專利名稱：高清視頻監(jiān)控圖像的車輛目標(biāo)定位、事件檢測(cè)系統(tǒng)及方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種可用于公共安全、停車管理、智能交通、綜合應(yīng)急等領(lǐng)域復(fù)雜監(jiān)控場(chǎng)景下基于高清視頻監(jiān)控圖像的車輛目標(biāo)快速定位、事件檢測(cè)系統(tǒng)及方法。
背景技術(shù)：
近年來(lái)，高清攝像機(jī)越來(lái)越多地應(yīng)用于公共安全、停車管理、智能交通、綜合應(yīng)急等領(lǐng)域復(fù)雜背景下的高清視頻監(jiān)控?；趥鹘y(tǒng)標(biāo)清視頻監(jiān)控圖像的車輛目標(biāo)定位及事件檢測(cè)方法無(wú)法直接轉(zhuǎn)化為針對(duì)復(fù)雜場(chǎng)景下的高清視頻監(jiān)控圖像，主要原因在于200萬(wàn)像素以上的高清視頻監(jiān)控圖像分辨率高，監(jiān)控場(chǎng)景大、圖像背景復(fù)雜，設(shè)定偵測(cè)區(qū)域車輛目標(biāo)快速定位及事件檢測(cè)難度大，誤報(bào)率高。復(fù)雜場(chǎng)景下的高清視頻監(jiān)控圖像中有多個(gè)車輛目標(biāo)需同時(shí)定位并結(jié)合現(xiàn)場(chǎng)管理需求判斷事件檢測(cè)類型，而現(xiàn)有基于標(biāo)清視頻監(jiān)控圖像的車輛目標(biāo)識(shí)別及事件檢測(cè)方法一般僅針對(duì)簡(jiǎn)單背景下的·單一目標(biāo)。此外，高清視頻監(jiān)控圖像設(shè)定偵測(cè)區(qū)域中車輛目標(biāo)快速定位及事件檢測(cè)方法，不僅要求準(zhǔn)確率高、誤報(bào)率低，而且要求定位速度快。因此如何在高清視頻監(jiān)控圖像(設(shè)定偵測(cè)區(qū)域)中快速、準(zhǔn)確地定位車輛目標(biāo)并實(shí)施事件檢測(cè)，是現(xiàn)有智能分析技術(shù)中普遍面臨且亟待解決的問題。

發(fā)明內(nèi)容
本發(fā)明針對(duì)現(xiàn)有技術(shù)缺陷，提供一種圖像增強(qiáng)效果好，定位速度快，事件檢測(cè)準(zhǔn)確率高的基于高清視頻監(jiān)控圖像的車輛目標(biāo)快速定位及事件檢測(cè)系統(tǒng)及方法。為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于高清視頻監(jiān)控圖像的車輛標(biāo)快速定位及事件檢測(cè)系統(tǒng)，該系統(tǒng)由高清視頻監(jiān)控圖像增強(qiáng)處理模塊設(shè)定偵測(cè)區(qū)域車輛目標(biāo)快速檢測(cè)定位模塊、設(shè)定偵測(cè)區(qū)域灰度圖像二值化處理模塊、車輛目標(biāo)及行駛軌跡圖像傾斜度校正模塊、車輛目標(biāo)行駛軌跡跟蹤及事件特征提取模塊和車輛目標(biāo)事件檢測(cè)及可信度評(píng)估模塊組成；所述高清視頻監(jiān)控圖像增強(qiáng)處理模塊實(shí)現(xiàn)對(duì)前端高清視頻監(jiān)控?cái)z像機(jī)實(shí)時(shí)采集圖像的數(shù)字增強(qiáng)處理，根據(jù)高清視頻監(jiān)控圖像中背景/場(chǎng)景和內(nèi)容/目標(biāo)圖像實(shí)時(shí)確定圖像濾波器模板類型(自適應(yīng)維納濾波器)及加權(quán)系數(shù)，獲取最佳信噪比增強(qiáng)圖像，提高后續(xù)車輛定位及事件檢測(cè)精度；設(shè)定偵測(cè)區(qū)域車輛目標(biāo)快速檢測(cè)定位模塊實(shí