CN102169583A - 基于车窗定位的车辆遮挡检测与分割方法 - Google Patents

Abstract

本发明涉及基于车窗定位的车辆遮挡检测与分割方法，涉及交通视频检测技术领域。所述方法包括：步骤1，将彩色车辆图像转化为灰度图像；步骤2，绘制出相应的水平亮度曲线图；步骤3，标记该水平亮度曲线中的凹陷区域；步骤4，根据所述水平亮度曲线的凹陷区域标记所对应的车辆图像区域绘制后车窗定位线；步骤5，根据分割线将车辆图像分割成两幅车辆图像，对该两幅车辆图像分别绘制垂直亮度曲线；步骤6，利用车辆长度和车辆宽度，对车辆进行分割。本发明方法能够准确进行高清或标清彩色图像车辆遮挡的检测和分割，从而为提高车辆检测及车流量统计的准确性。

Description

基于车窗定位的车辆遮挡检测与分割方法

技术领域

本发明涉及智能交通视频检测与跟踪技术领域，具体涉及在交通视频检测过程中，当出现车辆遮挡的情况时，利用车窗定位进行交通路口或交通监测路段车辆遮挡的检测与分割的技术。

背景技术

城市交通中的视频监控环节，由于视频摄像头受道路环境的限制通常架设得比较低，因此视频摄像头实际监控的范围较小，拍到的交通画面上经常存在车辆之间的互相遮挡。这些相互遮挡的车辆在进行视频分析检测时，往往容易被误检为同一辆车，对车辆跟踪的精度和性能产生严重影响，是车辆跟踪的难点之一。

在交通路口监控实践中，通常将视频摄像头架设在交通路口的正上方，以拍摄往来车辆的前方或者后方。正常情况下，车辆运行各行其道，相邻的车道之间较少存在干扰；但是同一车道的前后两车或多车之间，会有车辆遮挡的情况发生，同一车道发生遮挡的两辆车却往往不被区别开来，而是会被误检测成同一辆车。从而造成车流量统计的较大误差。

在交通视频检测与跟踪实践中发现，当发生同一车道两辆车之间相互遮挡时，同一车道两辆车侧面的车窗一般是不会相互遮挡的。基于此，本文提出一种新的车辆遮挡检测与分割方法。

发明内容

在发明内容部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

首先对车辆区域的灰度图像生成亮度曲线，然后分析亮度曲线，检测后车窗的个数。当车牌的个数超过一个时，表示发生了车辆遮挡，否则没有发生遮挡。当发生遮挡时，对后车窗进行定位，并在合适的位置作一条分割线，将发生遮挡的车辆一分为二，从而消除遮挡的影响，提高车辆检测的准确度。

本发明的有益效果是，能够准确进行高清或标清图像车辆遮挡的检测和分割，提供更完备的车辆信息，从而为提高车辆检测及车流量统计的准确性。

附图说明

本发明的下列附图在此作为本发明的一部分用于理解本发明。

图1为本发明的车辆遮挡检测与分割方法的流程图；

图2为根据本发明的车辆遮挡检测与分割方法对运动车辆图像绘制的水平亮度曲线图；

图3为根据图2所示的水平亮度曲线确定的后车窗定位图；

图4根据本发明的车辆遮挡检测与分割方法通过水平亮度曲线得到的后车窗的位置和车辆分割线；

图5是通过图4的分割线为界的两辆车的垂直亮度曲线得到车辆宽度；

图6为根据本发明的车辆遮挡检测与分割方法得到的遮挡车辆分割图。

具体实施方式

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员来说显而易见的是，本发明可以无需一个或多个这些细节而得以实施。

在交通视频检测与跟踪实践中发现，不同车道两辆车一般是不会相互遮挡的，但同一车道前后两车辆之间容易发生遮挡现象。当发生同一车道两辆车之间相互遮挡时，前后两辆车的后车窗却不会相互遮挡。由于车辆的后车窗和车身的灰度存在一定差别，较之车身，车辆后车窗的灰度值较小；因此，可以通过绘制交通路口或交通监测路段的车辆图像的亮度曲线来判断同一车道上是否有车辆遮挡现象发生。一般而言，后车窗部分对应的亮度曲线区域会存在比较明显的凹陷，如果交通车辆图像的整个亮度曲线存在两个较大的凹陷，则表明该亮度曲线对应有两个不同车辆的后车窗。根据亮度曲线凹陷区域在相应图像中对应的位置找出两辆车各自后车窗的位置，并根据后车窗位置进行图像分割。

本发明的具体实施方式是针对高分辨率图像进行的，在一个具体实施例中，车辆图像是由交通监控路口或交通监控路段的高清视频摄像头所拍摄的。本发明的基于车窗定位的车辆遮挡检测与分割方法步骤如下：

