基于幀差和光流實現(xiàn)車輛快速檢測的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及智能交通技術(shù)領(lǐng)域，尤其涉及車輛檢測領(lǐng)域，具體是指一種基于幀差 和光流實現(xiàn)車輛快速檢測的方法。
【背景技術(shù)】
[0002] 在智能交通技術(shù)領(lǐng)域，有效的車輛運動和存在信息提取是智能交通中十分重要的 環(huán)節(jié)，目前主要的車輛檢測方法有：公開號為CN101226691，發(fā)明名稱為"基于視頻圖像的 車輛計數(shù)方法"的發(fā)明專利，使用基本的背景建模技術(shù)，通過統(tǒng)計像素的灰度值概率分布來 檢測前景目標點并以此估計車輛信息，實現(xiàn)了采用計算機視覺技術(shù)實現(xiàn)車輛計數(shù)。在黎明、 傍晚等晝夜轉(zhuǎn)換、光線變化較為明顯的時段，由于圖像亮度、對比度均發(fā)生大幅度下降，容 易導(dǎo)致目標遺漏，檢測效果不理想。
[0003] 也有的方法通過對車燈進行檢測，然而在黎明、傍晚晝夜轉(zhuǎn)換時段，同時有較多車 輛打開車燈，由于車燈眩光或反光等問題容易造成虛假檢測，檢測精度同樣很低。
[0004] 基于此，需要發(fā)明一種高效車輛檢測方法，可以抑制復(fù)雜光照造成的虛假檢測和 目標遺漏，提取正確的車輛信息。
[0005] 幀差和光流場算法及兩者相結(jié)合是視頻電子警察系統(tǒng)中比較常用的動目標檢測 算法。幀差算法有目標定位準確率低和容易受外界環(huán)境(樹陰等)干擾的問題。光流算法有 計算速度慢和抗光照效果差的問題?，F(xiàn)有技術(shù)中的幀差與光流算法組合也會有計算速度慢 的問題。本發(fā)明需要解決的技術(shù)問題是采用幀差和光流算法進行組合并優(yōu)化實現(xiàn)車輛快速 準確地檢測。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是克服了上述現(xiàn)有技術(shù)的缺點，提供了一種能夠?qū)崿F(xiàn)快速檢測車 輛、克服同類算法中外界環(huán)境造成車輛誤檢、實現(xiàn)性高、具有更廣泛應(yīng)用范圍的基于幀差和 光流實現(xiàn)車輛快速檢測的方法。
[0007] 為了實現(xiàn)上述目的，本發(fā)明的基于幀差和光流實現(xiàn)車輛快速檢測的方法具有如下 構(gòu)成：
[0008] 該基于幀差和光流實現(xiàn)車輛快速檢測的方法，其主要特點是，所述的方法包括以 下步驟：
[0009] ( 1)在檢測圖像中確定檢測車輛的感興趣區(qū)域；
[0010] (2)獲取各幀圖像與后一幀圖像感興趣區(qū)域的幀差圖像并處理得到各幀圖像所對 應(yīng)的二值化幀差圖像；
[0011] (3)在所述的各幀圖像所對應(yīng)的二值化幀差圖像中確定疑似目標區(qū)域；
[0012] (4)將各幀圖像中光流聚攏性高于系統(tǒng)預(yù)設(shè)閾值的疑似目標區(qū)域確定為所對應(yīng)的 各幀圖像中的車輛圖像區(qū)域；
[0013] (5)將各幀圖像與后一幀圖像的車輛圖像區(qū)域進行重合度對比并確定車輛的開始 和結(jié)束圖像區(qū)域。
[0014] 較佳地，所述的在檢測圖像中確定檢測車輛的感興趣區(qū)域，具體為：
[0015] 選取圖像中車輛經(jīng)過的區(qū)域確定為檢測車輛的感興趣區(qū)域，所述的感興趣區(qū)域的 寬度為覆蓋各個檢測車道的寬度，高度為圖像中車輛長度的2/5。
[0016] 較佳地，所述的獲取各幀圖像與后一幀圖像感興趣區(qū)域的幀差圖像并處理得到各 幀圖像所對應(yīng)的二值化幀差圖像，包括以下步驟：
[0017] (21)將各幀圖像與后一幀圖像的感興趣區(qū)域做幀差并取絕對值得到幀差圖像；
[0018] (22)選取合適的系統(tǒng)預(yù)設(shè)閾值Tl對所述的幀差圖像做二值化處理得到各幀圖像 所對應(yīng)的二值化幀差圖像。
[0019] 較佳地，所述的在所述的各幀圖像所對應(yīng)的二值化幀差圖像中確定疑似目標區(qū) 域，包括以下步驟：
[0020] (31)對所述的二值化幀差圖像進行X軸投影，得到灰度累加數(shù)組；
[0021] (32)將所述的各幀圖像所對應(yīng)的灰度累加數(shù)組中灰度值連續(xù)高于系統(tǒng)預(yù)設(shè)閾值 T2的坐標范圍（xl，x2)作為所對應(yīng)各幀圖像的疑似目標區(qū)域。
[0022] 更佳地，所述的將所述的各幀圖像所對應(yīng)的灰度累加數(shù)組中灰度值連續(xù)高于系統(tǒng) 預(yù)設(shè)閾值T2的坐標范圍作為所對應(yīng)各幀圖像的疑似目標區(qū)域，包括以下步驟：