)現(xiàn)設(shè)定偵測(cè)區(qū)域與動(dòng)態(tài)背景圖像間實(shí)時(shí)比對(duì)，采用自適應(yīng)梯度檢測(cè)定位算法對(duì)其中車輛目標(biāo)進(jìn)行快速檢測(cè)、定位；設(shè)定偵測(cè)區(qū)域灰度圖像二值化處理模塊實(shí)現(xiàn)設(shè)定偵測(cè)區(qū)域圖像轉(zhuǎn)換為灰度圖像后的二值化處理；車輛目標(biāo)及行駛軌跡圖像傾斜度校正模塊基于垂直游程長(zhǎng)統(tǒng)計(jì)的車輛目標(biāo)及行駛軌跡圖像傾斜度校正算法(水平傾斜度校正算法類似)實(shí)現(xiàn)設(shè)定偵測(cè)區(qū)域車輛目標(biāo)及車輛軌跡圖像傾斜度校正處理；車輛目標(biāo)行駛軌跡跟蹤及事件特征提取模塊實(shí)現(xiàn)在經(jīng)圖像傾斜度校正后的二值化圖像中車輛目標(biāo)行駛軌跡圖像分割及事件特征提?。卉囕v目標(biāo)事件檢測(cè)及可信度評(píng)估模塊采用動(dòng)態(tài)樣本聚類分析法實(shí)現(xiàn)車輛目標(biāo)行駛軌跡圖像匹配識(shí)別和本地車輛目標(biāo)行駛軌跡圖像(特征)樣本庫(kù)中特征樣本的優(yōu)化、調(diào)
難
iF. ο所述基于高清視頻監(jiān)控圖像的車輛目標(biāo)快速定位及事件檢測(cè)方法包括步驟1，對(duì)高清攝像機(jī)實(shí)時(shí)采集的高清視頻監(jiān)控圖像進(jìn)行增強(qiáng)處理，實(shí)時(shí)比對(duì)設(shè)定偵測(cè)區(qū)域圖像與動(dòng)態(tài)背景圖像，對(duì)實(shí)時(shí)采集的高清視頻監(jiān)控圖像中設(shè)定偵測(cè)區(qū)域車輛目標(biāo)進(jìn)行快速檢測(cè)、定位；步驟2，將實(shí)時(shí)檢測(cè)到的設(shè)定偵測(cè)區(qū)域車輛目標(biāo)圖像映射到原始高清視頻監(jiān)控圖 像設(shè)定偵測(cè)區(qū)域動(dòng)態(tài)背景圖像中，依據(jù)預(yù)置報(bào)警門限及現(xiàn)場(chǎng)管理需求排除檢測(cè)出車輛目標(biāo)中干擾成份，跟蹤車輛目標(biāo)行駛軌跡，對(duì)車輛目標(biāo)事件特征進(jìn)行分類；步驟3，將高清視頻監(jiān)控圖像中設(shè)定偵測(cè)區(qū)域圖像轉(zhuǎn)換為灰度圖像，并對(duì)高清視頻監(jiān)控圖像中設(shè)定偵測(cè)區(qū)域灰度圖像進(jìn)行二值化處理；步驟4，將車輛目標(biāo)行駛軌跡與管理樣本庫(kù)模板進(jìn)行實(shí)時(shí)比對(duì)，確定設(shè)定偵測(cè)區(qū)域車輛目標(biāo)事件特征及事件(檢測(cè))類型；步驟5，實(shí)時(shí)學(xué)習(xí)、優(yōu)化管理樣本庫(kù)車輛目標(biāo)事件特征及事件(檢測(cè))類型，實(shí)時(shí)評(píng)估設(shè)定偵測(cè)區(qū)域車輛目標(biāo)事件(檢測(cè))類型可信度。進(jìn)一步，所述方法步驟5采用動(dòng)態(tài)樣本聚類分析法對(duì)車輛目標(biāo)事件特征及事件檢測(cè)結(jié)果可信度進(jìn)行評(píng)估。