一種實(shí)時(shí)的交通車(chē)輛檢測(cè)與跟蹤方法
【專利摘要】一種實(shí)時(shí)交通車(chē)輛檢測(cè)與跟蹤方法，該方法在運(yùn)動(dòng)車(chē)輛實(shí)時(shí)檢測(cè)中，利用道路線檢測(cè)獲得車(chē)輛行駛的區(qū)域，再進(jìn)行幀間差分獲得車(chē)輛行駛區(qū)域中運(yùn)動(dòng)區(qū)域以及非運(yùn)動(dòng)區(qū)域的主要顏色信息，把主要顏色信息填充運(yùn)動(dòng)車(chē)輛區(qū)域，從而獲得一個(gè)近似的背景圖像，最后使用背景差分獲得運(yùn)動(dòng)車(chē)輛。在運(yùn)動(dòng)車(chē)輛跟蹤中，利用Harris檢測(cè)獲得運(yùn)動(dòng)車(chē)輛的所有特征角點(diǎn)，通過(guò)聚類分析獲得所有分離的運(yùn)動(dòng)區(qū)域的特征角點(diǎn)集，每個(gè)特征角點(diǎn)集生成一個(gè)包含所有特征點(diǎn)的特征圓，用特征圓的半徑來(lái)分析車(chē)輛遮擋等問(wèn)題，最后用特征圓的圓心來(lái)進(jìn)行特征匹配跟蹤。本發(fā)明在運(yùn)動(dòng)車(chē)輛檢測(cè)以及跟蹤的實(shí)時(shí)性上和跟蹤精確度上都有極大的提升，具有廣泛的應(yīng)用意義。
【專利說(shuō)明】一種實(shí)時(shí)的交通車(chē)輛檢測(cè)與跟蹤方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種在交通中進(jìn)行實(shí)時(shí)車(chē)輛檢測(cè)與跟蹤的方法，屬圖像處理通信領(lǐng)域。
【背景技術(shù)】
[0002]車(chē)輛檢測(cè)方面，在交通視頻序列中，對(duì)運(yùn)動(dòng)車(chē)輛進(jìn)行檢測(cè)的方法主要有三種:幀間差分法、背景差分法以及光流法。幀間差分法利用連續(xù)兩幀進(jìn)行差分，獲得運(yùn)動(dòng)目標(biāo)區(qū)域。具有較好的實(shí)時(shí)性，但是不能很好表現(xiàn)完整的車(chē)輛信息，而且運(yùn)動(dòng)目標(biāo)容易被分割成多個(gè)區(qū)域。背景差分法是最常用的方法，通過(guò)將圖像序列和參考背景模型相減來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)。方法簡(jiǎn)單、計(jì)算復(fù)雜度較低以及易于實(shí)現(xiàn)，但是不具有光照變化的魯棒性，而且容易把車(chē)輛的陰影誤檢為目標(biāo)。光流法對(duì)圖像的運(yùn)動(dòng)場(chǎng)進(jìn)行估計(jì)并將近似的矢量合并，以檢測(cè)運(yùn)動(dòng)目標(biāo)。其計(jì)算量大，抗噪性能差，實(shí)時(shí)性差，對(duì)實(shí)時(shí)交通監(jiān)控的復(fù)雜背景不適合用。
[0003]考慮三種方法的優(yōu)缺點(diǎn)，把其中兩種相融合的方法應(yīng)用比較廣泛，最常用的是幀間差分和背景差分融合的方法。其原理是預(yù)先選取一陣作為背景圖像進(jìn)行差分處理，區(qū)分出背景點(diǎn)和變化的區(qū)域。然后將變化區(qū)域與背景幀的對(duì)應(yīng)區(qū)域進(jìn)行模型擬合區(qū)分出顯露區(qū)和運(yùn)動(dòng)物體。背景更新時(shí)，把幀間差分確實(shí)是背景的點(diǎn)更新到背景幀中，把背景差分時(shí)確定為是顯露區(qū)的點(diǎn)，以較大的更新概率收入到背景幀中，運(yùn)動(dòng)物體對(duì)應(yīng)的區(qū)域不進(jìn)行跟新。
