CN104469328A - 一种人车自动识别系统 - Google Patents
一种人车自动识别系统 Download PDFInfo
- Publication number
- CN104469328A CN104469328A CN201510004801.XA CN201510004801A CN104469328A CN 104469328 A CN104469328 A CN 104469328A CN 201510004801 A CN201510004801 A CN 201510004801A CN 104469328 A CN104469328 A CN 104469328A
- Authority
- CN
- China
- Prior art keywords
- unit
- high definition
- ball machine
- pedestrian
- definition ball
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明的人车自动识别系统包括多个间隔设置的高清球机、目标特征获取单元、目标类型识别单元、图像组合单元、第一图像定位单元以及第二图像定位单元,实现了人车的准确识别和追踪定位,不仅可以获取监控区域中的行人运动信息,也实现了车辆多监控联合追踪的高准确性。
Description
技术领域
本发明涉及视频监控领域,尤其涉及一种人车自动识别系统。
背景技术
视频监控是安全防范系统的重要组成部分,英文Cameras and Surveillance。传统的监控系统包括前端摄像机、传输线缆、视频监控平台。摄像机可分为网络数字摄像机和模拟摄像机,可作为前端视频图像信号的采集。它是一种防范能力较强的综合系统。视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。近年来,随着计算机、网络以及图像处理、传输技术的飞速发展,视频监控技术也有了长足的发展。
视频监控应用中的运动目标追踪在军事制导,视觉导航,机器人,智能交通,公共安全等领域有着广泛的应用。例如,在车辆违章抓拍系统中,车辆的跟踪就是必不可少的。在入侵检测中,人、动物、车辆等大型运动目标的检测与跟踪也是整个系统运行的关键所在。
然而目前的运动目标追踪技术还不完善,尤其是公共安全领域的人车识别精度不高,效率低,一方面的原因在于人与人之间的运动较为复杂,以及对车辆的监控会涉及多个监控设备的协同处理。
因此有必要针对上述问题重新设计高效精准的人车自动识别系统。
发明内容
本发明的目的是通过以下技术方案实现的。
根据本发明的实施方式,提出一种人车自动识别系统,所述系统包括:多个间隔设置的高清球机、GPS校准单元、目标特征获取单元、目标类型识别单元、多个滤波消噪单元、图像组合单元、第一图像定位单元、第二图像定位单元、低速运动定位单元、间距确定单元、行人运动信息获取单元、以及数据库单元;
所述多个间隔设置的高清球机用于获取监控范围内的目标视频图像,所述目标包括行人和车辆;
所述GPS校准单元连接多个高清球机,用于多个高清球机的精确时间同步;
所述目标特征获取单元连接多个高清球机,用于根据高清球机获取的视频图像获取监控范围内目标的类型特征;
所述目标类型识别单元连接目标特征获取单元,用于根据目标特征获取单元获取的类型特征判断监控目标是行人还是车辆;
所述滤波消噪单元连接多个高清球机,用于对高清球机获取的目标视频图像进行滤波和消噪处理;
所述图像组合单元连接滤波消噪单元,用于当目标类型识别单元判断目标类型是车辆时,组合多个高清球机的同一目标的视频图像;
所述第一图像定位单元连接滤波消噪单元,用于行人面部区域的定位;
所述间距确定单元用于确定行人面部区域位置与高清球机的距离范围;
所述低速运动定位单元用于根据间距确定单元确定的距离范围,对行人的运动轨迹进行追踪;
所述行人运动信息获取单元用于获取第一图像定位单元确定的行人定位信息、间距确定单元确定的距离范围信息、以及低速运动定位单元确定的行人运动轨迹信息,并将上述信息发送至数据库单元;
所述第二图像定位单元用于对监控车辆进行定位追踪,并把相关信息发送至数据库保存。
根据本发明的实施方式,所述第一图像定位单元用于行人面部区域的定位包括:
根据其中一个高清球机获取的行人视频图像检测图像中是否包括可辨识的面部区域;如果面部区域不能辨识,则通过高清球机重新获取视频图像;
当检测到面部区域后,对面部区域进行追踪,并通过交互信息使高清球机将面部区域保持在整体图像中央。
本发明的人车自动识别系统包括多个间隔设置的高清球机、目标特征获取单元、目标类型识别单元、图像组合单元、第一图像定位单元以及第二图像定位单元,实现了人车的准确识别和追踪定位,不仅可以获取监控区域中的行人运动信息,也实现了车辆多监控联合追踪的高准确性。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的界限。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
