CN101149794A - 基于视频的车辆检测跟踪及系统 - Google Patents

Abstract

本发明涉及基于视频的车辆检测跟踪及系统，该系统可依据车辆的二值投影模型参数，可从人流中、阴影中、各种非车辆物体中有效地判别出车辆，并采用MAD算法快速实现对车辆的跟踪。

Description

基于视频的车辆检测跟踪及系统

技术领域

本发明涉及基于视频的车辆检测跟踪及系统，该系统属于图像处理和图像识别技术领域范畴，是一种基于运动检测和图像形状识别理论来实现视频图像中车辆目标的跟踪检测，应用范围甚广。

背景技术

电视帧图像序列，又称之为动态图像序列，它由一帧帧图像组成，但是有相对次序。在动态景物中，组成景物的各个运动物质在不同时刻其空间位置是不同的，这为检测运动物体奠定了基础。

发明内容

本发明的方法的技术方案如下：

(1)运动检测原理

(2)差分图像二值化

(3)计算二值差分图像投影值

(4)建立车辆的投影模型

(5)运动车辆的判别

(6)运动车辆的跟踪

附图说明

图1是差分图像D_fi，fj(x，y)；

图2是小型车模型；

图3是本发明的方法流程图。

以下是对本发明方法作进一步说明，其主要部分的具体内容如下：

1、运动检测原理

假定TV摄像机安装在支架上，位置不变，车辆图像区域的像素点的灰度从时刻t_i到t_j保持不变，则在车辆图像区域内的某个像素点(x，y)位置上有如图1变化：

差分图像表示式为：D_fi，fj(x，y)＝f(x，y，t_i)-f(x，y，t_j).................(1)

式中，f(x，y，t_i)为帧序列图像中的第i帧图像，f(x，y，t_j)为帧序列图像中的第j帧图像。

采用公式(1)可以检测出运动物体。为了便于识别检测到的运动物体是车辆、还是行人、三轮车、阴影等非车辆物体，常将差分图像变换二值图像。

2、差分图像二值化

大家知道，差分图像D_fi，fj是两个相邻帧图像f(x，y，t_i)和f(x，y，t_j)在坐标位置上像素灰度相比较的结果。

设灰度阈值 $T=\frac{M+\mathrm{\σ}}{1.1~1.2},$ 式中M为差分图像均值，为σ差分图像方差，则二值差分图像为：

若差分图像中像素元的灰度值p_ij≥T，则p_ij＝1

若差分图像中像素元的灰度值p_ij＜T，，则p_ij＝0

于是，运动物中区域为1，背景区域为0。

3、计算二值差分图像投影值

选定直角坐标系oxy，坐标原点选在二值差分图像左下角，将二值差分图像分别向x轴和y轴投影。投影计算式为：

$r_i=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{p}_{\mathrm{ij}}$ (行投影一为“1”的个数)

$c_j=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{p}_{\mathrm{ij}}$ (列投影一为“1”的个数)............................(2)

运动物质的二值投影可以唯一地表示出物质的外部形状。依据二值差分图像二值投影形状可判别是否是车辆。

4、建立车辆的投影模型

车辆按其形状可简单分为小、中、大等三种车辆，其各种模型分别为：

a)车辆二值投影模型

将二值差分图的o向y轴投影，可建立车辆的模型，如图2所示。

b)车辆参数

h-车长

l-车宽

w-投影宽度

c)车辆投影模型参数

用统计方法确定车辆宽度l的取值范围：l_min≤l≤l_max

用统计方法确定车辆长度h的取值范围：h_min≤h≤h_max

w值可按实际值确定，通常w≥2。

5、运动车辆的判别

依据车辆的二值投影模型参数，可从人流中、阴影中、各种非车辆物体中有效地判别出车辆，判别方法为：

若二值投影宽度l为：l_min≤l≤l_max

若二值投影长度h为：h_min≤h≤h_max

且w≥2，则为车辆；否则为其他物体。

6、运动车辆的跟踪

对运动车辆的跟踪，相关匹配法是一个较好的选择。基本的相关算法有两种：积相关法和平均绝对差分(MAD)法。积相关法与MAD算法，显然MAD算法要简单得多。

若两幅图像R(u，v)，S(u，v)完全相同且又重合在一起，则D(x，y)必然为零：

$D(x,y)=\frac{1}{M^2}\underset{u=1}{\overset{M}{\mathrm{\Σ}}}\left|\right|R(u+x,v+y)-S(u,v)|..........\left(3\right)$

由于噪声的存在，在D(x，y)曲面上最小值的点便是图像的配准点。

Claims (7)

1.基于视频的车辆检测跟踪及系统，包括下列步骤：

(1)运动检测原理

(2)差分图像二值化

(3)计算二值差分图像投影值

(4)建立车辆的投影模型

(5)运动车辆的判别

(6)运动车辆的跟踪。

2.如权利要求1所述跟踪的运动检测原理，由下列方法得出：

假定TV摄像机安装在支架上，位置不变，车辆图像区域的像素点的灰度从时刻t_i到t_j保持不变，则在车辆图像区域内的某个像素点(x，y)位置上产生变化，见附图1。

差分图像表示式为： $D_{f_i,f_j}(x,y)=f(x,y,t_i)-f(x,y,t_j).....................\left(1\right)$

式中，f(x，y，t_i)为帧序列图像中的第i帧图像，f(x，y，t_j)为帧序列图像中的第j帧图像。

采用公式(1)可以检测出运动物体。为了便于识别检测到的运动物体是车辆、还是行人、三轮车、阴影等非车辆物体，常将差分图像变换二值图像。

3.如权利要求1所述的差分图像二值化，其方法如下

差分图像D_fi，fi是两个相邻帧图像f(x，y，t_i)和f(x，y，t_j)在坐标位置上像素灰度相比较的结果。

设灰度阈值 $T=\frac{M+\mathrm{\σ}}{1.1~1.2},$ 式中M为差分图像均值，为σ差分图像方差，则二值差分图像为：

若差分图像中像素元的灰度值p_ij≥T，则p_ij＝1

若差分图像中像素元的灰度值p_ij＜T，，则p_ij＝0

于是，运动物质区域为1，背景区域为0。

4.如权利要求1所述的建立车辆的投影模型，由下列方法得出：

选定直角坐标系oxy，坐标原点选在二值差分图像左下角，将二值差分图像分别向x轴和y轴投影。投影计算式为：

$r_i=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{p}_{\mathrm{ij}}$ (行投影一为“1”的个数)

$c_j=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{p}_{\mathrm{ij}}$ (列投影一为“1”的个数)..........................................(2)

运动物质的二值投影可以唯一地表示出物质的外部形状。依据二值差分图像二值投影形状可判别是否是车辆。

5.如权利要求1所述的计算二值差分图像投影值，由下列方法得出：

车辆按其形状可简单分为小、中、大等三种车辆，其各种模型分别为：

a)车辆二值投影模型

将二值差分图的o向y轴投影，可建立车辆的模型，如附图2所示。

b)车辆参数

h-车长

l-车宽

w-投影宽度

c)车辆投影模型参数

用统计方法确定车辆宽度l的取值范围：l_min≤l≤l_max

用统计方法确定车辆长度h的取值范围：h_min≤h≤h_max

w值可按实际值确定，通常w≥2。

6.如权利要求1所述的运动车辆的判别，由下列方法得出：

依据车辆的二值投影模型参数，可从人流中、阴影中、各种非车辆物体中有效地判别出车辆，判别方法为：

若二值投影宽度l为：l_min≤l≤l_max

若二值投影长度h为：h_min≤h≤h_max

且w≥2，则为车辆；否则为其他物体。

7.如权利要求1所述的运动车辆的跟踪，由下列方法得出：

对运动车辆的跟踪采用平均绝对差分(MAD)法：若两幅图像R(u，v)，S(u，v)完全相同且又重合在一起，则D(x，y)必然为零：

$D(x,y)=\frac{1}{M^2}\underset{u=1}{\overset{M}{\mathrm{\Σ}}}\left|\right|R(u+x,v+y)-S(u,v)|.....................\left(3\right)$

由于噪声的存在，在D(x，y)曲面上最小值的点便是图像的配准点。

Images