亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種智能交通監(jiān)控場(chǎng)景下的視頻圖像處理方法和裝置的制作方法

文檔序號(hào):6335418閱讀:291來源:國(guó)知局
專利名稱:一種智能交通監(jiān)控場(chǎng)景下的視頻圖像處理方法和裝置的制作方法
技術(shù)領(lǐng)域
本發(fā)明涉及智能交通監(jiān)控技術(shù),特別涉及一種智能交通監(jiān)控場(chǎng)景下的視頻圖像處 理方法和裝置。
背景技術(shù)
近些年來,基礎(chǔ)設(shè)施投資力度越來越大,道路建設(shè)便是其中之一。由于道路建設(shè)期 一般較長(zhǎng),其增長(zhǎng)速度遠(yuǎn)遠(yuǎn)跟不上車輛的增長(zhǎng)速度,因此使得各城市的交通狀況日益惡化, 而在各城市的交通管理部門建立功能完善的智能交通監(jiān)控系統(tǒng),是改善目前交通現(xiàn)狀的有 效方法。具體來說,即通過攝像機(jī)采集各道路的視頻圖像,對(duì)采集到的各幀視頻圖像進(jìn)行分 析,根據(jù)分析結(jié)果進(jìn)行車流統(tǒng)計(jì)等,進(jìn)而實(shí)現(xiàn)交通控制和管理。由于光照的影響,當(dāng)光源在入射方向上受到車輛遮擋時(shí),會(huì)在車輛的另一側(cè)產(chǎn)生 陰影。由于陰影和運(yùn)動(dòng)目標(biāo)(即車輛)之間往往具有相同的運(yùn)動(dòng)特征,因此后續(xù)針對(duì)視頻 圖像進(jìn)行分析時(shí),可能會(huì)將陰影部分錯(cuò)誤地劃歸為運(yùn)動(dòng)目標(biāo),從而使運(yùn)動(dòng)目標(biāo)的形狀受到 影響,如使運(yùn)動(dòng)目標(biāo)的形狀變大,進(jìn)而導(dǎo)致多個(gè)運(yùn)動(dòng)目標(biāo)粘連在一起等,影響后續(xù)處理。因 此,需要對(duì)陰影進(jìn)行抑制,但現(xiàn)有技術(shù)中還沒有一種有效的抑制方法。

發(fā)明內(nèi)容
有鑒于此,本發(fā)明的主要目的在于提供一種智能交通監(jiān)控場(chǎng)景下的視頻圖像處理 方法,能夠有效地抑制視頻圖像中的陰影。本發(fā)明的另一目的在于提供一種智能交通監(jiān)控場(chǎng)景下的視頻圖像處理裝置,能夠 有效地抑制視頻圖像中的陰影。為達(dá)到上述目的,本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的一種智能交通監(jiān)控場(chǎng)景下的視頻圖像處理方法,包括A、確定車道檢測(cè)區(qū)域,并通過分析連續(xù)M幀視頻圖像中的車道檢測(cè)區(qū)域內(nèi)的運(yùn)動(dòng) 目標(biāo)的運(yùn)行軌跡確定車道方向;B、根據(jù)所述車道方向,分別確定之后的每幀視頻圖像中是否存在陰影,如果確定 出連續(xù)N幀視頻圖像中均存在陰影,則執(zhí)行步驟C ;C、根據(jù)色調(diào)、飽和度、亮度HSV色彩模型,對(duì)之后的每幀視頻圖像分別進(jìn)行陰影抑 制,并確定抑制前后的每幀視頻圖像中的前景圖像的重合度是否達(dá)到要求,如果連續(xù)L幀 均達(dá)到要求,則重復(fù)執(zhí)行步驟B ;所述M、N和L均為大于1的正整數(shù)。一種智能交通監(jiān)控場(chǎng)景下的視頻圖像處理裝置,包括車道方向確定模塊,用于確定車道檢測(cè)區(qū)域,并通過分析連續(xù)M幀視頻圖像中的 車道檢測(cè)區(qū)域內(nèi)的運(yùn)動(dòng)目標(biāo)的運(yùn)行軌跡確定車道方向,將確定出的車道方向發(fā)送給陰影檢 測(cè)模塊;所述陰影檢測(cè)模塊,用于根據(jù)所述車道方向,分別確定之后的每幀視頻圖像中是 否存在陰影,如果確定出連續(xù)N幀視頻圖像中均存在陰影,則通知陰影抑制模塊執(zhí)行自身功能;所述陰影抑制模塊,用于根據(jù)色調(diào)、飽和度、亮度HSV色彩模型,對(duì)之后的每幀視 頻圖像分別進(jìn)行陰影抑制,并確定抑制前后的每幀視頻圖像中的前景圖像的重合度是否達(dá) 到要求,如果連續(xù)L幀均達(dá)到要求,則通知所述陰影檢測(cè)模塊重復(fù)執(zhí)行自身功能;所述M、N 和L均為大于1的正整數(shù)??梢?,采用本發(fā)明的技術(shù)方案,能夠有效地抑制視頻圖像中的陰影,從而方便了后 續(xù)處理;而且,本發(fā)明所述方案實(shí)現(xiàn)起來簡(jiǎn)單方便,便于普及。


圖1為本發(fā)明方法實(shí)施例的流程圖。圖2為本發(fā)明方法實(shí)施例中從左下方到右上方的車道方向示意圖。圖3為本發(fā)明方法實(shí)施例中從右下方到左上方的車道方向示意圖。圖4為本發(fā)明方法實(shí)施例中檢測(cè)出的一個(gè)目標(biāo)區(qū)域示意圖。圖5為本發(fā)明方法實(shí)施例中將目標(biāo)區(qū)域平均分為左右兩個(gè)子區(qū)域后的示意圖。圖6為本發(fā)明裝置實(shí)施例的組成結(jié)構(gòu)示意圖。
具體實(shí)施例方式針對(duì)現(xiàn)有技術(shù)中存在的問題,本發(fā)明中提出一種全新的智能交通監(jiān)控場(chǎng)景下的視 頻圖像處理方案,應(yīng)用該方案可有效地抑制視頻圖像中的陰影。為使本發(fā)明的技術(shù)方案更加清楚、明白,以下參照附圖并舉實(shí)施例,對(duì)本發(fā)明所述 方案作進(jìn)一步地詳細(xì)說明。圖1為本發(fā)明方法實(shí)施例的流程圖。如圖1所示,包括以下步驟步驟11 確定車道檢測(cè)區(qū)域,并通過分析連續(xù)M幀視頻圖像中的車道檢測(cè)區(qū)域內(nèi) 的運(yùn)動(dòng)目標(biāo)的運(yùn)行軌跡確定車道方向。按照現(xiàn)有智能交通監(jiān)控場(chǎng)景下的攝像機(jī)的安裝情況,車道方向只有以下三種可 能,S卩1)從左下方到右上方;2)從右下方到左上方;3)從正下方到正上方。圖2為本發(fā)明方法實(shí)施例中從左下方到右上方的車道方向示意圖。圖3為本發(fā)明 方法實(shí)施例中從右下方到左上方的車道方向示意圖。本步驟中,首先確定車道檢測(cè)區(qū)域,該區(qū)域需要包括車道的直道部分,并盡量避免 包括彎道和岔道部分,如圖2和3所示,將其中的白線向兩端延伸至視頻圖像的邊緣,所界 定出的矩形區(qū)域即為車道檢測(cè)區(qū)域。對(duì)于每臺(tái)攝像機(jī)來說,一旦其安裝好后,利用其所采集 到的每幀視頻圖像中的車道檢測(cè)區(qū)域均相同。之后,可通過對(duì)連續(xù)M幀(從第1幀到第M幀)視頻圖像中的車道檢測(cè)區(qū)域內(nèi)的 運(yùn)動(dòng)目標(biāo)的運(yùn)行軌跡進(jìn)行分析,確定車道方向。如何對(duì)運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)軌跡進(jìn)行分析為現(xiàn) 有技術(shù)。M為大于1的正整數(shù),取值范圍通常為200 500。步驟12 根據(jù)車道方向,分別確定之后的每幀視頻圖像中是否存在陰影,如果確 定出連續(xù)N幀視頻圖像中均存在陰影,則執(zhí)行步驟13。本步驟中,首先根據(jù)車道方向,確定待檢測(cè)的運(yùn)動(dòng)目標(biāo)類型。對(duì)于不同的車道方 向,由于遮擋等不同,產(chǎn)生的陰影也將不同。比如,如果規(guī)定車輛靠右行駛,那么當(dāng)車道方向?yàn)閺淖笙路降接疑戏綍r(shí),上行運(yùn)動(dòng)目標(biāo)(從左下方向右上方行駛的車輛)會(huì)更靠近攝像機(jī), 由于投影角度的關(guān)系,產(chǎn)生的陰影會(huì)更明顯,因此在這個(gè)車道方向上應(yīng)該更關(guān)注上行運(yùn)動(dòng) 目標(biāo),即待檢測(cè)的運(yùn)動(dòng)目標(biāo)類型為上行運(yùn)動(dòng)目標(biāo),當(dāng)車道方向?yàn)閺挠蚁路降阶笊戏綍r(shí),待檢 測(cè)的運(yùn)動(dòng)目標(biāo)類型為下行運(yùn)動(dòng)目標(biāo);如果規(guī)定車輛靠左行駛,那么當(dāng)車道方向?yàn)閺淖笙路?到右上方時(shí),待檢測(cè)的運(yùn)動(dòng)目標(biāo)類型為下行運(yùn)動(dòng)目標(biāo),當(dāng)車道方向?yàn)閺挠蚁路降阶笊戏綍r(shí), 待檢測(cè)的運(yùn)動(dòng)目標(biāo)類型為上行運(yùn)動(dòng)目標(biāo);特殊地,當(dāng)車道方向?yàn)閺恼路降秸戏綍r(shí),待檢 測(cè)的運(yùn)動(dòng)目標(biāo)類型既可為上行運(yùn)動(dòng)目標(biāo),也可為下行運(yùn)動(dòng)目標(biāo)。另外,陰影的紋理特征和運(yùn)動(dòng)目標(biāo)的紋理特征會(huì)有較大區(qū)別,其中,陰影的紋理會(huì) 較弱較平坦,而運(yùn)動(dòng)目標(biāo)的紋理則會(huì)比較豐富,因此,本步驟中,可基于紋理特征來確定每 幀視頻圖像中是否存在陰影。具體來說,針對(duì)每幀視頻圖像X,可分別按照如下方式來確定其中是否存在陰影1)從視頻圖像X中的車道檢測(cè)區(qū)域內(nèi)檢測(cè)出每個(gè)相應(yīng)類型的運(yùn)動(dòng)目標(biāo)所在的目 標(biāo)區(qū)域,目標(biāo)區(qū)域是指包括運(yùn)動(dòng)目標(biāo)的最小矩形區(qū)域。如果待檢測(cè)的運(yùn)動(dòng)目標(biāo)類型為下行運(yùn)動(dòng)目標(biāo),那么則在視頻圖像X的車道檢測(cè)區(qū) 域內(nèi)檢測(cè)出每個(gè)下行運(yùn)動(dòng)目標(biāo)所在的目標(biāo)區(qū)域。按照現(xiàn)有檢測(cè)方式,目標(biāo)區(qū)域中會(huì)同時(shí)包括有運(yùn)動(dòng)目標(biāo)及其陰影(如果有陰影的 話)。圖4為本發(fā)明方法實(shí)施例中檢測(cè)出的一個(gè)目標(biāo)區(qū)域示意圖。2)將每個(gè)目標(biāo)區(qū)域平均分為左右兩個(gè)子區(qū)域,計(jì)算每個(gè)子區(qū)域的平均梯度幅值 q和C^并計(jì)算中的較小值與較大值的比值P。圖5為本發(fā)明方法實(shí)施例中將目標(biāo)區(qū)域平均分為左右兩個(gè)子區(qū)域后的示意圖。另外,可利用Sobel算子來計(jì)算每個(gè)子區(qū)域的平均梯度幅值g和(7λ,如何計(jì)算為
現(xiàn)有技術(shù);之后,計(jì)算中的較小值與較大值的比值P。3)計(jì)算所有目標(biāo)區(qū)域?qū)?yīng)的P的平均值7。針對(duì)視頻圖像X,可能檢測(cè)出多個(gè)目標(biāo)區(qū)域,每個(gè)目標(biāo)區(qū)域均可按照步驟2)所示 方式計(jì)算出一個(gè)P,本步驟中,計(jì)算所有目標(biāo)區(qū)域?qū)?yīng)的P的平均值P。4)將?與預(yù)先設(shè)置的第一閾值Te進(jìn)行比較,如果?小于Te,則確定視頻圖像X中存 在陰影。Te的取值范圍通常為0.4 0.7。如果按照上述方式確定出連續(xù)N幀視頻圖像中均存在陰影,則可執(zhí)行步驟13。N 為大于1的正整數(shù),取值范圍通常為500 2000。步驟13 根據(jù)色調(diào)、飽和度、亮度(HSV)色彩模型,對(duì)之后的每幀視頻圖像分別進(jìn) 行陰影抑制,并確定抑制前后的每幀視頻圖像中的前景圖像的重合度是否達(dá)到要求,如果 連續(xù)L幀均達(dá)到要求,則重復(fù)執(zhí)行步驟12。在HSV色彩模型中,亮度(V)分量用于表示光作用于人眼所引起的明亮程度的感 覺,它與物體的發(fā)光強(qiáng)度有關(guān);色調(diào)(H)分量用于表示人眼看到一種或多種波長(zhǎng)的光時(shí)所 產(chǎn)生的彩色感覺,它反映顏色的種類,是決定顏色的基本特性,如紅色、棕色等就是指色調(diào); 飽和度(S)分量用于表示顏色的純度,即摻入白光的程度,或者說顏色的深淺程度,對(duì)于色調(diào)相同的彩色光,飽和度越深顏色越鮮明或說越純。通常將色調(diào)分量和飽和度分量統(tǒng)稱為 色度分量。另外,攝像機(jī)采集到的視頻圖像通常是亮度、色度(YUV)格式的。本步驟中,針對(duì)每幀視頻圖像Y,可分別按照以下方式來對(duì)其進(jìn)行陰影抑制1)遍歷視頻圖像Y中的每個(gè)像素點(diǎn),找出亮度分量小于預(yù)先獲取的同樣為YUV格 式的背景圖像中的對(duì)應(yīng)像素點(diǎn)的亮度分量的像素點(diǎn)。對(duì)應(yīng)像素點(diǎn)是指坐標(biāo)相同的像素點(diǎn)。舉例來說,對(duì)于視頻圖像Y中的坐標(biāo)為(1,1) 的像素點(diǎn),背景圖像中坐標(biāo)為(1,1)的像素點(diǎn)即為其對(duì)應(yīng)像素點(diǎn)。如何獲取背景圖像為現(xiàn) 有技術(shù)。假設(shè)LumcraJi)表示視頻圖像Y中一像素點(diǎn)的亮度分量,Lumbg(i)表示背景圖像中 其對(duì)應(yīng)像素點(diǎn)的亮度分量,那么則有Lumbg(i)-LumcmJi) > Tlum ;Tlum大于0,取值越大表示 兩個(gè)像素點(diǎn)間的亮度分量差異越大,Tlim的取值范圍通常為10 60。由于陰影的特性,其中的各像素點(diǎn),即陰影點(diǎn)的亮度分量通常小于背景圖像中對(duì) 應(yīng)像素點(diǎn)的亮度分量,因此本步驟中,將滿足Lumbg (i)-LumcraJi) > Tlim的像素點(diǎn)作為疑似 陰影點(diǎn),并針對(duì)這些疑似陰影點(diǎn),進(jìn)一步進(jìn)行后續(xù)處理。2)將視頻圖像Y和背景圖像均轉(zhuǎn)換為HSV格式,并設(shè)置三個(gè)參數(shù)。如何轉(zhuǎn)換為現(xiàn)有技術(shù)。3)針對(duì)找出的每個(gè)像素點(diǎn)Z,分別進(jìn)行以下處理3. 1)計(jì)算像素點(diǎn)Z在HSV模型中的亮度分量與對(duì)應(yīng)像素點(diǎn)在HSV模型中的亮度分 量的比值,如果該比值位于預(yù)先設(shè)置的區(qū)間(α,β)內(nèi),則將第一個(gè)參數(shù)的取值設(shè)置為1, 否則,設(shè)置為0 ;計(jì)算像素點(diǎn)Z在HSV模型中的飽和度分量與對(duì)應(yīng)像素點(diǎn)在HSV模型中的飽 和度分量的差值,如果該差值小于預(yù)先設(shè)置的第二閾值Ts,則將第二個(gè)參數(shù)的取值設(shè)置為 1,否則,設(shè)置為0 ;計(jì)算像素點(diǎn)Z在HSV模型中的色調(diào)分量與對(duì)應(yīng)像素點(diǎn)在HSV模型中的色 調(diào)分量的差值的絕對(duì)值,如果該絕對(duì)值小于預(yù)先設(shè)置的第三閾值TH,則將第三個(gè)參數(shù)的取 值設(shè)置為1,否則,設(shè)置為0。其中,α表示光線強(qiáng)弱,光線越強(qiáng)α的取值越大,但不能過大,否則會(huì)導(dǎo)致陰影抑 制過度;β表示對(duì)噪聲的魯棒性,取值越大對(duì)噪聲的適應(yīng)性越強(qiáng),但不能過大,否則會(huì)導(dǎo)致 陰影抑制不足;通常,α的取值范圍為0. 3 0. 7,β的取值范圍為0. 9 1. 0。另外,Ts的取值范圍通常為0. 04 0. 1 ;Th的取值范圍通常為20 40。3. 2)用每個(gè)參數(shù)的取值分別乘以為其預(yù)先設(shè)置的權(quán)值,并將相乘結(jié)果相加,如果 相加結(jié)果大于預(yù)先設(shè)置的第四閾值,則確定像素點(diǎn)Z為陰影點(diǎn),并將其濾除。由于色調(diào)分量、亮度分量和飽和度分量的重要性不同,因此需要為其設(shè)置不同的 權(quán)重,其中,亮度分量的權(quán)重最大,其次是飽和度分量,最小的是色調(diào)分量。比如,可將色調(diào) 分量、飽和度分量、亮度分量的權(quán)重分別設(shè)置為1、3、5或1、4、5。另外,在實(shí)際應(yīng)用中,飽和 度分量的權(quán)重和亮度分量的權(quán)重也可相同,比如,可將色調(diào)分量、飽和度分量和亮度分量的 權(quán)重分別設(shè)置為1、5、5。如何濾除像素點(diǎn)為現(xiàn)有技術(shù)。按照上述方式完成對(duì)每幀視頻圖像的陰影抑制后,計(jì)算抑制前后的每幀視頻圖像 中的前景圖像的重合度,如何計(jì)算為現(xiàn)有技術(shù),如果抑制前的視頻圖像中無陰影或陰影較少,那么抑制前后的前景圖像的重合度會(huì)很高,因此,可將計(jì)算出的重合度與預(yù)先設(shè)置的第 五閾值進(jìn)行比較,如果重合度大于第五閾值,則確定重合度達(dá)到要求,并在當(dāng)確定出連續(xù)L 幀視頻圖像均達(dá)到要求后,重復(fù)執(zhí)行步驟12。L為大于1的正整數(shù),取值范圍通常為500 2000。第四閾值和第五閾值的具體取值均可根據(jù)實(shí)際需要而定。至此,即完成了關(guān)于本發(fā)明方法實(shí)施例的介紹?;谏鲜鼋榻B,圖6為本發(fā)明裝置實(shí)施例的組成結(jié)構(gòu)示意圖。如圖6所示,包括車道方向確定模塊61,用于確定車道檢測(cè)區(qū)域,并通過分析連續(xù)M幀視頻圖像中 的車道檢測(cè)區(qū)域內(nèi)的運(yùn)動(dòng)目標(biāo)的運(yùn)行軌跡確定車道方向,將確定出的車道方向發(fā)送給陰影 檢測(cè)模塊62 ;陰影檢測(cè)模塊62,用于根據(jù)車道方向,分別確定之后的每幀視頻圖像中是否存在 陰影,如果確定出連續(xù)N幀視頻圖像中均存在陰影,則通知陰影抑制模塊63執(zhí)行自身功 能;陰影抑制模塊63,用于根據(jù)HSV色彩 模型,對(duì)之后的每幀視頻圖像分別進(jìn)行陰影 抑制,并確定抑制前后的每幀視頻圖像中的前景圖像的重合度是否達(dá)到要求,如果連續(xù)L 幀均達(dá)到要求,則通知陰影檢測(cè)模塊62重復(fù)執(zhí)行自身功能;M、N和L均為大于1的正整數(shù)。其中,陰影檢測(cè)模塊62中可具體包括(為簡(jiǎn)化附圖,未圖示)第一處理單元,用于根據(jù)車道方向,確定待檢測(cè)的運(yùn)動(dòng)目標(biāo)類型,所述運(yùn)動(dòng)目標(biāo)類 型包括上行運(yùn)動(dòng)目標(biāo)和下行運(yùn)動(dòng)目標(biāo),并針對(duì)每幀視頻圖像X,分別進(jìn)行以下處理從視頻 圖像X中的車道檢測(cè)區(qū)域內(nèi)檢測(cè)出每個(gè)相應(yīng)類型的運(yùn)動(dòng)目標(biāo)所在的目標(biāo)區(qū)域,目標(biāo)區(qū)域?yàn)?包括運(yùn)動(dòng)目標(biāo)的最小矩形區(qū)域;將每個(gè)目標(biāo)區(qū)域平均分為左右兩個(gè)子區(qū)域,計(jì)算每個(gè)子區(qū)
域的平均梯度幅值q和Gs,并計(jì)算GjBc^中的較小值與較大值的比值P ;計(jì)算所有目標(biāo)
區(qū)域?qū)?yīng)的P的平均值?;將?與預(yù)先設(shè)置的第一閾值進(jìn)行比較,如果?小于第一閾值,則 確定視頻圖像X中存在陰影;第二處理單元,用于當(dāng)?shù)谝惶幚韱卧_定出連續(xù)N幀視頻圖像中均存在陰影時(shí), 通知陰影抑制模塊63執(zhí)行自身功能。其中,如果規(guī)定車輛靠右行駛,則當(dāng)車道方向?yàn)閺淖笙路降接疑戏綍r(shí),待檢測(cè)的運(yùn) 動(dòng)目標(biāo)類型為上行運(yùn)動(dòng)目標(biāo),當(dāng)車道方向?yàn)閺挠蚁路降阶笊戏綍r(shí),待檢測(cè)的運(yùn)動(dòng)目標(biāo)類型 為下行運(yùn)動(dòng)目標(biāo);如果規(guī)定車輛靠左行駛,則當(dāng)車道方向?yàn)閺淖笙路降接疑戏綍r(shí),待檢測(cè)的運(yùn)動(dòng)目 標(biāo)類型為下行運(yùn)動(dòng)目標(biāo),當(dāng)車道方向?yàn)閺挠蚁路降阶笊戏綍r(shí),待檢測(cè)的運(yùn)動(dòng)目標(biāo)類型為上 行運(yùn)動(dòng)目標(biāo)。陰影抑制模塊63中可具體包括(為簡(jiǎn)化附圖,未圖示)第三處理單元,用于針對(duì)每幀YUV格式的視頻圖像Y,分別進(jìn)行以下處理遍歷YUV 格式的視頻圖像Y中的每個(gè)像素點(diǎn),找出亮度分量小于預(yù)先獲取的YUV格式的背景圖像中 的對(duì)應(yīng)像素點(diǎn)的亮度分量的像素點(diǎn),對(duì)應(yīng)像素點(diǎn)為坐標(biāo)相同的像素點(diǎn);將YUV格式的視頻 圖像Y和YUV格式的背景圖像均轉(zhuǎn)換為HSV格式,并設(shè)置三個(gè)參數(shù);針對(duì)找出的每個(gè)像素點(diǎn) Z,分別進(jìn)行以下處理計(jì)算像素點(diǎn)Z在HSV模型中的亮度分量與對(duì)應(yīng)像素點(diǎn)在HSV模型中
9的亮度分量的比值,如果該比值位于預(yù)先設(shè)置的區(qū)間內(nèi),則將第一個(gè)參數(shù)的取值設(shè)置為1, 否則,設(shè)置為0,計(jì)算像素點(diǎn)Z在HSV模型中的飽和度分量與對(duì)應(yīng)像素點(diǎn)在HSV模型中的飽 和度分量的差值,如果該差值小于預(yù)先設(shè)置的第二閾值,則將第二個(gè)參數(shù)的取值設(shè)置為1, 否則,設(shè)置為0,計(jì)算像素點(diǎn)Z在HSV模型中的色調(diào)分量與對(duì)應(yīng)像素點(diǎn)在HSV模型中的色調(diào) 分量的差值的絕對(duì)值,如果該絕對(duì)值小于預(yù)先設(shè)置的第三閾值,則將第三個(gè)參數(shù)的取值設(shè) 置為1,否則,設(shè)置為0 ;用每個(gè)參數(shù)的取值分別乘以為其預(yù)先設(shè)置的權(quán)值,并將相乘結(jié)果相 加,如果相加結(jié)果大于預(yù)先設(shè)置的第四閾值,則確定像素點(diǎn)Z為陰影點(diǎn),并將其濾除;之后, 計(jì)算抑制前后的每幀視頻圖像中的前景圖像的重合度,將重合度與預(yù)先設(shè)置的第五閾值進(jìn) 行比較,如果重合度大于所述第五閾值,則確定重合度達(dá)到要求;第四處理單元,用于當(dāng)?shù)谌幚韱卧_定出連續(xù)Y幀視頻圖像均達(dá)到要求時(shí),通 知陰影檢測(cè)模塊62重復(fù)執(zhí)行自身功能。圖6所示裝置實(shí)施例的具體工作流程請(qǐng)參照?qǐng)D1所示方法實(shí)施例中的相應(yīng)說明, 此處不再贅述。以上所述僅為本發(fā)明的較佳實(shí)施例而已,并不用以限制本發(fā)明,凡在本發(fā)明的精 神和原則之內(nèi),所做的任何修改、等同替換、改進(jìn)等,均應(yīng)包含在本發(fā)明保護(hù)的范圍之內(nèi)。
10
權(quán)利要求
一種智能交通監(jiān)控場(chǎng)景下的視頻圖像處理方法,其特征在于,包括A、確定車道檢測(cè)區(qū)域,并通過分析連續(xù)M幀視頻圖像中的車道檢測(cè)區(qū)域內(nèi)的運(yùn)動(dòng)目標(biāo)的運(yùn)行軌跡確定車道方向;B、根據(jù)所述車道方向,分別確定之后的每幀視頻圖像中是否存在陰影,如果確定出連續(xù)N幀視頻圖像中均存在陰影,則執(zhí)行步驟C;C、根據(jù)色調(diào)、飽和度、亮度HSV色彩模型,對(duì)之后的每幀視頻圖像分別進(jìn)行陰影抑制,并確定抑制前后的每幀視頻圖像中的前景圖像的重合度是否達(dá)到要求,如果連續(xù)L幀均達(dá)到要求,則重復(fù)執(zhí)行步驟B;所述M、N和L均為大于1的正整數(shù)。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述分別確定之后的每幀視頻圖像中是 否存在陰影包括根據(jù)所述車道方向,確定待檢測(cè)的運(yùn)動(dòng)目標(biāo)類型,所述運(yùn)動(dòng)目標(biāo)類型包括上行運(yùn)動(dòng)目 標(biāo)和下行運(yùn)動(dòng)目標(biāo);并針對(duì)每幀視頻圖像X,分別進(jìn)行以下處理從所述視頻圖像X中的車道檢測(cè)區(qū)域內(nèi)檢測(cè)出每個(gè)相應(yīng)類型的運(yùn)動(dòng)目標(biāo)所在的目標(biāo) 區(qū)域,所述目標(biāo)區(qū)域?yàn)榘ㄟ\(yùn)動(dòng)目標(biāo)的最小矩形區(qū)域;將每個(gè)目標(biāo)區(qū)域平均分為左右兩個(gè)子區(qū)域,計(jì)算每個(gè)子區(qū)域的平均梯度幅值q和Gs, 并計(jì)算(^和(、中的較小值與較大值的比值P ;計(jì)算所有目標(biāo)區(qū)域?qū)?yīng)的P的平均值將所述7與預(yù)先設(shè)置的第一閾值進(jìn)行比較,如果所述7小于所述第一閾值,則確定所 述視頻圖像X中存在陰影。
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述根據(jù)所述車道方向,確定待檢測(cè)的運(yùn) 動(dòng)目標(biāo)類型包括如果規(guī)定車輛靠右行駛,則當(dāng)所述車道方向?yàn)閺淖笙路降接疑戏綍r(shí),所述待檢測(cè)的運(yùn) 動(dòng)目標(biāo)類型為上行運(yùn)動(dòng)目標(biāo),當(dāng)所述車道方向?yàn)閺挠蚁路降阶笊戏綍r(shí),所述待檢測(cè)的運(yùn)動(dòng) 目標(biāo)類型為下行運(yùn)動(dòng)目標(biāo);如果規(guī)定車輛靠左行駛,則當(dāng)所述車道方向?yàn)閺淖笙路降接疑戏綍r(shí),所述待檢測(cè)的運(yùn) 動(dòng)目標(biāo)類型為下行運(yùn)動(dòng)目標(biāo),當(dāng)所述車道方向?yàn)閺挠蚁路降阶笊戏綍r(shí),所述待檢測(cè)的運(yùn)動(dòng) 目標(biāo)類型為上行運(yùn)動(dòng)目標(biāo)。
4.根據(jù)權(quán)利要求1、2或3所述的方法,其特征在于,所述根據(jù)HSV色彩模型,對(duì)之后的 每幀視頻圖像分別進(jìn)行陰影抑制包括針對(duì)每幀亮度、色度YUV格式的視頻圖像Y,分別進(jìn)行以下處理遍歷所述YUV格式的視頻圖像Y中的每個(gè)像素點(diǎn),找出亮度分量小于預(yù)先獲取的YUV 格式的背景圖像中的對(duì)應(yīng)像素點(diǎn)的亮度分量的像素點(diǎn),所述對(duì)應(yīng)像素點(diǎn)為坐標(biāo)相同的像素 點(diǎn);將所述YUV格式的視頻圖像Y和所述YUV格式的背景圖像均轉(zhuǎn)換為HSV格式,并設(shè)置三 個(gè)參數(shù);針對(duì)找出的每個(gè)像素點(diǎn)Z,分別進(jìn)行以下處理計(jì)算所述像素點(diǎn)Z在HSV模型中的亮度分量與所述對(duì)應(yīng)像素點(diǎn)在HSV模型中的亮度分 量的比值,如果該比值位于預(yù)先設(shè)置的區(qū)間內(nèi),則將第一個(gè)參數(shù)的取值設(shè)置為1,否則,設(shè)置為0 ;計(jì)算所述像素點(diǎn)Z在HSV模型中的飽和度分量與所述對(duì)應(yīng)像素點(diǎn)在HSV模型中的飽 和度分量的差值,如果該差值小于預(yù)先設(shè)置的第二閾值,則將第二個(gè)參數(shù)的取值設(shè)置為1, 否則,設(shè)置為0 ;計(jì)算所述像素點(diǎn)Z在HSV模型中的色調(diào)分量與所述對(duì)應(yīng)像素點(diǎn)在HSV模型 中的色調(diào)分量的差值的絕對(duì)值,如果該絕對(duì)值小于預(yù)先設(shè)置的第三閾值,則將第三個(gè)參數(shù) 的取值設(shè)置為1,否則,設(shè)置為0;用每個(gè)參數(shù)的取值分別乘以為其預(yù)先設(shè)置的權(quán)值,并將相乘結(jié)果相加,如果相加結(jié)果 大于預(yù)先設(shè)置的第四閾值,則確定所述像素點(diǎn)Z為陰影點(diǎn),并將其濾除。
5.根據(jù)權(quán)利要求4所述的方法,其特征在于,所述確定抑制前后的每幀視頻圖像中的 前景圖像的重合度是否達(dá)到要求包括計(jì)算抑制前后的每幀視頻圖像中的前景圖像的重合度,將所述重合度與預(yù)先設(shè)置的第 五閾值進(jìn)行比較,如果所述重合度大于所述第五閾值,則確定所述重合度達(dá)到要求。
6.一種智能交通監(jiān)控場(chǎng)景下的視頻圖像處理裝置,其特征在于,包括車道方向確定模塊,用于確定車道檢測(cè)區(qū)域,并通過分析連續(xù)M幀視頻圖像中的車道 檢測(cè)區(qū)域內(nèi)的運(yùn)動(dòng)目標(biāo)的運(yùn)行軌跡確定車道方向,將確定出的車道方向發(fā)送給陰影檢測(cè)模 塊;所述陰影檢測(cè)模塊,用于根據(jù)所述車道方向,分別確定之后的每幀視頻圖像中是否存 在陰影,如果確定出連續(xù)N幀視頻圖像中均存在陰影,則通知陰影抑制模塊執(zhí)行自身功能;所述陰影抑制模塊,用于根據(jù)色調(diào)、飽和度、亮度HSV色彩模型,對(duì)之后的每幀視頻圖 像分別進(jìn)行陰影抑制,并確定抑制前后的每幀視頻圖像中的前景圖像的重合度是否達(dá)到要 求,如果連續(xù)L幀均達(dá)到要求,則通知所述陰影檢測(cè)模塊重復(fù)執(zhí)行自身功能;所述M、N和L 均為大于1的正整數(shù)。
7.根據(jù)權(quán)利要求6所述的裝置,其特征在于,所述陰影檢測(cè)模塊包括第一處理單元,用于根據(jù)所述車道方向,確定待檢測(cè)的運(yùn)動(dòng)目標(biāo)類型,所述運(yùn)動(dòng)目標(biāo)類 型包括上行運(yùn)動(dòng)目標(biāo)和下行運(yùn)動(dòng)目標(biāo);并針對(duì)每幀視頻圖像X,分別進(jìn)行以下處理從所述 視頻圖像X中的車道檢測(cè)區(qū)域內(nèi)檢測(cè)出每個(gè)相應(yīng)類型的運(yùn)動(dòng)目標(biāo)所在的目標(biāo)區(qū)域,所述目 標(biāo)區(qū)域?yàn)榘ㄟ\(yùn)動(dòng)目標(biāo)的最小矩形區(qū)域;將每個(gè)目標(biāo)區(qū)域平均分為左右兩個(gè)子區(qū)域,計(jì)算每個(gè)子區(qū)域的平均梯度幅值6,和G ,并計(jì)算中的較小值與較大值的比值P ;計(jì)算所有目標(biāo)區(qū)域?qū)?yīng)的P的平均值將所述7與預(yù)先設(shè)置的第一閾值進(jìn)行比較,如果所述?小于所述第一閾值,則確定所述視頻圖像X中存在陰影;第二處理單元,用于當(dāng)所述第一處理單元確定出連續(xù)N幀視頻圖像中均存在陰影時(shí), 通知所述陰影抑制模塊執(zhí)行自身功能。