附图1示出了根据本发明实施方式的人车自动识别系统结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所界限。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
根据本发明的实施方式,提出一种人车自动识别系统,如附图1所示,所述系统包括:多个间隔设置的高清球机、GPS校准单元、目标特征获取单元、目标类型识别单元、多个滤波消噪单元、图像组合单元、第一图像定位单元、第二图像定位单元、低速运动定位单元、间距确定单元、行人运动信息获取单元、以及数据库单元;
所述多个间隔设置的高清球机用于获取监控范围内的目标视频图像,所述目标包括行人和车辆;
所述GPS校准单元连接多个高清球机,用于多个高清球机的精确时间同步;
所述目标特征获取单元连接多个高清球机,用于根据高清球机获取的视频图像获取监控范围内目标的类型特征,所述类型特征包括,但不限于,高度、宽度、速度等;
所述目标类型识别单元连接目标特征获取单元,用于根据目标特征获取单元获取的类型特征判断监控目标是行人还是车辆;
所述滤波消噪单元连接多个高清球机,用于对高清球机获取的目标视频图像进行滤波和消噪处理;
所述图像组合单元连接滤波消噪单元,用于当目标类型识别单元判断目标类型是车辆时,组合多个高清球机的同一目标的视频图像;
所述第一图像定位单元连接滤波消噪单元,用于行人面部区域的定位;根据本发明的可选实施方式,所述第一图像定位单元、低速运动定位单元、间距确定单元、行人运动信息获取单元可以连接任意一个高清球机,也可以每个高清球机对应设置一组第一图像定位单元、低速运动定位单元、间距确定单元、行人运动信息获取单元;
所述间距确定单元用于确定行人面部区域位置与高清球机的距离范围;
所述低速运动定位单元用于根据间距确定单元确定的距离范围,对行人的运动轨迹进行追踪;
所述行人运动信息获取单元用于获取第一图像定位单元确定的行人定位信息、间距确定单元确定的距离范围信息、以及低速运动定位单元确定的行人运动轨迹信息,并将上述信息发送至数据库单元;
所述第二图像定位单元用于对监控车辆进行定位追踪,并把相关信息发送至数据库保存。
根据本发明的实施方式,所述第一图像定位单元用于行人面部区域的定位包括:
根据其中一个高清球机获取的行人视频图像检测图像中是否包括可辨识的面部区域;如果面部区域不能辨识,则通过高清球机重新获取视频图像;
当检测到面部区域后,对面部区域进行追踪,并通过交互信息使高清球机将面部区域保持在整体图像中央。
根据本发明的实施方式,所述将面部区域保持在图像中央具体包括:
A1、在图像中央设定一个尺寸小于图像大小的长方形界限区域,长方形界限区域到图像边缘设置为第一调节区域;面部区域超出长方形界限区域进入第一调节区域时,高清球机移动使面部区域保持在长方形界限区域内;
A2、在高清球机最大移动范围到一小于高清球机最大移动范围的设定值之间设置第二调节区域,当面部区域超出长方形界限区域且高清球机进入第二调节区域时,高清球机调整使面部区域保持在长方形界限区域内。
根据本发明的实施方式,所述对面部区域进行追踪具体包括:
B1、将高清球机采集的三原色图像转化为六棱锥色彩模型图像;
B2、计算面部区域的色彩质量分布图;
B3、根据色彩质量分布图,计算六棱锥色彩模型图像中色彩的概率分布,获得颜色概率质量分布图;
B4、通过颜色概率质量分布图选取搜索窗的大小与初始位置,采用窗口自适应的连续自适应的MeanShift算法对面部区域进行定位。
根据本发明的实施方式,所述图像组合单元组合多个高清球机的同一目标的视频图像具体包括:
C1、获取邻接高清球机前景图像,利用尺度不变特征转换算法提取图像特征;
C2、找出邻接图像与基准图像识别点欧几里得度量最近的前两个识别点,在这两个识别点中,如果最近的距离除以第二相近的距离小于某个门限比值σ,则接受这一对吻合点,完成邻接前景图像特征吻合;
C3、利用随机取样一致算法,剔除错误的吻合对;
C4、采用非线性最小二乘算法提高随机取样一致算法对图像变换的准确率;
C5、确定高清球机重合边界,提取某一高清球机背景图像中吻合成功的尺度不变特征转换识别点所在位置的横坐标xi,计算识别点横坐标平均值最终图像横坐标时为触发边界,根据确定的重合边界进行图像组合;
根据本发明的实施方式,所述第二图像定位单元对监控车辆进行定位追踪具体包括:
D1、当车辆进入第一个高清球机监控区域内,标记车辆区域后,应用连续自适应的MeanShift算法进行车辆定位,确定对应于标记车辆的定位框;
D2、当追踪过程中遇到遮挡、重合、会车等复杂情况导致连续自适应的MeanShift算法的计算目标的定位框突然变大或者变小时,利用运动估计算法暂时替代连续自适应的MeanShift算法,维持定位框的大小,在定位框到达新的位置时再调用连续自适应的MeanShift算法查找目标;
