CN102622886A - 一种基于视频的车辆违章变道事件检测方法 - Google Patents

Abstract

本发明公开了一种基于视频的车辆违章变道事件检测方法。该方法主要包括基于块的二值化分割将待处理的视频中每帧图像中的目标背景分离开来，基于块的特征角点选择，通过标记目标的特征点进行车辆跟踪，同时记录其跟踪点位置信息，和基于跟踪轨迹特征实现匹配计算车辆位置比例方差从而判断车辆是否变道。与现有技术相比，本发明所提供的方法可对视频范围内所有车辆目标进行检测，不受环境限制，能够对实时视频进行判断，且检测时间短、易于实现、准确性较高，很适合于实时检测车辆违章变道事件，具有广阔的应用前景。

Description

一种基于视频的车辆违章变道事件检测方法

技术领域

本发明属于视频检测技术领域，具体涉及一种基于视频的车辆违章变道事件检测方法。

背景技术

近年来，随着经济的快速发展，道路交通建设也迅速发展，同时机动车持有量也迅速攀升。在当前交通基础设施建设和交通法规普及都相对滞后的情况下，交通运输问题日益严重，交通事故频发，城市交通拥挤，交通环境不断恶化。统计资料表明，大约70％-80％的交通事故是由驾驶员对车辆的不正常驾驶行为造成的，包括驾驶员违章驾驶、疲劳驾驶等等。因此，为了创造更好的交通环境，对这些车辆违章行为的检测则是重中之重。

车辆违章变道是指车辆在某一车道行驶，由于某种情况，变道到平行相邻的另一车道内行驶。这种交通行为的危险性非常大，容易造成交通拥堵，甚至酿成交通事故，给人们的生活带来不便与危险。传统的车辆变道事件检测方法主要有电子线圈检测方法、数字视频检测方法。其中电子线圈方法可扩展性差，安装维护时必须中断交通、破坏路面，这些方法在实际生活中并不能得到广泛应用。

随着车辆监控系统的普遍使用，基于视频的交通信息检测技术越来越受到大家的重视。目前的新建项目越来越多地采用安装、维护不需要破坏路基、检测区域大、实施方便灵活的基于视频的交通信息检测技术。基于视频的车辆变道检测方法成为研究的热点，这些方法虽然能够实现车辆违章变道事件报警，但视频数据的处理过程复杂，可靠性差，不能满足检测的实时性要求，无法满足实际应用的要求。

发明内容

针对现有技术的缺陷或不足，本发明的目的在于，提供一种基于视频的车辆违章变道事件检测方法，该方法可以对视频范围内所有车辆事件实现实时、可靠的检测。

为了实现上述任务，本发明采取如下的技术解决方案：

一种基于视频的车辆违章变道事件检测方法，其特征在于，该方法按照下列步骤实施：

步骤一，标定车道线，在道路中设置禁止跨越线，同时找出车道的具体位置，计算其右侧车道每一行的水平像素宽度，以此作为基准车道宽度；

步骤二，将第一帧图像和背景图像在相同的块坐标系下都划分成多个块。对第一帧图像的每个块，在背景图像中找到与该小块位置相同的背景块，并计算该块与其相应的背景块之间各相同像素位置处的灰度差值的绝对值之和；

当所得的绝对值大于设定的阈值，则该块为目标块，并设置该块内部所有像素的灰度值为255；

当所得的绝对值小于或等于设定的阈值，则该块为背景块，并设置该块内部所有像素的灰度值为0；

最后将第一帧图像中的背景与目标分离开，得到第一帧图像的二值化图像；

步骤三，对第一帧图像的二值化图像进行边缘检测，寻找最佳角点，即当横向检测数据与纵向检测数据同时大于某一阈值时，保留这些角点位置：

步骤四，将这些角点的位置作为车辆的特征信息，同时创建一个目标结构体，记录这些车辆目标的具体位置以及匹配跟踪计数器信息，匹配跟踪计数器第一次初始化为零；

步骤五，进行角点匹配，寻找到匹配位置，匹配跟踪计数器加一；

步骤六，对第二帧、第三帧图像、…、第m帧图像，重复步骤二、步骤三、步骤五进行处理，并以第一帧(前一帧)记录的角点位置为依据，与第二帧(当前帧)中的记录的目标的角点位置做比较，当两者位置绝对值差大于一定的阈值，就认为是这第二帧(当前)中新的车辆目标，再按照步骤四进行处理，

步骤七，当匹配跟踪器大于某一阈值时，计算车辆的跟踪轨迹中的坐标即匹配角点的位置，和相应行禁止跨越车道线之间的水平代数距离，计算这些水平代数距离与相应行基准车道宽度之间的比例，判断所得车辆位置比例的波动大小，也就是以车辆位置比例方差大小作为变道事件的判断条件，当此比例方差大于某一阈值时，即认为车辆变道。

其中：

步骤二中所述的阈值为50×块的面积～60×块的面积。

步骤三中所述阈值为180～220；

步骤六中所述的阈值为5～20；

步骤七中所述的匹配跟踪器的阈值取值范围是70～90，比例方差的阈值取值范围0.15。

本发明的基于视频的车辆违章变道事件检测方法，与现有技术相比，可对视频范围内所有车辆目标进行检测，不受环境限制，能够对实时视频进行检测，且检测时间短、易于实现、准确性较高，很适合于实时检测车辆变道事件，具有广阔的应用前景。

附图说明

图1为已标定车道的背景图像；

图2为正常视频中一帧图像——354帧图像；

图3为标记特征角点的354帧图像；

图4为已画出跟踪线的第404帧视频图像；

图5为已画出跟踪线的第454帧图像。

图6为已画出跟踪线的第502帧图像。

图7为已标注需计算变量的第454帧图像

以下结合附图和实施例对本发明作进一步的详细说明。

具体实施方式

参见附图，本实施例给出一种基于视频的车辆违章变道事件检测方法的具体例子，其过程中所处理的图像是视频中的沿正时间序列的第一帧图像、第二帧图像、第三帧图像、…、第m(m为自然数)帧图像。

具体采用以下步骤实现：

步骤一，标定车道线，在道路中设置禁止跨越线，同时找出车道的具体位置，计算其右侧车道每一行的水平像素宽度，以此作为基准车道宽度；

步骤二，将第一帧图像和背景图像在相同的块坐标系下都划分成多个块。对第一帧图像的每个块，在背景图像中找到与该小块位置相同的背景块，并计算该块与其相应的背景块之间各相同像素位置处的灰度差值的绝对值之和；

当所得的绝对值大于设定的阈值，则该块为目标块，并设置该块内部所有像素的灰度值为255；其中的阈值取值范围为50×块的面积～60×块的面积，即50×(w×h)～60×(w×h)；其中w为块区域的宽度，h为块的高度。

当所得的绝对值小于或等于设定的阈值，则该块为背景块，并设置该块内部所有像素的灰度值为0；

最后将第一帧图像中的背景与目标分离开，得到第一帧图像的二值化图像；

步骤三，对第一帧图像的二值化图像进行边缘检测，寻找最佳角点，即当横向检测数据与纵向检测数据同时大于某一阈值时，保留这些角点位置；

其中的阈值取值范围180～220；

步骤四，将这些角点的位置作为车辆的特征信息，同时创建一个目标结构体，记录这些车辆目标的具体位置以及匹配跟踪计数器信息，匹配跟踪计数器第一次初始化为零；

步骤五，进行角点匹配，寻找到匹配位置，匹配跟踪计数器加一；

步骤六，对第二帧图像、第三帧图像、…、第m帧图像，按照步骤二、步骤三、步骤五进行处理，并以第一帧(前一帧)记录的角点位置为依据，与第二帧(当前帧)中的记录的目标的角点位置做比较，当两者位置绝对值差大于一定的阈值，就认为是这第二帧(当前帧)中新的车辆目标，再按照步骤四进行处理，

步骤七，当匹配跟踪器大于某一阈值时，计算车辆的跟踪轨迹中的坐标即匹配角点的位置，和相应行禁止跨越车道线之间的水平代数距离，计算这些水平代数距离L与相应行基准车道宽度之间的NormL比例，判断所得车辆位置比例的波动大小，也就是以车辆位置比例方差大小作为变道事件的判断条件，当此比例方差大于某一阈值时，即认为车辆变道。

其中的匹配跟踪器的阈值取值范围是70～90，比例方差的阈值取值范围0.15；

结合图2和图3，对上述步骤中的选取角点加以说明，二值化图像中有一个目标，显然是车辆目标，对此目标做边缘检测，当横向和纵向同时满足条件时，得到角点，即如图2所示。

结合图7，对上述步骤中的变道检测加以说明，距离即车辆的跟踪轨迹中的坐标即匹配角点的位置，和相应行禁止跨越车道线之间的水平代数距离L(Point)，基准宽度即右侧车道每一行的水平像素宽度NormL(Point)，当轨迹的全部坐标所在位置在车道上比例方差大于阈值，即认为该车辆变道行驶。

实施例：

已知视频正播时，目标车辆第一次被标记在第354帧图像中，如图2、图3，实施例中处理过程中视频的采样频率是25帧每秒，帧图像大小为720×288，按照上述方法依次对第354帧至第454帧图像进行处理。

从图7可以看出，对目标车辆实现了100次匹配跟踪，根据上述方法可以计算出目标车辆变道行驶。

Claims (2)

1.一种基于视频的车辆违章变道事件检测方法，其特征在于，该方法按照下列步骤实施：

步骤一，标定车道线，在道路中设置禁止跨越线，同时找出车道的具体位置，计算其右侧车道每一行的水平像素宽度，以此作为基准车道宽度；

步骤二，将第一帧图像和背景图像在相同的块坐标系下都划分成多个块。对第一帧图像的每个块，在背景图像中找到与该小块位置相同的背景块，并计算该块与其相应的背景块之间各相同像素位置处的灰度差值的绝对值之和；

当所得的绝对值大于设定的阈值，则该块为目标块，并设置该块内部所有像素的灰度值为255；

当所得的绝对值小于或等于设定的阈值，则该块为背景块，并设置该块内部所有像素的灰度值为0；

最后将第一帧图像中的背景与目标分离开，得到第一帧图像的二值化图像；

步骤三，对第一帧图像的二值化图像进行边缘检测，寻找最佳角点，即当横向检测数据与纵向检测数据同时大于某一阈值时，保留这些角点位置：

步骤四，将这些角点的位置作为车辆的特征信息，同时创建一个目标结构体，记录这些车辆目标的具体位置以及匹配跟踪计数器信息，匹配跟踪计数器第一次初始化为零；

步骤五，进行角点匹配，寻找到匹配位置，匹配跟踪计数器加一；

步骤六，对第二帧图像、第三帧图像、…、第m帧图像，按照步骤二、步骤三、步骤五进行处理，并以第一帧记录的角点位置为依据，与第二帧中的记录的目标的角点位置做比较，当两者位置绝对值差大于一定的阈值，就认为是这第二帧中新的车辆目标，再按照步骤四进行处理；

步骤七，当匹配跟踪器大于某一阈值时，计算车辆的跟踪轨迹中的坐标即匹配角点的位置，和相应行禁止跨越车道线之间的水平代数距离，计算这些水平代数距离与相应行基准车道宽度之间的比例，判断所得车辆位置比例的波动大小，也就是以车辆位置比例方差大小作为变道事件的判断条件，当此比例方差大于某一阈值时，即认为车辆变道。

2.如权利要求1所述的方法，其特征在于：

步骤二中所述的阈值为50×块的面积～60×块的面积。

步骤三中所述阈值为180～220；

步骤六中所述的阈值为5～20；

步骤七中所述的匹配跟踪器的阈值取值范围是70～90，比例方差的阈值取值范围0.15。

Images