專利名稱：一種道路交通視頻檢測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于安全監(jiān)控領(lǐng)域，尤其涉及一種道路交通視頻檢測方法及裝置。
背景技術(shù)：
智能交通監(jiān)控系統(tǒng)是基于現(xiàn)代電子信息技術(shù)面向交通運輸?shù)姆?wù)系統(tǒng)，該智能交通監(jiān)控系統(tǒng)利用計算機視覺技術(shù)，通過分析、處理視頻畫面來檢測視頻的道路車輛。隨著計算機技術(shù)，圖像處理技術(shù)和模式識別技術(shù)的發(fā)展，基于視頻的道路交通檢測技術(shù)也越來越受到產(chǎn)學(xué)界的關(guān)注和普及。目前，道路交通的視頻檢測方法都是基于單個攝像機的，該方法首先在需要監(jiān)控的道路上安裝一個攝像機，再分析該攝像機拍攝的道路車輛內(nèi)容、行人來達到交通監(jiān)控的目的。但基于單個攝像機的視頻交通檢測方法在受到光照變化干擾或者陰影干擾或者密集的車輛、行人干擾時，容易導(dǎo)致誤檢測。

發(fā)明內(nèi)容
本發(fā)明實施例提供了一種道路交通視頻檢測方法，旨在解決現(xiàn)有的檢測方法在受到光照變化干擾或者陰影干擾或者密集的車輛和行人干擾時，容易導(dǎo)致檢測結(jié)果錯誤的問題。本發(fā)明實施例是這樣實現(xiàn)的，一種道路交通視頻檢測方法，所述方法包括下述步驟通過兩個攝像機采集兩路視頻圖像，并分別在采集的兩路視頻圖像中指定檢測區(qū)域；根據(jù)任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像檢測出模糊運動目標(biāo)區(qū)域；根據(jù)采集的兩路視頻圖像檢測出場景的深度信息；根據(jù)模糊運動目標(biāo)區(qū)域以及場景的深度信息檢測出清晰目標(biāo)區(qū)域。本發(fā)明實施例的另一目的在于提供一種道路交通視頻檢測裝置，所述裝置包括視頻采集單元，用于通過兩個攝像機采集兩路視頻圖像，并分別在采集的兩路視頻圖像中指定檢測區(qū)域；模糊運動目標(biāo)區(qū)域檢測單元，用于根據(jù)任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像檢測出模糊運動目標(biāo)區(qū)域；深度信息檢測單元，用于根據(jù)采集的兩路視頻圖像檢測出場景的深度信息；清晰目標(biāo)區(qū)域檢測單元，用于根據(jù)模糊運動目標(biāo)區(qū)域以及場景的深度信息檢測出清晰目標(biāo)區(qū)域。本發(fā)明實施例通過雙攝像機采集道路交通的兩路視頻圖像，并根據(jù)采集的兩路視頻圖像獲取模糊運動目標(biāo)區(qū)域和場景的深度信息，最后根據(jù)獲取的模糊運動目標(biāo)區(qū)域和場景的深度信息確定清晰目標(biāo)區(qū)域。由于深度信息在受到光照變化干擾或者陰影干擾或者密集的車輛、行人干擾時變化不大，因此本發(fā)明能夠有效提高運動目標(biāo)檢測的準(zhǔn)確性。


圖1是本發(fā)明第一實施例提供的道路交通視頻檢測方法的流程圖；圖2是本發(fā)明第一實施例提供的兩個攝像機結(jié)構(gòu)示意圖；圖3是本發(fā)明第一實施例提供的雙CXD攝像機的技術(shù)原理示意圖；圖4是本發(fā)明第二實施例提供的道路交通視頻檢測裝置的結(jié)構(gòu)示意圖。
