CN111047908B

CN111047908B - 跨线车辆的检测装置、方法及视频监控设备

Info

Publication number: CN111047908B
Application number: CN201811189153.XA
Authority: CN
Inventors: 陈少奇; 张楠; 王琪
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2018-10-12
Filing date: 2018-10-12
Publication date: 2021-11-02
Anticipated expiration: 2038-10-12
Also published as: CN111047908A; JP2020061127A; JP7251409B2

Abstract

本发明实施例提供一种跨线车辆的检测装置、方法及视频监控设备。所述方法包括：基于视频中的多帧图像选择多个特征点并计算光流向量；基于所述光流向量的角度和大小对所述光流向量进行过滤；对过滤后的多个光流向量进行统计，以获得所述多个光流向量的数目在所述多帧图像中的分布信息；以及基于所述分布信息确定所述多帧图像中的一个或多个跨线车辆。由此，不仅能够避免或缓解遮挡的影响，即使具有部分轮廓的车辆也能够被检测；而且能够有效地减少由于光流或者光照变化引起的计算量，此外还具有较高的检测精度。

Description

跨线车辆的检测装置、方法及视频监控设备

技术领域

本发明实施例涉及视频监控技术领域，特别涉及一种跨线车辆的检测装置、方法及视频监控设备。

背景技术

避让驾驶(avoidance driving)或者避让事件是异常交通事件的一种。例如当行车道上出现道路塌陷或者车辆抛锚等异常事件时，后面的车辆需要借由对方车道、或者超车道或者备用车道通过，从而出现跨线(cross-line)行驶的情况。

在这些场景下，视频监控设备需要能够检测出跨线车辆(cross-line vehicle)，并且能够及时准确地触发避让事件，以便交通管理部门能够对这类异常交通及时地进行处理。目前，有许多基于图像的算法来检测此类事件。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

发明内容

但是，发明人发现：传统的避让检测解决方案中，一般是对目标车辆进行实时检测和跟踪，然后通过车辆轨迹来确定避让事件是否发生，这在复杂环境中似乎不稳定，经常受到遮挡的影响并且计算量大。

本发明实施例提供一种跨线车辆的检测装置、方法及视频监控设备；期待能够减少遮挡的影响并且减少计算量。

根据本发明实施例的第一个方面，提供一种跨线车辆的检测装置，包括：

向量计算单元，其基于视频中的多帧图像选择多个特征点，并计算所述多个特征点在所述多帧图像中的光流向量；

向量过滤单元，其基于所述光流向量的角度和大小对所述光流向量进行过滤，以获得符合跨线车辆特征的多个光流向量；

向量统计单元，其对过滤后的所述多个光流向量进行统计，以获得所述多个光流向量的数目在所述多帧图像中的分布信息；以及

车辆确定单元，其基于所述分布信息确定所述多帧图像中的一个或多个跨线车辆。

根据本发明实施例的第二个方面，提供一种跨线车辆的检测方法，包括：

基于视频中的多帧图像选择多个特征点，并计算所述多个特征点在所述多帧图像中的光流向量；

基于所述光流向量的角度和大小对所述光流向量进行过滤，以获得符合跨线车辆特征的多个光流向量；

对过滤后的所述多个光流向量进行统计，以获得所述多个光流向量的数目在所述多帧图像中的分布信息；以及

基于所述分布信息确定出所述多帧图像中的一个或多个跨线车辆。

根据本发明实施例的第三个方面，提供一种视频监控设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置为执行所述计算机程序而实现如上所述的跨线车辆的检测方法。

本发明实施例的有益效果在于：基于多帧图像的多个特征点计算光流向量；基于光流向量的角度和大小进行过滤；对过滤后的多个光流向量进行统计，以获得所述多个光流向量的数目在所述多帧图像中的分布信息；以及基于所述分布信息确定所述多帧图像中的一个或多个跨线车辆。由此，不仅能够避免或缓解遮挡的影响，即使具有部分轮廓的车辆也能够被检测；而且能够有效地减少由于光流或者光照变化引起的计算量，此外还具有较高的检测精度。