D3、当车辆从一个高清球机A监控区域内进入下一个高清球机B监控区域内时,将车辆的车牌号码特征信息作为识别要素,并将车辆的定位框大小也传递给下一个高清球机B,高清球机A利用获得的目标车辆车牌号码的反向投影进行定位,当车辆驶入高清球机A与下一个邻接高清球机B的重合边界时触发高清球机B的检测操作,同时高清球机A将车牌号码特征传递给高清球机B,并预测车辆将在B的监控区域中出现的位置,高清球机B会在预测位置附近进行检测,一旦发现与上一个高清球机传递过来的车牌号码特征相同的区域则认定为定位目标,进行定位。
根据本发明的实施方式,基于运动估计算法具体包括:
连续自适应的MeanShift目标定位框采用雅克比函数表示,计算定位区域的重心,也即定位框的中央,并通过定位框的方向表示目标车辆的车身方向;车辆在行驶过程中随着路面状况会改变行驶方向,表现在速度方向的改变和车身方向的调整;
设在t时车辆o的重心为ot(x(t),y(t)),由于两帧之间时间很短,车道比较平滑,车辆的运动变化较小,根据车辆在前两帧的运动方式预测车辆在第三帧的位置;通过三个状态向量S(t-1),S(t),S(t+1)保存目标的运动信息,其中
S(t)=(x,y,vx,vy,θ),
其中x,y分别为目标重心相对于水平轴和垂直轴的坐标,vx,vy分别为重心在某时刻的速率,θ为车辆的方向角,即是通过连续自适应的MeanShift算法求出的定位框区域的方向角;根据牛顿运动定律,物体的位置满足以下公式:
因为两帧之间间隔Δt较短,所以将车辆的运动近似看成匀速运动,则上式可写成
x(t)=x(t-1)+vx(t-1)Δt,
当车辆在转弯或者换道的时候,车身方向会发生改变,但是连续两帧中车身方向的改变不会过大,设车辆的车身方向改变满足下式:
θ(t+1)-θ(t)=k(θ(t)-θ(t-1))
θ(t+1)=k(θ(t)-θ(t-1))+θ(t)
其中k为调整系数,根据前两帧目标信息预测下一帧目标的位置如下:
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (6)
1.一种人车自动识别系统,所述系统包括多个间隔设置的高清球机、GPS校准单元、目标特征获取单元、目标类型识别单元、多个滤波消噪单元、图像组合单元、第一图像定位单元、第二图像定位单元、低速运动定位单元、间距确定单元、行人运动信息获取单元、以及数据库单元。
其中,所述GPS校准单元、目标特征获取单元和滤波消噪单元分别连接多个高清球机,所述目标类型识别单元输入端连接目标特征获取单元,输出端连接图像组合单元和第一图像定位单元,所述图像组合单元还连接滤波消噪单元和第二图像定位单元,所述第一图像定位单元依次连接间距确定单元、低速运动定位单元以及行人运动信息获取单元,所述第二图像定位单元和行人运动信息获取单元还连接数据库单元。
2.一种如权利要求1所述的系统,所述多个间隔设置的高清球机用于获取监控范围内的目标视频图像,所述目标包括行人和车辆;
所述GPS校准单元用于多个高清球机的精确时间同步;
所述目标特征获取单元用于根据高清球机获取的视频图像获取监控范围内目标的类型特征;
所述目标类型识别单元用于根据目标特征获取单元获取的类型特征判断监控目标是行人还是车辆。
3.一种如权利要求2所述的系统,所述滤波消噪单元用于对高清球机获取的目标视频图像进行滤波和消噪处理。
4.一种如权利要求3所述的系统,所述图像组合单元连接滤波消噪单元,用于当目标类型识别单元判断目标类型是车辆时,组合多个高清球机的同一目标的视频图像;
所述第二图像定位单元用于对监控车辆进行定位追踪,并把相关信息发送至数据库保存。
5.一种如权利要求4所述的系统,所述第一图像定位单元连接滤波消噪单元,用于行人面部区域的定位;
所述间距确定单元用于确定行人面部区域位置与高清球机的距离范围;
所述低速运动定位单元用于根据间距确定单元确定的距离范围,对行人的运动轨迹进行追踪;
所述行人运动信息获取单元用于获取第一图像定位单元确定的行人定位信息、间距确定单元确定的距离范围信息、以及低速运动定位单元确定的行人运动轨迹信息,并将上述信息发送至数据库单元。
6.一种如权利要求5所述的系统,所述第一图像定位单元用于行人面部区域的定位包括:
根据其中一个高清球机获取的行人视频图像检测图像中是否包括可辨识的面部区域;如果面部区域不能辨识,则通过高清球机重新获取视频图像;
当检测到面部区域后,对面部区域进行追踪,并通过交互信息使高清球机将面部区域保持在整体图像中央。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510004801.XA CN104469328B (zh) | 2015-01-06 | 2015-01-06 | 一种人车自动识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510004801.XA CN104469328B (zh) | 2015-01-06 | 2015-01-06 | 一种人车自动识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104469328A true CN104469328A (zh) | 2015-03-25 |
