CN104658249A - 基于帧差和光流实现车辆快速检测的方法 - Google Patents
基于帧差和光流实现车辆快速检测的方法 Download PDFInfo
- Publication number
- CN104658249A CN104658249A CN201310597495.6A CN201310597495A CN104658249A CN 104658249 A CN104658249 A CN 104658249A CN 201310597495 A CN201310597495 A CN 201310597495A CN 104658249 A CN104658249 A CN 104658249A
- Authority
- CN
- China
- Prior art keywords
- field picture
- vehicle
- image
- frame difference
- region
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/223—Analysis of motion using block-matching
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30221—Sports video; Sports image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于帧差和光流实现车辆快速检测的方法,其中包括确定检测车辆的感兴趣区域;获取各帧图像与后一帧图像感兴趣区域的帧差图像并处理得到各帧图像的二值化帧差图像;在二值化帧差图像中确定疑似目标区域;将光流聚拢性高于系统预设阈值的疑似目标区域确定为所对应的车辆图像区域;将各帧图像与后一帧图像的车辆图像区域进行重合度对比并确定车辆的开始和结束图像区域。采用该种基于帧差和光流实现车辆快速检测的方法,可以实现结合了帧差和光流两种算法并进一步进行优化,克服了同类算法中,在雨天、车灯光照、树阴等影响下造成车辆误检的情况,算法运算量较小,实现性很高,实现了快速检测车辆,具有更广泛的应用范围。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及车辆检测领域,具体是指一种基于帧差和光流实现车辆快速检测的方法。
背景技术
在智能交通技术领域,有效的车辆运动和存在信息提取是智能交通中十分重要的环节,目前主要的车辆检测方法有:公开号为CN101226691,发明名称为“基于视频图像的车辆计数方法”的发明专利,使用基本的背景建模技术,通过统计像素的灰度值概率分布来检测前景目标点并以此估计车辆信息,实现了采用计算机视觉技术实现车辆计数。在黎明、傍晚等昼夜转换、光线变化较为明显的时段,由于图像亮度、对比度均发生大幅度下降,容易导致目标遗漏,检测效果不理想。
也有的方法通过对车灯进行检测,然而在黎明、傍晚昼夜转换时段,同时有较多车辆打开车灯,由于车灯眩光或反光等问题容易造成虚假检测,检测精度同样很低。
基于此,需要发明一种高效车辆检测方法,可以抑制复杂光照造成的虚假检测和目标遗漏,提取正确的车辆信息。
帧差和光流场算法及两者相结合是视频电子警察系统中比较常用的动目标检测算法。帧差算法有目标定位准确率低和容易受外界环境(树阴等)干扰的问题。光流算法有计算速度慢和抗光照效果差的问题。现有技术中的帧差与光流算法组合也会有计算速度慢的问题。本发明需要解决的技术问题是采用帧差和光流算法进行组合并优化实现车辆快速准确地检测。
发明内容
本发明的目的是克服了上述现有技术的缺点,提供了一种能够实现快速检测车辆、克服同类算法中外界环境造成车辆误检、实现性高、具有更广泛应用范围的基于帧差和光流实现车辆快速检测的方法。
为了实现上述目的,本发明的基于帧差和光流实现车辆快速检测的方法具有如下构成:
该基于帧差和光流实现车辆快速检测的方法,其主要特点是,所述的方法包括以下步骤:
(1)在检测图像中确定检测车辆的感兴趣区域;
(2)获取各帧图像与后一帧图像感兴趣区域的帧差图像并处理得到各帧图像所对应的二值化帧差图像;
(3)在所述的各帧图像所对应的二值化帧差图像中确定疑似目标区域;
(4)将各帧图像中光流聚拢性高于系统预设阈值的疑似目标区域确定为所对应的各帧图像中的车辆图像区域;
(5)将各帧图像与后一帧图像的车辆图像区域进行重合度对比并确定车辆的开始和结束图像区域。
较佳地,所述的在检测图像中确定检测车辆的感兴趣区域,具体为:
选取图像中车辆经过的区域确定为检测车辆的感兴趣区域,所述的感兴趣区域的宽度为覆盖各个检测车道的宽度,高度为图像中车辆长度的2/5。
较佳地,所述的获取各帧图像与后一帧图像感兴趣区域的帧差图像并处理得到各帧图像所对应的二值化帧差图像,包括以下步骤:
(21)将各帧图像与后一帧图像的感兴趣区域做帧差并取绝对值得到帧差图像;
(22)选取合适的系统预设阈值T1对所述的帧差图像做二值化处理得到各帧图像所对应的二值化帧差图像。
较佳地,所述的在所述的各帧图像所对应的二值化帧差图像中确定疑似目标区域,包括以下步骤:
(31)对所述的二值化帧差图像进行X轴投影,得到灰度累加数组;
(32)将所述的各帧图像所对应的灰度累加数组中灰度值连续高于系统预设阈值T2的坐标范围(x1,x2)作为所对应各帧图像的疑似目标区域。
更佳地,所述的将所述的各帧图像所对应的灰度累加数组中灰度值连续高于系统预设阈值T2的坐标范围作为所对应各帧图像的疑似目标区域,包括以下步骤:
(321)判断所述的各帧图像中所对应的灰度累加数组中灰度值连续高于系统预设阈值T2的坐标范围(x1,x2)中(x2-x1)的值是否处于系统预设范围(T3,T4)之间,如果是,则继续步骤(322),否则继续步骤(323);
(322)将该范围(x1,x2)作为其所对应帧图像的一个疑似目标区域;
(323)将该范围(x1,x2)作为非目标区域。
较佳地,所述的将各帧图像中光流聚拢性高于系统预设阈值的疑似目标区域确定为所对应的各帧图像中的车辆图像区域,包括以下步骤:
(41)提取各帧图像中各个疑似目标区域的特征点并计算各个特征点的光流信息(u,v);
(42)计算各个疑似目标区域中所有特征点的光流平均值
(43)判断各个疑似目标区域中位于范围之内的特征点数与该疑似目标区域中特征点总数的比值是否大于系统预设阈值T3,如果是,则继续步骤(44),否则继续步骤(45);
(44)将该疑似目标区域确定为所对应帧图像中的一个车辆图像区域;
(45)将该疑似目标区域确定为干扰区域。
较佳地,所述的将各帧图像与后一帧图像的车辆图像区域进行重合度对比并确定车辆的开始和结束图像区域,包括以下步骤:
(51)将各帧图像与后一帧图像的车辆图像区域进行重合度对比;
(52)将各帧图像中前一帧图像不具备的车辆图像区域作为车辆的开始图像区域,将各帧图像中后一帧图像不具备的车辆图像区域作为车辆的开始结束区域。
采用了该发明中的基于帧差和光流实现车辆快速检测的方法,结合了帧差和光流两种算法并进一步进行优化,克服了同类算法中,在雨天、车灯光照、树阴等影响下造成车辆误检的情况,算法运算量较小,实现性很高,实现了快速检测车辆,具有更广泛的应用范围。
附图说明
图1为本发明的基于帧差和光流实现车辆快速检测的方法的流程图。
具体实施方式
为了能够更清楚地描述本发明的技术内容,下面结合具体实施例来进行进一步的描述。
如图1所示,本发明的基于帧差和光流实现车辆快速检测的方法包括以下步骤:
(1)选取图像中车辆经过的区域确定为检测车辆的感兴趣区域(Region of interest,ROI),本发明的ROI并不需要覆盖整个车辆,仅需要覆盖车的一部分通过连续几帧的拼接得到检测车辆所占区域的坐标信息。因此ROI宽度W需要覆盖检测车辆的各个车道,高度H为图中车辆像素长度的2/5,此W×H范围就是检测车辆的感兴趣区域(ROI)。
(2)截取一帧图像I(t)与后一帧图像I(t+1)感兴趣区域的帧差图像并处理得到该帧图像所对应的二值化帧差图像;
具体包括以下两个子步骤:
(21)将该帧图像I(t)与后一帧图像I(t+1)的感兴趣区域做帧差并取绝对值得到帧差图像D(t)=|R(t+1)-R(t)|;
(22)选取合适的系统预设阈值T1对所述的帧差图像做二值化处理得到该帧图像所对应的二值化帧差图像B(t)。通过设置阈值T1,确定动目标的所在位置。此阈值T1可根据场景不同进行调整。
(3)在所述的该帧图像所对应的二值化帧差图像中确定疑似目标区域;
具体包括以下两个子步骤:
(31)对所述的二值化帧差图像进行X轴投影,得到灰度累加数组;
(32)将所述的该帧图像所对应的灰度累加数组中灰度值连续高于系统预设阈值T2的坐标范围(x1,x2)作为所对应该帧图像的疑似目标区域。
此疑似目标区域可以有多个,也可以没有。若此范围太小或太大,则将此范围删除判断为非目标范围。即该子步骤进一步包括以下三个子步骤:
(321)判断所述的该帧图像中所对应的灰度累加数组中灰度值连续高于系统预设阈值T2的坐标范围(x1,x2)中(x2-x1)的值是否处于系统预设范围(T3,T4)之间,如果是,则继续步骤(322),否则继续步骤(323);
(322)将该范围(x1,x2)作为其所对应帧图像的一个疑似目标区域;
(323)将该范围(x1,x2)作为非目标区域。
由步骤(3)将得到R(t)中的各个疑似目标区域S1=(x11,x12,0,H),S2=(x21,x22,0,H).....其中括号的四个值分别为疑似目标区域的起始x坐标,终止x坐标,起始y坐标,终止y坐标。
(4)将该帧图像中光流聚拢性高于系统预设阈值的疑似目标区域确定为所对应的该帧图像中的车辆图像区域;
具体包括以下五个子步骤:
(41)提取疑似目标区域S1所对应的I(t)中的M个特征点并计算各个特征点的光流信息(ui,vi),i=0,1,……,M;其中,ui和vi分别为各个特征点的运动矢量在x、y方向上的速度分量;
(42)计算疑似目标区域S1中所有特征点的光流平均值
(43)判断疑似目标区域S1中位于范围之内的特征点数N与该疑似目标区域中特征点总数M的比值N/M是否大于系统预设阈值T3,如果是,则继续步骤(44),否则继续步骤(45);
(44)判断该疑似目标区域S1为某一车辆的某一部分,将该疑似目标区域确定为所对应帧图像中的一个车辆图像区域P1(t)=S1;
(45)将该疑似目标区域确定为干扰区域。然后继续判断下一个疑似目标区域S2直到各帧图像的疑似目标区域判断完成为止,得到Pi(t),i=0,1,……,M。
N/M体现了M个特征点光流的聚拢性,对于车身上的特征点光流聚拢性较强,而非目标(地面反光,树阴晃动等)的光流聚拢性较差。
按照步骤(2)~(4),处理下一帧图像,得到下一帧图像的Pi(t+1),i=0,1,……,M。
(5)将各帧图像与后一帧图像的车辆图像区域进行重合度对比并确定车辆的开始和结束图像区域。
对于P(t)中的某一区域Pj(t)以及P(t+1)中的某一区域Pk(t+1),如果块区域的x范围有大量重叠,将此区域合并作为新的Pk(t+1)用于下一帧的判断,若P(t+1)中的某一区域Pk(t+1)在P(t)中没有合并区域,则判断Pk(t+1)为某一辆车的开始。若P(t)中的某一区域Pj(t)在P(t+1)中没有合并区域,则判断为一辆车的结束,此时检测出一辆车。
采用了该发明中的基于帧差和光流实现车辆快速检测的方法,结合了帧差和光流两种算法并进一步进行优化,克服了同类算法中,在雨天、车灯光照、树阴等影响下造成车辆误检的情况,算法运算量较小,实现性很高,实现了快速检测车辆,具有更广泛的应用范围。
在此说明书中,本发明已参照其特定的实施例作了描述。但是,很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此,说明书和附图应被认为是说明性的而非限制性的。
Claims (7)
1.一种基于帧差和光流实现车辆快速检测的方法,其特征在于,所述的方法包括以下步骤:
(1)在检测图像中确定检测车辆的感兴趣区域;
(2)获取各帧图像与后一帧图像感兴趣区域的帧差图像并处理得到各帧图像所对应的二值化帧差图像;
(3)在所述的各帧图像所对应的二值化帧差图像中确定疑似目标区域;
(4)将各帧图像中光流聚拢性高于系统预设阈值的疑似目标区域确定为所对应的各帧图像中的车辆图像区域;
(5)将各帧图像与后一帧图像的车辆图像区域进行重合度对比并确定车辆的开始和结束图像区域。
2.根据权利要求1所述的基于帧差和光流实现车辆快速检测的方法,其特征在于,所述的在检测图像中确定检测车辆的感兴趣区域,具体为:
选取图像中车辆经过的区域确定为检测车辆的感兴趣区域,所述的感兴趣区域的宽度为覆盖各个检测车道的宽度,高度为图像中车辆长度的2/5。
3.根据权利要求1所述的基于帧差和光流实现车辆快速检测的方法,其特征在于,所述的获取各帧图像与后一帧图像感兴趣区域的帧差图像并处理得到各帧图像所对应的二值化帧差图像,包括以下步骤:
(21)将各帧图像与后一帧图像的感兴趣区域做帧差并取绝对值得到帧差图像;
(22)选取合适的系统预设阈值T1对所述的帧差图像做二值化处理得到各帧图像所对应的二值化帧差图像。
4.根据权利要求1所述的基于帧差和光流实现车辆快速检测的方法,其特征在于,所述的在所述的各帧图像所对应的二值化帧差图像中确定疑似目标区域,包括以下步骤:
(31)对所述的二值化帧差图像进行X轴投影,得到灰度累加数组;
(32)将所述的各帧图像所对应的灰度累加数组中灰度值连续高于系统预设阈值T2的坐标范围(x1,x2)作为所对应各帧图像的疑似目标区域。
5.根据权利要求4所述的基于帧差和光流实现车辆快速检测的方法,其特征在于,所述的将所述的各帧图像所对应的灰度累加数组中灰度值连续高于系统预设阈值T2的坐标范围作为所对应各帧图像的疑似目标区域,包括以下步骤:
(321)判断所述的各帧图像中所对应的灰度累加数组中灰度值连续高于系统预设阈值T2的坐标范围(x1,x2)中(x2-x1)的值是否处于系统预设范围(T3,T4)之间,如果是,则继续步骤(322),否则继续步骤(323);
(322)将该范围(x1,x2)作为其所对应帧图像的一个疑似目标区域;
(323)将该范围(x1,x2)作为非目标区域。
6.根据权利要求1所述的基于帧差和光流实现车辆快速检测的方法,其特征在于,所述的将各帧图像中光流聚拢性高于系统预设阈值的疑似目标区域确定为所对应的各帧图像中的车辆图像区域,包括以下步骤:
(41)提取各帧图像中各个疑似目标区域的特征点并计算各个特征点的光流信息(u,v);
(42)计算各个疑似目标区域中所有特征点的光流平均值
(43)判断各个疑似目标区域中位于范围之内的特征点数与该疑似目标区域中特征点总数的比值是否大于系统预设阈值T3,如果是,则继续步骤(44),否则继续步骤(45);
(44)将该疑似目标区域确定为所对应帧图像中的一个车辆图像区域;
(45)将该疑似目标区域确定为干扰区域。
7.根据权利要求1所述的基于帧差和光流实现车辆快速检测的方法,其特征在于,所述的将各帧图像与后一帧图像的车辆图像区域进行重合度对比并确定车辆的开始和结束图像区域,包括以下步骤:
(51)将各帧图像与后一帧图像的车辆图像区域进行重合度对比;