参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。

针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。

应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。

附图说明

在本发明实施例的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。此外，在附图中，类似的标号表示几个附图中对应的部件，并可用于指示多于一种实施方式中使用的对应部件。

图1是本发明实施例的跨线车辆的检测方法的一个示意图；

图2是借助对方车道向右下方向进行车辆跨线的一个示意图；

图3是借助对方车道向右下方向进行车辆跨线的另一个示意图；

图4是借助对方车道向左上方向进行车辆跨线的一个示意图；

图5是借助对方车道向左上方向进行车辆跨线的另一个示意图；

图6是本发明实施例的跨线车辆的检测方法的另一个示意图；

图7是本发明实施例的分布信息的一个示例图；

图8是本发明实施例的分布信息的另一个示例图；

图9是本发明实施例的对分布信息进行采样后的一个示例图；

图10是本发明实施例的对分布信息进行采样后的另一个示例图；

图11是本发明实施例的跨线车辆的检测装置的一个示意图；

图12是本发明实施例的视频监控设备的示意图。

具体实施方式

参照附图，通过下面的说明书，本发明的前述以及其它特征将变得明显。在说明书和附图中，具体公开了本发明的特定实施方式，其表明了其中可以采用本发明的原则的部分实施方式，应了解的是，本发明不限于所描述的实施方式，相反，本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。

在本发明实施例中，术语“第一”、“第二”等用于对不同元素从称谓上进行区分，但并不表示这些元素的空间排列或时间顺序等，这些元素不应被这些术语所限制。术语“和/或”包括相关联列出的术语的一种或多个中的任何一个和所有组合。术语“包含”、“包括”、“具有”等是指所陈述的特征、元素、元件或组件的存在，但并不排除存在或添加一个或多个其他特征、元素、元件或组件。

在本发明实施例中，单数形式“一”、“该”等包括复数形式，应广义地理解为“一种”或“一类”而并不是限定为“一个”的含义；此外术语“所述”应理解为既包括单数形式也包括复数形式，除非上下文另外明确指出。此外术语“根据”应理解为“至少部分根据……”，术语“基于”应理解为“至少部分基于……”，除非上下文另外明确指出。

在交通视频监控领域，由于监控摄像头的安装角度和高度，在跨越线路时车辆之间会存在视觉遮挡；此外，由于监控摄像头的视野角度，视频图像帧中有可能只出现部分车身轮廓。在某些情况下，闪烁的光也会导致轮廓信息丢失。传统的实时检测和跟踪算法很难解决这些问题。

针对上述问题的至少之一，本发明实施例提供基于光流向量的解决方案。通过检测光流向量并进行数目统计，基于统计的分布信息能够确定跨线车辆；然后还可以统计多帧图像中的跨线车辆的数量，以确定是否触发避让事件。与传统的光流检测方案相比，本发明实施例可以增加光流向量的长度、方向和检测域的约束，能够改善光流对光干涉的脆弱性并且减少计算量。

以下对本发明实施例进行示例性说明。值得注意的是，本发明实施例以避让事件为例进行说明，但本发明不限于此，还可以适用于其他类似的场景。

实施例1

本发明实施例提供一种跨线车辆的检测方法。图1是本发明实施例的跨线车辆的检测方法的一个示意图，如图1所示，该方法包括：

步骤101，基于视频中的多帧图像选择多个特征点，并计算所述多个特征点在所述多帧图像中的光流向量；

步骤102，基于所述光流向量的角度和大小对所述光流向量进行过滤，以获得符合跨线车辆特征的多个光流向量；

步骤103，对过滤后的所述多个光流向量进行统计，以获得所述多个光流向量的数目在所述多帧图像中的分布信息；以及

步骤104，基于所述分布信息确定所述多帧图像中的一个或多个跨线车辆。

在本实施例中，可以通过摄像头获得包括多个帧图像的视频信息。该摄像头可以是用于进行智能交通(Intelligent Transportation)视频监控的摄像头，不间断地对监控区域进行拍摄。但本发明不限于此，还可以是其他的视频监控场景；例如停车场视频监控场景。以下将以交通视频监控场景为例进行说明。

在本实施例中，可以对所述视频中的多帧图像计算灰度图像；以及基于所述灰度图像中的交通标志线设置感兴趣区域(ROI，Region Of Interest)。由此，可以对检测域进行约束，进一步减少光流向量的计算量。

在本实施例中，例如可以选择Shi-Tomasi角作为特征点；特征点的数目可以为多个，例如100个或以上，当然也可以更少。然后，可以计算这些特征点的金字塔LK光流向量。关于特征点和光流向量的具体内容，可以参考相关技术，此处不再赘述。

一般来说，在同一车辆上计算的光流向量具有相似的方向和大小。在沿着车道方向移动的跨线车辆和正常驾驶车辆之间的光流向量一般存在明显差异。因此，可以选择光流向量的大小和方向作为条件，来过滤掉属于正常驾驶车辆的光流向量，并保留可能属于跨线车辆的光流向量。

在本实施例中，可以在满足如下条件的情况下，将所述光流向量确定为所述符合跨线车辆特征的光流向量；

0<α_i<T1并且0<L_i<TL；

其中，T1表示预设的角度阈值，TL表示预设的长度阈值；α_i表示第i个所述光流向量与水平方向之间的夹角；L_i表示第i个所述光流向量的大小。

以下对于角度约束(即方向约束)进行示例性说明。

例如，在图像平面中，光流向量(例如用

表示)与水平方向(即X轴)在[-180°，180°]范围内的角度为α，可以使用10°作为统计间隔，使用直方图计算当前帧中36(例如，(180°-(-180°))/10°＝36)个角度分布中分布的光流向量的数量。例如，根据实验分析结果，可以认为跨线车辆的角度值在(-10°，10°)范围内。此外，光流向量的角度还可以提供关于车辆从哪条车道穿过的信息。

图2是借助对方车道向右下(right down)方向进行车辆跨线的一个示意图，示出了车辆2跨出行车道(第一次跨线)的情况。如图2所示，对于车辆2来说，此时前方的车辆1正在跨回行车道，由于监控摄像头的安装角度和高度，此时车辆2很容易被车辆1遮挡，因此对于图2中车辆2的这种情况(此时α是钝角，为正值且绝对值较大)，不宜进行跨线车辆的检测。

图3是借助对方车道向右下方向进行车辆跨线的另一个示意图，示出了车辆2跨回行车道(第二次跨线)的情况。如图3所示，对于车辆2来说，此时前方的车辆1已经跨回行车道，由于监控摄像头的安装角度和高度，此时车辆2不会被车辆1遮挡，因此对于图3中车辆2的这种情况(此时α是锐角，为正值且绝对值较小)，适合进行跨线车辆的检测。

图4是借助对方车道向左上(left up)方向进行车辆跨线的一个示意图，示出了车辆2跨出行车道(第一次跨线)的情况。如图4所示，对于车辆2来说，此时后方的车辆3还在行车道，由于监控摄像头的安装角度和高度，此时车辆2不会被车辆3遮挡，因此对于图4中车辆2的这种情况(此时α是锐角，为负值且绝对值较小)，适合进行跨线车辆的检测。

图5是借助对方车道向左上方向进行车辆跨线的另一个示意图，示出了车辆2跨回行车道(第二次跨线)的情况。如图5所示，对于车辆2来说，此时后方的车辆3正在跨出行车道，由于监控摄像头的安装角度和高度，此时车辆2很容易被车辆3遮挡，因此对于图5中车辆2的这种情况(此时α是钝角，为负值且绝对值较大)，不宜进行跨线车辆的检测。

如上所述，在图像平面内，图3和图4这两种跨线方式的车辆的α(与x轴的夹角)都为锐角，因此可以选用T1作为阈值与α的绝对值进行比较，从而过滤掉非图3和图4的情况。然后根据α是正值还是负值来区分是朝左上还是朝右下。例如，可以将-10°到+10°作为T1的参考值，以过滤掉诸如图2和图5这种钝角的情况。

从这个角度来说，本发明实施例避开了传统方法中不容易解决的遮挡问题，传统方法中需要实时跟踪车辆的位置，当出现例如图2和图5这些情况时，车辆2容易被部分地遮挡或全遮挡，影响对其进行跟踪和定位，进而影响检测精度。

值得注意的是，图2至图5仅对本发明实施例的角度约束进行了示意性说明，但本发明不限于此；例如图2至图5中以左侧行驶的交通规则为例进行说明，针对右侧行驶的交通规则可以适当地调整具体实施方式，此处不再赘述。

以下对于大小约束(即尺寸约束)进行示例性说明。

例如，相邻帧中存在有限大小的移动目标的光流向量。可以为Shi-Tomasi检测到的初始特征配置一个数据缓冲区，矢量大小可以通过匹配当前特征点和缓冲区中的特征点来计算。然后，根据它们的长度滤出需要的矢量，例如长度可以等于图像宽度的0.25倍。

再例如，可以对前几帧图像检测到的特征点保存到缓存器中，如果在当前帧中发现的特征点和缓存器中的特征点匹配，那么可以将两点连接而形成光流向量。理论上来说，光流向量的大小表征了某一辆车的运动速度特性；同一辆车上的特征向量运动特性大体一致。

因此，通过光流向量的大小能够过滤掉不是这辆车产生的光流向量。即，TL是光流向量的大小阈值，也可表征车辆的运动特性。此外，通过缓存器可以获得较大的光流向量，阈值的选择也可以较大，由此能够加快筛选，进而进一步减小计算量。

以上对于如何过滤光流向量进行了示意性说明，以下再对如何检测进行说明。

图6是本发明实施例的跨线车辆的检测方法的另一个示意图，如图6所示，该方法包括：

步骤601，基于交通标志线设置感兴趣区域；

步骤602，基于视频中的多帧图像选择多个特征点；

步骤603，计算所述多个特征点在所述多帧图像中的光流向量；

步骤604，基于所述光流向量的角度和大小对所述光流向量进行过滤；

步骤605，对过滤后的所述多个光流向量进行统计，以获得所述多个光流向量的数目在所述多帧图像中的分布信息。

在本实施例中，对于每帧图像(例如第k帧图像)，可以统计过滤后的多个光流向量(即符合跨线车辆特征的光流向量)的数目C_k；然后可以形成多个光流向量的数目在所述多帧图像中的分布信息。

图7是本发明实施例的分布信息的一个示例图，如图7所示，该分布信息的横坐标表示多个帧图像的序号，纵坐标表示对应的光流向量的数目；可以基于所述分布信息来确定所述多帧图像中的一个或多个跨线车辆。例如，图7中出现了5个大的波峰，可以初步确定多个帧图像中出现了5个跨线车辆。

在本实施例中，还可以对分布信息进行进一步处理以提高检测精度。

例如，光流的计算基于特征点的提取。环境中的一些小变化可能导致特征检测的波动，从而影响光流的计算。如图7所示，例如，在帧4700周围发生了波动(圆圈701所示的脉冲波形)，这是因为受到环境因素的影响。因此，可以添加一个滤波器来消除随机噪声的影响。

如图6所示，该方法还可以包括：

步骤606，对多个光流向量的数目在多帧图像中的分布信息使用如下滤波公式进行平滑滤波；

C_k为第k帧对应的光流向量的数目，M为第k帧之前的连续帧的数目，δ和γ为加权系数，并且δ+γ＝1；不过，本发明不限于此，例如还可以对上述公式进行适当的变型等，可以根据实际需要确定具体的实施方式。

图8是本发明实施例的分布信息的另一个示例图，示出了对图7的分布信息进行滤波的情况。如图8所示，通过上述滤波，图7中的部分随机噪声(例如圆圈701所示的波形)已经被消除；由此能够进一步提高检测精度。

在本实施例中，还可以对多个光流向量的数目进行约束。在所述多个光流向量的数目(C)不超过预设的数量阈值(T2)的情况下，将对应的所述多个光流向量确定为来自同一车辆。例如，可以认为0<C<T2的光流向量来自同一车辆，而不满足该条件的光流向量是由噪声引起的；但本发明不限于此。

在本实施例中，在例如隧道、洞穴和其他等暗监视场景下，灯光闪烁和亮度变化将影响光流的计算，例如光流向量的方向和大小将产生波动。因此，本发明实施例进一步可以对分布信息进行采样并判断跨线的情况。

如图6所示，该方法还可以包括：

步骤607，基于预设阈值对所述分布信息进行采样，以生成在时间上具有一定宽度的一个或多个矩形波。

例如，可以预先确定阈值T3，当

到达该阈值T3时表示光流向量来自相同的跨线车辆，然后可以将跨线标志设为1。

图9是本发明实施例的对分布信息进行采样后的一个示例图，如图9所示，该分布信息的横坐标表示多个帧图像的序号，纵坐标表示光流向量的数目是否达到预设阈值；可以形成一个或多个方形波(图9中示出了5个方形波)，其中每个方形波可以具有一定的宽度。

例如以帧的数目表示方形波的宽度，图9中的第一个方形波的宽度为5个帧长，第二个方形波的宽度为25个帧长，第三个方形波的宽度为27个帧长，第四个方形波的宽度为30个帧长，第五个方形波的宽度为25个帧长。

如图6所示，该方法还可以包括：

步骤608，过滤掉宽度小于预设时间长度的矩形波。

例如，可以将预设时间长度设定为N。例如以帧的数目表示，N＝10。

图10是本发明实施例的对分布信息进行采样后的另一个示例图，示出了对图9的分布信息进行滤波的情况。如图10所示，该分布信息的横坐标表示多个帧图像的序号，纵坐标表示光流向量的数目是否达到预设阈值。如图10所示，宽度小于N的一个方形波(第一个方形波)已经被过滤掉，而宽度大于N的四个方形波被保留，因此图10中可以认为具有四个跨线车辆。

即，本发明实施例可以得到一个类似方形波的图表来表示跨线标志。由于跨线动作将持续几帧，因此可以使用延迟处理来防止可能的环境噪声干扰。例如如图9所示，可以将N个连续帧的跨线标志设置为1。该延迟处理可以避免在初始过滤器中满足阈值的C_k仅出现在某些帧中。当在连续的N帧之后满足跨线判断条件时，则该车辆可以被认为是跨线车辆。

值得注意的是，以上图9和10仅对本发明实施例进行了示意性说明，但本发明不限于此。例如在对方形波进行滤波后，可以生成不具有一定宽度的线条，即不使用图10所示的方形波而使用线条来表示跨线标志。

如图6所示，该方法还可以包括：

步骤609，确定跨线车辆和/或跨线车辆的数目。

例如，如上所述，可以将宽度大于或等于所述预设时间长度的矩形波所对应的车辆确定为跨线车辆，并且将宽度大于或等于所述预设时间长度的矩形波的数量确定为所述跨线车辆的数量。

以上对于如何检测跨线车辆进行了示意性说明。值得注意的是，以上图6仅对本发明实施例进行了示意性说明，但本发明不限于此。例如可以适当地调整各个步骤之间的执行顺序，此外还可以增加其他的一些步骤或者减少其中的某些步骤。本领域的技术人员可以根据上述内容进行适当地变型，而不仅限于上述附图6的记载。

在本实施例中，还可以基于所述光流向量的角度确定所述光流向量相对于交通标志线的方向；以及在所述光流向量相对于所述交通标志线的方向为预设方向并且所述跨线车辆的数量大于或等于预设数量的情况下，确定触发避让事件。

例如，在光流向量相对于交通标志线的方向为右下、且跨线车辆的数量到达5辆的情况下，确定触发避让事件；再例如，在光流向量相对于交通标志线的方向为左上、且跨线车辆的数量到达10辆的情况下，确定触发避让事件。本发明不限于此，可以根据实际情况确定具体的实施方式。

以上各个实施例或实施方式仅对本发明实施例进行了示例性说明，但本发明不限于此，还可以在以上各个实施例或实施方式的基础上进行适当的变型。例如，可以单独使用上述各个实施例或实施方式，也可以将以上各个实施例或实施方式中的一种或多种结合起来。

由上述实施例可知，基于多帧图像的多个特征点计算光流向量；基于光流向量的角度和大小进行过滤；对过滤后的多个光流向量进行统计，以获得所述多个光流向量的数目在所述多帧图像中的分布信息；以及基于所述分布信息确定所述多帧图像中的一个或多个跨线车辆。由此，不仅能够避免或缓解遮挡的影响，即使具有部分轮廓的车辆也能够被检测；而且能够有效地减少由于光流或者光照变化引起的计算量，此外还具有较高的检测精度。

实施例2

本发明实施例提供一种跨线车辆的检测装置。该装置例如可以是视频监控设备，也可以是配置于视频监控设备的某个或某些部件或者组件。本实施例2与实施例1相同的内容不再赘述。

图11是本发明实施例的跨线车辆的检测装置的一个示意图，如图11所示，跨线车辆的检测装置1100包括：

向量计算单元1101，其基于视频中的多帧图像选择多个特征点，并计算所述多个特征点在所述多帧图像中的光流向量；

向量过滤单元1102，其基于所述光流向量的角度和大小对所述光流向量进行过滤，以获得符合跨线车辆特征的多个光流向量；

向量统计单元1103，其对过滤后的所述多个光流向量进行统计，以获得所述多个光流向量的数目在所述多帧图像中的分布信息；以及

车辆确定单元1104，其基于所述分布信息确定所述多帧图像中的一个或多个跨线车辆。

在一个实施方式中，所述向量过滤单元1102在满足如下条件的情况下，将所述光流向量确定为所述符合跨线车辆特征的光流向量；

0<α_i<T1并且0<L_i<TL；

在一个实施方式中，所述车辆确定单元1104还可以用于：在所述多个光流向量的数目不超过预设的数量阈值的情况下，将对应的所述多个光流向量确定为来自同一车辆。

如图11所示，跨线车辆的检测装置1100还可以包括：

第一滤波单元1105，其对所述多个光流向量的数目在所述多帧图像中的分布信息使用如下滤波公式进行平滑滤波；

C_k为第k帧对应的光流向量的数目，M为第k帧之前的连续帧的数目，δ和γ为加权系数，并且δ+γ＝1。

如图11所示，跨线车辆的检测装置1100还可以包括：

采样单元1106，其基于预设阈值对所述分布信息进行采样，以生成在时间上具有一定宽度的一个或多个矩形波；以及

第二滤波单元1107，其过滤掉宽度小于预设时间长度的矩形波。

在一个实施方式中，所述车辆确定单元1104还可以用于：将宽度大于或等于所述预设时间长度的矩形波所对应的车辆确定为跨线车辆，并且将宽度大于或等于所述预设时间长度的矩形波的数量确定为所述跨线车辆的数量。

如图11所示，跨线车辆的检测装置1100还可以包括：

方向确定单元1108，其基于所述光流向量的角度确定所述光流向量相对于交通标志线的方向；以及

事件确定单元1109，其在所述光流向量相对于所述交通标志线的方向为预设方向并且所述跨线车辆的数量大于或等于预设数量的情况下，确定触发避让事件。

如图11所示，跨线车辆的检测装置1100还可以包括：

灰度计算单元1110，其对所述视频中的多帧图像计算灰度图像；以及

区域设定单元1111，其基于所述灰度图像中的交通标志线设置感兴趣区域。

值得注意的是，以上仅对与本发明相关的各部件或模块进行了说明，但本发明不限于此。跨线车辆的检测装置1100还可以包括其他部件或者模块，关于这些部件或者模块的具体内容，可以参考相关技术。

此外，为了简单起见，图11中仅示例性示出了各个部件或模块之间的连接关系或信号走向，但是本领域技术人员应该清楚的是，可以采用总线连接等各种相关技术。上述各个部件或模块可以通过例如处理器、存储器、发射机、接收机等硬件设施来实现；本发明实施并不对此进行限制。

实施例3

本发明实施例还提供一种视频监控设备，包括有如实施例2所述的跨线车辆的检测装置，其内容被合并于此。该视频监控设备例如可以是计算机、服务器、工作站、膝上型计算机、智能手机，等等；但本发明实施例不限于此。

图12是本发明实施例的视频监控设备的示意图。如图12所示，视频监控设备1200可以包括：处理器(例如中央处理器CPU)1210和存储器1220；存储器1220耦合到中央处理器1210。其中该存储器1220可存储各种数据；此外还存储信息处理的程序1221，并且在处理器1210的控制下执行该程序1221。

在一个实施方式中，跨线车辆的检测装置1100的功能可以被集成到处理器1210中。其中，处理器1210可以被配置为实现如实施例1所述的跨线车辆的检测方法。

在另一个实施方式中，跨线车辆的检测装置1100可以与处理器1210分开配置，例如可以将跨线车辆的检测装置1100配置为与处理器1210连接的芯片，通过处理器1210的控制来实现跨线车辆的检测装置1100的功能。

例如，处理器1210可以被配置为进行如下的控制：基于视频中的多帧图像选择多个特征点，并计算所述多个特征点在所述多帧图像中的光流向量；基于所述光流向量的角度和大小对所述光流向量进行过滤，以获得符合跨线车辆特征的多个光流向量；对过滤后的所述多个光流向量进行统计，以获得所述多个光流向量的数目在所述多帧图像中的分布信息；以及基于所述分布信息确定所述多帧图像中的一个或多个跨线车辆。

在一个实施方式中，处理器1210还可以被配置为进行如下的控制：在满足如下条件的情况下，将所述光流向量确定为所述符合跨线车辆特征的光流向量；

0<α_i<T1并且0<L_i<TL；

在一个实施方式中，处理器1210还可以被配置为进行如下的控制：在所述多个光流向量的数目不超过预设的数量阈值的情况下，将对应的所述多个光流向量确定为来自同一车辆。

在一个实施方式中，处理器1210还可以被配置为进行如下的控制：对所述多个光流向量的数目在所述多帧图像中的分布信息使用如下滤波公式进行平滑滤波；

在一个实施方式中，处理器1210还可以被配置为进行如下的控制：基于预设阈值对所述分布信息进行采样，以生成在时间上具有一定宽度的一个或多个矩形波；以及过滤掉宽度小于预设时间长度的矩形波。

在一个实施方式中，处理器1210还可以被配置为进行如下的控制：将宽度大于或等于所述预设时间长度的矩形波所对应的车辆确定为跨线车辆，并且将宽度大于或等于所述预设时间长度的矩形波的数量确定为所述跨线车辆的数量。

在一个实施方式中，处理器1210还可以被配置为进行如下的控制：基于所述光流向量的角度确定所述光流向量相对于交通标志线的方向；以及在所述光流向量相对于所述交通标志线的方向为预设方向并且所述跨线车辆的数量大于或等于预设数量的情况下，确定触发避让事件。

在一个实施方式中，处理器1210还可以被配置为进行如下的控制：对所述视频中的多帧图像计算灰度图像；以及基于所述灰度图像中的交通标志线设置感兴趣区域。

此外，如图12所示，视频监控设备1200还可以包括：输入输出(I/O)设备1230和显示器1240等；其中，上述部件的功能与现有技术类似，此处不再赘述。值得注意的是，视频监控设备1200也并不是必须要包括图12中所示的所有部件；此外，视频监控设备1200还可以包括图12中没有示出的部件，可以参考现有技术。

本发明实施例还提供一种计算机可读程序，其中当在视频监控设备中执行所述程序时，所述程序使得计算机在所述视频监控设备中执行实施例1所述的跨线车辆的检测方法。

本发明实施例还提供一种存储有计算机可读程序的存储介质，其中所述计算机可读程序使得计算机在视频监控设备中执行实施例1所述的跨线车辆的检测方法。

本发明以上的装置和方法可以由硬件实现，也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序，当该程序被逻辑部件所执行时，能够使该逻辑部件实现上文所述的装置或构成部件，或使该逻辑部件实现上文所述的各种方法或步骤。本发明还涉及用于存储以上程序的存储介质，如硬盘、磁盘、光盘、DVD、flash存储器等。

结合本发明实施例描述的方法/装置可直接体现为硬件、由处理器执行的软件模块或二者组合。例如，图中所示的功能框图中的一个或多个和/或功能框图的一个或多个组合，既可以对应于计算机程序流程的各个软件模块，亦可以对应于各个硬件模块。这些软件模块，可以分别对应于图中所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(FPGA)将这些软件模块固化而实现。

软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息；或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在移动终端的存储器中，也可以存储在可插入移动终端的存储卡中。例如，若设备(如移动终端)采用的是较大容量的MEGA-SIM卡或者大容量的闪存装置，则该软件模块可存储在该MEGA-SIM卡或者大容量的闪存装置中。

针对附图中描述的功能方框中的一个或多个和/或功能方框的一个或多个组合，可以实现为用于执行本发明所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。针对附图描述的功能方框中的一个或多个和/或功能方框的一个或多个组合，还可以实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。

以上结合具体的实施方式对本发明进行了描述，但本领域技术人员应该清楚，这些描述都是示例性的，并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改，这些变型和修改也在本发明的范围内。

Claims

1.一种跨线车辆的检测装置，其特征在于，所述装置包括：

向量过滤单元，其基于所述光流向量的角度和大小对所述光流向量进行过滤，以获得符合跨线车辆特征的多个光流向量；其中，在满足如下条件的情况下，将所述光流向量确定为所述符合跨线车辆特征的光流向量；0<α_i<T1并且0<L_i<TL；其中，T1表示预设的角度阈值，TL表示预设的长度阈值；α_i表示第i个所述光流向量与水平方向之间的夹角；L_i表示第i个所述光流向量的大小；

向量统计单元，其对过滤后的所述多个光流向量进行统计，以获得所述多个光流向量的数目在所述多帧图像中的分布信息；

采样单元，其基于预设阈值对所述分布信息进行采样，以生成在时间上具有一定宽度的一个或多个矩形波；以及

第二滤波单元，其过滤掉宽度小于预设时间长度的矩形波；以及

车辆确定单元，其基于所述分布信息确定所述多帧图像中的一个或多个跨线车辆；其中，将宽度大于或等于所述预设时间长度的矩形波所对应的车辆确定为跨线车辆，并且将宽度大于或等于所述预设时间长度的矩形波的数量确定为所述跨线车辆的数量。

2.根据权利要求1所述的装置，其中，所述车辆确定单元还用于：在所述多个光流向量的数目不超过预设的数量阈值的情况下，将对应的所述多个光流向量确定为来自同一车辆。

3.根据权利要求1所述的装置，其中，所述装置还包括：

第一滤波单元，其对所述多个光流向量的数目在所述多帧图像中的分布信息使用如下滤波公式进行平滑滤波；

4.根据权利要求1所述的装置，其中，所述装置还包括：

方向确定单元，其基于所述光流向量的角度确定所述光流向量相对于交通标志线的方向；以及

事件确定单元，其在所述光流向量相对于所述交通标志线的方向为预设方向并且所述跨线车辆的数量大于或等于预设数量的情况下，确定触发避让事件。

5.根据权利要求1所述的装置，其中，所述装置还包括：

灰度计算单元，其对所述视频中的多帧图像计算灰度图像；以及

区域设定单元，其基于所述灰度图像中的交通标志线设置感兴趣区域。

6.一种跨线车辆的检测方法，其特征在于，所述方法包括：

基于所述光流向量的角度和大小对所述光流向量进行过滤，以获得符合跨线车辆特征的多个光流向量；其中，在满足如下条件的情况下，将所述光流向量确定为所述符合跨线车辆特征的光流向量；0<α_i<T1并且0<L_i<TL；其中，T1表示预设的角度阈值，TL表示预设的长度阈值；α_i表示第i个所述光流向量与水平方向之间的夹角；L_i表示第i个所述光流向量的大小；

对过滤后的所述多个光流向量进行统计，以获得所述多个光流向量的数目在所述多帧图像中的分布信息；

基于预设阈值对所述分布信息进行采样，以生成在时间上具有一定宽度的一个或多个矩形波；

过滤掉宽度小于预设时间长度的矩形波；以及

基于所述分布信息确定出所述多帧图像中的一个或多个跨线车辆；其中，将宽度大于或等于所述预设时间长度的矩形波所对应的车辆确定为跨线车辆，并且将宽度大于或等于所述预设时间长度的矩形波的数量确定为所述跨线车辆的数量。

7.一种视频监控设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置为执行所述计算机程序而实现如权利要求6所述的跨线车辆的检测方法。