[0023] (321)判斷所述的各幀圖像中所對應(yīng)的灰度累加數(shù)組中灰度值連續(xù)高于系統(tǒng)預(yù)設(shè) 閾值T2的坐標范圍（xl，x2)中（x2-xl)的值是否處于系統(tǒng)預(yù)設(shè)范圍（T3，T4)之間，如果是， 則繼續(xù)步驟（322 )，否則繼續(xù)步驟（323 );
[0024] (322)將該范圍（xl，χ2)作為其所對應(yīng)幀圖像的一個疑似目標區(qū)域；
[0025] (323)將該范圍（xl，χ2)作為非目標區(qū)域。
[0026] 較佳地，所述的將各幀圖像中光流聚攏性高于系統(tǒng)預(yù)設(shè)閾值的疑似目標區(qū)域確定 為所對應(yīng)的各幀圖像中的車輛圖像區(qū)域，包括以下步驟：
[0027] (41)提取各幀圖像中各個疑似目標區(qū)域的特征點并計算各個特征點的光流信息 (u, v)；
[0028] (42)計算各個疑似目標區(qū)域中所有特征點的光流平均值（w，v );
[0029] (43)判斷各個疑似目標區(qū)域中位于（u ± ± 1〇 )范圍之內(nèi)的特征點數(shù)與該疑 似目標區(qū)域中特征點總數(shù)的比值是否大于系統(tǒng)預(yù)設(shè)閾值T3,如果是，則繼續(xù)步驟（44)，否 則繼續(xù)步驟（45);
[0030] (44)將該疑似目標區(qū)域確定為所對應(yīng)幀圖像中的一個車輛圖像區(qū)域；
[0031] (45)將該疑似目標區(qū)域確定為干擾區(qū)域。
[0032] 較佳地，所述的將各幀圖像與后一幀圖像的車輛圖像區(qū)域進行重合度對比并確定 車輛的開始和結(jié)束圖像區(qū)域，包括以下步驟：
[0033] (51)將各幀圖像與后一幀圖像的車輛圖像區(qū)域進行重合度對比；
[0034] (52)將各幀圖像中前一幀圖像不具備的車輛圖像區(qū)域作為車輛的開始圖像區(qū)域， 將各幀圖像中后一幀圖像不具備的車輛圖像區(qū)域作為車輛的開始結(jié)束區(qū)域。
[0035] 采用了該發(fā)明中的基于幀差和光流實現(xiàn)車輛快速檢測的方法，結(jié)合了幀差和光流 兩種算法并進一步進行優(yōu)化，克服了同類算法中，在雨天、車燈光照、樹陰等影響下造成車 輛誤檢的情況，算法運算量較小，實現(xiàn)性很高，實現(xiàn)了快速檢測車輛，具有更廣泛的應(yīng)用范 圍。
【附圖說明】
[0036] 圖1為本發(fā)明的基于幀差和光流實現(xiàn)車輛快速檢測的方法的流程圖。
【具體實施方式】
[0037] 為了能夠更清楚地描述本發(fā)明的技術(shù)內(nèi)容，下面結(jié)合具體實施例來進行進一步的 描述。
[0038] 如圖1所示，本發(fā)明的基于幀差和光流實現(xiàn)車輛快速檢測的方法包括以下步驟：
[0039] (1)選取圖像中車輛經(jīng)過的區(qū)域確定為檢測車輛的感興趣區(qū)域（Region of interest，R0I)，本發(fā)明的ROI并不需要覆蓋整個車輛，僅需要覆蓋車的一部分通過連續(xù)幾 幀的拼接得到檢測車輛所占區(qū)域的坐標信息。因此ROI寬度W需要覆蓋檢測車輛的各個車 道，高度H為圖中車輛像素長度的2/5，此WX H范圍就是檢測車輛的感興趣區(qū)域（ROI)。
[0040] (2)截取一幀圖像I (t)與后一幀圖像I (t+Ι)感興趣區(qū)域的幀差圖像并處理得到 該幀圖像所對應(yīng)的二值化幀差圖像；
[0041] 具體包括以下兩個子步驟：
[0042] (21)將該幀圖像I (t)與后一幀圖像I (t+Ι)的感興趣區(qū)域做幀差并取絕對值得到 中貞差圖像〇(1：) = |1?(^+1)-1?(1：)|;
[0043] (22)選取合適的系統(tǒng)預(yù)設(shè)閾值Tl對所述的幀差圖像做二值化處理得到該幀圖像 所對應(yīng)的二值化幀差圖像B(t)。通過設(shè)置閾值T1，確定動目標的所在位置。此閾值Tl可 根據(jù)場景不同進行調(diào)整。
[0044] (3)在所述的該幀圖像所對應(yīng)的二值化幀差圖像中確定疑似目標區(qū)域；
[0045] 具體包括以下兩個子步驟：
[0046] (31)對所述的二值化幀差圖像進行X軸投影，得到灰度累加數(shù)組；
[0047] (32)將所述的該幀圖像所對應(yīng)的灰度累加數(shù)組中灰度值連續(xù)高于系統(tǒng)預(yù)設(shè)閾值 T2的坐標范圍（xl，x2)作為所對應(yīng)該幀圖像的疑似目標區(qū)域。
[0048] 此疑似目標區(qū)域可以有多個，也可以沒有。若此范圍太小或太大，則將此范圍刪除 判斷為非目標范圍。即該子步驟進一步包括以下三個子步驟：
[0049] (321)判斷所述的該幀圖像中所對