(52)将各帧图像中前一帧图像不具备的车辆图像区域作为车辆的开始图像区域,将各帧图像中后一帧图像不具备的车辆图像区域作为车辆的结束图像区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310597495.6A CN104658249A (zh) | 2013-11-22 | 2013-11-22 | 基于帧差和光流实现车辆快速检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310597495.6A CN104658249A (zh) | 2013-11-22 | 2013-11-22 | 基于帧差和光流实现车辆快速检测的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104658249A true CN104658249A (zh) | 2015-05-27 |
Family
ID=53249312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310597495.6A Pending CN104658249A (zh) | 2013-11-22 | 2013-11-22 | 基于帧差和光流实现车辆快速检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104658249A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220652A (zh) * | 2017-05-31 | 2017-09-29 | 北京京东尚科信息技术有限公司 | 用于处理图片的方法和装置 |
CN108710828A (zh) * | 2018-04-18 | 2018-10-26 | 北京汽车集团有限公司 | 识别目标物的方法、装置和存储介质以及车辆 |
CN111523385A (zh) * | 2020-03-20 | 2020-08-11 | 北京航空航天大学合肥创新研究院 | 一种基于帧差法的静止车辆检测方法及系统 |
CN113033479A (zh) * | 2021-04-20 | 2021-06-25 | 超级视线科技有限公司 | 一种基于多层感知的泊位事件识别方法及系统 |
CN113066306A (zh) * | 2021-03-23 | 2021-07-02 | 超级视线科技有限公司 | 一种路侧停车的管理方法及装置 |
CN115210790A (zh) * | 2020-08-28 | 2022-10-18 | Jvc建伍株式会社 | 目标识别控制装置以及目标识别方法 |
CN116246215A (zh) * | 2023-05-11 | 2023-06-09 | 小手创新(杭州)科技有限公司 | 基于视觉算法的识别新进物品的方法、桶盖及智能回收桶 |
-
2013
- 2013-11-22 CN CN201310597495.6A patent/CN104658249A/zh active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220652A (zh) * | 2017-05-31 | 2017-09-29 | 北京京东尚科信息技术有限公司 | 用于处理图片的方法和装置 |
CN107220652B (zh) * | 2017-05-31 | 2020-05-01 | 北京京东尚科信息技术有限公司 | 用于处理图片的方法和装置 |
CN108710828A (zh) * | 2018-04-18 | 2018-10-26 | 北京汽车集团有限公司 | 识别目标物的方法、装置和存储介质以及车辆 |
CN111523385A (zh) * | 2020-03-20 | 2020-08-11 | 北京航空航天大学合肥创新研究院 | 一种基于帧差法的静止车辆检测方法及系统 |
CN111523385B (zh) * | 2020-03-20 | 2022-11-04 | 北京航空航天大学合肥创新研究院 | 一种基于帧差法的静止车辆检测方法及系统 |
CN115210790A (zh) * | 2020-08-28 | 2022-10-18 | Jvc建伍株式会社 | 目标识别控制装置以及目标识别方法 |
CN113066306A (zh) * | 2021-03-23 | 2021-07-02 | 超级视线科技有限公司 | 一种路侧停车的管理方法及装置 |
WO2022198897A1 (zh) * | 2021-03-23 | 2022-09-29 | 超级视线科技有限公司 | 一种路侧停车的管理方法及装置 |
CN113033479A (zh) * | 2021-04-20 | 2021-06-25 | 超级视线科技有限公司 | 一种基于多层感知的泊位事件识别方法及系统 |
CN113033479B (zh) * | 2021-04-20 | 2024-04-26 | 超级视线科技有限公司 | 一种基于多层感知的泊位事件识别方法及系统 |
CN116246215A (zh) * | 2023-05-11 | 2023-06-09 | 小手创新(杭州)科技有限公司 | 基于视觉算法的识别新进物品的方法、桶盖及智能回收桶 |