具體實施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明實施例通過雙攝像機采集道路交通的兩路視頻圖像，并根據(jù)采集的兩路視頻圖像獲取模糊運動目標(biāo)區(qū)域和場景的深度信息，最后根據(jù)獲取的模糊運動目標(biāo)區(qū)域和場景的深度信息確定清晰目標(biāo)區(qū)域。本發(fā)明實施例提供了一種道路交通視頻檢測方法及裝置。所述方法包括通過兩個攝像機采集兩路視頻圖像，并分別在采集的兩路視頻圖像中指定檢測區(qū)域；根據(jù)任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像檢測出模糊運動目標(biāo)區(qū)域；根據(jù)采集的兩路視頻圖像檢測出場景的深度信息；根據(jù)模糊運動目標(biāo)區(qū)域以及場景的深度信息檢測出清晰目標(biāo)區(qū)域。所述裝置包括視頻采集單元，用于通過兩個攝像機采集兩路視頻圖像，并分別在采集的兩路視頻圖像中指定檢測區(qū)域；模糊運動目標(biāo)區(qū)域檢測單元，用于根據(jù)任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像檢測出模糊運動目標(biāo)區(qū)域；深度信息檢測單元，用于根據(jù)采集的兩路視頻圖像檢測出場景的深度信息；清晰目標(biāo)區(qū)域檢測單元，用于根據(jù)模糊運動目標(biāo)區(qū)域以及場景的深度信息檢測出清晰目標(biāo)區(qū)域。本發(fā)明實施例通過雙攝像機采集道路交通的兩路視頻圖像，并根據(jù)采集的兩路視頻圖像獲取模糊運動目標(biāo)區(qū)域和場景的深度信息，最后根據(jù)獲取的模糊運動目標(biāo)區(qū)域和場景的深度信息確定清晰目標(biāo)區(qū)域。由于深度信息在受到光照變化干擾或者陰影干擾或者密集的車輛、行人干擾時變化不大，因此本發(fā)明能夠有效提高運動目標(biāo)檢測的準(zhǔn)確性。為了說明本發(fā)明所述的技術(shù)方案，下面通過具體實施例來進行說明。實施例一圖1示出了本發(fā)明第一實施例提供的道路交通視頻檢測方法的流程圖，在本實施例中，在需要檢測車輛的區(qū)域安裝兩個攝像機，并根據(jù)拍攝的任一路視頻圖像檢測出模糊運動目標(biāo)區(qū)域，再根據(jù)拍攝的兩路視頻圖像檢測出場景深度信息，最后結(jié)合模糊運動目標(biāo)區(qū)域以及場景的深度信息檢測出清晰的目標(biāo)區(qū)域。
在步驟Sll中，通過兩個攝像機采集兩路視頻圖像，并分別在采集的兩路視頻圖像中指定檢測區(qū)域。在本實施例中，選取兩個焦距相等、各內(nèi)部參數(shù)也相等的攝像機，并用這兩個攝像機采集兩路視頻圖像。其中，選取的兩個攝像機的圖像傳感器可以為電荷耦合元件 (Charge-coupled Device, CCD)圖像傳感器，在安裝這兩個具有CCD圖像傳感器的攝像機時，首先保證這兩個攝像機的光軸相互平行，再根據(jù)實際情況確定兩個攝像機的光心距離。 通常，將兩個攝像機的光心距離取值為6. 5cm。例如，如圖2所示，在攝像機外殼21內(nèi)分別安裝第一攝像機211和第二攝像機212，使第一攝像機211和第二攝像機212的光軸相互平行，且第一攝像機211和第二攝像機212的光心距離為6. 5cm。在確定了攝像機之后，根據(jù)實際情況的需要指定檢測區(qū)域，比如，若安裝的攝像機主要用于檢測車輛運行情況的，則根據(jù)車輛主要是在車道內(nèi)行走的情況，可以選擇車道區(qū)域作為檢測區(qū)域，并根據(jù)預(yù)設(shè)的規(guī)則，在采集的兩路視頻圖像中勾畫出檢測區(qū)域。若安裝的攝像機主要用于檢測行人情況的，則選擇人行道區(qū)域作為檢測區(qū)域。在步驟S12中，根據(jù)任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像檢測出模糊運動目標(biāo)區(qū)域。進一步地，根據(jù)任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像檢測出模糊運動目標(biāo)區(qū)域的步驟之前，進一步包括下述步驟獲取兩個攝像機的內(nèi)參數(shù)和外參數(shù)， 并將獲取的兩個攝像機的內(nèi)參數(shù)和外參數(shù)統(tǒng)一到同一個世界坐標(biāo)系下。在本實施例中，采用TSAI兩步標(biāo)定法獲取兩個攝像機的內(nèi)參數(shù)和外參數(shù)，再根據(jù)兩個攝像機的位置，將獲取的兩個攝像機的內(nèi)參數(shù)和外參數(shù)統(tǒng)一到同一個世界坐標(biāo)系下。其中，獲取的攝像機的內(nèi)參數(shù)包括攝像機的焦距、拍攝的實際圖像中心坐標(biāo)；獲取的攝像機外參數(shù)包括旋轉(zhuǎn)矩陣、平移向量。圖像可以分為背景區(qū)域和前景區(qū)域，在本實施例中，前景區(qū)域為運動區(qū)域。分析任一路采集到的視頻圖像的檢測區(qū)域，并根據(jù)該路視頻圖像的檢測區(qū)域檢測出模糊運動目標(biāo)區(qū)域，其中，根據(jù)任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像檢測出模糊運動目標(biāo)區(qū)域的步驟具體為對任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像中的每個像素建立背景模型，并根據(jù)該背景模型確定對應(yīng)背景區(qū)域的背景模型部分以及模糊運動目標(biāo)區(qū)域。在本實施例中，對視頻圖像的指定檢測區(qū)域內(nèi)的視頻圖像中的每個像素建立背景模型，根據(jù)建立的背景模型判定視頻圖像的背景區(qū)域，進而獲取視頻圖像的模糊運動目標(biāo)區(qū)域。其中，對任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像中的每個像素建立背景模型，并根據(jù)該背景模型確定對應(yīng)背景區(qū)域的背景模型部分以及模糊運動目標(biāo)區(qū)域的步驟具體為對圖像中的每個像素點用多個高斯分布構(gòu)成的混合高斯模型建立背景模型，選用的高斯分布越多，越能描述復(fù)雜的場景，通常選用3到5個高斯分布構(gòu)成的混合高斯模型對圖像的像素點建模。在建立的高斯模型中，按照各高斯分布本身的權(quán)值與對應(yīng)標(biāo)準(zhǔn)差的比值從大到小排列各高斯分布，并根據(jù)預(yù)設(shè)的權(quán)值閾值確定對應(yīng)背景區(qū)域的背景模型部分；將當(dāng)前幀與該當(dāng)前幀對應(yīng)背景區(qū)域的背景模型部分相減以獲取該當(dāng)前幀的運動區(qū)域，并對獲取的運動區(qū)域進行二值化和形態(tài)學(xué)處理，獲取模糊運動目標(biāo)區(qū)域。其中，當(dāng)前幀的背景模型由描述該當(dāng)前幀所有像素的背景區(qū)域的高斯分布組成，當(dāng)前幀的運動區(qū)域由描述該當(dāng)前幀所有像素的運動區(qū)域的高斯分布所對應(yīng)的區(qū)域組成。在本實施例中，采用多模態(tài)高斯背景模型對已固定安裝的攝像機拍攝的視頻圖像進行背景建模，比如對每個像素點定義3 5個區(qū)域，每個區(qū)域用一個高斯分布表示。其中， 對每個像素點建立高斯模型的步驟具體為假設(shè)輸入的第t幀圖像的像素點為It，μ 為第(t-Ι)幀圖像的第i個高斯分布的像素值的均值，像素值的均值等于各個像素值相加的和除以像素點的個數(shù)，σ Μ—為第(t-1)幀圖像的第i個高斯分布的像素值的標(biāo)準(zhǔn)差，D為滿足公式Ilt-Pi^l ^D. OiI1的固定參數(shù)，該參數(shù)可通過實際經(jīng)驗獲取，其中，Piit = (1-α) μ ,^+Ρ lt,alt={\-aflt+p{It-^t)2 , ρ = α/ω"，α 是學(xué)習(xí)率，O 彡 α 彡 1，ρ 是參數(shù)學(xué)習(xí)率，ω i,t是第t幀圖像的第i個高斯分布的權(quán)值。歸一化計算得到的所有權(quán)值，并把各個高斯分布函數(shù)按ω J σ i,t從大到小排列，如果if· ik表示各個高斯分布，將
“…、按照ω^/σ i,t從大到小的次序排列，若前M個高斯分布滿足公式
權(quán)利要求