為實(shí)現(xiàn)上述目的，本發(fā)明還提供了一種基于高清視頻監(jiān)控圖像的車輛目標(biāo)快速定位及事件檢測(cè)方法的嵌入式軟件設(shè)計(jì)技術(shù)，所述嵌入式軟件功能包括高清視頻監(jiān)控圖像增強(qiáng)處理功能，用于實(shí)現(xiàn)復(fù)雜監(jiān)控場(chǎng)景下的高清(200萬(wàn)像素以上)視頻監(jiān)控圖像增強(qiáng)處理，以消除圖像噪聲干擾；車輛目標(biāo)快速檢測(cè)定位功能，用于實(shí)現(xiàn)復(fù)雜監(jiān)控場(chǎng)景下高清視頻監(jiān)控圖像設(shè)定偵測(cè)區(qū)域中車輛目標(biāo)快速檢測(cè)定位，以快速確定車輛目標(biāo)；車輛目標(biāo)圖像運(yùn)動(dòng)補(bǔ)償功能，用于實(shí)現(xiàn)非均勻光照條件下高清視頻監(jiān)控圖像設(shè)定偵測(cè)區(qū)域中車輛目標(biāo)及行駛軌跡圖像傾斜度校正等運(yùn)動(dòng)補(bǔ)償功能，以提高設(shè)定偵測(cè)區(qū)域圖像中車輛目標(biāo)定位及識(shí)別精度；車輛目標(biāo)行駛軌跡跟蹤及事件特征提取功能，根據(jù)實(shí)時(shí)檢測(cè)到的高清視頻監(jiān)控圖像設(shè)定偵測(cè)區(qū)域中車輛目標(biāo)行駛軌跡及事件特征進(jìn)行樣本匹配，實(shí)現(xiàn)車輛目標(biāo)事件特征快速分類及識(shí)別。本發(fā)明針對(duì)復(fù)雜背景下的高清(200萬(wàn)像素以上)視頻監(jiān)控圖像車輛目標(biāo)快速定位及事件檢測(cè)需求，嵌入式軟件功能設(shè)計(jì)實(shí)現(xiàn)非均勻光照條件下高清視頻監(jiān)控圖像增強(qiáng)處理和軟件的可信、可靠性，車輛目標(biāo)快速檢測(cè)、定位速度快，適應(yīng)動(dòng)態(tài)范圍大、事件檢測(cè)精度高，提高前端嵌入式系統(tǒng)(智能攝像機(jī))可靠性和穩(wěn)定性，降低現(xiàn)場(chǎng)參數(shù)設(shè)置要求和難度。


圖I為本發(fā)明高清視頻監(jiān)控圖像的車輛目標(biāo)快速定位、事件檢測(cè)方法流程框圖；圖2為本發(fā)明高清視頻監(jiān)控圖像的車輛目標(biāo)快速定位、事件檢測(cè)系統(tǒng)邏輯框圖。
具體實(shí)施例方式下面通過附圖和實(shí)施例，對(duì)本發(fā)明技術(shù)方案做進(jìn)一步的詳細(xì)描述。圖I為本發(fā)明高清視頻監(jiān)控圖像的車輛目標(biāo)快速定位、事件檢測(cè)方法流程圖，如圖所示，本發(fā)明具體技術(shù)實(shí)現(xiàn)方案包括如下步驟步驟301，對(duì)高清攝像機(jī)實(shí)時(shí)采集的高清視頻監(jiān)控圖像進(jìn)行增強(qiáng)處理(根據(jù)高清視頻監(jiān)控圖像中背景和內(nèi)容確定圖像增強(qiáng)濾波器模板類型及加權(quán)系數(shù))，實(shí)時(shí)比對(duì)高清視頻監(jiān)控圖像中設(shè)定偵測(cè)區(qū)域圖像與動(dòng)態(tài)背景圖像之間的差別，對(duì)實(shí)時(shí)采集的高清視頻監(jiān)控圖像中設(shè)定偵測(cè)區(qū)域車輛目標(biāo)進(jìn)行快速檢測(cè)、定位(采用自適應(yīng)梯度檢測(cè)定位算法)；步驟302，將實(shí)時(shí)檢測(cè)到的高清視頻監(jiān)控圖像中設(shè)定偵測(cè)區(qū)域車輛目標(biāo)圖像映射到原始高清視頻監(jiān)控圖像設(shè)定偵測(cè)區(qū)域動(dòng)態(tài)背景圖像中，依據(jù)預(yù)置報(bào)警門限及現(xiàn)場(chǎng)管理需求排除檢測(cè)出車輛目標(biāo)中干擾成份，跟蹤車輛目標(biāo)行駛軌跡，對(duì)車輛目標(biāo)事件特征進(jìn)行分類；
