and improves the accuracy of shadow detection.

【技術實現步驟摘要】
一種交通視頻中車輛的快速檢測方法
本專利技術涉及移動目標檢測
，尤其涉及一種交通視頻中車輛的快速檢測方法。
技術介紹
伴隨著社會經濟的快速發展，交通擁堵問題日益嚴峻，智能交通已成為當今研究的重點，它能夠有效提高道路通行的車流量。智能交通的關鍵技術之一就是快速從交通視頻中檢測出車輛信息。目前，基于視覺的交通車流量監測方法主要分為3類：光流法、幀差法、背景消減法等。光流法抗噪性能差，計算復雜，若無特別的硬件裝置作為支撐，其處理速度相當慢，難以達到實時處理的要求。幀差法則需要動態的設定時間間隔進行差分，對于慢速運動的車輛需要選擇較大的時間差，以防止產生空洞，影響檢測結果。背景消減法是視覺檢測算法中最常用的一種方法，其關鍵在于背景的提取及更新，由于一般的背景建模方法對突發運動和光照突變敏感，又不能區分移動目標和移動陰影，從而導致車輛的誤檢率較高。另外，在車輛檢測中，還要去除陰影的干擾，才能夠提高車輛檢測的精度。
技術實現思路
本專利技術所要解決的技術問題在于克服現有技術不足，提供一種交通視頻中車輛的快速檢測方法，其具有更低的算法復雜度和更好的實時性，同時提高了陰影檢測的準確性。本專利技術具體采用以下技術方案解決上述技術問題：一種交通視頻中車輛的快速檢測方法，包括準備階段和檢測階段；在準備階段，獲取所述交通視頻的背景圖像，并按照以下方法獲取所述交通視頻的陰影亮度降幅范圍：取交通視頻中的一幀圖像并檢測出其中的陰影區域，根據所述陰影區域分別提取出幀圖像中的陰影圖像I_S和背景圖像中的陰影圖像B_S，獲取I_S點除B_S所得到的圖像T_S中的像素最小值Tmin和最大值Tmax，[Tmin，Tmax]即為交通視頻的陰影亮度降幅范圍；在檢測階段，用待檢圖像幀點除背景圖像，得到一幅新圖像，并將該新圖像中像素值在[1-t,1+t]范圍的像素標記為背景，t為取值范圍在[0,0.3]的一個數值，將該新圖像中像素值在所述陰影亮度降幅范圍的像素標記為陰影，該新圖像中的其余像素即為檢測出的車輛目標圖像。進一步地，所述檢測階段還包括從所述車輛目標圖像中去除干擾的步驟。更進一步地，所述從所述車輛目標圖像中去除干擾的步驟中包括以下操作中的至少一種：將所述車輛目標圖像中連通面積小于預設閾值的對象作為干擾清除；對所述車輛目標圖像進行膨脹操作；對所述車輛目標圖像進行填充操作。優選地，所述膨脹操作所使用的結構元素B具體如下：優選地，利用直方圖方法或平均值方法獲取所述交通視頻的背景圖像。優選地，使用HSV顏色空間陰影檢測法檢測出幀圖像中的陰影區域。相比現有技術，本專利技術技術方案具有以下有益效果：本專利技術具有更低的算法復雜度和更好的實時性，有利于車輛的快速檢測；同時，本專利技術還具有更好的陰影去除效果。附圖說明圖1為本專利技術方法的流程示意圖；圖2為交通視頻HighwayI中，坐標點為(212，103)的像素，從1到50幀的直方圖；圖3為HighwayI視頻的第51幀原始圖像；圖4為用傳統單高斯算法檢測出的車輛目標；圖5為用本專利技術方法檢測出的車輛目標。具體實施方式本專利技術方法的基本流程如圖1所示，包括準備階段和檢測階段；在準備階段，獲取所述交通視頻的背景圖像，并按照以下方法獲取所述交通視頻的陰影亮度降幅范圍：取交通視頻中的一幀圖像并檢測出其中的陰影區域，根據所述陰影區域分別提取出幀圖像中的陰影圖像I_S和背景圖像中的陰影圖像B_S，獲取I_S點除B_S所得到的圖像T_S中的像素最小值Tmin和最大值Tmax，[Tmin，Tmax]即為交通視頻的陰影亮度降幅范圍；在檢測階段，用待檢圖像幀點除背景圖像，得到一幅新圖像，并將該新圖像中像素值在[1-t,1+t]范圍的像素標記為背景，t為取值范圍在[0,0.3]的一個數值，將該新圖像中像素值在所述陰影亮度降幅范圍的像素標記為陰影，該新圖像中的其余像素即為檢測出的車輛目標圖像。為便于公眾理解，下面以一個具體實施例來對本專利技術技術方案進行進一步詳細說明，其具體過程如下：準備階段步驟A、獲取交通視頻的背景圖像B：交通視頻中，大部分圖像幀中都會有車輛，所以一般不能用某一幀圖像直接作為背景，而是要通過某種算法來獲取背景?？梢圆捎矛F有的各種背景檢測方法，綜合考慮算法復雜度和檢測效率，本專利技術優選采用以下2種方法來獲取背景圖像。方法一、直方圖方法，即利用直方圖獲得背景圖像。主要思路是：將每一個像素點的連續N幀圖像分別構成1個一維數組，再計算它的直方圖，將出現概率最多的像素值作為該點的背景值。圖2是交通視頻HighwayI中，坐標點為(212，103)的像素，從1到50幀的直方圖。該算法會將圖中出現最多的像素值(即：橫坐標值)作為該坐標點的背景。方法二、平均值方法，即利用平均值作為背景圖像。主要思路是：求連續N幀圖像的均值，然后用均值直接作為背景圖像。這種方法最簡單，但與真實背景有一些誤差。步驟B、檢測陰影圖像S：陰影的檢測方法可分為基于模型和基于屬性的2類方法。目前采用比較多的是基于屬性的HSV顏色空間陰影檢測法。HSV色彩空間陰影抑制的原理是：在一定的光照條件下，同一物體在陰影區域內和區域外，他們的色彩變化很小，但在陰影區域內的亮度值會下降，同時陰影區域內的飽和度也會降低。具體算法可以用公式(1)來檢測陰影：其中，IH(i，j)、IS(i，j)、IV(i，j)和BH(i，j)、BS(i，j)、BV(i，j)分別表示當前圖像和背景圖像在(i，j)點的H、S和V分量；α、β、τS、τH是一個經驗值。具體包括以下子步驟：步驟B1、隨機取出一幀圖像，作為待檢陰影圖像I；步驟B2、利用公式(1)，計算待檢陰影圖像I中的陰影圖像S，S是一個二值化圖像。步驟C、陰影亮度降幅范圍檢測：步驟C1、利用陰影圖像S，分割出待檢陰影圖像I中所有的陰影圖像，并生成一幅新圖像，命名為I_S；步驟C2、利用陰影圖像S，分割出背景圖像中所有對應于陰影部分的圖像，并生成一幅新圖像，命名為B_S；步驟C3、將I_S圖像點除B_S圖像，生成一幅新圖像，命令為T_S；步驟C4、找到T_S中的像素值的最小值Tmin和最大值Tmax，則陰影亮度的降幅范圍為[Tmin，Tmax]。檢測階段步驟D、按照以下方法快速檢測車輛目標：步驟D1、從交通視頻中取出一幀圖像，作為待檢圖像I；步驟D2、將待檢圖像I點除背景圖像B，生成一幅新圖像，命名為M；步驟D3、將M圖像中，像素值在[1-t,1+t]范圍的像素標記為背景；待檢圖像I中的像素如果是背景，它與背景B上的像素值應該相等，相除后的值應該為1；但在實際環境下，由于光線在不斷變化，他們之間的值會存在一定的偏差，所以相除后的值不一定是1；因此本專利技術用一個偏差值t來糾正，t的優選取值范圍為[0,0.3]；步驟D4、將M圖像中，像素值在[Tmin，Tmax]范圍的像素標記為陰影；步驟D5、將M圖像中，除了背景和陰影以外的所有像素全部標記成車輛目標。從而得到一個新的車輛目標圖像M，此時的M是一個二值化圖像。步驟E、按照以下方法去除干擾：采用以上的快速檢測算法會產生一些干擾，為了進一步提高最終的車輛檢測效果，需要進一步去除干擾。本專利技術進一步將M進行形態學運算，以去除干擾和孔洞，其主要包括移除小點、膨脹和填充等操作；優選的去干擾步驟如下：步驟E1：移除本文檔來自技高網...

