專利名稱：基于視頻圖像的車輛計數(shù)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種車輛計數(shù)方法，尤其涉及一種基于視頻圖像的車輛計數(shù)方法。
背景技術(shù)：
統(tǒng)計和分析車輛的流量對于高速公路等的載荷控制和管理起著至關(guān)重要 的作用，是科學管理高速公路的基礎(chǔ)。目前，高速公路上主要是使用環(huán)形感應(yīng)線圈檢測器對車輛進行計數(shù)，這種 方法的主要缺點是環(huán)形感應(yīng)線圈容易受到電磁干擾，而且系統(tǒng)龐大、成本較高， 難以廣泛應(yīng)用。發(fā)明內(nèi)容本發(fā)明的目的在于提供一種基于視覺圖像的車輛計數(shù)方法，以改進現(xiàn)有技 術(shù)中采用環(huán)形感應(yīng)線圈進行車輛計數(shù)的上述不足。本發(fā)明的基于視頻圖像的車輛計數(shù)方法，包括以下步驟捕獲多幀視頻 圖像，并收集該多幀圖像中每個像素點的像素值；從預定的幀圖像開始，根據(jù)收集的該多幀圖像中所述每個像素值，計算該預定幀視頻圖像的每個像素的在預定時刻的像素值的概率密度值；利用計算所得到的所述概率密度值確定所述 視頻圖像中的前景圖像；確定該前景圖像中的面積大于一定給定值的區(qū)域為運 動的車輛；以及，跟蹤所述視頻圖像上的車輛，獲得新出現(xiàn)的車輛的數(shù)量以及 離開的車輛的數(shù)量。上述的車輛計數(shù)方法，其特點在于，所述視頻圖像的每個像素的在預定時 刻的像素值的概率密度值滿足下面的關(guān)系式-其中，^為預定時刻，X,表示一段時間內(nèi)一組所觀察的像素值，d是像素點的顏色特征的維數(shù)，~是預先給定的常數(shù)，Pr(X,)為像素值X,在預定時刻f的概率密度值。上述的車輛計數(shù)方法，其特點在于，該方法還包括給定全局閥值的步驟， 如果像素值的所述概率密度值小于所述全局閥值，則相應(yīng)的像素點為前景點， 否則，相應(yīng)的像素點為背景點。上述的車輛計數(shù)方法，其特點在于，在確定所述視頻圖像中的前景點之后 并在選定前景圖像中的面積大于一定給定值的區(qū)域為運動車輛之前，還包括對 前景圖像進行數(shù)學形態(tài)學濾波處理的步驟。上述的車輛計數(shù)方法，其特點在于，所述對前景圖像進行數(shù)學形態(tài)學濾波 處理的步驟至少包括中值濾波和/或形態(tài)學腐蝕。上述的車輛計數(shù)方法，其特點在于，所述對前景圖像進行數(shù)學形態(tài)學濾波 處理的步驟還包括在所述中值濾波和/或形態(tài)學腐蝕后進行的形態(tài)學膨脹操 作。上述的車輛計數(shù)方法，其特點在于，采用基于顏色直方圖的特征匹配方法 跟蹤所述視頻圖像上的車輛，以獲得新出現(xiàn)的車輛的數(shù)量以及離開的車輛的數(shù)上述的車輛計數(shù)方法，其特點在于，該方法包括選取多個具有預定長度、寬度和中心位置的目標區(qū)域的像素點；定義該像素點特征在量化的特征空間中的量化序號與量化值之間的映射關(guān)系；計算該運動車輛的顏色直方圖，以確定該量化值在該目標區(qū)域中出現(xiàn)的概率。上述的車輛計數(shù)方法，其特點在于，該量化值在目標區(qū)域中出現(xiàn)的概率滿足下列關(guān)系式ACy) = C*|>(|| /「 W， "0，1,…,//-1 "1 # +《其中A(力表示對于每個像素點在目標區(qū)域中出現(xiàn)的概率，"u2,,是長寬分別為&和&、中心位置為y的目標區(qū)域的像素點的集合，6(x,)表示該像素點 特征在量化的特征空間中的量化序號，^ = 0，1,..，//-1表示量化值，Wx)是核函 數(shù)，G是歸一化系數(shù)。上述的車輛計數(shù)方法，其特點在于，其中該量化值在目標區(qū)域中出現(xiàn)的概率進一步滿足下列關(guān)系式:上述的車輛計數(shù)方法，其特點在于，還包括對相鄰幀中檢測到的運動車輛 進行特征匹配以確定新出現(xiàn)的車輛和離開的車輛的數(shù)量的步驟。 上述的車輛計數(shù)方法，其特點在于，進一步包括度量該多幀運動車輛的顏色直方圖之間的距離，確定所有的距離中的最大值；如果任何兩個幀的運動車輛的顏色直方圖等于該最大值，則確定該兩個幀 的運動圖像匹配。