1.一種道路交通視頻檢測方法，其特征在于，所述方法包括下述步驟通過兩個攝像機采集兩路視頻圖像，并分別在采集的兩路視頻圖像中指定檢測區(qū)域； 根據(jù)任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像檢測出模糊運動目標(biāo)區(qū)域；根據(jù)采集的兩路視頻圖像檢測出場景的深度信息；根據(jù)模糊運動目標(biāo)區(qū)域以及場景的深度信息檢測出清晰目標(biāo)區(qū)域。
2.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像檢測出模糊運動目標(biāo)區(qū)域的步驟具體為對任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像中的每個像素建立背景模型，并根據(jù)所述背景模型確定對應(yīng)背景區(qū)域的背景模型部分以及模糊運動目標(biāo)區(qū)域。
3.如權(quán)利要求2所述的方法，其特征在于，所述對任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像中的每個像素建立背景模型的步驟具體為對任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像中的每個像素點用多個高斯分布構(gòu)成的混合高斯模型建立背景模型；所述根據(jù)所述背景模型確定對應(yīng)背景區(qū)域的背景模型部分以及模糊運動目標(biāo)區(qū)域的步驟具體為按照各高斯分布本身的權(quán)值與對應(yīng)標(biāo)準(zhǔn)差的比值從大到小排列各高斯分布，以根據(jù)預(yù)設(shè)的權(quán)值閾值確定對應(yīng)背景區(qū)域的背景模型部分，再將當(dāng)前幀與所述當(dāng)前幀對應(yīng)背景區(qū)域的背景模型部分相減以獲取所述當(dāng)前幀的運動區(qū)域，并對獲取的運動區(qū)域進行二值化和形態(tài)學(xué)處理，獲取模糊運動目標(biāo)區(qū)域。
4.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)采集的兩路視頻圖像檢測出場景的深度信息的步驟具體為獲取并匹配兩路視頻圖像的目標(biāo)區(qū)域特征點，根據(jù)匹配成功的目標(biāo)區(qū)域特征點的信息檢測出場景的深度信息。
5.如權(quán)利要求4所述的方法，其特征在于，所述獲取并匹配兩路視頻圖像的目標(biāo)區(qū)域特征點的步驟具體為 根據(jù)采集的兩路視頻圖像的像素值變化分別確定兩路視頻圖像的目標(biāo)區(qū)域特征點，并對所述兩路視頻圖像的目標(biāo)區(qū)域特征點進行立體匹配，獲得對應(yīng)同一場景點的兩個目標(biāo)區(qū)域特征點的空間坐標(biāo)；所述根據(jù)匹配成功的目標(biāo)區(qū)域特征點的信息檢測出場景的深度信息的步驟具體為 根據(jù)所述對應(yīng)同一場景點的兩個目標(biāo)區(qū)域特征點的空間坐標(biāo)確定所述同一場景點在兩路視頻圖像的視差，并根據(jù)兩個攝像機的光心距離、攝像機的焦距以及同一場景點在兩路視頻圖像的視差確定所述同一場景點的深度信息。
6.如權(quán)利要求1或2或4所述的方法，其特征在于，所述根據(jù)模糊運動目標(biāo)區(qū)域以及場景的深度信息檢測出清晰目標(biāo)區(qū)域的步驟具體為逐個分析模糊運動目標(biāo)區(qū)域的像素點的深度信息，判斷像素點的深度信息是否大于預(yù)設(shè)的深度閾值；在像素點的深度信息大于預(yù)設(shè)的深度閾值時，判定所述像素點為目標(biāo)區(qū)域點，獲得的多個目標(biāo)區(qū)域點組成了清晰的目標(biāo)區(qū)域。
