CN103236157A - 一种基于图像块的状态演变过程分析的停车事件检测方法 - Google Patents
一种基于图像块的状态演变过程分析的停车事件检测方法 Download PDFInfo
- Publication number
- CN103236157A CN103236157A CN2013100996041A CN201310099604A CN103236157A CN 103236157 A CN103236157 A CN 103236157A CN 2013100996041 A CN2013100996041 A CN 2013100996041A CN 201310099604 A CN201310099604 A CN 201310099604A CN 103236157 A CN103236157 A CN 103236157A
- Authority
- CN
- China
- Prior art keywords
- piece
- threshold value
- blocks
- block
- connected domain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明一种基于图像块的状态演变过程分析的停车事件检测方法,通过选取参考帧,划分为多个块,计算每一块与其在相应的参考块中对应像素灰度差的绝对值之和,对从第三帧图像起的所有连续的图像进行处理;确定稳定状态的块并将当前块的像素灰度值保存起来,第一次时保存在SP中,以后的各次保存在SC中,分别计算SP和SC内所有像素的均值和方差,确定不变的块或者变化的块,对变化的块进行连通域检测,确定该连通域是否为停车事件。本发明与现有技术相比,不受背景提取效果的限制,具有较高的稳定性和检测精度,且易于实现,能有效地检测出场景中的所有停车事件,因此具有广阔的应用前景。
Description
技术领域
本发明属于视频检测领域,具体涉及一种基于图像块的状态演变过程分析的停车事件检测方法。
背景技术
随着高速公路的快速发展和汽车数量的增多,在高速公路上由于违章停车所造成的交通事故不断上升。由于高速公路的封闭性以及行驶的车辆速度快等特点,如果有违章停车而没有及时处理,就很容易导致车辆的碰撞而引发交通事故,不仅影响交通的正常进行甚至造成人身的伤亡和财产的损失。因此,需要实时地检测出高速公路上的停车事件。
常用的停车事件检测方法主要有环形线圈检测、微波检测以及数字视频检测,但环形线圈检测需要破坏路面,安装维护不便;微波检测在交通流量大的情况下,检测精度不高;数字视频检测系统不需破坏路面,且安装维护时无需中断交通,同时可以对多个车道进行检测,检测的功能多,且能实时地反映道路的运行状况。因此,在实际的交通事件检测系统中数字视频检测技术得到了广泛的应用。
目前常用的视频停车事件检测方法主要有减背景法,该方法不仅对背景要求较高,而且需要对图像中的所有目标进行长时间的跟踪。处理过程复杂且很难满足实时性的要求。
发明内容
针对现有技术的不足和缺陷,本发明的目的在于,提供一种基于图像块的状态演变过程分析的停车事件检测方法,该方法可以对视频范围内的所有停车事件实现实时、可靠的检测。
为了实现上述任务,本发明采用如下技术方案予以实现:
一种基于图像块的状态演变过程分析的停车事件检测方法,该方法按照以下步骤进行:
步骤一,选取视频中的第一帧图像作为参考帧;
步骤二,将图像的每一帧和参考帧在相同的坐标系下都划分为多个块,同时为每个块设定一个计数器CT并将其初始化为0;
步骤三,对于第二帧图像的每个块,计算该块与其在相应的参考块中对应像素灰度差的绝对值之和,当所得的绝对值之和小于设定的阈值A时,将该块对应的计数器加一;否则,将该块对应的计数器清零,同时用当前帧对应的块替换该参考块,即将当前帧对应的块作为下一步的参考块,其中:
所述的阈值A的取值范围为500~600;
步骤四,重复步骤三的处理方法对从第三帧图像起的所有连续的图像进行处理;
步骤五,当某块的计数器CT达到给定的阈值B时,将当前块的像素灰度值保存起来,第一次时保存在SP中,以后的各次保存在SC中,其中:
所述的阈值B的取值范围为100~120;
步骤六,分别计算SP和SC内所有像素的均值和方差,当其均值的差小于给定的阈值C1且方差的差小于给定的阈值C2时,将该块标记为不变的块,转到步骤四继续处理;否则将该块标记为变化的块;不论差值的结果如何,都用SC替换SP,重复上述步骤直到视频结束为止,其中:
所述的阈值C1和阈值C2的取值均为2.5;
步骤七,对变化的块进行连通域检测,如果某连通域内块的个数大于阈值D,则该连通域为停车事件;否则不是停车事件,检测完毕,其中:
所述的阈值D的取值范围为6~18。
本发明的基于图像块的状态演变过程分析的停车事件检测方法,与现有技术相比,不受背景提取效果的限制,具有较高的稳定性和检测精度,且易于实现,能有效地检测出场景中的所有停车事件,因此具有广阔的应用前景。
附图说明
图1为视频序列中的一帧图像;
图2是块计数器的值第一次达到阈值B的一个稳定状态的图像块。
图3是图2的图像块所对应的块计数器的值第二次达到阈值B的一个稳定状态的图像块。