CN116246215B (zh) * | 2023-05-11 | 2024-01-09 | 小手创新(杭州)科技有限公司 | 基于视觉算法的识别新进物品的方法、桶盖及智能回收桶 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11183067B2 (en) | Image generating apparatus, image generating method, and recording medium | |
US11854272B2 (en) | Hazard detection from a camera in a scene with moving shadows | |
CN104658249A (zh) | 基于帧差和光流实现车辆快速检测的方法 | |
US10504214B2 (en) | System and method for image presentation by a vehicle driver assist module | |
CN105981042B (zh) | 车辆探测系统及方法 | |
TWI302879B (en) | Real-time nighttime vehicle detection and recognition system based on computer vision | |
O'malley et al. | Vision-based detection and tracking of vehicles to the rear with perspective correction in low-light conditions | |
US8019157B2 (en) | Method of vehicle segmentation and counting for nighttime video frames | |
US20130242102A1 (en) | Driving assistance device and method of detecting vehicle adjacent thereto | |
CN102567705A (zh) | 一种检测和跟踪夜间行驶车辆的方法 | |
KR101134857B1 (ko) | 주간 및 야간 주행 차량을 조도상황에 따라 검출하는 방법및 장치 | |
CN105740835A (zh) | 夜视环境下基于车载相机的前方车辆检测方法 | |
Jain et al. | Relative vehicle velocity estimation using monocular video stream | |
Kim | Vehicle detection and speed estimation for automated traffic surveillance systems at nighttime | |
KR20160108344A (ko) | 차량 검출 시스템 및 방법 | |
WO2014002413A1 (ja) | 先行車両検知装置、先行車両検知方法、及び先行車両検知プログラム記憶媒体 | |
KR101865958B1 (ko) | 속도 제한 표지판 인식 장치 및 방법 | |
Chen et al. | Robust rear light status recognition using symmetrical surfs | |
CN116258740A (zh) | 基于多摄像头像素融合的车载前视多目标跟踪方法 | |
KR102019594B1 (ko) | 저해상도 카메라를 위한 보정 기법을 이용한 차량 간 거리 추정 방법 및 그 장치 | |
Lee et al. | Close range vehicle detection and tracking by vehicle lights | |
Liu et al. | Real-time detection of traffic flow combining virtual detection-line and contour feature | |
Li et al. | Dynamic Adjustment and Distinguishing Method for Vehicle Headlight Based on Data Access of a Thermal Camera | |
Taha et al. | An efficient method for multi moving objects tracking at nighttime | |
Tang et al. | Multi-field depth vehicle headlight detection by model construction and long trajectory extraction in nighttime city traffic |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150527 |