[0004]車(chē)輛檢測(cè)存在問(wèn)題:此方法算法雖然簡(jiǎn)單且有效，但是也存在明顯問(wèn)題?；趲g差分和背景差分相融合的方法雖然對(duì)背景幀一直在不斷更新，但是并不是對(duì)完整的背景圖像進(jìn)行更新，傳統(tǒng)方法并沒(méi)有真正獲得背景圖像，這將對(duì)車(chē)輛的跟蹤有比較大的影響。雖然當(dāng)車(chē)輛在正常行駛過(guò)程中，用傳統(tǒng)方法將獲得較好的檢測(cè)以及跟蹤效果，但是當(dāng)運(yùn)動(dòng)車(chē)輛在行進(jìn)過(guò)程中突然停止，傳統(tǒng)方法將把車(chē)輛當(dāng)做背景信息，跟蹤將丟失目標(biāo)，當(dāng)停止車(chē)輛再運(yùn)動(dòng)時(shí)，又將作為新的目標(biāo)進(jìn)行跟蹤，完全不符合正確且精確的跟蹤要求。
[0005]車(chē)輛跟蹤方面:一般使用基于角點(diǎn)特征的方法進(jìn)行車(chē)輛跟蹤。在圖像的各種特征中，角點(diǎn)包含的信息數(shù)據(jù)量較小，即非常小的數(shù)據(jù)信息保存了圖像灰度變化的特征信息，同時(shí)外界影響因素對(duì)角點(diǎn)特征提取算法的影響也很小，能較好的表示目標(biāo)的空間信息。對(duì)檢測(cè)的目標(biāo)進(jìn)行Harris角點(diǎn)檢測(cè)，獲得角點(diǎn)集，再進(jìn)行角點(diǎn)匹配來(lái)進(jìn)行跟蹤。常用的角點(diǎn)匹配方法為點(diǎn)一點(diǎn)對(duì)應(yīng)匹配，建立參考圖像和待配準(zhǔn)圖像的特征點(diǎn)集之間的點(diǎn)一點(diǎn)對(duì)應(yīng)關(guān)系，然后計(jì)算對(duì)應(yīng)點(diǎn)之間的相似性度量來(lái)確定圖像匹配與否。
[0006]車(chē)輛跟蹤存在問(wèn)題:一般特征角點(diǎn)檢測(cè)具有旋轉(zhuǎn)不變性，利用點(diǎn)一點(diǎn)對(duì)應(yīng)匹配算法對(duì)簡(jiǎn)單形狀的物體具有較高的匹配精度，但是車(chē)輛的外形比一般物體更為復(fù)雜，而且車(chē)輛的運(yùn)動(dòng)具有不可預(yù)知性，在通過(guò)特征角點(diǎn)檢測(cè)后可能會(huì)使特征點(diǎn)集發(fā)生改變，從而對(duì)特征角點(diǎn)的匹配具有較大的干擾。并且點(diǎn)一點(diǎn)對(duì)應(yīng)匹配算法復(fù)雜度高，特別是當(dāng)特征點(diǎn)數(shù)目達(dá)到上百個(gè)和參數(shù)變換空間維數(shù)很高時(shí)，計(jì)算時(shí)間將成倍增加，難以達(dá)到實(shí)時(shí)要求。基于角點(diǎn)匹配的方法在處理車(chē)輛遮擋問(wèn)題方面，并沒(méi)有較好的效果，難以滿足實(shí)際的需求。
【發(fā)明內(nèi)容】