图4为对视频图像中的所有块进行分析,比较每个块相邻的两个稳定状态后得出的图像结果,其中的白色区域为检测到的状态变化的图像块;黑色区域为检测到的状态不变的图像块。
图5为对图3中状态变化的块进行连通域分析的结果图,其中方框表示连通域的最小外接矩形。
图6为在原视频图像原始视频图像中将检测到的停车用最小外接矩形框起来;
图7为停车报警示意图。
以下结合附图和实施例对本发明的内容作进一步详细说明。
具体实施方式
本实施例给出一种基于图像块的状态演变过程分析的停车事件检测方法,演变为停车的块与原来的道路块是两个完全不同的状态,通过分析图像块的状态演变过程,从而实现对停车事件的检测,需要说明的是,本发明的方法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。
设每一帧视频图像的大小为W*H,每个块的面积大小为w*h,其中W为每一帧视频图像水平方向的像素,H为每一帧视频图像垂直方向的像素,w为每个块区域的宽度,h为每个块区域的高度。
本实施例的方法具体采用以下步骤实现:
步骤一,选取视频中的第一帧图像作为参考帧;
步骤二,将图像的每一帧和参考帧在相同的坐标系下都划分为多个块,
则一帧图像中块的个数T=W*H/(w*h),同时为每个块设定一个计数器CT并将其初始化为0;
步骤三,对于第二帧图像的每个块,计算该块与其在相应的参考块中对应像素灰度差的绝对值之和,当所得的绝对值之和小于设定的阈值A时,将该块对应的计数器加一;否则,将该块对应的计数器清零,同时用当前帧对应的块替换该参考块,即将当前帧对应的块作为下一步的参考块,其中:
所述的阈值A的取值范围为500~600;
步骤四,重复步骤三的处理方法对从第三帧图像起的所有连续的图像进行处理;
步骤五,当某块的计数器CT达到给定的阈值B时,将当前块的像素灰度值保存起来,第一次时保存在SP中,以后的各次保存在SC中,其中:
所述的阈值B的取值范围为100~120;
步骤六,分别计算SP和SC内所有像素的均值和方差,当其均值的差小于给定的阈值C1且方差的差小于给定的阈值C2时,将该块标记为不变的块,转到步骤四继续处理;否则将该块标记为变化的块;不论差值的结果如何,都用SC替换SP,重复上述步骤直到视频结束为止,其中:
所述的阈值C1和阈值C2的取值均为2.5。
步骤七,对变化的块进行连通域检测,如果某连通域内块的个数大于阈值D,则该连通域为停车事件;否则不是停车事件,检测完毕,其中:
所述的阈值D的取值范围为6~18。
以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例:
实施例采用西安市南二环某一路段的实时路况视频图像,视频采样频率是25帧/秒,图像大小为720×288,每个块图像的大小为8×6,将一帧图像分成90×48个块区域,遵从上述方法依次对视频序列中的各帧图像进行处理。
如图1所示为视频序列中的一帧图像;将视频序列中的第一帧图像作为参考帧,并将视频图像的每一帧和参考帧按大小为8×6的块进行划分,同时为每个块设定一个计数器CT,并初始化为0;对于第二帧图像的每个块,计算该块与其在相应的参考块中对应像素灰度差的绝对值之和,将绝对值之和小于设定的阈值A的块,阈值A的取值为550,所对应的计数器加一;将绝对值之和大于设定的阈值A的块所对应的计数器清零,同时用当前帧对应的块替换该参考块,即将当前帧对应的块作为下一步的参考块;从第三帧图像开始对每一帧图像均做上述处理;图2所示为块计数器的值第一次达到阈值B的一个稳定状态的图像块,阈值B的取值为100,将此时该块的灰度信息保存到SP中;图3所示为该图像块所对应的计数器的值第二次达到阈值B,将此时该块的灰度信息保存到SC中;经过计算得SP中所有像素点灰度值的平均值为146,所有像素点的灰度值与平均值相减并取所有差值的平均值即得方差为0.9;SC中所有像素点灰度值的平均值为49,方差为3.7;此时SP与SC内所有像素的均值的差值大于给定的阈值C1,且方差的差值也大于给定的阈值C2,阈值C1和阈值C2的取值均为2.5,故将该块标记为状态变化的块,并将该块的灰度值赋为255;用SC替换SP,按照上述方法重复以上步骤遍历图像帧中的每一块,直到视频结束为止;图4所示为检测到的视频图像中所有状态变化的图像块,其中状态变化的图像块为图中的白色区域;对图像中的所有状态变化的块进行连通域检测,图5为连通域检测结果,并用最小外接矩形框将连通域框起来,此时连通域内块的个数大于阈值D,阈值D的取值为12,说明该连通域为停车,在原始视频中将检测到的停车用图5中所示的最小外接矩形框框起来,如图6所示;进行实时报警,如图7所示。
Claims (1)
1.一种基于图像块的状态演变过程分析的停车事件检测方法,其特征在于,该方法按照以下步骤进行:
步骤一,选取视频中的第一帧图像作为参考帧;
步骤二,将图像的每一帧和参考帧在相同的坐标系下都划分为多个块,同时为每个块设定一个计数器CT并将其初始化为0;
步骤三,对于第二帧图像的每个块,计算该块与其在相应的参考块中对应像素灰度差的绝对值之和,当所得的绝对值之和小于设定的阈值A时,将该块对应的计数器加一;否则,将该块对应的计数器清零,同时用当前帧对应的块替换该参考块,即将当前帧对应的块作为下一步的参考块,其中:
