專(zhuān)利名稱(chēng)：一種基于塊累積的高速公路車(chē)輛停車(chē)事件檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于視頻檢測(cè)領(lǐng)域，具體涉及一種基于塊累積的高速公路車(chē)輛停車(chē)事件檢 測(cè)的方法。
背景技術(shù)：
隨著社會(huì)經(jīng)濟(jì)的發(fā)展，我國(guó)高速公路的通車(chē)?yán)锍毯蛙?chē)流量增長(zhǎng)迅速。然而高速公 路交通事故數(shù)量和傷亡率也有逐年增加的趨勢(shì)。如何降低高速公路的事故率和死亡率已成 為交通管理部門(mén)亟待解決的問(wèn)題。而車(chē)輛停車(chē)是高速公路交通中最關(guān)鍵的事件表現(xiàn)形式。 其一是因?yàn)榻煌ㄊ鹿拾l(fā)生后，事故車(chē)輛最終會(huì)滯留在高速公路上，停車(chē)意味著事故已經(jīng)發(fā) 生，需要馬上處理避免二次事故。其二是因?yàn)檐?chē)輛出了故障或者違規(guī)行駛時(shí)，也會(huì)出現(xiàn)停車(chē) 或者慢行的現(xiàn)象，此時(shí)同樣需要處理，以免引起交通事故。因此，對(duì)停車(chē)事件的實(shí)時(shí)檢測(cè)是 降低高速公路交通事故傷亡和損失的有效手段。自從20世紀(jì)60年代陸續(xù)出現(xiàn)了一些交通異常事件檢測(cè)方法和技術(shù)，如環(huán)形線(xiàn)圈、 微波、紅外線(xiàn)視頻、數(shù)字視頻、超聲波等。由于環(huán)形線(xiàn)圈可擴(kuò)展性差，安裝維護(hù)時(shí)必須中斷交 通、破壞路面；微波檢測(cè)缺少直觀性且檢測(cè)設(shè)備的維護(hù)和管理費(fèi)用相對(duì)較高；紅外線(xiàn)本身 容易受到熱輻射的干擾，因此紅外線(xiàn)車(chē)檢器會(huì)受到車(chē)輛自身熱源的影響，從而減低檢測(cè)精 度和靈敏度；超聲波雷達(dá)檢測(cè)的一個(gè)顯著缺點(diǎn)是檢測(cè)具有單一性，目前大部分只用于車(chē)速 檢測(cè)，因此不能滿(mǎn)足人們對(duì)道路交通狀況的信息量要求。這些方法在實(shí)際生活中并不能得 到廣泛應(yīng)用。目前的新建項(xiàng)目越來(lái)越多地采用安裝、維護(hù)不需要破壞路基、檢測(cè)區(qū)域大、實(shí) 施方便靈活的基于視頻的交通信息檢測(cè)技術(shù)。該方法幾乎不受光照以外其他因素影響；同 時(shí)，視頻序列清晰直觀，信息量大，不但便于管理人員主動(dòng)干預(yù)，也有利于車(chē)檢器從中分離 有用信息，對(duì)道路交通狀況實(shí)施寬口徑，大容量的全方位檢測(cè)，同時(shí)視頻檢測(cè)系統(tǒng)采用實(shí)時(shí) 視頻信號(hào)，因此具有最快的響應(yīng)速度。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有技術(shù)的不足和缺陷，本發(fā)明提出基于塊累積視頻車(chē)輛停車(chē)檢測(cè)方法，它 能有效的檢測(cè)出高速公路上的車(chē)輛停車(chē)事件。為了實(shí)現(xiàn)上述目的，本發(fā)明采用的如下技術(shù)方案
一種基于塊累積的車(chē)輛停車(chē)檢測(cè)的方法主要包括目標(biāo)區(qū)域的二值化分割以及停車(chē)檢 測(cè)，具體包括以下步驟
步驟一將視頻圖像的第一幀分割成多個(gè)塊區(qū)域；
步驟二 對(duì)第一幀的每一塊區(qū)域進(jìn)行初始化變量設(shè)置，即為每一塊區(qū)域設(shè)置一個(gè)計(jì)數(shù) 器并將其初始化為0 ；