【技術保護點】
1.一種交通視頻中車輛的快速檢測方法，其特征在于，包括準備階段和檢測階段；在準備階段，獲取所述交通視頻的背景圖像，并按照以下方法獲取所述交通視頻的陰影亮度降幅范圍：取交通視頻中的一幀圖像并檢測出其中的陰影區域，根據所述陰影區域分別提取出幀圖像中的陰影圖像I_S和背景圖像中的陰影圖像B_S，獲取I_S點除B_S所得到的圖像T_S中的像素最小值Tmin和最大值Tmax，[Tmin，Tmax]即為交通視頻的陰影亮度降幅范圍；在檢測階段，用待檢圖像幀點除背景圖像，得到一幅新圖像，并將該新圖像中像素值在[1?t,1+t]范圍的像素標記為背景，t為取值范圍在[0,0.3]的一個數值，將該新圖像中像素值在所述陰影亮度降幅范圍的像素標記為陰影，該新圖像中的其余像素即為檢測出的車輛目標圖像。

【技術特征摘要】
1.一種交通視頻中車輛的快速檢測方法，其特征在于，包括準備階段和檢測階段；在準備階段，獲取所述交通視頻的背景圖像，并按照以下方法獲取所述交通視頻的陰影亮度降幅范圍：取交通視頻中的一幀圖像并檢測出其中的陰影區域，根據所述陰影區域分別提取出幀圖像中的陰影圖像I_S和背景圖像中的陰影圖像B_S，獲取I_S點除B_S所得到的圖像T_S中的像素最小值Tmin和最大值Tmax，[Tmin，Tmax]即為交通視頻的陰影亮度降幅范圍；在檢測階段，用待檢圖像幀點除背景圖像，得到一幅新圖像，并將該新圖像中像素值在[1-t,1+t]范圍的像素標記為背景，t為取值范圍在[0,0.3]的一個數值，將該新圖像中像素值在所述陰影亮度降幅范圍的像素標記為陰影，該新圖像中的其余像素即為檢測出的車輛目標圖像...

【專利技術屬性】
技術研發人員：朱華生，田偉，楊金戈，葉軍，吳朝明，
申請(專利權)人：南昌工程學院，
類型：發明
國別省市：江西,36