7.—種道路交通視頻檢測裝置，其特征在于，所述裝置包括視頻采集單元，用于通過兩個攝像機采集兩路視頻圖像，并分別在采集的兩路視頻圖像中指定檢測區(qū)域；模糊運動目標(biāo)區(qū)域檢測單元，用于根據(jù)任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像檢測出模糊運動目標(biāo)區(qū)域；深度信息檢測單元，用于根據(jù)采集的兩路視頻圖像檢測出場景的深度信息；清晰目標(biāo)區(qū)域檢測單元，用于根據(jù)模糊運動目標(biāo)區(qū)域以及場景的深度信息檢測出清晰目標(biāo)區(qū)域。
8.如權(quán)利要求7所述的裝置，其特征在于，所述模糊運動目標(biāo)區(qū)域檢測單元包括背景區(qū)域確定模塊，用于對任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像中的每個像素點用多個高斯分布構(gòu)成的混合高斯模型建立背景模型；模糊區(qū)域確定模塊，用于按照各高斯分布本身的權(quán)值與對應(yīng)標(biāo)準(zhǔn)差的比值從大到小排列各高斯分布，以根據(jù)預(yù)設(shè)的權(quán)值閾值確定對應(yīng)背景區(qū)域的背景模型部分，再將當(dāng)前幀與所述當(dāng)前幀對應(yīng)背景區(qū)域的背景模型部分相減以獲取所述當(dāng)前幀的運動區(qū)域，并對獲取的運動區(qū)域進行二值化和形態(tài)學(xué)處理，獲取模糊運動目標(biāo)區(qū)域。
9.如權(quán)利要求7所述的裝置，其特征在于，所述深度信息檢測單元包括特征點信息獲取模塊，用于根據(jù)采集的兩路視頻圖像的像素值變化分別確定兩路視頻圖像的目標(biāo)區(qū)域特征點，并對所述兩路視頻圖像的目標(biāo)區(qū)域特征點進行立體匹配，獲得對應(yīng)同一場景點的兩個目標(biāo)區(qū)域特征點的空間坐標(biāo)；深度信息獲取模塊，用于根據(jù)所述對應(yīng)同一場景點的兩個目標(biāo)區(qū)域特征點的空間坐標(biāo)確定所述同一場景點在兩路視頻圖像的視差，并根據(jù)兩個攝像機的光心距離、攝像機的焦距以及同一場景點在兩路視頻圖像的視差確定所述同一場景點的深度信息。
10.如權(quán)利要求7或8或9所述的裝置，其特征在于，所述清晰目標(biāo)區(qū)域檢測單元包括深度判斷模塊，用于逐個分析模糊運動目標(biāo)區(qū)域的像素點的深度信息，判斷像素點的深度信息是否大于預(yù)設(shè)的深度閾值；目標(biāo)區(qū)域判斷模塊，用于在像素點的深度信息大于預(yù)設(shè)的深度閾值時，判定所述像素點為目標(biāo)區(qū)域點，獲得的多個目標(biāo)區(qū)域點組成了清晰的目標(biāo)區(qū)域。
全文摘要
本發(fā)明適用于安全監(jiān)控領(lǐng)域，提供了一種道路交通視頻檢測方法及裝置。所述方法包括下述步驟通過兩個攝像機采集兩路視頻圖像，并分別在采集的兩路視頻圖像中指定檢測區(qū)域；根據(jù)任一路采集到的視頻圖像中的指定檢測區(qū)域內(nèi)的視頻圖像檢測出模糊運動目標(biāo)區(qū)域；根據(jù)采集的兩路視頻圖像檢測出場景的深度信息；根據(jù)模糊運動目標(biāo)區(qū)域以及場景的深度信息檢測出清晰目標(biāo)區(qū)域。本發(fā)明實施例根據(jù)采集的兩路視頻圖像獲取模糊運動目標(biāo)區(qū)域和場景的深度信息，再根據(jù)獲取的模糊運動目標(biāo)區(qū)域和場景的深度信息確定清晰目標(biāo)區(qū)域。由于深度信息在受到光照變化干擾或者陰影干擾或者密集的車輛、行人干擾時變化不大，因此本發(fā)明能夠有效提高運動目標(biāo)檢測的準(zhǔn)確性。
文檔編號H04N7/18GK102316307SQ20111024168
公開日2012年1月11日 申請日期2011年8月22日 優(yōu)先權(quán)日2011年8月22日
發(fā)明者吳金勇, 王一科, 王軍, 龔灼 申請人:上海誠豐數(shù)碼科技有限公司, 安防科技(中國)有限公司