專利名稱：基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法
技術領域：
本發(fā)明涉及一種運動目標整合優(yōu)化方法，尤其涉及一種基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法。
背景技術：
智能交通管理系統(tǒng)(ITS :Intelligent Traffic System)是目前世界各國交通運輸領域競相研究和開發(fā)的熱點。其主要目標是獲取道路信息以及車輛行為信息，包括車流 量、車速、道路占有率、交通事故檢測等。在圖像中進行運動車輛區(qū)域的檢測的是智能交通系統(tǒng)的重要技術之一，是實現(xiàn)ITS目標的核心方法，也是ITS實現(xiàn)自動化、智能化和實時應用的關鍵。在基于背景減除的傳統(tǒng)目標檢測方法中，由于光照以及車身顏色等干擾，常常會出現(xiàn)“過度分割”的現(xiàn)象，表現(xiàn)為在檢測的結果上出現(xiàn)將一個車輛分割為幾個不連通的區(qū)域。然而，使用連通區(qū)域分析來區(qū)別不同車輛目標的方法，最終會將這些不連通的區(qū)域(本來屬于一個運動車輛，由于“過度分割”而被分為幾個部分)標識為不同的車輛目標，嚴重影響了檢測的正確性，對后續(xù)對車輛目標的跟蹤及更高級的視頻分析行為非常不利。因此采用一定的方法解決“過度分割”的問題顯得十分重要。

發(fā)明內容
本發(fā)明目的在于提供一種基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法，以提高運動目標檢測的正確性。為達成上述目的，本發(fā)明的基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法包括如下步驟I)規(guī)則抽象階段a、將格式塔視覺原理所遵循的接近性原則和閉合性原則抽象為目標整合所需滿足的整合優(yōu)化規(guī)則，即選定特征參數(shù)，并為特征參數(shù)設定閾值，當特征參數(shù)與閾值滿足設定條件時，整合兩個目標；b、結束。2)整合優(yōu)化階段a、收集目標提取得到的所有目標車輛區(qū)域到待整合隊列Q中；b、計算Q中兩個目標h和t2的整合特征參數(shù)，若該兩個目標的所有整合參數(shù)都能滿足整合優(yōu)化規(guī)則，則將兩個目標合并成一個目標tnOT，在Q中刪除h和t2并加入tnOT ;否貝U，繼續(xù)尋找可以和h整合的目標；C、循環(huán)執(zhí)行步驟2)_b，直到任意兩個目標的整合特征參數(shù)都不能滿足整合條件；d、結束。進一步，本發(fā)明中，步驟l)_a中所述的特征參數(shù)值包括寬距和高距、寬相似比和高相似比、面積覆蓋系數(shù)，將兩個目標h和t2的高距閥值設定為圖片高度的十分之一和寬距閥值設定為圖片寬度的十分之一，高相似比Ratio11和寬相似比Ratiow均設置為0. 7，面積覆蓋系數(shù)設置為0. 5，當寬距和高距分別小于高距閥值和寬距閥值、高相似比Ratio11和寬相似比Ratiow均大于0. 7且面積覆蓋系數(shù)大于0. 5時,整合兩個目標L和t2。本發(fā)明中，步驟2)_a中Q中每個目標車輛區(qū)域包括車輛區(qū)域的外接矩形、在圖像中的具體位置等信息。進一步，本發(fā)明中，步驟2)_b的具體過程如下對Q中兩個目標h和t2，分別計算這兩個目標的整合特征參數(shù)值，包括寬距和高距(以像素為單位)、寬相似比和高相似比、面積覆蓋系 數(shù)。判斷和t2的所有整合特征參數(shù)是否都符合整合條件。若是，則將h和t2合并為tnOT，將和t2在隊列Q中刪除，同時添加tn 為新目標區(qū)域；否則，循環(huán)判斷h和余下目標的是否可以整合；進一步，本發(fā)明中，步驟2)_c中當發(fā)現(xiàn)當前隊列中所有目標均不能滿足整合條件，則結束掃描隊列；返回整合結果；結束整合。本發(fā)明的有益效果如下本發(fā)明的基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法，根據(jù)格式塔視覺原理的接近性原則和閉合性原則，抽象出將兩個目標車輛區(qū)域整合的規(guī)則，當兩個目標滿足所有整合條件的時候，將兩個目標整合為一個目標，回歸這兩個目標本身該有的整體特性。


圖I為智能交通管理系統(tǒng)工作流程圖。圖2為本發(fā)明的基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法的流程圖。圖3為基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法的詳細流程圖。
具體實施例方式為了更了解本發(fā)明的技術內容，特舉具體實施例并配合所附圖式說明如下。如圖I所示，智能交通管理系統(tǒng)通過視頻圖像采集設備獲取視頻圖像數(shù)據(jù)，經(jīng)圖像預處理，運動車輛檢測、目標整合，然后進行運動車輛跟蹤及后續(xù)高級處理。運動目標整合優(yōu)化對后整個系統(tǒng)影響重大。車輛檢測是智能交通管理系統(tǒng)的核心步驟，通過背景減除的方法進行車輛檢測時“過度分割”現(xiàn)象的出現(xiàn)是難以避免的，本發(fā)明的思路就是通過對檢測后被過度分割的車輛恢復其整體現(xiàn)象，從而提高整個智能交通管理系統(tǒng)的性能。車輛目標整合過程即本發(fā)明的基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法的流程圖，如圖2所示。步驟0起始；在規(guī)則抽象階段(步驟I)，將格式塔視覺原理的兩個重要原則，即接近性原則和閉合性原則抽象抽象為目標整合所需滿足的整合優(yōu)化規(guī)則，即選擇特征參數(shù)，并為這些特征參數(shù)設定閾值，用以整合兩個目標的依據(jù)，整合特征參數(shù)包括寬距和高距、寬相似比和高相似比、面積覆蓋系數(shù)；本實施例中，將兩個目標h和t2的高距閥值設定為70像素大小(圖片高度的十分之一)和寬距閥值設定為50像素大小(圖片寬度的十分之一)，高相似比RatioH和寬相似比RatioJ^設置為0. 7,面積覆蓋系數(shù)設置為0. 5,當寬距和高距分別小于高距閥值和寬距閥值、高相似比Ratio11和寬相似比Ratiow均大于0. 7且面積覆蓋系數(shù)大于0. 5時,整合兩個目標&和t2。在整合優(yōu)化階段(步驟2-4)，步驟2收集當前圖像幀中所有運動車輛的信息，并將這些運動車輛信息保存在隊列中；步驟3針對隊列中的目標，依次計算兩個目標的整合特征參數(shù)值。步驟4判斷兩個目標的整合特征參數(shù)是否滿足規(guī)定的條件，若符合則將目標進行整合；步驟5結束。圖3為基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法的詳細流程圖。
步驟30起始步驟；步驟31收集當前幀中所有車輛區(qū)域到待整合隊列Q中，設置第I輪掃描的結束位置P，并將初始狀態(tài)設置為第0輪整合結果；步驟32選擇隊列Q中的對頭目標記為h，然后依次掃描計算h與當前掃描到的目標的整合參數(shù)值；步驟33判斷計算是否已達到該輪掃描位置P，若沒有，則轉到34，否則轉到38 ；步驟34計算h與掃描到的目標的整合參數(shù)值；步驟35判斷步驟34計算的整合參數(shù)值是否滿足整合條件，若是，則轉向步驟36，否則轉向37 ；步驟36將h和當前掃描到的目標進行整合為tnew，并加入隊列隊尾；同時，從Q刪除^和當前掃描到的目標；步驟37當不符合整合條件時，將h移植隊尾，當前掃描的對象轉到隊列Q下一運動目標；步驟38當掃描到的目標已經(jīng)到了該輪結束位置，收集該輪整合之后的結果，更新P的值；步驟39判斷連續(xù)兩輪掃描結果是否相同(即第i輪掃描結果和第i_l輪對比，i之I)。若兩輪結果不同，則繼續(xù)下一輪整合；否則，轉向3a ；步驟3a結束。本發(fā)明的基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法，根據(jù)格式塔視覺原理的接近性原則和閉合性原則，抽象出將兩個目標車輛區(qū)域整合的規(guī)則，當兩個目標滿足所有整合條件的時候，將兩個目標整合為一個目標，回歸這兩個目標本身該有的整體特性。雖然本發(fā)明已以較佳實施例揭露如上，然其并非用以限定本發(fā)明。本發(fā)明所屬技術領域中具有通常知識者，在不脫離本發(fā)明的精神和范圍內，當可作各種的更動與潤飾。因此，本發(fā)明的保護范圍當視權利要求書所界定者為準。