所述的阈值A的取值范围为500~600;
步骤四,重复步骤三的处理方法对从第三帧图像起的所有连续的图像进行处理;
步骤五,当某块的计数器CT达到给定的阈值B时,将当前块的像素灰度值保存起来,第一次时保存在SP中,以后的各次保存在SC中,其中:
所述的阈值B的取值范围为100~120;
步骤六,分别计算SP和SC内所有像素的均值和方差,当其均值的差小于给定的阈值C1且方差的差小于给定的阈值C2时,将该块标记为不变的块,转到步骤四继续处理;否则将该块标记为变化的块;不论差值的结果如何,都用SC替换SP,重复上述步骤直到视频结束为止,其中:
所述的阈值C1和阈值C2的取值均为2.5;
步骤七,对变化的块进行连通域检测,如果某连通域内块的个数大于阈值D,则该连通域为停车事件;否则不是停车事件,检测完毕,其中:所述的阈值D的取值范围为6~18。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310099604.1A CN103236157B (zh) | 2013-03-26 | 2013-03-26 | 一种基于图像块的状态演变过程分析的停车事件检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310099604.1A CN103236157B (zh) | 2013-03-26 | 2013-03-26 | 一种基于图像块的状态演变过程分析的停车事件检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103236157A true CN103236157A (zh) | 2013-08-07 |
CN103236157B CN103236157B (zh) | 2015-10-21 |
Family
ID=48884194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310099604.1A Active CN103236157B (zh) | 2013-03-26 | 2013-03-26 | 一种基于图像块的状态演变过程分析的停车事件检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103236157B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574351A (zh) * | 2014-08-06 | 2015-04-29 | 深圳市捷顺科技实业股份有限公司 | 一种基于视频处理的车位检测方法 |
WO2019127416A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳市大疆创新科技有限公司 | 连通域检测方法、电路、设备、计算机可读存储介质 |
CN114648881A (zh) * | 2022-03-14 | 2022-06-21 | 南京信息职业技术学院 | 一种基于机器学习的车库智能控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000099872A (ja) * | 1998-09-18 | 2000-04-07 | Oki Electric Ind Co Ltd | 駐車禁止領域への車両の駐車検知警告システム |
CN102110366A (zh) * | 2011-03-28 | 2011-06-29 | 长安大学 | 一种基于块累积的高速公路车辆停车事件检测方法 |
CN102496272A (zh) * | 2011-11-16 | 2012-06-13 | 杭州海康威视数字技术股份有限公司 | 交通停车事件检测的方法及其系统 |
CN102637360A (zh) * | 2012-04-01 | 2012-08-15 | 长安大学 | 一种基于视频的道路停车事件检测方法 |
-
2013
- 2013-03-26 CN CN201310099604.1A patent/CN103236157B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000099872A (ja) * | 1998-09-18 | 2000-04-07 | Oki Electric Ind Co Ltd | 駐車禁止領域への車両の駐車検知警告システム |
CN102110366A (zh) * | 2011-03-28 | 2011-06-29 | 长安大学 | 一种基于块累积的高速公路车辆停车事件检测方法 |
CN102496272A (zh) * | 2011-11-16 | 2012-06-13 | 杭州海康威视数字技术股份有限公司 | 交通停车事件检测的方法及其系统 |
CN102637360A (zh) * | 2012-04-01 | 2012-08-15 | 长安大学 | 一种基于视频的道路停车事件检测方法 |
Non-Patent Citations (1)
Title |
---|