8.根據(jù)權(quán)利要求7所述的裝置,其特征在于,如果規(guī)定車輛靠右行駛,則當(dāng)所述車道方向?yàn)閺淖笙路降接疑戏綍r(shí),所述待檢測(cè)的運(yùn) 動(dòng)目標(biāo)類型為上行運(yùn)動(dòng)目標(biāo),當(dāng)所述車道方向?yàn)閺挠蚁路降阶笊戏綍r(shí),所述待檢測(cè)的運(yùn)動(dòng) 目標(biāo)類型為下行運(yùn)動(dòng)目標(biāo);如果規(guī)定車輛靠左行駛,則當(dāng)所述車道方向?yàn)閺淖笙路降接疑戏綍r(shí),所述待檢測(cè)的運(yùn) 動(dòng)目標(biāo)類型為下行運(yùn)動(dòng)目標(biāo),當(dāng)所述車道方向?yàn)閺挠蚁路降阶笊戏綍r(shí),所述待檢測(cè)的運(yùn)動(dòng) 目標(biāo)類型為上行運(yùn)動(dòng)目標(biāo)。
9.根據(jù)權(quán)利要求6、7或8所述的裝置,其特征在于,所述陰影抑制模塊包括 第三處理單元,用于針對(duì)每幀亮度、色度YUV格式的視頻圖像Y,分別進(jìn)行以下處理遍 歷所述YUV格式的視頻圖像Y中的每個(gè)像素點(diǎn),找出亮度分量小于預(yù)先獲取的YUV格式的 背景圖像中的對(duì)應(yīng)像素點(diǎn)的亮度分量的像素點(diǎn),所述對(duì)應(yīng)像素點(diǎn)為坐標(biāo)相同的像素點(diǎn);將 所述YUV格式的視頻圖像Y和所述YUV格式的背景圖像均轉(zhuǎn)換為HSV格式,并設(shè)置三個(gè)參 數(shù);針對(duì)找出的每個(gè)像素點(diǎn)Z,分別進(jìn)行以下處理計(jì)算所述像素點(diǎn)Z在HSV模型中的亮度 分量與所述對(duì)應(yīng)像素點(diǎn)在HSV模型中的亮度分量的比值,如果該比值位于預(yù)先設(shè)置的區(qū)間 內(nèi),則將第一個(gè)參數(shù)的取值設(shè)置為1,否則,設(shè)置為0,計(jì)算所述像素點(diǎn)Z在HSV模型中的飽 和度分量與所述對(duì)應(yīng)像素點(diǎn)在HSV模型中的飽和度分量的差值,如果該差值小于預(yù)先設(shè)置 的第二閾值,則將第二個(gè)參數(shù)的取值設(shè)置為1,否則,設(shè)置為0,計(jì)算所述像素點(diǎn)Z在HSV模 型中的色調(diào)分量與所述對(duì)應(yīng)像素點(diǎn)在HSV模型中的色調(diào)分量的差值的絕對(duì)值,如果該絕對(duì) 值小于預(yù)先設(shè)置的第三閾值,則將第三個(gè)參數(shù)的取值設(shè)置為1,否則,設(shè)置為0 ;用每個(gè)參數(shù) 的取值分別乘以為其預(yù)先設(shè)置的權(quán)值,并將相乘結(jié)果相加,如果相加結(jié)果大于預(yù)先設(shè)置的 第四閾值,則確定所述像素點(diǎn)Z為陰影點(diǎn),并將其濾除;之后,計(jì)算抑制前后的每幀視頻圖 像中的前景圖像的重合度,將所述重合度與預(yù)先設(shè)置的第五閾值進(jìn)行比較,如果所述重合 度大于所述第五閾值,則確定所述重合度達(dá)到要求;第四處理單元,用于當(dāng)所述第三處理單元確定出連續(xù)L幀視頻圖像均達(dá)到要求時(shí),通 知所述陰影檢測(cè)模塊重復(fù)執(zhí)行自身功能。
全文摘要
本發(fā)明公開了一種智能交通監(jiān)控場(chǎng)景下的視頻圖像處理方法,包括A、確定車道檢測(cè)區(qū)域,并通過分析連續(xù)M幀視頻圖像中的車道檢測(cè)區(qū)域內(nèi)的運(yùn)動(dòng)目標(biāo)的運(yùn)行軌跡確定車道方向;B、根據(jù)車道方向,分別確定之后的每幀視頻圖像中是否存在陰影,如果確定出連續(xù)N幀視頻圖像中均存在陰影,則執(zhí)行步驟C;C、根據(jù)HSV色彩模型,對(duì)之后的每幀視頻圖像分別進(jìn)行陰影抑制,并確定抑制前后的每幀視頻圖像中的前景圖像的重合度是否達(dá)到要求,如果連續(xù)L幀均達(dá)到要求,則重復(fù)執(zhí)行步驟B;M、N和L均為大于1的正整數(shù)。本發(fā)明同時(shí)公開了一種智能交通監(jiān)控場(chǎng)景下的視頻圖像處理裝置。應(yīng)用本發(fā)明所述的方法和裝置,能夠有效地抑制視頻圖像中的陰影。
文檔編號(hào)G06K9/00GK101982825SQ20101053539
公開日2011年3月2日 申請(qǐng)日期2010年11月4日 優(yōu)先權(quán)日2010年11月4日
發(fā)明者張繼霞, 簡(jiǎn)武寧, 胡揚(yáng)忠, 車軍, 鄔偉琪 申請(qǐng)人:杭州??低曄到y(tǒng)技術(shù)有限公司
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1