步驟303,將高清視頻監(jiān)控國(guó)像中設(shè)定偵測(cè)區(qū)域國(guó)像轉(zhuǎn)換為灰度像，并對(duì)高清視頻監(jiān)控圖像中設(shè)定偵測(cè)區(qū)域灰度圖像進(jìn)行二值化處理；步驟304，將車輛目標(biāo)行駛軌跡與管理樣本庫(kù)模板進(jìn)行實(shí)時(shí)比對(duì)，確定設(shè)定偵測(cè)區(qū)域車輛目標(biāo)事件特征及事件(檢測(cè))類型(采用自學(xué)習(xí)方式和擇優(yōu)判斷算法形成的車輛目標(biāo)行駛軌跡及事件特征)；步驟305，實(shí)時(shí)學(xué)習(xí)、優(yōu)化管理樣本庫(kù)車輛目標(biāo)事件特征及事件(檢測(cè))類型(采用自學(xué)習(xí)方式和擇優(yōu)判斷算法形成的車輛目標(biāo)行駛軌跡及事件特征樣本)，實(shí)時(shí)評(píng)估設(shè)定偵測(cè)區(qū)域車輛目標(biāo)事件(檢測(cè))類型可信度。所述的步驟305采用動(dòng)態(tài)樣本聚類分析法對(duì)車輛目標(biāo)行駛軌跡、事件特征及事件檢測(cè)結(jié)果可信度進(jìn)行評(píng)估。圖2為本發(fā)明基于高清視頻監(jiān)控圖像的車輛事件檢測(cè)系統(tǒng)的邏輯框圖，基于高清視頻監(jiān)控圖像的車輛事件檢測(cè)系統(tǒng)，該系統(tǒng)由高清視頻監(jiān)控圖像增強(qiáng)處理模塊I、車輛目標(biāo)快速檢測(cè)定位模塊2、灰度圖像二值化處理模塊3、車輛目標(biāo)及行駛軌跡圖像傾斜度校正模塊4、車輛目標(biāo)行駛軌跡跟蹤及事件特征提取模塊5和車輛目標(biāo)事件檢測(cè)及可信度評(píng)估模塊6組成模塊I、高清視頻監(jiān)控圖像增強(qiáng)處理在高清視頻監(jiān)控系統(tǒng)中，現(xiàn)場(chǎng)高清視頻監(jiān)控?cái)z像機(jī)的安裝、參數(shù)設(shè)置及環(huán)境因素，造成實(shí)時(shí)采集的高清視頻監(jiān)控圖像退化(圖像變形、噪聲覆蓋等)，將直接影響基于高清視頻監(jiān)控圖像的車輛目標(biāo)定位及事件檢測(cè)精度?！案咔逡曨l監(jiān)控圖像增強(qiáng)處理”模塊實(shí)現(xiàn)對(duì)前端高清視頻監(jiān)控?cái)z像機(jī)實(shí)時(shí)采集圖像的數(shù)字增強(qiáng)處理，根據(jù)高清視頻監(jiān)控圖像中背景(場(chǎng)景)和內(nèi)容(目標(biāo))實(shí)時(shí)確定圖像濾波器模板類型(自適應(yīng)維納濾波器)及加權(quán)系數(shù)，獲取最佳信噪比增強(qiáng)圖像，提高車輛目標(biāo)定位及事件檢測(cè)精度。設(shè)定偵測(cè)區(qū)域車輛目標(biāo)快速檢測(cè)定位模塊現(xiàn)場(chǎng)高清視頻監(jiān)控?cái)z像機(jī)實(shí)時(shí)采集的高清視頻監(jiān)控圖像，分辨率在200萬(wàn)像素以上(1920x1080)，整幅圖像實(shí)時(shí)處理量較大，將直接影響視頻圖處理速度，從而影響系統(tǒng)后續(xù)車輛目標(biāo)定位及事件檢測(cè)實(shí)時(shí)性。現(xiàn)場(chǎng)高清視頻監(jiān)控?cái)z像機(jī)實(shí)時(shí)采集圖像中，根據(jù)系統(tǒng)現(xiàn)場(chǎng)監(jiān)控場(chǎng)景及相關(guān)應(yīng)用管理需求，可用于車輛目標(biāo)快速定位及事件檢測(cè)的有效區(qū)域，是高清視頻監(jiān)控圖像中的局部區(qū)域，可根據(jù)現(xiàn)場(chǎng)監(jiān)控場(chǎng)景及應(yīng)用 管理需求進(jìn)行設(shè)置，以提高高清視頻監(jiān)控圖像(有效區(qū)域)處理速度和車輛目標(biāo)定位及事件檢測(cè)實(shí)時(shí)性和有效性?！霸O(shè)定偵測(cè)區(qū)域車輛目標(biāo)快速檢測(cè)定位”模塊實(shí)現(xiàn)設(shè)定偵測(cè)區(qū)域與動(dòng)態(tài)背景間圖像實(shí)時(shí)比對(duì)，采用自適應(yīng)梯度檢測(cè)定位算法對(duì)其中車輛目標(biāo)進(jìn)行快速檢測(cè)、定位。采用的自適應(yīng)梯度檢測(cè)定位算法能可同時(shí)檢測(cè)出多個(gè)車輛目標(biāo)，并根據(jù)車輛目標(biāo)特征對(duì)車輛目標(biāo)進(jìn)行匹配識(shí)別，根據(jù)設(shè)定偵測(cè)區(qū)域中車輛目標(biāo)的行駛軌跡及圖像特征，本發(fā)明采用金字塔算法對(duì)設(shè)定偵測(cè)區(qū)域車輛目標(biāo)行駛軌跡進(jìn)行分解(子圖像)，跟蹤檢測(cè)出車輛目標(biāo)行駛軌跡及事件特征，最后將車輛目標(biāo)行駛軌跡及事件特征與本地樣本庫(kù)中樣本進(jìn)行匹配(設(shè)置匹配門限和檢測(cè)精度)，并對(duì)車輛目標(biāo)行駛軌跡及事件特征進(jìn)行分類，最終確定車輛目標(biāo)類型并(自學(xué)習(xí))優(yōu)化本地樣本庫(kù)中樣本圖像。本發(fā)明設(shè)定金字塔算法的水平、垂直方向行駛軌跡分解系數(shù)分別為γχ(〈1.0)和Yy(〈1.0)，第一級(jí)分解由原始偵測(cè)區(qū)域行駛軌跡圖像I水平方向和垂直方向分別縮放、和、倍，得到第一級(jí)金字塔圖像I1，再由I1水平方向和垂直方向行駛軌跡分別縮放^和、倍，得到第二級(jí)金字塔圖像I2,...，依此類推可作N(N=I，2，3，···)級(jí)分解(根據(jù)車輛目標(biāo)數(shù)量、識(shí)別精度及現(xiàn)場(chǎng)管理需求設(shè)定)。一般取Yx=O. 5，Yy=O. 5以便提高設(shè)定偵測(cè)區(qū)域車輛目標(biāo)行駛軌跡圖像分解速度，在設(shè)定偵測(cè)區(qū)域(待識(shí)別)目標(biāo)數(shù)量<20時(shí)，一般N取2。對(duì)每一級(jí)金字塔圖像進(jìn)行彩色空間變換(轉(zhuǎn)換為灰度圖像)，以減小設(shè)
定偵測(cè)區(qū)域車ft目標(biāo)檢測(cè)、定位及事件檢測(cè)(行駛軌跡圖像)處理運(yùn)算量，對(duì)于完成彩色空間變換的設(shè)定偵測(cè)區(qū)域圖像，采用行駛軌跡垂直邊緣(輪
特征提取算法進(jìn)行車輛目標(biāo)快速檢測(cè)、定位，其特點(diǎn)是速度快、誤報(bào)率低。設(shè)定偵測(cè)區(qū)域灰度圖像二值化處理模塊二值化處理是數(shù)字圖像處理的基礎(chǔ)，也是設(shè)定偵測(cè)區(qū)域圖像車輛目標(biāo)識(shí)別的重要環(huán)節(jié)?；叶葓D像比彩色圖像更容易進(jìn)行二值化處理，本發(fā)明在將設(shè)定偵測(cè)區(qū)域圖像轉(zhuǎn)換為灰度圖像后立即進(jìn)行二值化處理，圖像二值化處理方法很多，本發(fā)明針對(duì)現(xiàn)場(chǎng)管理需求及設(shè)定偵測(cè)區(qū)域車輛目標(biāo)圖像特點(diǎn)、檢測(cè)(定位)精度進(jìn)行選擇，在設(shè)定偵測(cè)區(qū)域車輛目標(biāo)定位算法中，如果環(huán)境光照均勻且對(duì)比度較強(qiáng)，則采用直方圖法進(jìn)行設(shè)定偵測(cè)區(qū)域圖像二值化處理；若環(huán)境光照不均勻時(shí)，則無(wú)法直接采用直方圖法進(jìn)行設(shè)定偵測(cè)區(qū)域圖像二值化處理，本發(fā)明采用設(shè)定偵測(cè)區(qū)域圖像分割和灰度邏輯水平技術(shù)GLLT (Gray Logical LevelTechnique)算法有效解決光照不均勻和低對(duì)比度條件下的設(shè)定偵測(cè)區(qū)域圖像二值化處理——根據(jù)設(shè)定偵測(cè)區(qū)域圖像及車輛目標(biāo)圖像特點(diǎn)，將設(shè)定偵測(cè)區(qū)域圖像劃分為若干個(gè)子區(qū)域(根據(jù)管理需求及目標(biāo)數(shù)量)，并在各子區(qū)域圖像中對(duì)車輛目標(biāo)圖像進(jìn)行快速檢測(cè)、定位及后續(xù)事件檢測(cè)處理。GLLT算法流程如下I).設(shè)f(x，y)為設(shè)定偵測(cè)區(qū)域圖像中(X，y)點(diǎn)灰度值，g(x, y)為其平滑后灰度值。根據(jù)設(shè)定偵測(cè)區(qū)域中車輛目標(biāo)圖像模板w( —般取W=3)，以車輛目標(biāo)圖像中心計(jì)算(2W+1) X (2W+1)模板窗口灰度平均值
權(quán)利要求
1.高清視頻監(jiān)控圖像的車輛目標(biāo)定位、事件檢測(cè)系統(tǒng)，其特征在于，該系統(tǒng)由高清視頻監(jiān)控圖像增強(qiáng)處理模塊、車輛目標(biāo)快速檢測(cè)定位模塊、設(shè)定偵測(cè)區(qū)域灰度圖像二值化處理模塊、車輛目標(biāo)及行駛軌跡圖像傾斜度校正模塊、車輛目標(biāo)行駛軌跡跟蹤及事件特征提取模塊和車輛目標(biāo)事件檢測(cè)及可信度評(píng)估模塊組成； 其中，所述高清視頻監(jiān)控圖像增強(qiáng)處理模塊用于實(shí)現(xiàn)對(duì)前端高清視頻監(jiān)控?cái)z像機(jī)實(shí)時(shí)采集圖像的數(shù)字增強(qiáng)處理，根據(jù)高清視頻監(jiān)控圖像中背景/場(chǎng)景和內(nèi)容/目標(biāo)圖像實(shí)時(shí)確定圖像濾波器模板類型及加權(quán)系數(shù)，獲取最佳信噪比增強(qiáng)圖像，提高后續(xù)車輛定位及事件檢測(cè)精度，消除圖像噪聲干擾； 所述車輛目標(biāo)快速檢測(cè)定位模塊實(shí)現(xiàn)設(shè)定偵測(cè)區(qū)域與動(dòng)態(tài)背景圖像間實(shí)時(shí)比對(duì)，采用自適應(yīng)梯度檢測(cè)定位算法對(duì)其中車輛目標(biāo)進(jìn)行快速檢測(cè)、定位； 所述設(shè)定偵測(cè)區(qū)域灰度圖像二值化處理模塊實(shí)現(xiàn)設(shè)定偵測(cè)區(qū)域圖像轉(zhuǎn)換為灰度圖像后的二值化處理； 所述車輛目標(biāo)及行駛軌跡圖像傾斜度校正模塊用于實(shí)現(xiàn)非均勻光照條件下高清視頻監(jiān)控圖像中車輛目標(biāo)及行駛軌跡圖像傾斜度校正算法實(shí)現(xiàn)設(shè)定偵測(cè)區(qū)域車輛目標(biāo)及車輛軌跡圖像傾斜度校正處理； 所述車輛目標(biāo)行駛軌跡跟蹤及事件特征提取模塊用于實(shí)現(xiàn)在經(jīng)圖像傾斜度校正后的二值化圖像中車輛目標(biāo)行駛軌跡圖像分割及事件特征提??； 所述車輛目標(biāo)事件檢測(cè)及可信度評(píng)估模塊采用動(dòng)態(tài)樣本聚類分析法實(shí)現(xiàn)車輛目標(biāo)行駛軌跡圖像匹配識(shí)別和本地車輛目標(biāo)行駛軌跡圖像/特征樣本庫(kù)中特征樣本的優(yōu)化、調(diào)難iF. O
2.高清視頻監(jiān)控圖像的車輛目標(biāo)定位、事件檢測(cè)方法，其特征在于，該方法具體包括如下步驟 步驟1，高清視頻監(jiān)控圖像增強(qiáng)處理模塊對(duì)高清攝像機(jī)實(shí)時(shí)采集的高清視頻監(jiān)控圖像進(jìn)行增強(qiáng)處理，實(shí)時(shí)比對(duì)設(shè)定偵測(cè)區(qū)域圖像與動(dòng)態(tài)背景圖像，對(duì)實(shí)時(shí)采集的高清視頻監(jiān)控圖像中設(shè)定偵測(cè)區(qū)域車輛目標(biāo)進(jìn)行快速檢測(cè)、定位； 步驟2，車輛目標(biāo)快速檢測(cè)定位模塊將實(shí)時(shí)檢測(cè)到的設(shè)定偵測(cè)區(qū)域車輛目標(biāo)圖像映射到原始高清視頻監(jiān)控圖像設(shè)定偵測(cè)區(qū)域動(dòng)態(tài)背景圖像中，依據(jù)預(yù)置報(bào)警門限及現(xiàn)場(chǎng)管理需求排除檢測(cè)出車輛目標(biāo)中干擾成份，跟蹤車輛目標(biāo)行駛軌跡，對(duì)車輛目標(biāo)事件特征進(jìn)行分類； 步驟3，將高清視頻監(jiān)控圖像中設(shè)定偵測(cè)區(qū)域圖像轉(zhuǎn)換為灰度圖像，并對(duì)高清視頻監(jiān)控圖像中設(shè)定偵測(cè)區(qū)域灰度圖像進(jìn)行二值化處理； 步驟4，將車輛目標(biāo)行駛軌跡與管理樣本庫(kù)模板進(jìn)行實(shí)時(shí)比對(duì)，確定設(shè)定偵測(cè)區(qū)域車輛目標(biāo)事件特征及事件/檢測(cè)類型； 步驟5，實(shí)時(shí)學(xué)習(xí)、優(yōu)化管理樣本庫(kù)車輛目標(biāo)事件特征及事件/檢測(cè)類型，實(shí)時(shí)評(píng)估設(shè)定偵測(cè)區(qū)域車輛目標(biāo)事件/檢測(cè)類型可信度。
3.根據(jù)權(quán)利要求2所述的高清視頻監(jiān)控圖像的車輛目標(biāo)定位、事件檢測(cè)方法，其特征在于，所述方法步驟5采用動(dòng)態(tài)樣本聚類分析法對(duì)車輛目標(biāo)事件特征及事件檢測(cè)結(jié)果可信度進(jìn)行評(píng)估。
全文摘要
本發(fā)明高清視頻監(jiān)控圖像的車輛目標(biāo)定位、事件檢測(cè)系統(tǒng)及方法，該系統(tǒng)由高清視頻監(jiān)控圖像增強(qiáng)處理模塊、車輛目標(biāo)快速檢測(cè)定位模塊、設(shè)定偵測(cè)區(qū)域灰度圖像二值化處理模塊、車輛目標(biāo)及行駛軌跡圖像傾斜度校正模塊、車輛目標(biāo)行駛軌跡跟蹤及事件特征提取模塊和車輛目標(biāo)事件檢測(cè)及可信度評(píng)估模塊組成。與現(xiàn)有技術(shù)相比，本發(fā)明具有針對(duì)復(fù)雜高清(200萬(wàn)像素以上)視頻監(jiān)控背景下車輛目標(biāo)快速定位及其智能分以及非均勻光照條件下高清視頻監(jiān)控圖像增強(qiáng)處理效果好、動(dòng)態(tài)范圍大、車輛目標(biāo)快速定位及其智能分析(事件檢測(cè))精度高、誤報(bào)率低等優(yōu)點(diǎn)，同時(shí)嵌入式系統(tǒng)可大大提高軟件可信、可靠度和穩(wěn)定性，降低前端嵌入式系統(tǒng)參數(shù)設(shè)置難度。
文檔編號(hào)G06K9/46GK102902951SQ20121022295
公開日2013年1月30日 申請(qǐng)日期2012年6月29日 優(yōu)先權(quán)日2012年6月29日
發(fā)明者李剛, 石飛榮, 田秦 申請(qǐng)人:陜西省交通規(guī)劃設(shè)計(jì)研究院, 北京科技大學(xué)