CN104167004A - 一种用于嵌入式dsp平台的运动车辆快速检测方法 - Google Patents
一种用于嵌入式dsp平台的运动车辆快速检测方法 Download PDFInfo
- Publication number
- CN104167004A CN104167004A CN201310182757.2A CN201310182757A CN104167004A CN 104167004 A CN104167004 A CN 104167004A CN 201310182757 A CN201310182757 A CN 201310182757A CN 104167004 A CN104167004 A CN 104167004A
- Authority
- CN
- China
- Prior art keywords
- image
- frame
- connected region
- moving vehicle
- gray level
- 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.)
- Pending
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种用于嵌入式DSP平台的运动车辆快速检测方法,该方法包括:1)采集原始灰度图像,计算帧间差灰度图像;2)对帧间差灰度图像进行低门限二值化分割处理,得到二值化图像;3)对二值化图像进行去噪处理,并形成连通区域,通过检测各连通区域的面积,删除面积小于设定值的连通区域,然后对去噪处理后的图像进行纵向游程长度平滑处理;4)统计各连通区域对应的帧间差灰度图像直方图,并根据统计结果获取各连通区域的二值化分割门限值;5)根据获取的二值化分割门限值对各连通区域图像进行二次分割处理,执行步骤3)后检测出车辆位置。与现有技术相比,本发明具有速度快、有效率高、鲁棒性好、能有效去除阴影干扰等优点。
Description
技术领域
本发明涉及一种车辆检测方法,尤其是涉及一种用于嵌入式DSP平台的运动车辆快速检测方法。
背景技术
近年来随着国民经济的高速发展,人们生活水平的不断提高,汽车在现代生活中占据着越来越重要的地位。加强对车辆的有效管理,在治安(如卡口系统)和交通领域(如电子警察、违章抓拍系统)有着重大的社会意义和经济意义。
在目前的车辆抓拍系统中,车辆检测大部分采用的是地感线圈。其主要问题是:破坏路面,施工影响交通;线圈易损坏,维护量大;本地必须放置机柜和工控机,夏天高温极易出故障,维护量很大。随着硬件性能的提高,图像处理、模式识别技术的长足进步以及嵌入式系统的大力发展,使得新一代嵌入式高集成度、高清晰度纯视频车辆抓拍一体机成为可能。它不需要地感线圈,不需接入红绿灯信号,本地不需要放置工控机。极大地节约了材料,大大地减少了施工及维护成本。
然而目前在一体机中使用的DSP处理芯片TMS320系列,其硬件资源很有限(除CPU运算速度外,用户内存也只有160M左右),要完成高清图像采集(500万像素)、视频车辆检测、压缩、传输,速度是至关重要的。在Windows系统中能轻松完成的运算,在DSP中可能就要很长时间。
在图像处理中,光线的干扰是影响算法性能很重要的因素。在车辆检测过程中,阴影是影响算法的主要因素之一。正因为如此,有大量的论文对这方面进行了研究,但许多方法在有效性尤其是速度上无法应用到DSP320处理平台上。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种速度快、有效率高、鲁棒性好、能有效去除阴影干扰的用于嵌入式DSP平台的运动车辆快速检测方法。
本发明的目的可以通过以下技术方案来实现:
一种用于嵌入式DSP平台的运动车辆快速检测方法,该方法包括:
1)采集原始灰度图像,计算帧间差灰度图像:
设原始灰度图像为f(x,y,t),其中,x、y分别代表该图像的水平坐标和垂直坐标,t代表时间,以图像帧计数表示,则帧间差灰度图像g(x,y,t)为:
g(x,y,t)=|f(x,y,t)-f(x,y,t-1)|;
2)对帧间差灰度图像进行低门限二值化分割处理,得到二值化图像b(x,y,t):
式中,gThc为设定的门限值;