[0007]本發(fā)明的目的是，根據(jù)在車(chē)輛檢測(cè)方面存在的問(wèn)題，為了克服檢測(cè)時(shí)并沒(méi)有獲得背景圖像，從而導(dǎo)致車(chē)輛在停止時(shí)，系統(tǒng)檢測(cè)不到車(chē)輛的不足，本發(fā)明提供一種能快速獲得背景圖像的車(chē)輛檢測(cè)方法。
[0008]實(shí)現(xiàn)本發(fā)明的技術(shù)方案是，本發(fā)明一種實(shí)時(shí)的交通車(chē)輛檢測(cè)與跟蹤方法為:在車(chē)輛檢測(cè)時(shí)，利用幀間差分方法快速獲得背景；在車(chē)輛跟蹤時(shí)，通過(guò)檢測(cè)獲得的角點(diǎn)集生成該運(yùn)動(dòng)區(qū)域的重心點(diǎn)以及特征圓，利用特征圓的半徑去判定遮擋問(wèn)題，利用重心點(diǎn)的匹配達(dá)到車(chē)輛跟蹤的效果。
[0009]本發(fā)明提出的檢測(cè)方法，關(guān)鍵是利用交通行駛道路的特點(diǎn)，即車(chē)輛行駛道路除了白色的道路線外基本都是水泥路面，也就是說(shuō)車(chē)輛行駛區(qū)域的顏色信息基本一致，而且在不同的光照條件下也會(huì)保持一致。根據(jù)此特點(diǎn)，本發(fā)明在獲得車(chē)輛行駛區(qū)域后，在此區(qū)域的基礎(chǔ)上進(jìn)行幀間差分，獲得運(yùn)動(dòng)區(qū)域、非運(yùn)動(dòng)區(qū)域以及非運(yùn)動(dòng)區(qū)域的主要灰度信息，把灰度信息填充入運(yùn)動(dòng)區(qū)域，快速恢復(fù)出近似的背景圖像，獲得背景。
[0010]通過(guò)幀間差分獲得運(yùn)動(dòng)區(qū)域和非運(yùn)動(dòng)區(qū)域，把非運(yùn)動(dòng)區(qū)域的主要顏色信息填充入運(yùn)動(dòng)區(qū)域。再通過(guò)背景差分獲得檢測(cè)的目標(biāo)。對(duì)背景圖像的更新，則利用受光照影響最大的非運(yùn)動(dòng)區(qū)域的主要顏色信息來(lái)進(jìn)行判定，當(dāng)此顏色信息變化較小，則使用上一幀的背景圖像做背景差分，反之，則重新快速生成新的背景圖像。
[0011]在車(chē)輛跟蹤方面，為了克服在基于特征角點(diǎn)的跟蹤中，點(diǎn)對(duì)點(diǎn)匹配跟蹤的計(jì)算量問(wèn)題，以及沒(méi)有考慮處理遮擋問(wèn)題的不足，本發(fā)明提供一種快速匹配方法。
[0012]本發(fā)明提供的車(chē)輛跟蹤方法主要解決兩個(gè)問(wèn)題，第一個(gè)是實(shí)時(shí)性問(wèn)題，第二個(gè)是遮擋問(wèn)題。針對(duì)實(shí)時(shí)性問(wèn)題，可根據(jù)車(chē)輛外形的特殊性，即在視頻序列中一般近似為矩形或者菱形，在經(jīng)過(guò)Harris角點(diǎn)檢測(cè)后，通過(guò)角點(diǎn)集可以獲得車(chē)輛的重心點(diǎn)。由于車(chē)輛在連續(xù)幀中的位置變化不大，則可找出下一幀中距離最近的重心點(diǎn)來(lái)進(jìn)行匹配跟蹤。從而把角點(diǎn)匹配轉(zhuǎn)換為重心點(diǎn)匹配。針對(duì)遮擋問(wèn)題，本發(fā)明提出一個(gè)以重心點(diǎn)為圓心，包含特征角點(diǎn)集的最小圓，稱之為特征圓。車(chē)輛由于遠(yuǎn)離或者接近攝像頭，其形狀將發(fā)生變化，即特征圓將自適應(yīng)的更新半徑。