步骤1：将彩色车辆图像转化为灰度图像。

步骤2：求取所述灰度图像的每一行像素值之和的平均值，并绘制出相应的水平亮度曲线图。所述水平亮度曲线是以每一行像素值之和的平均值为横轴，自下向上的行数为纵轴绘制的，如图2和3所示。

步骤3：标记该水平亮度曲线中的凹陷区域。具体地，对绘制的水平亮度曲线中连续区段的凹陷区域进行标记。当水平亮度曲线存在两个凹陷区域时，判断出所述亮度曲线对应的车辆图像发生了车辆遮挡现象。所述凹陷区域定义为该水平亮度曲线中的行像素之和的平均值小于阈值T1，且行数大于阈值T2。在一个优选实施例中，T1＝70，T2＝50。具体实施时，还可根据视频图像的分辨率进行学习与调整。图4示出了根据本发明的车辆遮挡检测与分割方法，通过水平亮度曲线得到的后车窗的位置和车辆分割线。

步骤4：根据所述水平亮度曲线的凹陷区域标记所对应的图像区域绘制后车窗定位线，当前后两辆车发生遮挡时，会存在两个后车窗区域；因此在两个后车窗区域之间确定一条分割线进行车辆的水平分割。该分割线是对两个后车窗区域之间区域部分按第一辆车的长度占L1，第二车辆的长度占L2的比例进行分割。在一个优选实施例中，L1＝0.4，L2＝0.6，如图4所示。

步骤5：根据分割线将车辆图像分割成两幅车辆图像，对该两幅车辆图像分别绘制垂直亮度曲线，其中，垂直亮度曲线的横轴表示图像的列数，纵轴表示每一列像素值之和的平均值。如图5所示，将所述垂直亮度曲线的纵轴值大于T3，列数大于T4的垂直亮度曲线标记为辆车的宽度。在一个具体实施例中，T3＝80，T4＝200。图5示出了前后两辆车发生遮挡情况时，前后两辆车各自的车辆宽度示意图。。

步骤6利用步骤4得到的所述车辆长度和步骤5得到的所述车辆宽度，对车辆进行分割。图6示出了根据本发明的车辆遮挡检测与分割方法得到的遮挡车辆分割图。

其中步骤1中，将彩色图像转化为灰度图像，得到亮度值。在图像处理过程中，直接处理彩色图像需要很大的存储量，占用大量的系统资源，不利于图像的快速处理。因此，本实施方案采用不含彩色信息的灰度图像进行数据检测与分割。在一个具体实施例中，，对于交通路口或交通监控路段的视频摄像头拍摄到的彩色图像数据，通过如下公式实现的算法得到图像中每个像素点的灰度值：

Y＝0.3·R+0.59·G+0.11·B    (1)

上式中，Y表示图像数据中某像素点的灰度，R代表该像素点红色元素的值，G代表该点绿色元素的值，B代表该点蓝色元素的值。

步骤2中，沿着水平方向对车辆图像进行扫描，对每一行的灰度值进行求和取平均，得到该车辆的水平亮度曲线。其中，该水平亮度曲线的纵轴表示图像的行数，横轴表示行灰度平均值的大小。对该水平亮度曲线进行宽度为T5的均值滤波，从而去除过小与过大的亮度值。优选地，T5＝7。

步骤3车辆水平亮度曲线中，后车窗对应的水平亮度曲线部分存在比较明显的凹陷区域。对凹陷区域进行标记，认为该凹陷区域即对应着车辆的后车窗位置。当检测到水平亮度曲线部分有两个这样的凹陷区域时，及矩形框中对应有两个这样后车窗，即认为发生了车辆遮挡。具体如下：

在图2的车辆水平亮度曲线中，后车窗对应的水平亮度曲线部分存在比较明显的凹陷区域。下一步需要从该水平亮度曲线中找出后车窗所在的区域，并标记。具体地对该水平亮度曲线按横轴值进行阈值分割，该阈值为T1，大于T1的亮度值等于255，小于T1的亮度值为0；然后统计所有亮度值等于255的连续长度，当连续长度达到T2值时表示检测到一个后车窗。当检测到有多个后车窗时，表示发生了车辆遮挡。

步骤4：据所述水平亮度曲线的凹陷区域标记对应的图像区域，从而绘制后车窗定位线。当两辆车发生遮挡时，存在两个后车窗区域；在两个后车窗区域之间确定一条分割线进行车辆的水平分割。该分割线是对两个后车窗区域之间区域部分按第一辆车的长度占L1，第二车辆的长度占L2的比例进行分割。在本实施例中，L1＝0.4；L2＝0.6，如图4所示；

步骤5：根据分割线将车辆图像分割成两辆图像，对两辆图像分别绘制垂直亮度曲线。其中，该垂直亮度曲线的横轴表示图像的列数，纵轴表示每列像素值之和的平均值，如图5所示。将该垂直亮度曲线上纵轴值大于T3，列数大于T4的亮度曲线段对应的车辆图像部分标记为车辆区域，从而得到每辆车的宽度。优选地，选取T3＝80，T4＝200。如图5示出了通过图4的分割线分割出的两辆车的垂直亮度曲线得到该两辆车的宽度W1和W2。

步骤6：结合步骤4，如图4所示，车辆分割线以下部分为第一辆车的长度，以上部分为第二辆车的长度。再根据步骤5得到的车辆宽度，得到两个车辆的矩形图。图6示出了根据本发明的车辆遮挡检测与分割方法得到的遮挡车辆分割图。

本发明已经通过上述实施例进行了说明，但应当理解的是，上述实施例只是用于举例和说明的目的，而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是，本发明并不局限于上述实施例，根据本发明的教导还可以做出更多种的变型和修改，这些变型和修改均落在本发明所要求保护的范围以内。本发明的保护范围由附属的权利要求书及其等效范围所界定。

Claims (9)

1.基于车窗定位的车辆遮挡检测与分割方法，其包括步骤如下：

步骤1：将彩色车辆图像转化为灰度图像；

步骤2：求取所述灰度图像的每一行像素值之和的平均值，并绘制出相应的水平亮度曲线图；

步骤3：标记所述水平亮度曲线中连续区段的凹陷区域；所述凹陷区域定义为所述水平亮度曲线中的行像素之和的平均值小于阈值T1，且行数大于阈值T2的区域，且对检测到所述水平亮度曲线部分具有两个所述凹陷区域时，判定为发生了前后车车辆遮挡；

步骤4：根据所述水平亮度曲线的凹陷区域标记所对应的图像区域绘制车后窗定位线，并根据所述后车窗定位线对遮挡车辆进行水平分割，所述水平分割的分割线是对两个车窗区域之间区域部分按前后两车车辆长度的比例进行分割，其中，第一辆车的长度占L1，第二车辆的长度占L2；

步骤5：根据所述分割线将车辆图像分割成两幅车辆图像，对所述两幅车辆图像分别绘制垂直亮度曲线，其中，垂直亮度曲线的横轴表示图像的列数，纵轴表示每一列像素值之和的平均值；并将所述垂直亮度曲线的纵轴值大于T3，列数大于T4的垂直亮度曲线部分标记为车辆的宽度；

步骤6：利用步骤4得到的所述车辆长度和步骤5得到的所述车辆宽度，对车辆进行分割。

2.根据权利要求1所述的基于车窗定位的车辆遮挡检测与分割方法，其特征在于，在步骤1中，所述将彩色图像转化为灰度图像是指，通过如下公式实现的算法得到图像中每个像素点的灰度值：

Y＝0.3·R+0.59·G+0.11·B

其中，Y表示图像数据中某像素点的灰度，R代表所述像素点红色元素的值，G代表该点绿色元素的值，B代表该点蓝色元素的值。

3.根据权利要求1所述的基于车窗定位的车辆遮挡检测与分割方法，其特征在于，步骤2中所述水平亮度曲线是沿着水平方向对车辆图像进行扫描，以每一行像素灰度值之和的平均值为横轴，自下向上的行数为纵轴绘制的；其中，所述水平亮度曲线的纵轴表示图像的行数，横轴表示行灰度平均值的大小。

4.根据权利要求3所述的基于车窗定位的车辆遮挡检测与分割方法，其特征在于，对所述水平亮度曲线进行宽度为T5＝7的均值滤波。

5.根据权利要求1所述的基于车窗定位的车辆遮挡检测与分割方法，其特征在于，步骤3中，对所述水平亮度曲线按横轴值按阈值T1进行分割，大于T1的亮度值等于255，小于T1的亮度值为0；然后统计所有亮度值等于255的连续长度，当连续长度达到T2值时表示检测到一个后车窗；当检测到有多个后车窗时，表示发生了车辆遮挡。

6.根据权利要求5所述的基于车窗定位的车辆遮挡检测与分割方法，其特征在于，T1＝70，T2＝50。

7.根据权利要求1所述的基于车窗定位的车辆遮挡检测与分割方法，其特征在于，步骤4中，根据所述水平亮度曲线的凹陷区域标记对应的图像区域，从而绘制后车窗定位线，并对两辆车发生遮挡时在两个后车窗区域之间确定一条分割线进行车辆的水平分割。

8.根据权利要求1或7所述的基于车窗定位的车辆遮挡检测与分割方法，其特征在于，步骤4中，所述分割线是对两个后车窗区域之间区域部分按第一辆车的长度占L1＝0.4，第二车辆的长度占L2＝0.6的比例进行分割。

9.根据权利要求1所述的基于车窗定位的车辆遮挡检测与分割方法，其特征在于，步骤5中，T3＝80，T4＝200。

Images