一種基于目標行為分析的行人圖像實時檢測方法
【專利摘要】本發(fā)明公開了一種基于目標行為分析的行人圖像實時檢測方法，該方法包括4個步驟，依次是圖像預處理、目標分割、目標特征提取和目標特征分析，所述的圖像預處理包括對采集到的圖像進行橫向及縱向抽樣處理，用以減少圖像數據的計算量，所述的目標分割包括對初始背景提取、幀差分割目標和形態(tài)學濾波，所述的目標特征提取，包括連通域處理和目標跟蹤，所述的目標特征分析，包括對目標速度、軌跡的平滑程度、目標長寬比以及目標面積的分析判斷。
【專利說明】一種基于目標行為分析的行人圖像實時檢測方法

【技術領域】
[0001] 本發(fā)明屬于交通檢測【技術領域】，特別涉及一種基于目標行為分析的行人圖像實時 檢測方法。

【背景技術】
[0002] 隨著社會的不斷發(fā)展，交通道路的建設越來越重要，并且我國也正在大量建設交 通網路，人與車的矛盾問題越來越突出，從而導致交通事故不斷發(fā)生，并且有惡化的趨勢。 目前視頻監(jiān)控朝著高清、網絡化方向發(fā)展，越來越多的道路上使用高清攝像機對圖像進行 監(jiān)控。有些道路中由于行人的出現導致了交通壓力過大，因為在車輛行駛中為了避開行人 而導致車輛行駛過慢，出現交通擁堵現象，且當行人橫穿馬路時，不遵守交通規(guī)則，隨意亂 穿馬路，都容易造成交通事故發(fā)生，在這種環(huán)境背景下，越來越多的產品采用基于高清視頻 圖像的行人檢測來緩解人車的矛盾，以提高發(fā)生事故后的處理速度。在不允許行人通過的 路段，要及時發(fā)出報警，進行實時處理。


【發(fā)明內容】

[0003] 本發(fā)明的目在于針對現有技術中存在的缺陷，提供一種能夠對實時1?清道路視頻 圖像進行行人檢測的方法，該方法可以對城市道路、隧道及高速公路中等限制行人出現的 地方對行人進行實時檢測并發(fā)出報警，以減少人車矛盾，減少交通事故的發(fā)生。
[0004] 本發(fā)明的技術方案是，一種基于目標行為分析的行人圖像實時檢測方法，該方法 包括4個步驟，依次是圖像預處理、目標分割、目標特征提取和目標特征分析，
[0005] 所述的圖像預處理包括對采集到的圖像進行橫向及縱向抽樣處理，用以減少圖像 數據的計算量，
[0006] 所述的目標分割包括對初始背景提取、幀差分割目標和形態(tài)學濾波，其中，所述 的初始背景提取的實現步驟為：
[0007] a 1)統(tǒng)計連續(xù)N幀（通過對多種不同場景及不同統(tǒng)計時間的測試，最終確定當N 取200時，具有較好的測試效果，故在實際使用中，取N = 200)視頻變化情況，記錄像素中 個點灰度出現情況

【權利要求】
1. 一種基于目標行為分析的行人圖像實時檢測方法，其特征在于，該方法包括4個步 驟，依次是圖像預處理、目標分割、目標特征提取和目標特征分析， 所述的圖像預處理包括對采集到的圖像進行橫向及縱向抽樣處理，用以減少圖像數據 的計算量， 所述的目標分割包括對初始背景提取、幀差分割目標和形態(tài)學濾波，其中，所述的初始 背景提取的實現步驟為： al)統(tǒng)計連續(xù)N巾貞視頻變化情況，記錄像素中個點灰度出現情況
其中，P(X，y,k表）示像素點（X，y)處亮度值為k出現的次數，Iimagei (X，y,m)表示某 一幀圖像像素點（x，y)處亮度值為m， a2)將連續(xù)N幀某點灰度出現頻率最大值，作為該點的灰度值，即初始背景灰度值。 Background(X，y) =max(P(X，y，k))k= 0, 1，2…255 (I. 2) 所述的幀差分割目標的具體實現步驟為： bl)為方便后續(xù)計算，首先將抽樣后的結果進行塊化，設原始圖像寬度及高度為W、H， 塊的大小為w、h，則塊化后的圖像大小為
b2)使用當前圖像與背景圖像進行差分，以獲得運動目標，其中DifGrayi為背景差分后 某塊的灰度值，GraynS當前幀某塊內像素灰度值，Backgroundn為背景中對應塊內像素灰 度值
b3)二值化閾值的選擇使用迭代式閾值選擇法， A) 選擇視頻圖像中的灰度的中值作為首先的估計閾值Ttl ; B) 利用開始估計的閾值Ttl把圖像的灰度值分成兩個不同的區(qū)域：&、R2，根據式（1. 5) 計算區(qū)域R1和R2的灰度的均值U1和U2 :
C) 計算出U1和U2后，計算出新的閾值Ti+1 :
D) 重復步驟B)、C)，直到Ti+1和Ti無限接近時，其值即為二值化閾值T。 b4)當差分結果大于閾值T時，則將該塊結果置為255,否則置為0,實現目標的二值化，
所述的形態(tài)學濾波實現的步驟為： cl)對二值化分割結果進行橫向掃描，當相鄰兩白塊間間隔小于2個塊時，則將中間區(qū) 域的黑塊置為255,否則保留原值； c2)對二值化分割結果進行縱向掃描，當相鄰兩白塊間間隔小于2個塊時，則將中間區(qū) 域的黑塊置為255,否則保留原值； 所述的目標特征提取，包括連通域處理和目標跟蹤，其中，連通域處理的實現步驟是：dl)圖像初步標記 為每個塊賦予臨時標記，并且將臨時標記的等價關系記錄在等價表中；d2)整理等價表 A'）將具有等價關系的臨時標記全部等價為其中的最小值； B'）對連通區(qū)域以自然數順序重新編號，得到臨時標記與最終標記之間的等價關系；d3)圖像代換 對圖像進行逐塊代換，將臨時標記代換為最終標記，經過上述處理，圖像中連通域按照 由上到下，由左到右出現的順序被標以連續(xù)的自然數； d4)連通域外接矩形 連通域標記結束后，進行其最小外接矩形的求取，將屬于同一個標號的塊連接起來，以 確定該目標的長度和寬度； 所述的目標跟蹤的實現步驟為：el)獲取重心 對連通域進行橫向投影，確定其橫向的塊數，設圖像目標物塊數為N，列數為[0，L-1]， 對應列i的目標物塊數為Iii,幾率為 Pi =rii/N,i=1, 2··· L (1. 8) 其中=1，則列的重心為 /-0 y=i*Pi(1. 9) 同理，得到行的重心，e2)目標重心跟蹤 得到重心后,保存重心的行和列，在第N+1幀對第N幀中的重心附近8*8的搜索范圍 內進行搜索，如果搜索到有目標物的重心，則認為兩幀為同一目標物，更新重心的行和列坐 標，搜索下一幀，以獲得目標的運動軌跡，且選擇跟蹤N'幀，以放大車輛與行人之間的差 距； e3)軌跡速度計算 獲得目標運動軌跡后,記錄軌跡中每個點對應的位置及巾貞數,則軌跡速度為
(1，IO〕其中，dN為軌跡終點對應的像素位 置，Cltl為軌跡起點對應的像素位置，K為跟蹤的巾貞數，即K=10; 所述的目標特征分析，包括對目標速度、軌跡的平滑程度、目標長寬比以及目標面積的 分析判斷， 對目標速度，選擇相同幀數的軌跡的運動矢量和進行判斷，即相同時間內運動的距離 作為判斷的依據， 對軌跡的平滑程度采用弦長及弧長的差的大小來衡量軌跡的平滑程度，當弦長和弧長 差值比較大時，說明跟蹤的目標物為行人，當弧長和弦長差值比較小時，說明跟蹤的目標物 為車輛，行人的軌跡位移矢量小，車輛的位移矢量大，說明車輛的速度大，行人的速度小， 對于目標長寬比，在獲得目標連通域的外接矩形后，即可獲得行人目標的長度和寬度， 根據其長寬比的大小作為行人檢測的依據之一， 對于目標面積，根據連通域外接矩形的面積大小作為行人檢測的依據， 這里，*代表數學符號中的乘號。
2. 如權利要求1所述基于目標行為分析的行人圖像實時檢測方法，其特征在于，所述 的目標分割的初始背景提取的實現步驟al)中，取N= 200。
3. 如權利要求2所述基于目標行為分析的行人圖像實時檢測方法，其特征在于，所述 的目標特征提取中的目標跟蹤的實現步驟e3)中，N'為跟蹤的幀數，即取N' =10。
【文檔編號】G06T7/00GK104463903SQ201410286444
【公開日】2015年3月25日 申請日期:2014年6月24日 優(yōu)先權日:2014年6月24日
【發(fā)明者】楊憶明, 袁彬, 譚中慧, 于艷玲, 王軍群, 楊東雷 申請人:中海網絡科技股份有限公司