上述的方法，其特點在于，該多幀運動車輛的顏色直方圖之間的距離滿足 下列關(guān)系式其中，Wt為當前幀運動目標，{^"=1為前一幀的運動目標， A 4WUn, A —WU，H々別為4與&的顏色直方圖。本發(fā)明的基于視頻圖像的車輛計數(shù)方法，采用計算機視覺技術(shù)，利用高速 公路上設(shè)置的監(jiān)控攝像機實現(xiàn)車輛計數(shù)，從而所需設(shè)備簡單、容易實現(xiàn)而且成 本較低。本發(fā)明的車輛計數(shù)方法中，采用核密度估計方法計算像素值的概率密 度，因此不需要對數(shù)據(jù)的分布進行假設(shè)，具有更加廣泛的適用范圍。另外，本 發(fā)明的車輛計數(shù)方法中，采用基于顏色直方圖的特征匹配方法跟蹤視頻圖像中 的車輛，適合于處理較多運動目標的跟蹤問題，且對于車輛顏色相似的情況， 也能夠?qū)崿F(xiàn)正確的跟蹤。


為了更好地理解本發(fā)明，下面結(jié)合附圖和優(yōu)選實施例對本發(fā)明進行詳細的 說明，其中-圖1示出了實現(xiàn)本發(fā)明的車輛計數(shù)方法的一種系統(tǒng)的簡化框圖； 圖2示出了實現(xiàn)本發(fā)明的車輛計數(shù)方法的另一種系統(tǒng)的簡化框圖；以及 圖3示出了本發(fā)明的車輛計數(shù)方法的流程圖。圖1示出了實現(xiàn)本發(fā)明的車輛計數(shù)方法的硬件系統(tǒng)100的簡化框圖，所述硬件系統(tǒng)100包括攝像機101，用于采集視頻圖像；視頻編解碼器102，用 于對攝像機101所采集的圖像進行編解碼處理；以及，計算機103，用于通過IP網(wǎng)絡(luò)104接收來自視頻編解碼器102的視頻圖像，然后利用本發(fā)明的車輛 計數(shù)方法對所接收的視頻圖像進行處理，以進行車輛計數(shù)?？蛇x地，本發(fā)明的車輛計數(shù)方法也可以通過圖2中所示的硬件系統(tǒng)200實 現(xiàn)，硬件系統(tǒng)200與硬件系統(tǒng)100的不同之處在于，硬件系統(tǒng)200中在嵌入式 系統(tǒng)中的微處理器201直接實現(xiàn)，然后通過IP網(wǎng)絡(luò)104將結(jié)果傳送到客戶端 的計算機。下面結(jié)合圖3說明本發(fā)明的基于視頻圖像的車輛計數(shù)方法。首先，在步驟301中建立初始背景模型，即利用攝像機100采集視頻圖像，對于每個像素點(/J)，集M幀圖像中該位置處的像素值/,，/,，…,/M 。然后，在步驟302中檢測前景點，即從M+1幀圖像開始，對于當前圖像上的每個像素點(/,_/)，利用公式# '=1 -1 X —公式i計算像素點(/J)處的像素值的概率密度值Pr(/，力，其中，公式1中，《,X2,… 是一段時間內(nèi)像素值X,的 一組觀察值樣本，J是像素點的顏色特征的維數(shù)，是預先給定的常數(shù)。 在得到像素點(/,/)處的像素值的概率密度值爪/,;)后，利用閥值法檢測前景點，即對給定的閥值th，如果尸r(/,/)小于閥值th，則像素點(/,刀為前景點， 否者，像素點(/,刀為背景點。在多數(shù)情況下，還沒有計算完所有的樣本點時公 式1的和就已經(jīng)超過了閥值A(chǔ)，因此一般情況下圖像的大部分基本上都是背景 點，這有助于提高處理速度。檢測完前景點后，在步驟303中對前景圖像進行數(shù)學形態(tài)學濾波處理以濾 除噪聲、填補空洞，所述濾波處理可以包括中值濾波、腐蝕操作以及膨脹操作。 優(yōu)選地，濾波處理按以下步驟進行1、 對前景圖像進行3x3的中值濾波，以去除孤立的噪聲點；2、 對步驟1中得到的圖像進行5x5的形態(tài)學膨脹操作；3、 對步驟2得到的圖像進行邊界跟蹤(Bound Tracking)或者邊緣點 連接(Edge Point Linking)，得到圖像中每個連通區(qū)域的邊界，從 而獲得每個連通區(qū)域的相關(guān)信息如大小、面積等，然后出去面積小 于一定閥值或者形狀不規(guī)則的連通區(qū)域；4、 將步驟3中獲取的邊界內(nèi)部的像素點設(shè)置為前景點，以填充其中可 能存在的空洞。應(yīng)當理解，上述的濾波處理不是固定的，如步驟1中也可以用形態(tài)學腐蝕 代替中值濾波，步驟2中有時也可以用3x3的形態(tài)學膨脹操作等。濾波處理后，面積大于給定閥值的區(qū)域被選定為運動目標，即車輛。選定運動目標后，在步驟304中采用基于顏色直方圖的特征匹配方法跟蹤 視頻圖像上的車輛，具體如下首先，計算每個運動目標的顏色直方圖，設(shè)"},=,,2,..， 4是長寬分別為^和&、 中心位置為y的目標區(qū)域的像素點的集合，定義映射6^2"M0,1,…,//-1}，對于 每個像素點x,， 6(x,)表示該像素點特征在量化的特征空間中的量化序號，量化 值"0,l,…,i/-1在目標區(qū)域中出現(xiàn)的概率A(力可以按下式計算<formula>formula see original document page 8</formula>其中k(x)是核函數(shù)，優(yōu)選地為Epanechnikov核函數(shù)，^是歸一化系數(shù)，使然后，將當前幀檢測到的運動目標與前一幀的運動目標進行特征匹配。 設(shè)當前幀運動目標為M^，前一幀的運動目標為W》二,，其中4與^的顏色直方圖分別為A = 和A =說L。,u—,，使用Bhattacharyya系數(shù)來度量兩者之間的距離-<formula>formula see original document page 8</formula>分別計算^,t與A^之間的顏色直方圖距離J(4A)， z、l,2，…M，7-l,2,…W。求出所有的距離中的最大值，^iA) = maX(W(4,A)}ff:)，則4和 A匹配，即認為^就是f-l幀時的4。然后去除4和^，在剩余的目標中繼續(xù) 上述匹配過程。沒有匹配的目標，有三種情況， 一是新出現(xiàn)的目標，二是己經(jīng) 離開視野的目標，三是出現(xiàn)了遮擋的情況的目標。對于這些目標，予以保留并 在連續(xù)若干(一般5到10)幀圖像中進行匹配，如果一直沒有匹配，就認為該目標是離開視野的目標，如果在后續(xù)的幀圖像中有匹配目標，則認為該目標 是新出現(xiàn)的目標。匹配完成后，在步驟305中對車輛進行計數(shù)，這主要通過統(tǒng)計新出現(xiàn)的目 標以及離開視野的目標的數(shù)目實現(xiàn)。首先，第一幀檢測到的目標個數(shù)為乂，然后統(tǒng)計每一幀中新出現(xiàn)的,動目標的個數(shù)《以及離開視野的，標數(shù)目乂-，則當前幀車輛數(shù)目為iV = iV。 +1 (7V,+ -iV,-)，總的車輛數(shù)目W = 7V。 。通常，為了連續(xù)地對車輛&行技術(shù)，在步驟303中進行濾波'處理后，在步 驟306中，利用新采集的視頻圖像更新背景模型，采用"先進先出"的模式將 非運動區(qū)域的像素值加入到背景模型中，運動區(qū)域的背景模型保持不變，然后 回到步驟301。重復進行上述處理，可以連續(xù)地對車輛進行計數(shù)。
權(quán)利要求
1、一種基于視頻圖像的車輛計數(shù)方法，其特征在于，包括以下步驟捕獲多幀視頻圖像，并收集該多幀圖像中每個像素點的像素值；從預定的幀圖像開始，根據(jù)收集的該多幀圖像中所述每個像素值，計算該預定幀視頻圖像的每個像素的在預定時刻的像素值的概率密度值；利用計算所得到的所述概率密度值確定所述視頻圖像中的前景圖像；確定該前景圖像中的面積大于一定給定值的區(qū)域為運動的車輛；以及跟蹤所述視頻圖像上的車輛，獲得新出現(xiàn)的車輛的數(shù)量以及離開的車輛的數(shù)量。
2、 根據(jù)權(quán)利要求1所述的車輛計數(shù)方法，其特征在于，所述視頻圖像的每個像素的在預定時刻的像素值的概率密度值滿足下面的關(guān)系式<formula>formula see original document page 2</formula>其中，/為預定時刻，x,表示一段時間內(nèi)一組所觀察的像素值，J是像素 點的顏色特征的維數(shù)，。是預先給定的常數(shù)，《")為像素值《在預定時刻f 的概率密度值。
3、 根據(jù)權(quán)利要求1所述的車輛計數(shù)方法，其特征在于，該方法還包括給 定全局閥值的步驟，如果像素值的所述概率密度值小于所述全局閥值，則相應(yīng) 的像素點為前景點，否則，相應(yīng)的像素點為背景點。
4、 根據(jù)權(quán)利要求1所述的車輛計數(shù)方法，其特征在于，在確定所述視頻 圖像中的前景點之后并在選定前景圖像中的面積大于一定給定值的區(qū)域為運 動車輛之前，還包括對前景圖像進行數(shù)學形態(tài)學濾波處理的步驟。
5、 根據(jù)權(quán)利要求4所述的車輛計數(shù)方法，其特征在于，所述對前景圖像 進行數(shù)學形態(tài)學濾波處理的步驟至少包括中值濾波和/或形態(tài)學腐蝕。
6、 根據(jù)權(quán)利要求5所述的車輛計數(shù)方法，其特征在于，所述對前景圖像 進行數(shù)學形態(tài)學濾波處理的步驟還包括在所述中值濾波和/或形態(tài)學腐蝕后進 行的形態(tài)學膨脹操作。
7、 根據(jù)權(quán)利要求1所述的車輛計數(shù)方法，其特征在于，采用基于顏色直 方圖的特征匹配方法跟蹤所述視頻圖像上的車輛，以獲得新出現(xiàn)的車輛的數(shù)量以及離開的車輛的數(shù)量。
8、 根據(jù)權(quán)利要求7所述的車輛計數(shù)方法，其特征在于，該方法包括選取多個具有預定長度、寬度和中心位置的目標區(qū)域的像素點；定義該像素點特征在量化的特征空間中的量化序號與量化值之間的映射關(guān)系；計算該運動車輛的顏色直方圖，以確定該量化值在該目標區(qū)域中出現(xiàn)的概率。
9、 根據(jù)權(quán)利要求8所述的車輛計數(shù)方法，其特征在于，該量化值在目標 區(qū)域中出現(xiàn)的概率滿足下列關(guān)系式其中A(力表示對于每個像素點在目標區(qū)域中出現(xiàn)的概率，(x,L,n是長寬 分別為&和&、中心位置為y的目標區(qū)域的像素點的集合，6(x,)表示該像素點 特征在量化的特征空間中的量化序號，力=0，1,..,//-l表示量化值，k(x)是核函 數(shù)，G是歸一化系數(shù)。
10、根據(jù)權(quán)利要求9所述的方法，其特征在于，其中該量化值在目標區(qū)域 中出現(xiàn)的概率進一步滿足下列關(guān)系式
11、 根據(jù)權(quán)利要求8所述的車輛計數(shù)方法，其特征在于，還包括對相鄰幀 中檢測到的運動車輛進行特征匹配以確定新出現(xiàn)的車輛和離開的車輛的數(shù)量 的步驟。
12、 根據(jù)權(quán)利要求ll所述的車輛計數(shù)方法，其特征在于，進一步包括 度量該多幀運動車輛的顏色直方圖之間的距離，確定所有的距離中的最大值；如果任何兩個幀的運動車輛的顏色直方圖等于該最大值，則確定該兩個幀 的運動圖像匹配。
13、 根據(jù)權(quán)利要求12所述的方法，其特征在于，該多幀運動車輛的顏色 直方圖之間的距離滿足下列關(guān)系式-<formula>formula see original document page 3</formula>其中，Mt為當前幀運動目標，Ad為前一幀的運動目標， A =說Uu—,和A = gU,,.^分別為4與A的顏色直方圖。
全文摘要
一種基于視頻圖像的車輛計數(shù)方法，包括以下步驟捕獲多幀視頻圖像，并收集該多幀圖像中每個像素點的像素值；從預定的幀圖像開始，根據(jù)收集的該多幀圖像中所述每個像素值，計算該預定幀視頻圖像的每個像素的在預定時刻的像素值的概率密度值；利用計算所得到的所述概率密度值確定所述視頻圖像中的前景圖像；確定該前景圖像中的面積大于一定給定值的區(qū)域為運動的車輛；以及，跟蹤所述視頻圖像上的車輛，獲得新出現(xiàn)的車輛的數(shù)量以及離開的車輛的數(shù)量?？梢岳冒ňW(wǎng)絡(luò)攝像機、微處理器、視頻編解碼器和計算機的硬件系統(tǒng)實施本發(fā)明。本發(fā)明的方法采用計算機視覺技術(shù)實現(xiàn)車輛計數(shù)，其所需設(shè)備簡單、容易實現(xiàn)且成本較低。
文檔編號G08G1/065GK101226691SQ20071030377
公開日2008年7月23日 申請日期2007年12月21日 優(yōu)先權(quán)日2007年12月21日
發(fā)明者浩 王, 磊 王, 英 黃 申請人:北京中星微電子有限公司