张贝贝,武奇生: "基于视频的高速公路违章停车实时检测算法", 《电子科技》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574351A (zh) * | 2014-08-06 | 2015-04-29 | 深圳市捷顺科技实业股份有限公司 | 一种基于视频处理的车位检测方法 |
CN104574351B (zh) * | 2014-08-06 | 2017-07-11 | 深圳市捷顺科技实业股份有限公司 | 一种基于视频处理的车位检测方法 |
WO2019127416A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳市大疆创新科技有限公司 | 连通域检测方法、电路、设备、计算机可读存储介质 |
CN114648881A (zh) * | 2022-03-14 | 2022-06-21 | 南京信息职业技术学院 | 一种基于机器学习的车库智能控制方法及系统 |
CN114648881B (zh) * | 2022-03-14 | 2023-09-26 | 南京信息职业技术学院 | 一种基于机器学习的车库智能控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103236157B (zh) | 2015-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102289940B (zh) | 一种基于混合差分的车流量检测方法 | |
CN102722982B (zh) | 基于背景与帧间差分算法的车流及其运动状态检测方法 | |
Yousaf et al. | Comparative analysis of automatic vehicle classification techniques: a survey | |
CN102110366B (zh) | 一种基于块累积的高速公路车辆停车事件检测方法 | |
WO2013186662A1 (en) | Multi-cue object detection and analysis | |
CN103605967A (zh) | 一种基于图像识别的地铁防逃票系统及其工作方法 | |
Pena-Gonzalez et al. | Computer vision based real-time vehicle tracking and classification system | |
CN113505638B (zh) | 车流量的监测方法、监测装置及计算机可读存储介质 | |
CN106503640A (zh) | 一种占用公交车道的检测方法 | |
Li et al. | A lane marking detection and tracking algorithm based on sub-regions | |
CN104125436A (zh) | 一种交通事故检测预警方法及系统 | |
CN102184547A (zh) | 一种基于视频的车辆逆行事件检测方法 | |
CN103236157A (zh) | 一种基于图像块的状态演变过程分析的停车事件检测方法 | |
CN102637360B (zh) | 一种基于视频的道路停车事件检测方法 | |
CN103927523B (zh) | 一种基于纵向灰度特征的雾天等级检测方法 | |
Tursun et al. | A video based real-time vehicle counting system using optimized virtual loop method | |
CN104463913A (zh) | 违规停车智能检测装置与方法 | |
Srimongkon et al. | Detection of speed bumps using Gaussian mixture model | |
Kaur et al. | An Efficient Method of Number Plate Extraction from Indian Vehicles Image | |
Panda et al. | Application of Image Processing In Road Traffic Control | |
Li et al. | A fog level detection method based on grayscale features | |
Yao | An effective vehicle counting approach based on CNN | |
CN109886120B (zh) | 一种斑马线检测方法及系统 | |
Khorramshahi et al. | Over-height vehicle detection in low headroom roads using digital video processing | |
CN104616285A (zh) | 车身图像的检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |