CN102043957A - 基于图像凹点的车辆分割方法 - Google Patents

Abstract

本发明公开了基于图像凹点的车辆分割方法，步骤分为：前景检测、Blob块提取、判断车辆是否粘连，分割粘连的车辆等。本方法基于图像凹点检测技术，将凹点之间的连线作为分界线，进行图像分割。本发明解决了交通公路上车辆跟踪领域中，采集的图像中出现车辆粘连而影响车辆跟踪的问题。

Description

基于图像凹点的车辆分割方法

技术领域

本发明属于图像处理领域和计算机视觉领域的技术，涉及一种车辆图像分割的方法。

背景技术

车辆检测是智能交通系统中的一个重要环节，也是进行后面的车辆跟踪的前提。目前，在针对车辆检测而提出的方法中，有很大一部分是基于背景差分方法提取出监控视频流图像中的前景目标而检测出车辆的。背景差分法能够有效地提取出简单场景中单个的车辆，但是车辆在三维空间的空间信息映射到二维图像上时很容易发生车体的相互遮挡，形成粘连的Blob块，这时，背景差分方法就无法正确提取出粘连Blob块中的单个车辆信息了。

传统的车辆分割的方法基本上可以分为以下几类：基于特征、三维立体（3-D）、基于概率统计以及基于推理模型的。但是这些方法，在运算上都非常复杂，使用场景也很有限，例如基于特征的方法，需要有效的提取车辆的各种特征，例如灰度方差、梯度以及特征值等信息，基于三维的，需要多摄像机标定等。

发明内容

本发明的目的在于提供一种针对相互遮挡而粘连在一起的车辆进行分割的方法，为实现上述目的，本发明采用的技术方案是：基于图像凹点的车辆分割方法，其特征在于，该方法基于图像凹点的特点进行分割，具体分为如下几个步骤：

1、前景检测

采用背景差分法获取前景图像，对获取的前景图像采用泛洪法进行填充，然后使用开运算和闭运算进行噪声消除；

2、Blob块提取

前景图像的每一个连通区域用Blob块标示， 提取前景图像Blob块；

3、判断提取的Blob块中是否有车辆粘连

提取的Blob块与Blob块的凸闭包的致密度比值接近于设定值时，判定Blob块中没有车辆粘连，如果比值远小于设定值，则判定Blob块中存在车辆粘连；

4、对粘连车辆进行分割

找出Blob块的所有凹点，选择距离最近的两个凹点，将图像沿着两个凹点之间的连线分割开来，分割获得的前景图像重复上述步骤，直至分割获得的图像不再存在粘连车辆为止。

进一步地，所述步骤3中判断车辆是否粘连，采用以下公式：

其中，T代表连通区域的致密度，BL表示此连通区域轮廓的周长，AO表示此区域的面积。记表示原Blob块的致密度，

表示此Blob的凸闭包的致密度， 

上式中

和大小接近时，即

接近于1时，判定为没有车辆粘连，而当远小于1时，判断有车辆粘连现象；设定一个经验阈值T，在判定Blob块图像是否需要分割时可对图像的

进行求值，并将

与阈值T比较，判断Blob块中是否有车辆粘连。

进一步地，所述步骤4中凹点的计算公式为：

，其中，为图像Blob的中心点坐标，

为凹区轮廓上的坐标，p为凹区轮廓上像素点的个数，其中0<i<p，当Di为最小值时，

即为凹点的坐标。

本发明的有益效果：在车辆相互遮挡而连成一个连通区域时，能够正确分割出一个个单独的车辆。而且本发明能够适应任意方向的车辆遮挡，以及两个或者多个车辆连接的分割。

附图说明

图1是本发明车辆图像分割的整个流程图；

图2是本发明图像前景检测的结果；

图3a-图3e是本发明图像分割效果图；

图4是本发明三辆粘连车辆分割示意图；

图5是本发明粘连车辆分割的流程图。

具体实施例

实施例1：

智能交通跟踪系统中，公路上车辆较多，在前景图像中很可能出现几辆车粘连在一起，从而不能判断车辆动态变化。这需要对前景图像中粘连的车辆进行分割，车辆分割整体流程如图1所示，整个流程包含几个步骤，详细介绍如下：

1、前景检测

这里一般使用背景差分的方法获取前景图像，不同的环境，可以选用合适的背景差分的方法。

由于车辆分割的方法对前景检测的效果要求较高，这就要求对前景检测的效果进行后期处理，改善背景差分效果。背景差分的结果中一般会包含噪点和空洞，首先对其进行泛洪法进行填充，然后使用开运算和闭运算进行噪声消除。图2（a）是车辆图像的原图，图2（b）是经过背景差分的结果，可见，这里进行背景差分后，不可避免的有很多的噪点，然后使用泛洪法进行填充，然后使用开运算和闭运算进行噪声消除，得到的效果如图2（c）所示。

2、Blob块提取

步骤1得到正确的前景后。每个连通区域用一个Blob块表示，Blob提取的方法如下：

a. 首先创建一个区域计数器rc，初值为1；

b. 从左到右，从上到下扫描前景图像扫描图像，如果遇到前景像素点（即前景图像标记为1的像素点），检测每个像素点的左上、上、右上、左相邻的像素点是否为前景点：

b.1 如果上述所有的像素点都不是前景点，则标记当前像素点为rc，并且rc加1；

b.2 如果只有一个像素点为前景，则把当前点标记为这个相邻点的标记；

b.3 如果有多个像素点为前景，且这些点的标记都相同，则标记当前点位次标记；

b.4 如果多个像素点为前景，并且标记不全相同，则把这些标记值都记录为等价的，并且把当前点赋值为其中任意一个标记。

c. 重新扫描这个标记的图像，把等价的标记赋值为同一个标记值。

通过上面的方法得到的标记图像，在同一个联通为区域中的点，被标记为相同的标记。统计每个标记的像素点，最小、最大的x和y坐标

、

，即得到联通区域的Blob。

如图3（a）和图3（b）所示，其中图3（a）是车辆图像的原图，图3（b）是提取有效Blob块得出的结果。

3、判断提取的Blob块中是否有车辆粘连

我们这里提出基于形态学判断车辆是否粘连，涉及到的概念：

凸图像：表示连通区域的边缘上，任意两点之间的连线都在连通区域的内部的图像；

凹图像：连通区域的边缘上存在两点之间的连线不全在连通区域的内部的图像；

凸闭包：对于一凹图像，存在一个包含这个凹图像的最小凸图像，这个凸图像成为此凹图像的凸闭包。

可见，单个车辆的前景检测结果，一般形成的都是凸图像。而存在车辆的粘连的情况下，前景图像一般是一个凹图像。其实车辆的粘连的判断就转化为凹图像的判断。图3c是图3a的凸闭包，图3b是原图3a的凹图像。

对于Blob块图像，定义一个变量T，称之为致密性， 

其中，T为连通区域的致密度，BL表示此连通区域轮廓的周长，AO表示此区域的面积。

表示原Blob块的致密度，

表示此Blob的凸闭包的致密度，记

当原Blob图像为凸图像时，

与相差无几，因此上式中

接近于等于1；而当原Blob图像为凹图像时，

远小于

，因此

远小于1，通过实验，可设定一个经验阈值T，在判定Blob块图像是否需要分割时可对图像的

进行求值，并将之与阈值并比较，即可判断出blob块图像是否需要分割。

4、车辆分割

本步骤涉及到几个概念如下：

凹区：指凹图像的凸闭包减去原凹图像得到的区域。

凹点和凸点：凹点指凹图像中向内凹陷的极值点，凸点是指凸图像中向外突出的极值点。

（1）我们以两辆车粘连在一起的情形为例，具体分析如何分割粘连车辆。

两辆车粘连在一起，那么粘连的位置会出现凹陷的极值点，即凹点。凹点必定位于凹区上。由于凹点位于粘连blob块的凹陷最深处，因此凹点与粘连blob块图像的中心点O的距离是最短的，因此凹点的判别如下：设

为Blob块的中心点坐标，

为凹区轮廓上的坐标，p为凹区轮廓上像素点的个数，其中0<i<p。直接计算它们之间的欧式距离，公式如下：

则

的最小值所对应的点

即为凹图像的凹点。对两车相连的Blob找到两个有效的凹点，经过这两点的连线就能实现粘连的车辆的分割， 

如图3c所示，图中的点即表示图3b中凹图像的凹点。

如下图3d所示，点C1、C2是第一个Blob块的的凹点、C3、C4是第二个Blob块的凹点，通过两个有效的凹点，就能分割出粘连的两辆车辆。具体的分割方法是移除分割线区域，即清除两个凹点相连的直线附近的区域，就可以把原图分成两个独立的连通区域，在使用前面的步骤中使用的Blob提取的方法提取两个独立的Blob块，即可完成车辆的分割，如下图3e所示。 

（2）两辆以上的车辆粘连在一起的情形

如果两辆以上的车粘连在一起，那么所提取的Blob块的大小会比较大，根据实验设定一个阈值，如果Blob块的大小超过这个阈值，则判断为两辆以上车辆粘连在一起，如果Blob块的大小小于这个阈值，则判定为两辆车粘连或者没有车辆粘连。对于多辆车粘连的情形同样是采用上述基于图像凹点的分割方法。如图4所示。

最后应说明的是：以上所述仅为本发明的实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本邻域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.基于图像凹点的车辆分割方法，其特征在于，该方法基于图像凹点的特点进行分割，具体分为如下几个步骤：

1、前景检测

采用背景差分法获取前景图像，对获取的前景图像采用泛洪法进行填充，然后使用开运算和闭运算进行噪声消除；

2、Blob块提取

前景图像的每一个连通区域用Blob块标示， 提取前景图像Blob块；

3、判断提取的Blob块中是否有车辆粘连

提取的Blob块与Blob块的凸闭包的致密度比值接近于设定值时，判定Blob块中没有车辆粘连，如果比值远小于设定值，则判定Blob块中存在车辆粘连；

4、对粘连车辆进行分割

找出Blob块的所有凹点，选择距离最近的两个凹点，将图像沿着两个凹点之间的连线分割开来，分割获得的Blob块重复上述步骤，直至分割获得的Blob块不再存在粘连车辆为止。

2.根据权利要求1所述的分割方法，其特征在于，所述步骤3中所述的Blob块的致密度公式为：

其中，T代表Blob的致密度，BL表示Blob区域轮廓的周长，AO表示Blob块的面积。

3.根据权利要求1所述的分割方法，其特征在于，所述步骤4中凹点的计算公式为：，其中，

为图像Blob的中心点坐标，

为凹区轮廓上的坐标，设p为凹区轮廓上像素点的个数，其中0<i<p，当Di为最小值时，

即为凹点的坐标。

Images