權利要求
1.一種基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法，其特征在于，包括如下步驟 1)規(guī)則抽象階段 a、將格式塔視覺原理所遵循的接近性原則和閉合性原則抽象為目標整合所需滿足的整合優(yōu)化規(guī)則，即選定特征參數(shù)，并為特征參數(shù)設定閾值，當特征參數(shù)與閾值滿足設定條件時，整合兩個目標； b、結束。
2)整合優(yōu)化階段 a、收集目標提取得到的所有目標車輛區(qū)域到待整合隊列Q中； b、計算Q中兩個目標A和t2的整合特征參數(shù)，若該兩個目標的所有整合參數(shù)都能滿足整合優(yōu)化規(guī)則，則將兩個目標合并成一個目標tn ，在Q中刪除h和t2并加入tn ;否則，繼續(xù)尋找可以和h整合的目標； C、循環(huán)執(zhí)行步驟2)-b，直到任意兩個目標的整合特征參數(shù)都不能滿足整合條件； d、結束。
2.根據(jù)權利要求I所述的基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法，其特征在于，其中步驟l)_a中所述的特征參數(shù)值包括寬距和高距、寬相似比和高相似比、面積覆蓋系數(shù)，將兩個目標h和t2的高距閥值設定為圖片高度的十分之一和寬距閥值設定為圖片寬度的十分之一，高相似比RatioH和寬相似比Ratiow均設置為0. 7,面積覆蓋系數(shù)設置為0.5，當寬距和高距分別小于高距閥值和寬距閥值、高相似比Ratio11和寬相似比Ratiow均大于0. 7且面積覆蓋系數(shù)大于0. 5時，整合兩個目標h和t2。
3.根據(jù)權利要求I所述的基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法，其特征在于，其中步驟2)_a中Q中每個目標車輛區(qū)域包括車輛區(qū)域的外接矩形、在圖像中的具體位置等信息。
4.根據(jù)權利要求I所述的基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法，其特征在于，其中步驟2)-b的具體過程如下 對Q中兩個目標A和t2，分別計算這兩個目標的整合特征參數(shù)； 判斷h和t2的所有整合特征參數(shù)是否都符合整合優(yōu)化規(guī)則，若是，則將h和t2合并為tnew,將h和t2在隊列Q中刪除，同時添加tnOT為新目標區(qū)域；否則，循環(huán)判斷h和余下目標的是否可以整合。
5.根據(jù)權利要求I所述的基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法，其特征在于，步驟2)-c中當發(fā)現(xiàn)當前隊列中所有目標均不能滿足整合優(yōu)化規(guī)則，則結束掃描隊列；返回整合結果；結束整合。
全文摘要
本發(fā)明提供一種基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法，包括規(guī)則抽象階段和整合優(yōu)化階段。本發(fā)明的基于格式塔視覺原理的運動目標區(qū)域整合優(yōu)化方法，根據(jù)格式塔視覺原理的兩個原則，抽象出將兩個目標車輛區(qū)域整合的規(guī)則，當兩個目標滿足所有整合條件的時候，將兩個目標整合為一個目標，回歸這兩個目標本身該有的整體特性。
文檔編號G06K9/62GK102663368SQ20121011101
公開日2012年9月12日 申請日期2012年4月16日 優(yōu)先權日2012年4月16日
發(fā)明者唐鵬, 王崇駿, 竇文科, 謝俊元 申請人:南京大學