CN104469328B CN104469328B (zh) | 2018-07-27 |
Family
ID=52914603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510004801.XA Active CN104469328B (zh) | 2015-01-06 | 2015-01-06 | 一种人车自动识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104469328B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674679A (zh) * | 2019-08-12 | 2020-01-10 | 国网浙江海盐县供电有限公司 | 一种变电站运维智能人车管控系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101854516A (zh) * | 2009-04-02 | 2010-10-06 | 北京中星微电子有限公司 | 视频监控系统、视频监控服务器及视频监控方法 |
CN101950426A (zh) * | 2010-09-29 | 2011-01-19 | 北京航空航天大学 | 一种多摄像机场景下车辆接力跟踪方法 |
US20110267460A1 (en) * | 2007-01-05 | 2011-11-03 | American Traffic Solutions, Inc. | Video speed detection system |
CN102665071A (zh) * | 2012-05-14 | 2012-09-12 | 安徽三联交通应用技术股份有限公司 | 一种社会治安视频监控图像智能处理和检索方法 |
CN103093528A (zh) * | 2012-12-28 | 2013-05-08 | 中山大学 | 一种小区车辆和人员智能监控系统 |
-
2015
- 2015-01-06 CN CN201510004801.XA patent/CN104469328B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110267460A1 (en) * | 2007-01-05 | 2011-11-03 | American Traffic Solutions, Inc. | Video speed detection system |
CN101854516A (zh) * | 2009-04-02 | 2010-10-06 | 北京中星微电子有限公司 | 视频监控系统、视频监控服务器及视频监控方法 |
CN101950426A (zh) * | 2010-09-29 | 2011-01-19 | 北京航空航天大学 | 一种多摄像机场景下车辆接力跟踪方法 |
CN102665071A (zh) * | 2012-05-14 | 2012-09-12 | 安徽三联交通应用技术股份有限公司 | 一种社会治安视频监控图像智能处理和检索方法 |
CN103093528A (zh) * | 2012-12-28 | 2013-05-08 | 中山大学 | 一种小区车辆和人员智能监控系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674679A (zh) * | 2019-08-12 | 2020-01-10 | 国网浙江海盐县供电有限公司 | 一种变电站运维智能人车管控系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104469328B (zh) | 2018-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ijjina et al. | Computer vision-based accident detection in traffic surveillance | |
US9058744B2 (en) | Image based detecting system and method for traffic parameters and computer program product thereof | |
Dai et al. | Multi-task faster R-CNN for nighttime pedestrian detection and distance estimation | |
