一種用于智能交通檢測(cè)系統(tǒng)的車輛目標(biāo)物識(shí)別算法
【專利摘要】本發(fā)明涉及一種基于視頻檢測(cè)識(shí)別目標(biāo)物的方法。一種用于智能交通檢測(cè)系統(tǒng)的車輛目標(biāo)物識(shí)別算法，包括步驟A、建立背景模型；步驟B、背景更新；步驟C、背景差分；步驟D、多幀差分；步驟E、采用多幀差分和背景差分相結(jié)合的方法來(lái)得到目標(biāo)物的輪廓：E1、采集連續(xù)的多幀圖像并保存；E2、將第一、第二幀圖像進(jìn)行幀差分算法得到二值化圖像D1，將第二、第三幀圖像進(jìn)行幀差分算法得到二值化圖像D2，以此類推，分別得到二值化圖像D3和D4；E3、將D1和D2進(jìn)行與運(yùn)算得到二值化圖像D5，D3和D4進(jìn)行與運(yùn)算得到D6，D5和D6進(jìn)行與運(yùn)算得到最終的二值化圖像D7；E4、將得到的二值化圖像D7和步驟C背景差分得到的二值化圖像進(jìn)行與運(yùn)算，識(shí)別出車輛目標(biāo)物的輪廓。
【專利說(shuō)明】 一種用于智能交通檢測(cè)系統(tǒng)的車輛目標(biāo)物識(shí)別算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于視頻檢測(cè)識(shí)別目標(biāo)物的方法，具體的說(shuō)，涉及了一種應(yīng)用于智能交通視頻檢測(cè)系統(tǒng)中的車輛目標(biāo)物識(shí)別算法。
【背景技術(shù)】
[0002]車輛目標(biāo)物提取與識(shí)別算法是智能交通系統(tǒng)中的關(guān)鍵部分，其中車輛目標(biāo)物的識(shí)別有多種方法，包括幀差法、背景差分法、邊緣檢測(cè)法以及區(qū)域生長(zhǎng)算法等等。車輛識(shí)別是智能交通系統(tǒng)的重要組成部分，由于視頻設(shè)備和高性能計(jì)算機(jī)硬件的發(fā)展以及視頻處理技術(shù)的日益成熟，基于視頻的車輛識(shí)別技術(shù)成為智能交通領(lǐng)域研究的熱點(diǎn)，并得到越來(lái)越廣泛的應(yīng)用。
[0003]前景提取和識(shí)別方法在車輛識(shí)別中尤為重要。常用的前景提取方法主要有:邊緣檢測(cè)法、差分法、區(qū)域生長(zhǎng)算法等。其中，差分法又包括幀差法和背景差法。邊緣檢測(cè)法:由于目標(biāo)和背景內(nèi)部的像素具有較低的梯度值，而其邊界具有較高的梯度值，因此可以通過(guò)對(duì)圖像中梯度值的統(tǒng)計(jì)來(lái)進(jìn)行邊緣的檢測(cè)，即邊緣檢測(cè)法。其缺點(diǎn)是:常用的邊緣檢測(cè)算法存在運(yùn)算耗時(shí)多、效率低，另外，對(duì)于一些不是很明顯的目標(biāo)，邊緣檢測(cè)算法檢測(cè)不出來(lái)。其次，噪聲干擾會(huì)造成檢測(cè)出偽邊緣。
[0004]幀差法是目前經(jīng)常使用的目標(biāo)識(shí)別方法，通過(guò)相鄰兩幀圖像對(duì)應(yīng)像素進(jìn)行相減得到的值，與事先設(shè)定好的閾值進(jìn)行比較，如果大于閾值，就說(shuō)明存在運(yùn)動(dòng)目標(biāo)，并且進(jìn)行二值化處理，將確定為運(yùn)動(dòng)目標(biāo)的區(qū)域標(biāo)記為前景像素，否則，就沒(méi)有運(yùn)動(dòng)目標(biāo)，并將其標(biāo)記為背景像素。其存在的缺點(diǎn)是:運(yùn)動(dòng)慢或者靜止的前景會(huì)被漏掉；有可能在目標(biāo)內(nèi)部產(chǎn)生空洞從而無(wú)法完整地提取運(yùn)動(dòng)目標(biāo)；存在一定的滯后性，產(chǎn)生“拖尾”現(xiàn)象，并且目標(biāo)運(yùn)動(dòng)的速度越快這種情況就會(huì)越嚴(yán)重。
[0005]背景差分法是一種有效的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，基本思想是先獲取ROI區(qū)域的背景圖像，并保存起來(lái)，然后將當(dāng)前幀圖像與保存的背景圖像對(duì)應(yīng)像素進(jìn)行減運(yùn)算，差值大于設(shè)定閾值的標(biāo)記為前景像素，否則標(biāo)記為背景像素，并且對(duì)其進(jìn)行二值化處理，就可以識(shí)別出圖像中的前景目標(biāo)。其缺點(diǎn)是獲取背景模板的算法和背景的自動(dòng)更新相對(duì)復(fù)雜；而且滯后性較嚴(yán)重，當(dāng)環(huán)境變化而背景沒(méi)有及時(shí)更新，就會(huì)出現(xiàn)獲取的目標(biāo)不準(zhǔn)確。
[0006]區(qū)域生長(zhǎng)算法:區(qū)域生長(zhǎng)算法的基本思想是將具有相似性質(zhì)的像素集合起來(lái)構(gòu)成區(qū)域。首先對(duì)每個(gè)要分割的區(qū)域找一個(gè)種子點(diǎn)，接著將種子像素周圍鄰域中與種子像素由相同或相似性質(zhì)的像素合并到種子像素所在的區(qū)域中。將這些新像素當(dāng)作新的種子點(diǎn)繼續(xù)進(jìn)行上述過(guò)程，直到?jīng)]有滿足條件的像素點(diǎn)為止。其缺點(diǎn)是:區(qū)域生長(zhǎng)算法復(fù)雜度相對(duì)較高，計(jì)算所用時(shí)間較長(zhǎng)，不適應(yīng)于對(duì)實(shí)時(shí)性要求高的系統(tǒng)；生長(zhǎng)準(zhǔn)則的開(kāi)始和結(jié)束條件如果選擇不好容易弓I起程序進(jìn)入死循環(huán)，且生長(zhǎng)點(diǎn)需要人工指定，魯棒性較差。
[0007]公布號(hào)為CN102509101的中國(guó)發(fā)明專利《交通視頻監(jiān)控中的背景更新方法和車輛目標(biāo)提權(quán)方法》只適用于理想的環(huán)境，最主要的弊端是:〈1>如果是雨、雪、風(fēng)極端惡劣天氣，很難得到一個(gè)理想的背景，背景不理想直接影響車輛目標(biāo)物提取的準(zhǔn)確性；〈2>陽(yáng)光斜射出現(xiàn)的非車輛目標(biāo)物的陰影，極易導(dǎo)致誤判和漏判；〈3>在白天理想情況下可以得到不錯(cuò)的背景，但在夜間同樣不可能得到理想的背景，直接影響車輛目標(biāo)物提取的精準(zhǔn)性。

【發(fā)明內(nèi)容】

[0008]本發(fā)明針對(duì)現(xiàn)有技術(shù)不足，提出一種能準(zhǔn)確識(shí)別車輛目標(biāo)物的算法，即使在惡劣的環(huán)境下也能夠精準(zhǔn)地識(shí)別白天和晚上的車輛目標(biāo)物。
[0009]為了實(shí)現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案是:
一種用于智能交通檢測(cè)系統(tǒng)的車輛目標(biāo)物識(shí)別算法，包括以下幾個(gè)步驟:
步驟A、讀取連續(xù)的多幀圖像，任取一種背景建模算法，建立背景模型；
步驟B、背景更新；
步驟C、背景差分；
步驟D、多幀差分；
步驟E、車輛目標(biāo)物識(shí)別；采用多幀差分和背景差分相結(jié)合的方法來(lái)得到目標(biāo)物的輪廓，其步驟如下:
El 、首先采集到連續(xù)的多幀圖像并保存起來(lái)；
E2、第一幀圖像和第二幀圖像進(jìn)行幀差分算法得到二值化圖像D1，第二幀圖像和第三幀圖像進(jìn)行幀差分算法得到二值化圖像D2，以此類推，分別得到二值化圖像D3和D4 ；
E3、Dl和D2進(jìn)行與運(yùn)算得到二值化圖像D5，D3和D4進(jìn)行與運(yùn)算得到D6，D5和D6進(jìn)行與運(yùn)算得到最終的二值化圖像D7 ；
E4、通過(guò)E3得到的二值化圖像D7，和步驟C中背景差分得到的二值化圖像進(jìn)行與運(yùn)算，完整的識(shí)別出車輛目標(biāo)物的輪廓。
[0010]所述的車輛目標(biāo)物識(shí)別算法，步驟B中，采用背景更新算法得到理想的背景；所述背景更新算法包括以下幾個(gè)步驟:
步驟B1、標(biāo)定出圖像中需要檢測(cè)的敏感區(qū)域的坐標(biāo)；
步驟B2、對(duì)得到的連續(xù)的多幀圖像，用幀差分算法和背景差分算法相結(jié)合的方法，獲取步驟BI中標(biāo)定的敏感區(qū)域的初始背景；
步驟B3、進(jìn)行背景更新判決；
步驟B4、背景更新；