3)对二值化图像进行去噪处理,获得图像c(x,y,t),并形成连通区域,通过检测各连通区域的面积,删除面积小于设定值的连通区域,然后对去噪处理后的图像进行纵向游程长度平滑处理;
4)统计各连通区域对应的帧间差灰度图像直方图,并根据统计结果获取各连通区域的二值化分割门限值;
5)根据步骤4)获取的二值化分割门限值对各连通区域图像进行二次分割处理,执行步骤3)后检测出车辆位置。
所述的去噪处理具体为:
所述的纵向游程长度平滑处理具体为:
如果图像c(x,y,t)中,同一列两个前景像素不相邻,且它们之间的背景游程小于设定阈值yTh,则将此背景游程的像素全部变为值为255的全景图像,即
c(x,yi,t)=255,i=[ytop,ybot],ybot-ytop<yTh
式中,ybot、ytop为同一列中的两个前景像素的垂直坐标。
所述的步骤4)中统计帧间差灰度图像直方图具体为:
ht[g(x,y,t)]++;iPixCt++;ifc(x,y,t)=255,x∈[x1,x2],y∈[y1,y2]
ht[256]为统计某一连通区域x∈[x1,x2],y∈[y1,y2]的数组,iPixCt为连通区域全景图像的像素个数的计数值;
根据以下公式获取该连通区域的二值化分割门限值gTh:
ct=0;
for(i=255;i>0;i--)
{
ct+=ht[i];if(ct>iPixCt/2){gTh=i;break;}
}
其中,ct为自定义参数,其初值为0。
所述的二次分割处理具体为:
d(x,y,t)为二次分割后的图像。
与现有技术相比,本发明具有以下优点:
1、本发明可对高分辨率(达500万象素以上)图像中运动车辆检测快速去除阴影干扰,具有速度快,有效率高,鲁棒性好的特点;
2、本发明方法检测速度快,能够满足在嵌入式DSP平台上的应用。
附图说明
图1为本发明方法的流程示意图;
图2为实施例中原始有阴影图像的第一帧图像;
图3为实施例中原始有阴影图像的第二帧图像;
图4为实施例中视频图像帧间差图像;
图5为实施例中视频图像帧间差图像低门限值的二值图;
图6为实施例中帧间差图像低门限值的运动区域连通图;
图7为实施例中连通区域对应的帧间差图像重新分割后的运动区域连通图;
图8为阴影较少时一帧原始图像;
图9为阴影较少时帧间差灰度图像低门限值分割后的图像;
图10为影较少时帧间差图像重新分割后的运动区域连通图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,一种用于嵌入式DSP平台的运动车辆快速检测方法,该方法包括:
1)采集原始灰度图像,如图2-图3所示,计算帧间差灰度图像:
设原始灰度图像为f(x,y,t),其中,x、y分别代表该图像的水平坐标和垂直坐标,t代表时间,以图像帧计数表示,则帧间差灰度图像g(x,y,t)为:
g(x,y,t)=|f(x,y,t)-f(x,y,t-1)|。
计算得到的帧间差图像如图4所示。
由于实际车辆监控一体机安装位置及环境千差万别,如果对每帧图像进行阴影检测,不仅费时,而且根据亮度检测并不可靠。例如白色车、黑色车灰度相差很大,黑色车有时灰度值比阴影的灰度值还要高。此外,除车本身的阴影外,还有环境(如树木)产生的阴影。因此,要静态检测图像中,哪些区域是车辆,哪些区域是阴影,几乎是不可能完成的任务。利用帧间差可以较好的完成这一任务。由环境产生的阴影,由于瞬间阳光几乎没有位移,因此相邻帧间阴影变化很小,帧间图像差可以有效地消除静态阴影。
2)对帧间差图像进行低门限二值化处理,如图5所示。
帧间差灰度图像g(x,y,t)描述了运动物体(车辆)在图像中的位置,需要从该图像中得到运动物体在图像中的区域坐标,而且,在DSP应用中速度是至关重要的,因此,一般先将切割出的车牌彩色图像转换为灰度图像再二值化。二值化方法非常多,但没有通用的方法。根据实际应用中图像的特点才能开发出较好的二值化方法。在车牌识别应用中,如果光照均匀对比度较强,则可以采用直方图法二值化。直方图法易于计算,速度快。但光照不均匀时,则无法直接使用直方图法。另外图像对比度较低时,即使光照均匀,也很难确定二值化门限值。
为保证在低对比度时运动物体区域不被丢失,先采用一个很低的门限值gThc进行分割,对帧间差灰度图像进行二值化,得到二值化图像:
式中,gThc为设定的门限值。图5显示了灰度帧间差图像图4的低门限值二值化图像。
3)对二值化图像进行去噪处理,去除较小及孤立的噪声点,获得图像c(x,y,t):
形成连通区域后,通过检测各连通区域的面积,删除面积小于设定值的连通区域,然后对去噪处理后的图像进行纵向游程长度平滑处理:如果图像c(x,y,t)中,同一列两个前景像素不相邻,且它们之间的背景游程小于设定阈值yTh,则将此背景游程的像素全部变为值为255的全景图像,即
c(x,yi,t)=255,i=[ytop,ybot],ybot-ytop<yTh
式中,ybot、ytop为同一列中的两个前景像素的垂直坐标。图6示出了经平滑后帧间差低门限值连通域图像。
选择纵向游程长度平滑的原因在于车辆在图像中是沿纵向方向行驶的,相邻两辆车之间必定有一定的间隔,通过纵向游程长度平滑可以形成车辆的连通区域,便于后续的车辆定位。
4)统计各连通区域对应的帧间差灰度图像直方图,并根据统计结果获取各连通区域的二值化分割门限值。图6所示的帧间差低门限值连通域图像分割出了运动车辆及阴影所在区域,需要从中进一步分割出车辆所在区域,从而去除阴影的影响。由于运动车辆的帧间差灰度图像中,车辆本身的帧间差灰度图像要比阴影的帧间差灰度图像要强,所以通过分别统计图6中每个连通区域的灰度直方图,可以确定分割车辆与阴影的阈值。
统计帧间差灰度图像直方图具体为:
ht[g(x,y,t)]++;iPixCt++;ifc(x,y,t)=255,x∈[x1,x2],y∈[y1,y2]
ht[256]为统计某一连通区域x∈[x1,x2],y∈[y1,y2]的数组,对应灰度值0~255像素的个数,将其初值置为0;iPixCt为连通区域全景图像的像素个数的计数值,其初值也设为0。
该连通区域对应的帧间差灰度图像二值化分割的门限值取值为gTh,使得该连通区域一半像素成为前景像素:
ct=0;
for(i=255;i>0;i--)
{
ct+=ht[i];if(ct>iPixCt/2){gTh=i;break;}
}
其中,ct为自定义参数,其初值为0。
5)根据步骤4)获取的二值化分割门限值对各连通区域图像进行二次分割处理:
d(x,y,t)为二次分割后的图像。
重复上面步骤3)中所述的方法进行平滑及纵向游程长度平滑,得到如图7所示的最后车辆所在区域,有效地去除了阴影的影响。
图8-图10所示为采用上述方法对阴影很少的图像进行运动车辆快速检测后的结果示意图。从图8-图10可知,对于阴影很少的图像来说,使用上述方法并不造成全景图像(运动车辆图像区域)分裂成不同的连通区域。原因在于连通区域二次分割时,帧间差灰度图像在车辆区域的灰度值强度是比较均匀分布的,当取其连通区域对应的帧间差灰度图像的一半高亮度值时,其全景图像像素较为均匀地分布在连通区内,经平滑后仍然形成运动车辆完整的区域。
本实施例方法具有对高分辨率(达500万象素以上)图像中运动车辆检测快速去除阴影干扰,具有速度快,有效性高,鲁棒性好的特点,满足了在TMS320嵌入式DSP平台上的应用(在嵌入式DSPTMS320平台上,最长运算时间不超过10ms)。
Claims (5)
1.一种用于嵌入式DSP平台的运动车辆快速检测方法,其特征在于,该方法包括:
1)采集原始灰度图像,计算帧间差灰度图像:
设原始灰度图像为f(x,y,t),其中,x、y分别代表该图像的水平坐标和垂直坐标,t代表时间,以图像帧计数表示,则帧间差灰度图像g(x,y,t)为:
g(x,y,t)=|f(x,y,t)-f(x,y,t-1)|;
2)对帧间差灰度图像进行低门限二值化分割处理,得到二值化图像b(x,y,t):
式中,gThc为设定的门限值;
3)对二值化图像进行去噪处理,获得图像c(x,y,t),并形成连通区域,通过检测各连通区域的面积,删除面积小于设定值的连通区域,然后对去噪处理后的图像进行纵向游程长度平滑处理;
4)统计各连通区域对应的帧间差灰度图像直方图,并根据统计结果获取各连通区域的二值化分割门限值;
5)根据步骤4)获取的二值化分割门限值对各连通区域图像进行二次分割处理,执行步骤3)后检测出车辆位置。
2.根据权利要求1所述的一种用于嵌入式DSP平台的运动车辆快速检测方法,其特征在于,所述的去噪处理具体为:
3.根据权利要求2所述的一种用于嵌入式DSP平台的运动车辆快速检测方法,其特征在于,所述的纵向游程长度平滑处理具体为:
如果图像c(x,y,t)中,同一列两个前景像素不相邻,且它们之间的背景游程小于设定阈值yTh,则将此背景游程的像素全部变为值为255的全景图像,即
c(x,yi,t)=255,i=[ytop,ybot],ybot-ytop<yTh
式中,ybot、ytop为同一列中的两个前景像素的垂直坐标。
4.根据权利要求3所述的一种用于嵌入式DSP平台的运动车辆快速检测方法,其特征在于,所述的步骤4)中统计帧间差灰度图像直方图具体为:
ht[g(x,y,t)]++;iPixCt++;ifc(x,y,t)=255,x∈[x1,x2],y∈[y1,y2]
ht[256]为统计某一连通区域x∈[x1,x2],y∈[y1,y2]的数组,iPixCt为连通区域全景图像的像素个数的计数值;
根据以下公式获取该连通区域的二值化分割门限值gTh:
ct=0;
for(i=255;i>0;i--)
{
ct+=ht[i];if(ct>iPixCt/2){gTh=i;break;}
}
其中,ct为自定义参数,其初值为0。
5.根据权利要求4所述的一种用于嵌入式DSP平台的运动车辆快速检测方法,其特征在于,所述的二次分割处理具体为:
d(x,y,t)为二次分割后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310182757.2A CN104167004A (zh) | 2013-05-16 | 2013-05-16 | 一种用于嵌入式dsp平台的运动车辆快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310182757.2A CN104167004A (zh) | 2013-05-16 | 2013-05-16 | 一种用于嵌入式dsp平台的运动车辆快速检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104167004A true CN104167004A (zh) | 2014-11-26 |
Family
ID=51910795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310182757.2A Pending CN104167004A (zh) | 2013-05-16 | 2013-05-16 | 一种用于嵌入式dsp平台的运动车辆快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104167004A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105704557A (zh) * | 2016-01-26 | 2016-06-22 | 天脉聚源(北京)科技有限公司 | 一种识别节目中图标的方法及装置 |
CN106529550A (zh) * | 2016-10-25 | 2017-03-22 | 凌云光技术集团有限责任公司 | 基于连通域分析的多维特征量提取方法及装置 |
WO2018058573A1 (zh) * | 2016-09-30 | 2018-04-05 | 富士通株式会社 | 对象检测方法、对象检测装置以及电子设备 |
CN110310274A (zh) * | 2019-07-02 | 2019-10-08 | 河北农业大学 | 一种植物花朵数量检测方法 |
CN113160173A (zh) * | 2021-04-22 | 2021-07-23 | 哈尔滨市科佳通用机电股份有限公司 | 基于Laws纹理特征的抗蛇形减震器漏油检测方法及系统 |
-
2013
- 2013-05-16 CN CN201310182757.2A patent/CN104167004A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105704557A (zh) * | 2016-01-26 | 2016-06-22 | 天脉聚源(北京)科技有限公司 | 一种识别节目中图标的方法及装置 |
CN105704557B (zh) * | 2016-01-26 | 2018-06-19 | 天脉聚源(北京)科技有限公司 | 一种识别节目中图标的方法及装置 |
WO2018058573A1 (zh) * | 2016-09-30 | 2018-04-05 | 富士通株式会社 | 对象检测方法、对象检测装置以及电子设备 |
CN106529550A (zh) * | 2016-10-25 | 2017-03-22 | 凌云光技术集团有限责任公司 | 基于连通域分析的多维特征量提取方法及装置 |
CN106529550B (zh) * | 2016-10-25 | 2020-02-04 | 凌云光技术集团有限责任公司 | 基于连通域分析的多维特征量提取方法及装置 |
CN110310274A (zh) * | 2019-07-02 | 2019-10-08 | 河北农业大学 | 一种植物花朵数量检测方法 |
CN110310274B (zh) * | 2019-07-02 | 2021-12-17 | 河北农业大学 | 一种植物花朵数量检测方法 |
CN113160173A (zh) * | 2021-04-22 | 2021-07-23 | 哈尔滨市科佳通用机电股份有限公司 | 基于Laws纹理特征的抗蛇形减震器漏油检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ai et al. | Computer vision framework for crack detection of civil infrastructure—A review | |
CN102509291B (zh) | 基于无线网络视频传感器的公路路面病害检测及识别方法 | |
CN101789080B (zh) | 车辆车牌实时定位字符分割的检测方法 | |
CN104167004A (zh) | 一种用于嵌入式dsp平台的运动车辆快速检测方法 | |
CN102289940B (zh) | 一种基于混合差分的车流量检测方法 | |
CN105405142A (zh) | 一种玻璃面板的边缺陷检测方法及系统 | |
CN109214380B (zh) | 车牌倾斜校正方法 | |
CN109816040B (zh) | 基于深度学习的城市内涝水深检测的方法 | |
CN105005771A (zh) | 一种基于光流点轨迹统计的车道线实线的检测方法 | |
CN103826102A (zh) | 一种运动目标的识别方法、装置 | |
CN105046677A (zh) | 一种用于交通视频图像的增强处理方法和装置 | |
CN101334836A (zh) | 一种融合色彩、尺寸和纹理特征的车牌定位方法 | |
CN105336169A (zh) | 一种基于视频判断交通拥堵的方法和系统 | |
CN104732235A (zh) | 一种消除夜间道路反光干扰的车辆检测方法 | |
CN102768731A (zh) | 基于高清视频图像目标自动定位识别系统及方法 | |
CN102799862A (zh) | 高清视频监控图像的行人快速定位、事件检测系统及方法 | |
CN103440785B (zh) | 一种快速的车道偏移警示方法 | |
CN103400368A (zh) | 基于图论和超像素的并行快速sar图像分割方法 | |
CN104616258A (zh) | 一种针对道路图像的快速去雾方法 | |
Li et al. | Coal and coal gangue separation based on computer vision | |
CN102902951A (zh) | 高清视频监控图像的车辆目标定位、事件检测系统及方法 | |
CN114998317B (zh) | 镜头遮挡检测方法、装置、摄像装置和存储介质 | |
CN110782409B (zh) | 一种去除多运动物体阴影的方法 | |
CN102509265B (zh) | 基于灰度值差和局部能量的数字图像去噪方法 | |
CN113393430A (zh) | 用于风机叶片缺陷检测的热成像图像增强训练方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141126 |