US8170278B2 (en) | System and method for detecting and tracking an object of interest in spatio-temporal space | |
US20090309966A1 (en) | Method of detecting moving objects | |
CN108776974B (zh) | 一种适用于公共交通场景的实时目标跟踪方法 | |
CN111881749B (zh) | 基于rgb-d多模态数据的双向人流量统计方法 | |
EP2709066A1 (en) | Concept for detecting a motion of a moving object | |
CN112750150A (zh) | 基于车辆检测和多目标跟踪的车流量统计方法 | |
Bloisi et al. | Argos—A video surveillance system for boat traffic monitoring in Venice | |
CN103824070A (zh) | 一种基于计算机视觉的快速行人检测方法 | |
Cui et al. | Abnormal event detection in traffic video surveillance based on local features | |
CN105513349A (zh) | 基于双视角学习的山区高速公路车辆事件检测方法 | |
CN115841649A (zh) | 一种用于城市复杂场景的多尺度人数统计方法 | |
Raktrakulthum et al. | Vehicle classification in congested traffic based on 3D point cloud using SVM and KNN | |
Huang | Real-time multi-vehicle detection and sub-feature based tracking for traffic surveillance systems | |
Yang et al. | On-road collision warning based on multiple FOE segmentation using a dashboard camera | |
CN115565157A (zh) | 一种多摄像头多目标车辆跟踪方法及系统 | |
Wu et al. | Smartphone zombie detection from lidar point cloud for mobile robot safety | |
EP2709065A1 (en) | Concept for counting moving objects passing a plurality of different areas within a region of interest | |
Kim et al. | Traffic Accident Detection Based on Ego Motion and Object Tracking | |
CN104469328A (zh) | 一种人车自动识别系统 | |
Chandorkar et al. | Vehicle Detection and speed tracking | |
Tian et al. | Pedestrian multi-target tracking based on YOLOv3 | |
Huang | Video-based traffic analysis system using a hierarchical feature point grouping approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220311 Address after: 315412 No. 28, Yunshan Middle Road, Sanqi Town, Yuyao City, Ningbo City, Zhejiang Province (in Yuyao talent entrepreneurship Park) Patentee after: Ningbo Xinzhou lingmu Intelligent Technology Co.,Ltd. Address before: Room 504, building 6, Zone D, Tianfu Software Park, no.216, shijicheng South Road, high tech Zone, Chengdu, Sichuan 610000 Patentee before: CHENGDU XINEDGE TECHNOLOGY CO.,LTD. |