專(zhuān)利名稱：俯空車(chē)輛檢測(cè)裝置和方法
技術(shù)領(lǐng)域：
本發(fā)明屬于智能交通領(lǐng)域，尤其涉及一種俯空車(chē)輛檢測(cè)的裝置和方法。
背景技術(shù)：
城市交通監(jiān)控系統(tǒng)作為減少交通事故和交通擁擠的有效技術(shù)，已經(jīng)在 各大城市廣泛應(yīng)用。利用無(wú)人駕駛飛機(jī)搭載攝像頭的俯空平臺(tái)由于其造價(jià) 低、視野廣的優(yōu)勢(shì)，已經(jīng)成為一個(gè)研究熱點(diǎn)。正因如此，在俯空平臺(tái)下檢 測(cè)道路交通中的運(yùn)動(dòng)車(chē)輛已成為研究界和產(chǎn)業(yè)界極為關(guān)注的關(guān)鍵技術(shù)。
近年來(lái)，國(guó)內(nèi)外研究者在車(chē)輛檢測(cè)方面取得了許多成果，為此設(shè)計(jì)出
的算法必須滿足以下要求1)實(shí)時(shí)性需求算法的運(yùn)行速度必須比視頻的 拍攝速度快；2)檢測(cè)率需求算法必須盡可能多得檢測(cè)出視頻流中的運(yùn)動(dòng) 車(chē)輛；3)誤報(bào)率需求'.算法必須盡可能減少非運(yùn)動(dòng)車(chē)輛被誤報(bào)為運(yùn)動(dòng)車(chē)輛； 現(xiàn)有的車(chē)輛檢測(cè)算法主要可以分為三類(lèi)并存在以下缺點(diǎn)1)幀差法 受光照和環(huán)境變化影響很大；2)背景差除法不能應(yīng)用與運(yùn)動(dòng)平臺(tái)；3) 光流法計(jì)算復(fù)雜，不能滿足實(shí)時(shí)性需求。為此有必要設(shè)計(jì)一種有效的車(chē) 輛才企測(cè)4支術(shù)。

發(fā)明內(nèi)容
本發(fā)明的目的旨在至少解決現(xiàn)有技術(shù)中的上述問(wèn)題之一。 為此，本發(fā)明的實(shí)施例提出 一種具有高檢測(cè)率和低誤報(bào)率的俯空車(chē)輛 檢測(cè)方法和裝置。
根據(jù)本發(fā)明的 一 個(gè)方面，本發(fā)明實(shí)施例的俯空車(chē)輛檢測(cè)方法包括以下 步驟a)平移第一幀車(chē)輛圖像與其相鄰的第二幀車(chē)輛圖像在世界坐標(biāo)系上 重合；b)利用像素顏色統(tǒng)計(jì)分別獲得所述第一幀車(chē)輛圖像與所述第二幀 車(chē)輛圖像中的車(chē)輛候選區(qū)域；c)對(duì)所述車(chē)輛候選區(qū)域和其對(duì)應(yīng)重合的像素區(qū)域進(jìn)行圖像差分計(jì)算，以獲得所述第二幀車(chē)輛圖像相對(duì)所述第一幀車(chē)輛 圖像的運(yùn)動(dòng)車(chē)輛候選區(qū)域；以及d)在樣本訓(xùn)練所得的分類(lèi)器中對(duì)所述運(yùn)動(dòng) 車(chē)輛候選區(qū)域進(jìn)行分類(lèi)，以檢測(cè)出所述第二幀車(chē)輛圖像相對(duì)所述第 一 幀車(chē) 輛圖像的運(yùn)動(dòng)車(chē)輛區(qū)域。
根據(jù)本發(fā)明進(jìn)一步的實(shí)施例，所述步驟b包括以下步驟bl)統(tǒng)計(jì)所 述第一幀車(chē)輛圖像與所述第二幀車(chē)輛圖像中各種像素顏色的比例；b2)根 據(jù)最大比例的像素顏色分別確定所述第一幀車(chē)輛圖像與所述第二幀車(chē)輛圖 像中的道路區(qū)域；以及b3)去除所述道路區(qū)域來(lái)確定所述車(chē)輛候選區(qū)域。
根據(jù)本發(fā)明進(jìn)一步的實(shí)施例，還包括利用車(chē)輛尺寸大小過(guò)濾掉所述車(chē) 輛候選區(qū)域中的建筑物區(qū)域及/或噪點(diǎn)區(qū)域的步驟。其中通過(guò)比較所述車(chē)輛 尺寸對(duì)應(yīng)的像素區(qū)域面積與所述車(chē)輛候選區(qū)域，將所述車(chē)輛候選區(qū)域中遠(yuǎn) 大于所述車(chē)輛尺寸區(qū)域的建筑物區(qū)域和/或遠(yuǎn)小于所述車(chē)輛尺寸區(qū)域的噪 點(diǎn)區(qū)域過(guò)濾掉。
根據(jù)本發(fā)明進(jìn)一步的實(shí)施例，還包括利用車(chē)輛尺寸大小確定所述車(chē)輛 候選區(qū)域。其中通過(guò)比較所述車(chē)輛尺寸對(duì)應(yīng)的像素區(qū)域面積與所述車(chē)輛候 選區(qū)域，將所述車(chē)輛候選區(qū)域中基本上等于所述車(chē)輛尺寸區(qū)域?qū)?yīng)像素區(qū) 域的區(qū)域確定為所述車(chē)輛候選區(qū)域。
根據(jù)本發(fā)明進(jìn)一步的實(shí)施例，所述步驟a包括以下步驟al)提取所 述第二幀車(chē)輛圖像中預(yù)定數(shù)量像素區(qū)域；a2)獲得所述第一幀車(chē)輛圖像中 與所述預(yù)定數(shù)量像素區(qū)域的像素差異對(duì)應(yīng)最小的區(qū)域；以及a3)平移所述 預(yù)定數(shù)量像素區(qū)域與所述對(duì)應(yīng)區(qū)域重合。
根據(jù)本發(fā)明進(jìn)一步的實(shí)施例，所述步驟d包括以下步驟dl)調(diào)整所 述運(yùn)動(dòng)車(chē)輛候選區(qū)域的大小與所述訓(xùn)練樣本的大小一致；d2)計(jì)算所述調(diào)
整的運(yùn)動(dòng)車(chē)輛候選區(qū)域的特征值；d3)比較所述運(yùn)動(dòng)車(chē)輛候選區(qū)域的特征 值與所述訓(xùn)練樣本特征閾值，以判斷所述運(yùn)動(dòng)車(chē)輛候選區(qū)域中所述運(yùn)動(dòng)車(chē) 輛區(qū)i或。
根據(jù)本發(fā)明進(jìn)一步的實(shí)施例，所述分類(lèi)器為層疊分類(lèi)器或樹(shù)狀分類(lèi)器。 根據(jù)本發(fā)明的另一方面，本發(fā)明實(shí)施例的俯空車(chē)輛檢測(cè)裝置包括平 移單元，所述平移單元平移第一幀車(chē)輛圖像與其相鄰的第二幀車(chē)輛圖像在世界坐標(biāo)系上重合；統(tǒng)計(jì)單元，所述統(tǒng)計(jì)單元利用像素顏色統(tǒng)計(jì)分別獲得 所述第一幀車(chē)輛圖像與所述第二幀車(chē)輛圖像中的車(chē)輛候選區(qū)域；計(jì)算單元， 所述計(jì)算單元對(duì)所述車(chē)輛候選區(qū)域和其對(duì)應(yīng)重合的像素區(qū)域進(jìn)行圖像差分 計(jì)算，以獲得所述第二幀車(chē)輛圖像相對(duì)所述第一幀車(chē)輛圖像的運(yùn)動(dòng)車(chē)輛候 選區(qū)域；以及分類(lèi)單元，根據(jù)樣本訓(xùn)練所得的分類(lèi)器對(duì)所述運(yùn)動(dòng)車(chē)輛候選 區(qū)域進(jìn)行分類(lèi)，以檢測(cè)出所述第二幀車(chē)輛圖像相對(duì)所述第 一 幀車(chē)輛圖像的 運(yùn)動(dòng)車(chē)輛區(qū)域。
根據(jù)本發(fā)明進(jìn) 一 步的實(shí)施例，所述統(tǒng)計(jì)單元根據(jù)統(tǒng)計(jì)的所述第 一 幀車(chē) 輛圖像與所述第二幀車(chē)輛圖像中各種像素顏色的最大比例，確定所述第一 幀車(chē)輛圖像與所述第二幀車(chē)輛圖像中道路區(qū)域和所述車(chē)輛候選區(qū)域。
根據(jù)本發(fā)明進(jìn)一步的實(shí)施例，還包括過(guò)濾單元，所述過(guò)濾單元利用車(chē) 輛尺寸大小過(guò)濾掉所述車(chē)輛候選區(qū)域中的建筑物區(qū)域及/或噪點(diǎn)區(qū)域?；蛘?包括確定單元，所述確定單元利用車(chē)輛尺寸大小確定所述車(chē)輛候選區(qū)域。
根據(jù)本發(fā)明進(jìn)一 步的實(shí)施例，所述分類(lèi)單元調(diào)整所述運(yùn)動(dòng)車(chē)輛候選區(qū) 域的大小與所述訓(xùn)練樣本的大小一致；計(jì)算所述調(diào)整的運(yùn)動(dòng)車(chē)輛候選區(qū)域 的特征值；以及比較所述運(yùn)動(dòng)車(chē)輛候選區(qū)域的特征值與所述訓(xùn)練樣本的特 征閾值大小，以判斷所述運(yùn)動(dòng)車(chē)輛候選區(qū)域中所述運(yùn)動(dòng)車(chē)輛區(qū)域。
根據(jù)本發(fā)明進(jìn)一步的實(shí)施例，所述分類(lèi)單元為層疊分類(lèi)器或樹(shù)狀分類(lèi)器。
本發(fā)明提出了 一種由粗到精的車(chē)輛檢測(cè)方法，先利用圖像處理速度快 的優(yōu)點(diǎn)從興趣區(qū)域中迅速獲取運(yùn)動(dòng)車(chē)輛候選區(qū)域，然后利用分類(lèi)算法精確 度高的優(yōu)點(diǎn)，從候選區(qū)域中準(zhǔn)確獲取運(yùn)動(dòng)車(chē)輛信息。本發(fā)明針對(duì)俯空平臺(tái) 下的運(yùn)動(dòng)車(chē)輛檢測(cè)，從錯(cuò)綜復(fù)雜的城市交通背景中檢測(cè)出運(yùn)動(dòng)車(chē)輛，在保 證實(shí)時(shí)性需求的前提下，具有高檢測(cè)率和低誤報(bào)率。
本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面 的描述中變得明顯，或通過(guò)本發(fā)明的實(shí)踐了解到。


本發(fā)明的上述和/或附加的方面和優(yōu)點(diǎn)從下面結(jié)合附圖對(duì)實(shí)施例的描述中將變得明顯和容易理解，其中
圖1為本發(fā)明俯空車(chē)輛檢測(cè)裝置的結(jié)構(gòu)方框圖2為本發(fā)明俯空車(chē)輛檢測(cè)方法的步驟流程圖；以及
圖3為本發(fā)明實(shí)施例的車(chē)輛檢測(cè)效果圖。
具體實(shí)施例方式
下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其 中自始至終相同或類(lèi)似的標(biāo)號(hào)表示相同或類(lèi)似的元件或具有相同或類(lèi)似功 能的元件。下面通過(guò)參考附圖描述的實(shí)施例是示例性的，僅用于解釋本發(fā) 明，而不能解釋為對(duì)本發(fā)明的限制。
現(xiàn)在參考圖1，圖1為本發(fā)明俯空車(chē)輛檢測(cè)裝置的結(jié)構(gòu)方框圖。如圖 所示，本發(fā)明的車(chē)輛檢測(cè)裝置包括平移單元12、統(tǒng)計(jì)單元14、計(jì)算單元 16和分類(lèi)單元18。
平移單元12用于讀入原始視頻中相鄰的兩幀車(chē)輛圖像，并將第二幀圖 像與第一幀圖像進(jìn)行平移，使得它們?cè)谑澜缱鴺?biāo)系上重合。為了在后續(xù)的 圖像差分中能檢測(cè)出前后兩幀圖像的差異，這里的相鄰可以是具有3-6幀 間隔的兩幀，具體取決于原始視頻的fps (每秒幀lt)。
考慮到 一般的視頻流兩幀圖像之間的時(shí)間間隔為20ms到40ms,而在 這段時(shí)間內(nèi)，進(jìn)行俯空檢測(cè)的飛機(jī)基本上可以看成是做直線運(yùn)動(dòng)而無(wú)旋轉(zhuǎn)。 這里，平移單元12可以只取第二幀圖像上幾個(gè)具有代表性的區(qū)域，并在第 一幀圖像上尋找與第二幀圖像像素差異最小的區(qū)域，并根據(jù)這些區(qū)域做平 移操作，使兩幀圖像基本落在統(tǒng)一的世界坐標(biāo)系中。
統(tǒng)計(jì)單元14則利用像素顏色統(tǒng)計(jì)分別獲得第一幀車(chē)輛圖像與第二幀 車(chē)輛圖像中的車(chē)輛候選區(qū)域。在一個(gè)實(shí)施例，考慮到在俯空拍攝高度下， 例如60到90米的高度下，道路顏色在整幅圖像的顏色直方圖中所占比例 最大。即，圖像中面積最廣的顏色被認(rèn)為是道路顏色。
因此，統(tǒng)計(jì)單元14通過(guò)統(tǒng)計(jì)圖像的顏色直方圖，可獲取所占比例最大 的顏色為道路顏色，從而獲取道路信息。利用得到的道路區(qū)域顏色，將整 個(gè)圖像分割成不相連的區(qū)域，并將第一幀和第二幀圖像中的道路區(qū)域去除掉，從而可以提取到車(chē)輛候選區(qū)域。
實(shí)際上，獲取的車(chē)輛候選區(qū)域中可能包括車(chē)輛和路旁建筑物等與道路 顏色存在明顯差異的區(qū)域?？紤]到圖像中路旁的建筑物所占的像素面積遠(yuǎn) 遠(yuǎn)大于車(chē)輛對(duì)應(yīng)的像素面積，而 一些微小的噪點(diǎn)所占的像素面積又遠(yuǎn)遠(yuǎn)小 于車(chē)輛的像素面積，因此可以用車(chē)輛大小來(lái)過(guò)濾掉一些非車(chē)輛區(qū)域，
因此，在一個(gè)實(shí)施例中，本發(fā)明的車(chē)輛檢測(cè)裝置還可以包括過(guò)濾單元 (圖中未顯示)，過(guò)濾單元利用車(chē)輛實(shí)際的尺寸大小來(lái)過(guò)濾掉上述車(chē)輛候 選區(qū)域中可能存在的建筑物區(qū)域及/或噪點(diǎn)區(qū)域。并且/或者，本發(fā)明的車(chē)輛 檢測(cè)裝置還可以包括確定單元(圖中未顯示)，確定單元利用車(chē)輛尺寸大 小確定車(chē)輛候選區(qū)域。從而利用過(guò)濾單元和/或確定單元可以進(jìn)一步提高獲 取的車(chē)輛候選區(qū)域的準(zhǔn)確性。
在 一 個(gè)實(shí)施例中，假設(shè)車(chē)輛候選區(qū)域中的區(qū)域面積為^ ^/Xe/ x "'Xe/),
如果^T或者^(guò)〈7成立，則表示該區(qū)域不是車(chē)輛區(qū)域，其中A表示
車(chē)輛實(shí)際所占的區(qū)域面積大小，S為圖像解析度，f為攝像機(jī)的焦距，H為 攝像機(jī)的高度。
過(guò)濾單元通過(guò)比較車(chē)輛尺寸對(duì)應(yīng)的像素區(qū)域面積與上面確定的車(chē)輛候 選區(qū)域中的像素區(qū)域，將其中兩幀圖像中遠(yuǎn)大于車(chē)輛尺寸區(qū)域的建筑物區(qū) 域和/或遠(yuǎn)小于車(chē)輛尺寸區(qū)域面積的噪點(diǎn)區(qū)域過(guò)濾掉。
當(dāng)然，如果基本上p^^，則確定單元可以進(jìn)一步確定該區(qū)域?qū)?yīng)為
車(chē)輛候選區(qū)域。
在上述確定車(chē)輛候選區(qū)域之后，計(jì)算單元16對(duì)第一幀車(chē)輛圖像和第二 車(chē)輛圖像中的車(chē)輛候選區(qū)域分別進(jìn)行圖像差分計(jì)算，即差分計(jì)算各個(gè)車(chē)輛 候選區(qū)域和其對(duì)應(yīng)重合的像素區(qū)域，將第二幀圖像上各點(diǎn)的像素值與第一 幀圖像上對(duì)應(yīng)像素的像素值做差。如果像素差為0則表示圖像沒(méi)有發(fā)生變 化，如果非0則表示圖像在該點(diǎn)發(fā)生了變化，即產(chǎn)生了運(yùn)動(dòng)。通過(guò)記錄產(chǎn) 生運(yùn)動(dòng)的區(qū)域作為運(yùn)動(dòng)車(chē)輛的候選區(qū)域，計(jì)算單元16可以獲得第二幀車(chē)輛 圖像相對(duì)第一幀車(chē)輛圖像車(chē)輛產(chǎn)生運(yùn)動(dòng)的運(yùn)動(dòng)車(chē)輛候選區(qū)域。
至此，本發(fā)明首先利用上述單元的圖像處理操作從興趣區(qū)域中迅速獲 取運(yùn)動(dòng)車(chē)輛候選區(qū)域，因此具有速度快的優(yōu)點(diǎn)。但是，實(shí)際上面獲取的運(yùn)動(dòng)車(chē)輛候選區(qū)域還可能包括路旁一些運(yùn)動(dòng)的非車(chē)輛物體，例如行人和摩托 車(chē)等等，因此需要對(duì)候選區(qū)域進(jìn)行進(jìn)一 步細(xì)化來(lái)準(zhǔn)確獲得運(yùn)動(dòng)車(chē)輛。
下面，在上述得到運(yùn)動(dòng)車(chē)輛候選區(qū)域的基礎(chǔ)上，分類(lèi)單元18根據(jù)訓(xùn)練 樣本得到的分類(lèi)器對(duì)這些運(yùn)動(dòng)車(chē)輛候選區(qū)域進(jìn)行精確分類(lèi)，從而更高精度
地檢測(cè)出第二幀車(chē)輛圖像相對(duì)第 一 幀車(chē)輛圖像的運(yùn)動(dòng)車(chē)輛區(qū)域。
分類(lèi)單元18可以是層疊分類(lèi)器、樹(shù)狀分類(lèi)器等用于樣本分類(lèi)的設(shè)備。
分類(lèi)單元18中包括通過(guò)正樣本(車(chē)輛圖片)和負(fù)樣本(非車(chē)輛圖片) 在離線狀態(tài)下訓(xùn)練獲得的已訓(xùn)練樣本，所用樣本的數(shù)量和質(zhì)量將直接影響 分類(lèi)器的分類(lèi)結(jié)果。在分類(lèi)階段開(kāi)始的時(shí)候，分類(lèi)單元18讀入事先訓(xùn)練好 樣本的特征集合、分類(lèi)器的層數(shù)、各層所用的特征以及特征值。
分類(lèi)單元18可以利用雙線性變換，將得到的所有車(chē)輛候選區(qū)域調(diào)整大 小與訓(xùn)練樣本大d、一致，并計(jì)算調(diào)整后的運(yùn)動(dòng)車(chē)輛候選區(qū)域的特征值大小。 然后，通過(guò)比較運(yùn)動(dòng)車(chē)輛候選區(qū)域的特征值與訓(xùn)練樣本的特征閾值大小， 從而進(jìn)一步從運(yùn)動(dòng)車(chē)輛候選區(qū)域中分類(lèi)出運(yùn)動(dòng)車(chē)輛區(qū)域。
如果分類(lèi)單元18通過(guò)特征值比較判斷對(duì)應(yīng)的運(yùn)動(dòng)車(chē)輛候選區(qū)域?yàn)檎?樣本，則保留；否則刪除該候選區(qū)域。
在層疊分類(lèi)器實(shí)施例中，對(duì)于分類(lèi)器中的任何一個(gè)單分類(lèi)器，用其中 的每一個(gè)特征i的閾值檢測(cè)運(yùn)動(dòng)車(chē)輛候選區(qū)域，獲得對(duì)應(yīng)特征的比較結(jié)果 0表示為非車(chē)輛，l表示車(chē)輛。然后計(jì)算候選區(qū)域所有T個(gè)特征i對(duì) 應(yīng)的權(quán)重求和y")-^MW',")，如果/")W，其中0表示樣本判斷閾值， 則判斷候選區(qū)域?yàn)檫\(yùn)動(dòng)車(chē)輛區(qū)域。如果判斷為車(chē)輛，則進(jìn)入下一層單分類(lèi) 器，執(zhí)行相應(yīng)的該層分類(lèi)，否則將該區(qū)域從候選區(qū)域中刪除。直至完成所 有層的分類(lèi)，這時(shí)確定的車(chē)輛則為本發(fā)明;險(xiǎn)測(cè)的運(yùn)動(dòng)車(chē)輛。
另外，本發(fā)明還提出了一種俯空車(chē)輛檢測(cè)方法。本發(fā)明包括以下步驟
a) 平移第一幀車(chē)輛圖像與其相鄰的第二幀車(chē)輛圖像在世界坐標(biāo)系上重合；
b) 利用像素顏色統(tǒng)計(jì)分別獲得第一幀車(chē)輛圖像與第二幀車(chē)輛圖像中的車(chē) 輛候選區(qū)域；c)對(duì)車(chē)輛候選區(qū)域和其對(duì)應(yīng)重合的像素區(qū)域進(jìn)行圖像差分計(jì) 算，以獲得第二幀車(chē)輛圖像相對(duì)所述第一幀車(chē)輛圖像的運(yùn)動(dòng)車(chē)輛候選區(qū)域； 以及d)在樣本訓(xùn)練得到的分類(lèi)器中對(duì)運(yùn)動(dòng)車(chē)輛候選區(qū)域進(jìn)行分類(lèi)，以檢測(cè)出第二幀車(chē)輛圖像相對(duì)第一幀車(chē)輛圖像的運(yùn)動(dòng)車(chē)輛區(qū)域。
下面參考圖2,將結(jié)合該實(shí)施例詳細(xì)描述本發(fā)明俯空車(chē)輛檢測(cè)方法的步驟。
如圖所示，從原始輸入視頻中讀取相鄰的兩幀車(chē)輛圖像，第一帕圖像 和第二幀圖像。為了在后續(xù)的圖像差分中能檢測(cè)出前后兩幀圖像的差異，
這里的相鄰可以是具有3-6幀間隔的兩幀。
在步驟102中，將第二幀圖像與第一幀圖像進(jìn)行平移，使得它們?cè)谑?界坐標(biāo)系上重合。在一個(gè)實(shí)施例中，可以只取第二幀圖像上幾個(gè)具有代表 性的區(qū)域，并在第一幀圖像上尋找與第二幀圖像像素差異最小的區(qū)域，根 據(jù)這些區(qū)域做平移操作，使兩幀圖像基本落在統(tǒng) 一 的世界坐標(biāo)系中。
然后，在步驟104和步驟108中分別提取第一幀圖像與第二幀圖像中 的非道路區(qū)域。考慮到在俯空拍攝高度下，道路顏色在整幅圖像的顏色直 方圖中所占比例最大。即，圖像中面積最廣的顏色被認(rèn)為是道路顏色。因 此，通過(guò)統(tǒng)計(jì)圖像的顏色直方圖，可獲取所占比例最大的顏色為道路顏色， 從而獲取道路信息。利用得到的道路區(qū)域顏色，將第一幀和第二幀圖像中 的道路區(qū)域去除掉，從而可以提取到非道路區(qū)域。
這里的非道路區(qū)域可以是粗略確定的車(chē)輛候選區(qū)域，實(shí)際上，獲取的 車(chē)輛候選區(qū)域中可能包括車(chē)輛和路旁建筑物等與道路顏色存在明顯差異的 區(qū)域。當(dāng)然為了進(jìn)一步提高車(chē)輛候選區(qū)域的獲取精度，下面可以接著執(zhí)行 步驟106和步驟108,從而將第一幀圖像和第二幀圖像中提取的區(qū)域中的 非車(chē)輛區(qū)域刪除掉。
在步驟106和步驟108中，考慮到圖像中路旁的建筑物所占的像素面 積遠(yuǎn)遠(yuǎn)大于車(chē)輛對(duì)應(yīng)的像素面積，而一些微小的噪點(diǎn)所占的像素面積又遠(yuǎn) 遠(yuǎn)小于車(chē)輛的像素面積，因此可以用車(chē)輛大小來(lái)刪除其中的一些非車(chē)輛區(qū)
域，
在一個(gè)實(shí)施例中，可以利用車(chē)輛實(shí)際的尺寸大小來(lái)過(guò)濾掉上述車(chē)輛候 選區(qū)域中可能存在的建筑物區(qū)域及/或噪點(diǎn)區(qū)域。在一個(gè)實(shí)施例中，本發(fā)明 還可以利用車(chē)輛尺寸大小確定車(chē)輛候選區(qū)域，即刪除掉非車(chē)輛區(qū)域，從而 進(jìn)一 步提高獲取的車(chē)輛候選區(qū)域的準(zhǔn)確性。在 一 個(gè)實(shí)施例中，假設(shè)車(chē)輛候選區(qū)域中的區(qū)域面積為P (P/Xe/ X ,
如果^7或者^(guò)7成立，則表示該區(qū)域不是車(chē)輛區(qū)域，其中A表示 車(chē)輛實(shí)際所占的區(qū)域面積大小，S為圖像解析度，f為攝像機(jī)的焦距，H為 攝像機(jī)的高度。
通過(guò)比較車(chē)輛尺寸對(duì)應(yīng)的像素區(qū)域面積與上面確定的車(chē)輛候選區(qū)域中 的像素區(qū)域，將其中兩幀圖像中遠(yuǎn)大于車(chē)輛尺寸區(qū)域的建筑物區(qū)域和/或遠(yuǎn) 小于車(chē)輛尺寸區(qū)域面積的噪點(diǎn)區(qū)域過(guò)濾掉。
當(dāng)然，如果基本上p^^！，則可以確定該區(qū)域?qū)?yīng)為車(chē)輛候選區(qū)域。
〃2
在上述確定車(chē)輛候選區(qū)域之后，步驟112中對(duì)第一幀車(chē)輛圖像和第二 車(chē)輛圖像中的車(chē)輛候選區(qū)域分別進(jìn)行圖像差分計(jì)算，即差分計(jì)算各個(gè)車(chē)輛 候選區(qū)域和其對(duì)應(yīng)重合的像素區(qū)域，將第二幀圖像上各點(diǎn)的像素值與第一 幀圖像上對(duì)應(yīng)像素的像素值做差。如果像素差為0則表示圖像沒(méi)有發(fā)生變 化，如果非0則表示圖像在該點(diǎn)發(fā)生了變化，即產(chǎn)生了運(yùn)動(dòng)。通過(guò)記錄產(chǎn) 生運(yùn)動(dòng)的區(qū)域作為運(yùn)動(dòng)車(chē)輛的候選區(qū)域，可以獲得第二幀車(chē)輛圖像相對(duì)第 一幀車(chē)輛圖像車(chē)輛產(chǎn)生運(yùn)動(dòng)的運(yùn)動(dòng)車(chē)輛候選區(qū)域。
至此，本發(fā)明利用上述圖像處理操作從興趣區(qū)域中迅速獲取運(yùn)動(dòng)車(chē)輛 候選區(qū)域。實(shí)際上，獲取的運(yùn)動(dòng)車(chē)輛候選區(qū)域還可能包括路旁一些運(yùn)動(dòng)的 非車(chē)輛物體，例如行人和摩托車(chē)等等，因此需要對(duì)候選區(qū)域進(jìn)行進(jìn)一步細(xì) 化來(lái)準(zhǔn)確獲得運(yùn)動(dòng)車(chē)輛。
因此接著，在上述得到運(yùn)動(dòng)車(chē)輛候選區(qū)域的基礎(chǔ)上，結(jié)合樣本訓(xùn)練分 類(lèi)器對(duì)這些運(yùn)動(dòng)車(chē)輛候選區(qū)域進(jìn)行進(jìn)一步的精確分類(lèi)，從而更高精度地檢 測(cè)出第二幀車(chē)輛圖像相對(duì)第 一 幀車(chē)輛圖像的運(yùn)動(dòng)車(chē)輛區(qū)域。
分類(lèi)器可以是層疊分類(lèi)器、樹(shù)狀分類(lèi)器等用于樣本分類(lèi)的設(shè)備，其中 包括通過(guò)正樣本(車(chē)輛圖片)和負(fù)樣本(非車(chē)輛圖片)。在離線狀態(tài)下通 過(guò)步驟202訓(xùn)練樣本獲得訓(xùn)練分類(lèi)器。在進(jìn)行分類(lèi)時(shí)，首先利用雙線性變 換，將得到的所有車(chē)輛候選區(qū)域調(diào)整大小與分類(lèi)器要求的訓(xùn)練樣本大小一 致(步驟114)。
然后，在分類(lèi)器分類(lèi)步驟116中，分類(lèi)階段開(kāi)始時(shí)首先讀入事先訓(xùn)練 好樣本的特征集合、分類(lèi)器的層數(shù)、各層所用的特征以及特征值。通過(guò)計(jì)算調(diào)整后的運(yùn)動(dòng)車(chē)輛候選區(qū)域的特征值大小，并比較運(yùn)動(dòng)車(chē)輛 候選區(qū)域的特征值與訓(xùn)練樣本的特征閾值大小，從而進(jìn)一步從運(yùn)動(dòng)車(chē)輛候 選區(qū)域中分類(lèi)出運(yùn)動(dòng)車(chē)輛區(qū)域。
如果在分類(lèi)步驟中判斷對(duì)應(yīng)的運(yùn)動(dòng)車(chē)輛候選區(qū)域?yàn)檎龢颖?，則保留，
即輸出檢測(cè)到的運(yùn)動(dòng)車(chē)輛；否則刪除該候選區(qū)域。
在層疊分類(lèi)器實(shí)施例中，對(duì)于分類(lèi)器中的任何一個(gè)單分類(lèi)器，用其中 的每一個(gè)特征i的閾值檢測(cè)運(yùn)動(dòng)車(chē)輛候選區(qū)域，獲得對(duì)應(yīng)特征的比較結(jié)果 0表示為非車(chē)輛，l表示車(chē)輛。然后計(jì)算候選區(qū)域所有T個(gè)特征i對(duì) 應(yīng)的權(quán)重求和,"^乙旨W乂")，如果/")2^，其中e表示樣本判斷閾值， 則判斷候選區(qū)域?yàn)檫\(yùn)動(dòng)車(chē)輛區(qū)域。如果判斷為車(chē)輛，則進(jìn)入下一層單分類(lèi) 器，執(zhí)行相應(yīng)的該層分類(lèi)，否則將該區(qū)域從候選區(qū)域中刪除。直至完成所 有層的分類(lèi)，這時(shí)確定的車(chē)輛則為本發(fā)明檢測(cè)的運(yùn)動(dòng)車(chē)輛。
圖3給出了本發(fā)明一個(gè)實(shí)施例的運(yùn)動(dòng)車(chē)輛檢測(cè)效果圖，圖中的方框部 分即為利用本發(fā)明檢測(cè)到的運(yùn)動(dòng)車(chē)輛區(qū)域。從圖可知，本發(fā)明具有較高的
檢測(cè)率和低誤報(bào)率。
本發(fā)明提出了一種由粗到精的車(chē)輛檢測(cè)方法，先利用圖像處理速度快 的優(yōu)點(diǎn)從興趣區(qū)域中迅速獲取運(yùn)動(dòng)車(chē)輛候選區(qū)域，然后利用分類(lèi)算法精確 度高的優(yōu)點(diǎn)，從候選區(qū)域中準(zhǔn)確獲取運(yùn)動(dòng)車(chē)輛信息。本發(fā)明專(zhuān)門(mén)針對(duì)俯空 平臺(tái)下的運(yùn)動(dòng)車(chē)輛檢測(cè)，在用戶給出俯控視頻或者由無(wú)人駕駛飛機(jī)拍攝視 頻的前提下，從錯(cuò)綜復(fù)雜的城市交通背景中檢測(cè)出運(yùn)動(dòng)車(chē)輛，在保證實(shí)時(shí) 性需求的前提下，具有高檢測(cè)率和低誤報(bào)率。實(shí)驗(yàn)表明，本發(fā)明的檢測(cè)率 能達(dá)到92°/。，誤報(bào)率低于3%，并且能滿足實(shí)時(shí)性需求。
盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域的普通技術(shù)人員 而言，可以理解在不脫離本發(fā)明的原理和精神的情況下可以對(duì)這些實(shí)施例 進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由所附權(quán)利要求及其等 同限定。
權(quán)利要求
1.一種俯空車(chē)輛檢測(cè)方法，其特征在于，包括以下步驟a)平移第一幀車(chē)輛圖像與其相鄰的第二幀車(chē)輛圖像在世界坐標(biāo)系上重合；b)利用像素顏色統(tǒng)計(jì)分別獲得所述第一幀車(chē)輛圖像與所述第二幀車(chē)輛圖像中的車(chē)輛候選區(qū)域；c)對(duì)所述車(chē)輛候選區(qū)域和其對(duì)應(yīng)重合的像素區(qū)域進(jìn)行圖像差分計(jì)算，以獲得所述第二幀車(chē)輛圖像相對(duì)所述第一幀車(chē)輛圖像的運(yùn)動(dòng)車(chē)輛候選區(qū)域；以及d)在樣本訓(xùn)練所得的分類(lèi)器中對(duì)所述運(yùn)動(dòng)車(chē)輛候選區(qū)域進(jìn)行分類(lèi)，以檢測(cè)出所述第二幀車(chē)輛圖像相對(duì)所述第一幀車(chē)輛圖像的運(yùn)動(dòng)車(chē)輛區(qū)域。
2. 如權(quán)利要求1所述的車(chē)輛檢測(cè)方法，其特征在于，所述步驟b包括 以下步驟bl)統(tǒng)計(jì)所述第一幀車(chē)輛圖像與所述第二幀車(chē)輛圖像中各種像素顏色 的比例；b2)根據(jù)最大比例的像素顏色分別確定所述第 一 幀車(chē)輛圖像與所述第 二幀車(chē)輛圖像中的道路區(qū)域；以及b3)去除所述道路區(qū)域來(lái)確定所述車(chē)輛候選區(qū)域。
3. 如權(quán)利要求2所述的車(chē)輛檢測(cè)方法，其特征在于，還包括利用車(chē)輛 尺寸大小過(guò)濾掉所述車(chē)輛候選區(qū)域中的建筑物區(qū)域及/或噪點(diǎn)區(qū)域的步驟。
4. 如權(quán)利要求2所述的車(chē)輛檢測(cè)方法，其特征在于，還包括利用車(chē)輛 尺寸大小確定所述車(chē)輛候選區(qū)域。
5. 如權(quán)利要求3所述的車(chē)輛檢測(cè)方法，其特征在于，通過(guò)比較所述車(chē) 輛尺寸對(duì)應(yīng)的像素區(qū)域面積與所述車(chē)輛候選區(qū)域，將所述車(chē)輛候選區(qū)域中 遠(yuǎn)大于所述車(chē)輛尺寸區(qū)域的建筑物區(qū)域和/或遠(yuǎn)小于所述車(chē)輛尺寸區(qū)域的 噪點(diǎn)區(qū)域過(guò)濾掉。
6. 如權(quán)利要求4所述的車(chē)輛檢測(cè)方法，其特征在于，通過(guò)比較所述車(chē) 輛尺寸對(duì)應(yīng)的像素區(qū)域面積與所述車(chē)輛候選區(qū)域，將所述車(chē)輛候選區(qū)域中基本上等于所述車(chē)輛尺寸區(qū)域?qū)?yīng)像素區(qū)域的區(qū)域確定為所述車(chē)輛候選區(qū)域。
7. 如權(quán)利要求1所述的車(chē)輛檢測(cè)方法，其特征在于，所述步驟a包括 以下步驟al)提取所述第二幀車(chē)輛圖像中預(yù)定數(shù)量像素區(qū)域； a2)獲得所述第 一幀車(chē)輛圖像中與所述預(yù)定數(shù)量像素區(qū)域的像素差異 對(duì)應(yīng)最小的區(qū)域；以及a3)平移所述預(yù)定數(shù)量像素區(qū)域與所述對(duì)應(yīng)區(qū)域重合。
8. 如權(quán)利要求1所述的車(chē)輛檢測(cè)方法，其特征在于，所述步驟d包括 以下步驟dl)調(diào)整所述運(yùn)動(dòng)車(chē)輛候選區(qū)域的大小與所述訓(xùn)練樣本的大小一致； d2)計(jì)算所述調(diào)整的運(yùn)動(dòng)車(chē)輛候選區(qū)域的特征值； d 3 )比較所述運(yùn)動(dòng)車(chē)輛候選區(qū)域的特征值與所述訓(xùn)練樣本特征閾值， 以判斷所述運(yùn)動(dòng)車(chē)輛候選區(qū)域中所述運(yùn)動(dòng)車(chē)輛區(qū)域。
9. 如權(quán)利要求1或8所述的車(chē)輛檢測(cè)方法，其特征在于，所述分類(lèi)器 為層疊分類(lèi)器或樹(shù)狀分類(lèi)器。
10. —種俯空車(chē)輛檢測(cè)裝置，其特征在于，所述裝置包括 平移單元，所述平移單元平移第一幀車(chē)輛圖像與其相鄰的第二幀車(chē)輛圖像在世界坐標(biāo)系上重合；統(tǒng)計(jì)單元，所述統(tǒng)計(jì)單元利用像素顏色統(tǒng)計(jì)分別獲得所述第一幀車(chē)輛 圖像與所述第二幀車(chē)輛圖像中的車(chē)輛候選區(qū)域；計(jì)算單元，所述計(jì)算單元對(duì)所述車(chē)輛候選區(qū)域和其對(duì)應(yīng)重合的像素區(qū)域進(jìn)行圖像差分計(jì)算，以獲得所述第二幀車(chē)輛圖像相對(duì)所述第一幀車(chē)輛圖 像的運(yùn)動(dòng)車(chē)輛候選區(qū)域；以及分類(lèi)單元，根據(jù)樣本訓(xùn)練所得的分類(lèi)器對(duì)所述運(yùn)動(dòng)車(chē)輛候選區(qū)域進(jìn)行 分類(lèi)，以檢測(cè)出所述第二幀車(chē)輛圖像相對(duì)所述第一幀車(chē)輛圖像的運(yùn)動(dòng)車(chē)輛 區(qū)域。
11. 如權(quán)利要求10所述的車(chē)輛^r測(cè)裝置，其特征在于，所述統(tǒng)計(jì)單元 根據(jù)統(tǒng)計(jì)的所述第一幀車(chē)輛圖像與所述第二幀車(chē)輛圖像中各種像素顏色的最大比例，確定所述第一幀車(chē)輛圖像與所述第二幀車(chē)輛圖像中道路區(qū)域和 所述車(chē)輛候選區(qū)域。
12. 如權(quán)利要求11所述的車(chē)輛檢測(cè)裝置，其特征在于，還包括過(guò)濾單 元，所述過(guò)濾單元利用車(chē)輛尺寸大小過(guò)濾掉所述車(chē)輛候選區(qū)域中的建筑物 區(qū)域及/或噪點(diǎn)區(qū)域。
13. 如權(quán)利要求11所述的車(chē)輛檢測(cè)裝置，其特征在于，還包括確定單元，所述確定單元利用車(chē)輛尺寸大小確定所述車(chē)輛候選區(qū)域。
14. 如權(quán)利要求12所述的車(chē)輛檢測(cè)裝置，其特征在于，所述過(guò)濾單元 通過(guò)比較所述車(chē)輛尺寸對(duì)應(yīng)的像素區(qū)域面積與所述車(chē)輛候選區(qū)域，將所述 車(chē)輛候選區(qū)域中遠(yuǎn)大于所述車(chē)輛尺寸區(qū)域的建筑物區(qū)域和/或遠(yuǎn)小于所述 車(chē)輛候選區(qū)域的噪點(diǎn)區(qū)域過(guò)濾掉。
15. 如權(quán)利要求13所述的車(chē)輛檢測(cè)裝置，其特征在于，所述確定單元 通過(guò)比較所述車(chē)輛尺寸對(duì)應(yīng)的像素區(qū)域面積與所述車(chē)輛候選區(qū)域，將所述 車(chē)輛候選區(qū)域中基本上等于所述車(chē)輛尺寸區(qū)域?qū)?yīng)像素區(qū)域的區(qū)域確定為 所述車(chē)輛候選區(qū)域。
16. 如權(quán)利要求IO所述的車(chē)輛檢測(cè)裝置，其特征在于，所述分類(lèi)單元 調(diào)整所述運(yùn)動(dòng)車(chē)輛候選區(qū)域的大小與所述訓(xùn)練樣本的大小一致；計(jì)算所述 調(diào)整的運(yùn)動(dòng)車(chē)輛候選區(qū)域的特征值；以及比較所述運(yùn)動(dòng)車(chē)輛候選區(qū)域的特 征值與所述訓(xùn)練樣本的特征閾值大小，以判斷所述運(yùn)動(dòng)車(chē)輛候選區(qū)域中所 述運(yùn)動(dòng)車(chē)輛區(qū)域。
17. 如權(quán)利要求10或16所述的車(chē)輛檢測(cè)裝置，其特征在于，所述分 類(lèi)單元為層疊分類(lèi)器或樹(shù)狀分類(lèi)器。
全文摘要
一種俯空車(chē)輛檢測(cè)裝置，包括平移單元，平移第一幀車(chē)輛圖像與其相鄰的第二幀車(chē)輛圖像在世界坐標(biāo)系上重合；統(tǒng)計(jì)單元，利用像素顏色統(tǒng)計(jì)分別獲得所述第一幀車(chē)輛圖像與所述第二幀車(chē)輛圖像中的車(chē)輛候選區(qū)域；計(jì)算單元，對(duì)所述車(chē)輛候選區(qū)域和其對(duì)應(yīng)重合的像素區(qū)域進(jìn)行圖像差分計(jì)算，以獲得所述第二幀車(chē)輛圖像相對(duì)所述第一幀車(chē)輛圖像的運(yùn)動(dòng)車(chē)輛候選區(qū)域；以及分類(lèi)單元，根據(jù)樣本訓(xùn)練得到的分類(lèi)器對(duì)所述運(yùn)動(dòng)車(chē)輛候選區(qū)域進(jìn)行分類(lèi)，以檢測(cè)出所述第二幀車(chē)輛圖像相對(duì)所述第一幀車(chē)輛圖像的運(yùn)動(dòng)車(chē)輛區(qū)域。本發(fā)明在保證實(shí)時(shí)性需求的前提下，具有高檢測(cè)率和低誤報(bào)率。
文檔編號(hào)G08G1/01GK101577052SQ20091014293
公開(kāi)日2009年11月11日 申請(qǐng)日期2009年5月14日 優(yōu)先權(quán)日2009年5月14日
發(fā)明者吳長(zhǎng)俠, 博 寧, 曹先彬, 彤 李, 林人俊, 中 汪, 許言午 申請(qǐng)人:中國(guó)科學(xué)技術(shù)大學(xué)