步驟三對(duì)第一幀各個(gè)塊區(qū)域內(nèi)的視頻圖像進(jìn)行灰度拉升處理；步驟四統(tǒng)計(jì)經(jīng)過(guò)灰度拉升處理后任意一個(gè)塊區(qū)域內(nèi)各像素與背景中對(duì)應(yīng)位置像素差 的絕對(duì)值之和，若該值大于設(shè)定的閾值A(chǔ)時(shí)，所述的閾值A(chǔ)為(1廣18)*塊區(qū)域面積值，則將 該塊區(qū)域標(biāo)記為目標(biāo)塊區(qū)域，將該塊區(qū)域內(nèi)的所有視頻圖像的像素值賦值為255，并且將該 目標(biāo)塊區(qū)域位置處的計(jì)數(shù)器數(shù)值加一；否則將該塊區(qū)域標(biāo)記為非目標(biāo)塊區(qū)域，將該塊區(qū)域 的視頻圖像內(nèi)的所有像素值設(shè)置為0，并將該非目標(biāo)塊區(qū)域位置處的計(jì)數(shù)器數(shù)值清零；從 而將目標(biāo)塊區(qū)域從背景中分割出來(lái)。重復(fù)上述步驟直至第一幀視頻圖像所劃分的各塊區(qū)域 內(nèi)視頻圖像均完成了上述判斷處理為止；
步驟五重復(fù)步驟一、步驟三至步驟四的處理方法對(duì)整個(gè)視頻圖像中除第一幀以外的 所有連續(xù)的幀進(jìn)行處理；
步驟六判斷經(jīng)過(guò)處理后的整個(gè)視頻圖像中的各目標(biāo)塊區(qū)域所在位置的計(jì)數(shù)器的累積 值是否大于設(shè)定的閾值B，其中閾值B為8(Γ240 ；當(dāng)計(jì)數(shù)器的累積值大于設(shè)定的閾值B時(shí)， 統(tǒng)計(jì)該目標(biāo)塊區(qū)域相鄰的塊區(qū)域的計(jì)數(shù)器的值大于閾值B的塊區(qū)域個(gè)數(shù)，當(dāng)大于該閾值的 塊區(qū)域個(gè)數(shù)大于設(shè)定的閾值C時(shí)，所述的閾值C為3 10，則判斷為停車(chē)事件，否則計(jì)數(shù)器所 有記數(shù)清零，判斷完畢。本發(fā)明的車(chē)輛停車(chē)檢測(cè)是基于塊進(jìn)行的，基于塊的二值化分割可以準(zhǔn)確的將目標(biāo) 與背景圖像進(jìn)行分割，減少陰影、光照等的影響，提高后續(xù)事件判斷的準(zhǔn)確性；同時(shí)基于塊 處理，該算法具有檢測(cè)時(shí)間短，易于實(shí)現(xiàn)等優(yōu)點(diǎn)，該算法可以實(shí)現(xiàn)對(duì)高速公路異常停車(chē)的實(shí) 時(shí)檢測(cè)，有效地防止二次事故的發(fā)生。


圖1為目標(biāo)區(qū)域二值化分割流程圖2為重慶高速公路停車(chē)事件視頻分析圖像(圖加)，該事件塊計(jì)數(shù)器的累積值示 意圖(圖2b)。圖3為西安科技大學(xué)西安市南二環(huán)上停車(chē)事件視頻分析圖像(圖3a)，該事件塊計(jì) 數(shù)器的累積值示意圖(圖北)。以下結(jié)合附圖對(duì)本發(fā)明的內(nèi)容作進(jìn)一步詳細(xì)說(shuō)明。
具體實(shí)施例方式本發(fā)明采用基于塊的減背景法對(duì)目標(biāo)區(qū)域進(jìn)行二值化分割，設(shè)視頻圖像的大小為 W*H，塊的面積大小為w*h，其中W為圖像的水平方向的像素，H為圖像豎直方向的像素，w為 塊區(qū)域的寬度，h為塊的高度。步驟一將視頻圖像的第一幀分割成多個(gè)塊區(qū)域，則第一幀圖像能夠劃分的塊區(qū) 域個(gè)數(shù) T 為T(mén)= (ff/w)* (H/h)0步驟二 對(duì)第一幀的每一塊區(qū)域進(jìn)行初始化變量設(shè)置，即為每一塊區(qū)域設(shè)置一個(gè) 計(jì)數(shù)器并將其初始化為0。