當(dāng)遠(yuǎn)離攝像頭時(shí)，半徑將變??；當(dāng)停止運(yùn)動(dòng)時(shí)，半徑將不變；當(dāng)靠近攝像頭時(shí)，半徑將變大。通過(guò)計(jì)算可以預(yù)測(cè)下一幀特征圓的半徑稱為預(yù)測(cè)半徑，再將此預(yù)測(cè)半徑與真實(shí)半徑比較，將可以較容易判斷車(chē)輛是否遮擋。當(dāng)車(chē)輛出現(xiàn)遮擋時(shí)，原本兩個(gè)運(yùn)動(dòng)區(qū)域合并成一個(gè)，真實(shí)半徑將會(huì)突然變大，此時(shí)對(duì)重心點(diǎn)進(jìn)行粒子濾波進(jìn)行預(yù)測(cè)，并保持預(yù)測(cè)半徑自適應(yīng)來(lái)進(jìn)行車(chē)輛的跟蹤。
[0013]本發(fā)明的跟蹤方法，對(duì)目標(biāo)進(jìn)行角點(diǎn)檢測(cè)后獲得特征角點(diǎn)集，根據(jù)車(chē)輛外形的特殊性，利用角點(diǎn)集中x、y軸上最大與最小四個(gè)點(diǎn)來(lái)確定車(chē)輛的重心點(diǎn)；
[0014]在獲得重心點(diǎn)的基礎(chǔ)上，生成一個(gè)包含所有特征點(diǎn)的最小圓，其半徑稱為特征半徑;
[0015]利用點(diǎn)集到重心點(diǎn)的距離最大值確定，或者通過(guò)角點(diǎn)集中X、y軸上最大與最小值差值的一半，取其中較大值來(lái)確定。
[0016]本發(fā)明的有益效果是，在車(chē)輛檢測(cè)方面，本發(fā)明不但保持了傳統(tǒng)方法簡(jiǎn)單有效的優(yōu)點(diǎn)，并且能快速獲得近似背景圖像，為背景差分提供了依據(jù)，提高了跟蹤的準(zhǔn)確性。在車(chē)輛跟蹤方面，本發(fā)明大大降低了匹配的計(jì)算量，把傳統(tǒng)角點(diǎn)匹配轉(zhuǎn)化為重心點(diǎn)匹配，極大提高了跟蹤的實(shí)時(shí)性，利用本發(fā)明提出的特征圓來(lái)進(jìn)行遮擋的判斷，方法簡(jiǎn)單且效果，極大提聞了跟蹤的精確性。
[0017]下面通過(guò)附圖和【具體實(shí)施方式】，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。
【專利附圖】

【附圖說(shuō)明】
[0018]圖1為本發(fā)明目標(biāo)檢測(cè)流程圖；圖中:1是獲得道路區(qū)域；2是相鄰兩幀相差獲取背景；3是背景更新；4是獲得新背景；5是原背景；6是背景差分；
[0019]圖2為本發(fā)明實(shí)驗(yàn)視頻序列第一幀；
[0020]圖3為車(chē)輛行駛的道路區(qū)域；
[0021]圖4為第14幀圖像；
[0022]圖5為本發(fā)明快速獲得的背景圖像；
[0023]圖6為背景差分后獲得運(yùn)動(dòng)目標(biāo)；
[0024]圖7為Harris角點(diǎn)檢測(cè)獲得角點(diǎn)；
[0025]圖8為本發(fā)明通過(guò)角點(diǎn)獲得重心點(diǎn)與特征圓；
[0026]圖9為運(yùn)動(dòng)車(chē)輛跟蹤；
[0027]圖10為多運(yùn)動(dòng)車(chē)輛跟蹤。
【具體實(shí)施方式】
[0028]本發(fā)明實(shí)時(shí)的交通車(chē)輛檢測(cè)與跟蹤方法的【具體實(shí)施方式】如下:
[0029]參見(jiàn)圖1，為本實(shí)施例車(chē)輛檢測(cè)的流程圖。如圖1所示，車(chē)輛檢測(cè)的流程包括:
[0030]步驟1:獲得道路區(qū)域；視頻序列的第一幀原圖為圖2，通過(guò)Hough道路線檢測(cè)方法，獲得道路行駛區(qū)域兩邊的道路線，再把道路線區(qū)域中間部分作為車(chē)輛行駛的道路區(qū)域。因?yàn)橹粚?duì)車(chē)輛行駛區(qū)域進(jìn)行操作，可以有效的排除周?chē)h(huán)境對(duì)檢測(cè)的影響，提高精確率。獲得的區(qū)域如圖3。
[0031]步驟2:相鄰兩幀相差；目的是為了獲得運(yùn)動(dòng)區(qū)域、非運(yùn)動(dòng)區(qū)域以及非運(yùn)動(dòng)區(qū)域的主要顏色信息，為后續(xù)步驟提供操作的依據(jù)。
[0032]首先，假設(shè)處理的連續(xù)兩幀圖像分別為It (X，y)和Iw (x, y)，利用步驟I獲得的道路區(qū)域?qū)B續(xù)兩幀進(jìn)行處理，處理后的兩幀圖像分別為
【權(quán)利要求】
1.一種實(shí)時(shí)的交通車(chē)輛檢測(cè)與跟蹤方法，使用幀間差分與背景差分相融合的方法進(jìn)行車(chē)輛檢測(cè)，獲得運(yùn)動(dòng)車(chē)輛后再使用特征角點(diǎn)進(jìn)行車(chē)輛的跟蹤，其特征在于，所述方法在車(chē)輛檢測(cè)時(shí)，利用幀間差分方法快速獲得背景；在車(chē)輛跟蹤時(shí)，通過(guò)檢測(cè)獲得的角點(diǎn)集生成該運(yùn)動(dòng)區(qū)域的重心點(diǎn)以及特征圓，利用特征圓的半徑去判定遮擋問(wèn)題，利用重心點(diǎn)的匹配達(dá)到車(chē)輛跟蹤的效果。
2.根據(jù)權(quán)利要求1所述的一種實(shí)時(shí)的交通車(chē)輛檢測(cè)與跟蹤方法，其特征在于，所述車(chē)輛檢測(cè)，獲得車(chē)輛行駛區(qū)域后，在此區(qū)域的基礎(chǔ)上進(jìn)行幀間差分，獲得運(yùn)動(dòng)區(qū)域、非運(yùn)動(dòng)區(qū)域以及非運(yùn)動(dòng)區(qū)域的主要灰度信息，把灰度信息填充入運(yùn)動(dòng)區(qū)域，快速恢復(fù)出近似的背景圖像，獲得背景。
3.根據(jù)權(quán)利要求1所述的一種實(shí)時(shí)的交通車(chē)輛檢測(cè)與跟蹤方法，其特征在于，所述車(chē)輛跟蹤，對(duì)目標(biāo)進(jìn)行角點(diǎn)檢測(cè)后獲得特征角點(diǎn)集，根據(jù)車(chē)輛外形的特殊性，利用角點(diǎn)集中X、y軸上最大與最小四個(gè)點(diǎn)來(lái)確定車(chē)輛的重心點(diǎn)； 在獲得重心點(diǎn)的基礎(chǔ)上，生成一個(gè)包含所有特征點(diǎn)的最小圓，其半徑稱為特征半徑； 利用點(diǎn)集到重心點(diǎn)的距離最大值確定，或者通過(guò)角點(diǎn)集中X、y軸上最大與最小值差值的一半，取其中較大值來(lái)確定。
【文檔編號(hào)】G06T7/00GK103794050SQ201410025697
【公開(kāi)日】2014年5月14日 申請(qǐng)日期:2014年1月21日 優(yōu)先權(quán)日:2014年1月21日
【發(fā)明者】曹義親, 鐘濤, 黃曉生 申請(qǐng)人:華東交通大學(xué)