所述的車輛目標(biāo)物識(shí)別算法，步驟B3中，進(jìn)行背景更新判決的步驟如下:
Cl、用函數(shù)神經(jīng)鏈網(wǎng)絡(luò)算法得到區(qū)分當(dāng)前幀和背景幀的閾值；
C2、用灰度直方圖算法得到某種灰度級(jí)的像素個(gè)數(shù)；
C3、將當(dāng)前幀圖像與背景圖像進(jìn)行差分，如果當(dāng)前像素差分結(jié)果大于設(shè)定的閾值，那么認(rèn)為存在運(yùn)動(dòng)目標(biāo)，標(biāo)記為前景像素，否則，標(biāo)記為背景像素；然后將標(biāo)記為背景像素的部分替換到背景模板中對(duì)應(yīng)的像素中去，以實(shí)現(xiàn)背景的實(shí)時(shí)更新。
[0011]發(fā)明的有益積極效果:
1、本發(fā)明車輛目標(biāo)物識(shí)別算法，夜間和白天車輛目標(biāo)物的識(shí)別率都能達(dá)到國(guó)標(biāo)，有效解決了在智能交通視頻分析系統(tǒng)中算法對(duì)環(huán)境的依懶性。采用背景差判據(jù)和幀差判據(jù)相結(jié)合的方法，通過(guò)背景差分模塊中得到的二值化圖像和所述多幀差分的二值化圖像進(jìn)行與運(yùn)算，即使在極端惡劣天氣下，也能夠精確地識(shí)別出車輛目標(biāo)物。[0012]2、本發(fā)明車輛目標(biāo)物識(shí)別算法，具有智能化、目標(biāo)物識(shí)別精準(zhǔn)、識(shí)別效率高等優(yōu)點(diǎn)。I)即使是雨、雪、風(fēng)極端惡劣天氣，也可以很容易得到理想的背景，并能夠根據(jù)天氣情況進(jìn)行快速有效的背景更新；2)可以有效避免由于陽(yáng)光造成目標(biāo)物出現(xiàn)陰影，導(dǎo)致車輛目標(biāo)物識(shí)別錯(cuò)誤的問(wèn)題。
[0013]3、本發(fā)明車輛目標(biāo)物識(shí)別算法，利用幀差判據(jù)和背景差分判據(jù)相結(jié)合的方法來(lái)學(xué)習(xí)和實(shí)時(shí)更新背景，根據(jù)更新條件來(lái)判斷是否進(jìn)行背景更新，可以有效避免背景更新時(shí)靜止目標(biāo)作為背景被更新，不但有效解決了傳統(tǒng)智能視頻分析系統(tǒng)對(duì)環(huán)境的高度依懶性；而且通過(guò)采用五幀差分和前景圖像做“與運(yùn)算”的方法來(lái)實(shí)現(xiàn)車輛目標(biāo)物的識(shí)別，有效解決了識(shí)別出的目標(biāo)物存在空洞的缺陷。
【專利附圖】

【附圖說(shuō)明】
[0014]圖1:本發(fā)明車輛目標(biāo)物識(shí)別算法流程圖。
【具體實(shí)施方式】
[0015]下面通過(guò)【具體實(shí)施方式】，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。
[0016]實(shí)施例1
參見(jiàn)圖1。本發(fā)明用于智能交通檢測(cè)系統(tǒng)的車輛目標(biāo)物識(shí)別算法，包括:步驟A、讀取連續(xù)的多幀圖像，任取一種背景建模算法，建立背景模型；
步驟B、背景更新；
步驟C、背景差分；
步驟D、多幀差分；
步驟E、車輛目標(biāo)物識(shí)別:采用多幀差分和背景差分相結(jié)合的方法來(lái)得到目標(biāo)物的輪廓，其步驟如下:
El 、首先采集到連續(xù)的多幀圖像并保存起來(lái)；
E2、第一幀圖像和第二幀圖像進(jìn)行幀差分算法得到二值化圖像D1，第二幀圖像和第三幀圖像進(jìn)行幀差分算法得到二值化圖像D2，以此類推，分別得到二值化圖像D3和D4 ；
E3、Dl和D2進(jìn)行與運(yùn)算得到二值化圖像D5，D3和D4進(jìn)行與運(yùn)算得到D6，D5和D6進(jìn)行與運(yùn)算得到最終的二值化圖像D7 ；
E4、通過(guò)E3得到的二值化圖像D7，和步驟C中背景差分得到的二值化圖像進(jìn)行與運(yùn)算，完整的識(shí)別出車輛目標(biāo)物的輪廓。
[0017]實(shí)施例2
本實(shí)施例的用于智能交通檢測(cè)系統(tǒng)的車輛目標(biāo)物識(shí)別算法，與實(shí)施例1不同的是:步驟B中，具體采用如下的背景更新算法得到理想的背景:
步驟B1、標(biāo)定出圖像中需要檢測(cè)的敏感區(qū)域的坐標(biāo)；
步驟B2、對(duì)得到的連續(xù)的多幀圖像，用幀差分算法和背景差分算法相結(jié)合的方法，獲取步驟BI中標(biāo)定的敏感區(qū)域的初始背景；
步驟B3、進(jìn)行背景更新判決；
步驟B4、背景更新。
[0018]實(shí)施例3本實(shí)施例的用于智能交通檢測(cè)系統(tǒng)的車輛目標(biāo)物識(shí)別算法，與實(shí)施例2不同之處在
于:
步驟B3中，進(jìn)行背景更新判決的步驟如下:
Cl、用函數(shù)神經(jīng)鏈網(wǎng)絡(luò)算法得到區(qū)分當(dāng)前幀和背景幀的閾值；
C2、用灰度直方圖算法得到某種灰度級(jí)的像素個(gè)數(shù)；
C3、將當(dāng)前幀圖像與背景圖像進(jìn)行差分，如果當(dāng)前像素差分結(jié)果大于設(shè)定的閾值，那么認(rèn)為存在運(yùn)動(dòng)目標(biāo)，標(biāo)記為前景像素，否則，標(biāo)記為背景像素；然后將標(biāo)記為背景像素的部分替換到背景模板中對(duì)應(yīng)的像素中去，以實(shí)現(xiàn)背景的實(shí)時(shí)更新。
【權(quán)利要求】
1.一種用于智能交通檢測(cè)系統(tǒng)的車輛目標(biāo)物識(shí)別算法，包括以下幾個(gè)步驟: 步驟A、讀取連續(xù)的多幀圖像，任取一種背景建模算法，建立背景模型； 步驟B、背景更新； 步驟C、背景差分； 步驟D、多幀差分； 步驟E、車輛目標(biāo)物識(shí)別； 其特征在于，步驟E中，采用多幀差分和背景差分相結(jié)合的方法來(lái)得到目標(biāo)物的輪廓，其步驟如下: El 、首先采集到連續(xù)的多幀圖像并保存起來(lái)； E2、第一幀圖像和第二幀圖像進(jìn)行幀差分算法得到二值化圖像D1，第二幀圖像和第三幀圖像進(jìn)行幀差分算法得到二值化圖像D2，以此類推，分別得到二值化圖像D3和D4 ； E3、Dl和D2進(jìn)行與運(yùn)算得到二值化圖像D5，D3和D4進(jìn)行與運(yùn)算得到D6，D5和D6進(jìn)行與運(yùn)算得到最終的二值化圖像D7 ； E4、通過(guò)E3得到的二值化圖像D7，和步驟C中背景差分得到的二值化圖像進(jìn)行與運(yùn)算，完整的識(shí)別出車輛目標(biāo)物的輪廓。
2.根據(jù)權(quán)利要求1所述的車輛目標(biāo)物識(shí)別算法，其特征是:步驟B中，采用背景更新算法得到理想的背景；所述背景更新算法包括以下幾個(gè)步驟: 步驟B1、標(biāo)定出圖像中需要檢測(cè)的敏感區(qū)域的坐標(biāo)； 步驟B2、對(duì)得到的連續(xù)的多幀圖像，用幀差分算法和背景差分算法相結(jié)合的方法，獲取步驟BI中標(biāo)定的敏感區(qū)域的初始背景； 步驟B3、進(jìn)行背景更新判決； 步驟B4、背景更新。
3.根據(jù)權(quán)利要求2所述的車輛目標(biāo)物識(shí)別算法，其特征在于:步驟B3中，進(jìn)行背景更新判決的步驟如下: Cl、用函數(shù)神經(jīng)鏈網(wǎng)絡(luò)算法得到區(qū)分當(dāng)前幀和背景幀的閾值； C2、用灰度直方圖算法得到某種灰度級(jí)的像素個(gè)數(shù)； C3、將當(dāng)前幀圖像與背景圖像進(jìn)行差分，如果當(dāng)前像素差分結(jié)果大于設(shè)定的閾值，那么認(rèn)為存在運(yùn)動(dòng)目標(biāo)，標(biāo)記為前景像素，否則，標(biāo)記為背景像素；然后將標(biāo)記為背景像素的部分替換到背景模板中對(duì)應(yīng)的像素中去，以實(shí)現(xiàn)背景的實(shí)時(shí)更新。
【文檔編號(hào)】G06K9/46GK103473547SQ201310433102
【公開(kāi)日】2013年12月25日 申請(qǐng)日期:2013年9月23日 優(yōu)先權(quán)日:2013年9月23日
【發(fā)明者】陳長(zhǎng)寶, 張俊奎, 盧志淵, 楊磊 申請(qǐng)人:百年金?？萍加邢薰?br>