步驟三對(duì)第一幀分割成的多個(gè)塊區(qū)域中任意一個(gè)塊區(qū)域E進(jìn)行分析，將該塊區(qū) 域內(nèi)各像素進(jìn)行灰度值拉升處理，遵循F=F*U8/U，其中F為當(dāng)前幀像素的灰度值，U為該塊 區(qū)域內(nèi)所有像素灰度的平均值。步驟四統(tǒng)計(jì)經(jīng)過(guò)灰度拉升處理后任意一個(gè)塊區(qū)域E內(nèi)各像素與背景中對(duì)應(yīng)位置像素差的絕對(duì)值之和，若該值大于設(shè)定的閾值A(chǔ)時(shí)，所述的閾值A(chǔ)為(1廣18)*w*h則將該塊 區(qū)域標(biāo)記為目標(biāo)塊區(qū)域，將該塊區(qū)域內(nèi)的所有視頻圖像的像素值賦值為255，并且將該目標(biāo) 塊區(qū)域位置處的計(jì)數(shù)器數(shù)值加一；否則將該塊區(qū)域標(biāo)記為非目標(biāo)塊區(qū)域，將該塊區(qū)域的視 頻圖像內(nèi)的所有像素值設(shè)置為0，將該非目標(biāo)塊區(qū)域位置處的計(jì)數(shù)器數(shù)值清零；從而將目 標(biāo)塊區(qū)域從背景中分割出來(lái)。重復(fù)上述步驟直至第一幀視頻圖像所劃分的T塊區(qū)域內(nèi)視頻 圖像均完成了上述判斷處理為止。步驟五重復(fù)步驟一、步驟三至步驟四的處理方法對(duì)整個(gè)視頻圖像中除第一幀以 外的所有連續(xù)的幀進(jìn)行處理。步驟六判斷經(jīng)過(guò)處理后的整個(gè)視頻圖像中的各目標(biāo)塊區(qū)域所在位置的計(jì)數(shù)器的 累積值是否大于設(shè)定的閾值B，其中閾值B為8(Γ240 ；當(dāng)計(jì)數(shù)器的累積值大于設(shè)定的閾值 B時(shí)，則表示該塊區(qū)域處于滯留狀態(tài)統(tǒng)，進(jìn)一步統(tǒng)計(jì)該目標(biāo)塊區(qū)域相鄰的塊區(qū)域的計(jì)數(shù)器的 值大于閾值B的塊區(qū)域個(gè)數(shù)，當(dāng)大于該閾值的塊區(qū)域個(gè)數(shù)大于設(shè)定的閾值C時(shí)，所述的閾值 C為3 10，則判斷為停車(chē)事件，否則計(jì)數(shù)器所有記數(shù)清零，判斷完畢。以下是發(fā)明人給出的具體實(shí)施例，需要說(shuō)明的是本發(fā)明并不限于以下實(shí)施例，凡 是在以下實(shí)施例基礎(chǔ)上的等同變換或者替換均屬于本發(fā)明的保護(hù)范圍。實(shí)施例1
參照?qǐng)D2，該圖為重慶高速公路的實(shí)時(shí)路況視頻，該視頻的采樣頻率是25幀每秒，圖像 大小為720拉88，將圖像分成90*48個(gè)塊區(qū)域，即每塊區(qū)域的大小為8*6，目標(biāo)區(qū)域二值化分 割閾值A(chǔ)為700，停車(chē)判斷的計(jì)數(shù)器閾值B為150，滿(mǎn)足停車(chē)狀態(tài)的鄰域面積，即閾值C為6 個(gè)塊區(qū)域。圖加在視頻第3169幀檢測(cè)出第2車(chē)道有停車(chē)事件，圖2b的白色區(qū)域所示是該 事件塊的計(jì)數(shù)器在事件序列上的累計(jì)值。實(shí)施例2
參照?qǐng)D3所示，該圖為西安科技大學(xué)門(mén)前立交上拍攝的南二環(huán)實(shí)際實(shí)時(shí)路況視頻圖 像，該視頻的采樣頻率是25幀每秒，圖像大小為720*觀8，將圖像分成90*48個(gè)塊，即每塊的 大小為8*6，此視頻數(shù)據(jù)路況平整，樹(shù)影及其他干擾較少，觀測(cè)結(jié)果較為理想，目標(biāo)區(qū)域二值 化分割閾值為600，停車(chē)判斷的計(jì)數(shù)器閾值為200，滿(mǎn)足停車(chē)狀態(tài)的鄰域面積為5個(gè)塊。圖 3a在視頻第3473幀檢測(cè)出第3車(chē)道有停車(chē)事件，圖北的白色區(qū)域所示是該事件塊的計(jì)數(shù) 器在事件序列上的累計(jì)值。
權(quán)利要求
1. 一種基于塊累積的高速公路車(chē)輛停車(chē)事件檢測(cè)方法，其特征在于該方法包括以下 步驟步驟一將視頻圖像的第一幀分割成多個(gè)塊區(qū)域；步驟二 對(duì)第一幀的每一塊區(qū)域進(jìn)行初始化變量設(shè)置，即為每一塊區(qū)域設(shè)置一個(gè)計(jì)數(shù) 器并將其初始化為0 ；步驟三對(duì)第一幀每個(gè)塊區(qū)域內(nèi)的視頻圖像進(jìn)行灰度拉升處理； 步驟四統(tǒng)計(jì)經(jīng)過(guò)灰度拉升處理后任意一個(gè)塊區(qū)域內(nèi)各像素與背景中對(duì)應(yīng)位置像素差 的絕對(duì)值之和，若該值大于設(shè)定的閾值A(chǔ)時(shí)，所述的閾值A(chǔ)為(1廣18)*塊區(qū)域的面積值，則 將該塊區(qū)域標(biāo)記為目標(biāo)塊區(qū)域，將該塊區(qū)域內(nèi)的所有視頻圖像的像素值賦值為255，并且將 該目標(biāo)塊區(qū)域位置處的計(jì)數(shù)器數(shù)值加一；否則將該塊區(qū)域標(biāo)記為非目標(biāo)塊區(qū)域，將該塊區(qū) 域的視頻圖像內(nèi)的所有像素值設(shè)置為0，將該非目標(biāo)塊區(qū)域位置處的計(jì)數(shù)器數(shù)值清零，從而 將目標(biāo)塊區(qū)域從背景中分割出來(lái)；重復(fù)上述步驟直至第一幀視頻圖像所劃分的各塊區(qū)域內(nèi) 視頻圖像均完成了上述判斷處理為止；步驟五重復(fù)步驟一、步驟三至步驟四的處理方法對(duì)整個(gè)視頻圖像中除第一幀以外的 所有連續(xù)的幀進(jìn)行處理；步驟六判斷經(jīng)過(guò)處理后的整個(gè)視頻圖像中的各目標(biāo)塊區(qū)域所在位置的計(jì)數(shù)器的累積 值是否大于設(shè)定的閾值B，其中閾值B為8(Γ240 ；當(dāng)計(jì)數(shù)器的累積值大于設(shè)定的閾值B時(shí)， 統(tǒng)計(jì)該目標(biāo)塊區(qū)域相鄰的塊區(qū)域的計(jì)數(shù)器的值大于閾值B的塊區(qū)域個(gè)數(shù)，當(dāng)大于該閾值的 塊區(qū)域個(gè)數(shù)大于設(shè)定的閾值C時(shí)，其中閾值C為3 10，則判斷為停車(chē)事件，否則計(jì)數(shù)器所有 記數(shù)清零，判斷完畢。
全文摘要
本發(fā)明公開(kāi)了一種基于塊累積的車(chē)輛停車(chē)檢測(cè)的方法，該方法主要包括目標(biāo)區(qū)域的二值化分割以及停車(chē)檢測(cè)判斷。本發(fā)明的車(chē)輛停車(chē)檢測(cè)是基于塊進(jìn)行的，基于塊的二值化分割可以準(zhǔn)確的將目標(biāo)與背景圖像進(jìn)行分割，減少陰影、光照等的影響，提高后續(xù)事件判斷的準(zhǔn)確性；同時(shí)基于塊處理，該算法具有檢測(cè)時(shí)間短，易于實(shí)現(xiàn)等優(yōu)點(diǎn)，該算法可以實(shí)現(xiàn)對(duì)高速公路異常停車(chē)的實(shí)時(shí)檢測(cè)，有效地防止二次事故的發(fā)生。
文檔編號(hào)G06K9/00GK102110366SQ201110075090
公開(kāi)日2011年6月29日 申請(qǐng)日期2011年3月28日 優(yōu)先權(quán)日2011年3月28日
發(fā)明者嚴(yán)玍伻, 付洋, 劉童, 周婷潔, 夏波, 宋煥生, 張靜, 朱小平, 袁彬, 趙倩, 郭玲玲, 馬銳安 申請(qǐng)人:長(zhǎng)安大學(xué)