一種基于逆投影圖的夜間車輛檢測與計數(shù)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于視頻檢測領(lǐng)域，具體涉及一種基于逆投影圖的夜間車輛檢測與計數(shù)方法。
【背景技術(shù)】
[0002]近年來，社會經(jīng)濟的快速發(fā)展使得私家汽車數(shù)量急劇的增加，智能交通系統(tǒng)作為一種實時的、高效的交通管理系統(tǒng)以其能夠有效解決交通擁堵問題得到世界的認(rèn)可。車輛檢測與計數(shù)方法在智能交通系統(tǒng)的研究中占有相當(dāng)重要的地位，車輛檢測與計數(shù)是獲取車流量信息的第一步。
[0003]目前，夜間車輛檢測與計數(shù)作為車輛檢測的一個部分，針對夜間光照條件較差的環(huán)境很難或者說基本不能通過攝像機來獲取車輛的清晰圖像，這就極大加深了檢測的難度。針對這個難題，相關(guān)研究人員主要從兩個方面進行研究，一方面是通過改善硬件采用特殊的高性能攝像機，該方法很難避免車燈的光暈以及車燈光線的影響，常用的方法還是通過CCD攝像機拍攝夜間視頻，通過車燈對夜間車輛進行檢測；另一方面就是針對夜間車輛檢測與計數(shù)算法進行研究，一些學(xué)者考慮到在夜間受車燈光暈及其路面反射光線影響嚴(yán)重，因此試圖采通過幀差法來消除車燈光暈和路面反射光線；另一些學(xué)者根據(jù)夜間車燈所具有的明亮、穩(wěn)定且不受路燈投射光線和天氣情況影響這幾個特征做了大量的研究工作。在夜間，車燈包括前燈和車尾燈這兩種。上述夜間車輛檢測與計數(shù)方法容易受到非車燈(警示燈)或者車身反射光的影響。

【發(fā)明內(nèi)容】

[0004]針對上述現(xiàn)有技術(shù)中存在的問題或缺陷，本發(fā)明的目的在于，提供一種基于逆投影圖的夜間車輛檢測與計數(shù)方法。
[0005]為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案:
[0006]—種基于逆投影圖的夜間車輛檢測與計數(shù)方法，包括以下步驟:
[0007]步驟一，采用路面監(jiān)控攝像頭拍攝路面圖像，獲取路面的多幀視頻圖像，設(shè)置三維逆投影檢測面，將視頻圖像顯示在三維逆投影檢測面上，采用數(shù)據(jù)重構(gòu)恢復(fù)出三維逆投影檢測面上的每一幀圖像的逆投影圖；
[0008]步驟二，對每一幀圖像的逆投影圖進行背景提取，得到每一幀圖像的背景圖像；
[0009]步驟三，對每一幀圖像的逆投影圖進行前景提取，得到每一幀圖像的前景圖像，當(dāng)前景圖像中包含有多個代表車輛可疑車燈目標(biāo)的目標(biāo)亮塊即連通域時，執(zhí)行步驟四，否則，不執(zhí)行任何操作；
[0010]步驟四，對每一幀圖像的前景圖像中的各個連通域進行標(biāo)記；
[0011]步驟五，對同一幀圖像中的連通域進行粗匹配，每一幀圖像中均得到多個車燈對；
[0012]步驟六，對步驟五中得到的所有車燈對進行細(xì)匹配，得到多個目標(biāo)車燈對，確定目標(biāo)車燈對所在的前景圖像為第N幀?N+m幀；
[0013]步驟七，建立高斯混合模型；
[0014]步驟八，將第N幀?N+m幀圖像中屬于同一車輛的目標(biāo)車燈對組成一個目標(biāo)車燈對組，并確定各個目標(biāo)車燈對組的匹配次數(shù);確定每個目標(biāo)車燈對組中最接近于所設(shè)置的三維逆投影檢測面的目標(biāo)車燈對;若目標(biāo)車燈對組的匹配次數(shù)大于閾值M，則該目標(biāo)車燈對組中最接近于所設(shè)置的三維逆投影檢測面的目標(biāo)車燈對即為檢測到的夜間車輛目標(biāo);最終檢測到S個夜間車輛目標(biāo)，則車輛計數(shù)增加S;返回步驟一。
[0015]具體地，所述的步驟五中的粗匹配的實現(xiàn)方式包括以下步驟:
[0016]分別求取每一幀圖像的前景圖像中的各個連通域的三維周長，面積和圓形度;若連通域的面積小于A，則將該目標(biāo)剔除，計算同一幀圖像中面積大于A的連通域中任意兩個連通域的周長比Tc—r，面積比Ta—R和圓形度比Ts—R，若0.65〈1^〈1.60、0.3^^—1?〈3且0.65〈1^〈1.60，則這兩個連通域?qū)?yīng)的可疑車燈粗匹配為同一車輛的車燈對。
[0017]具體地，所述步驟六中的細(xì)匹配的實現(xiàn)方式包括以下步驟:
[0018]在逆投影圖上求得車燈對的X方向距離差X，y方向距離差Y，以及車燈對中兩個車燈的平均高度H;若計算結(jié)果滿足100〈X〈260、Y〈15且20〈H〈120，則該車燈對可進一步確定為當(dāng)前圖像中的一個目標(biāo)車燈對，記錄當(dāng)前圖像中的該目標(biāo)車燈對，匹配次數(shù)為I;若車燈對不滿足上述閾值條件，則該車燈對不是目標(biāo)車燈對;按照上述方法，得到當(dāng)前圖像中的多個目標(biāo)車燈對。
[0019]具體地，所述步驟八中的將第N幀?N+m幀圖像中屬于同一車輛的目標(biāo)車燈對組成一個目標(biāo)車燈對組，并確定各個目標(biāo)車燈對組的匹配次數(shù)，其實現(xiàn)方式包括:
[0020]在步驟五中第N幀?N+m幀圖像中，從相鄰的兩幀圖像中分別選取一個目標(biāo)車燈對，計算得到XF和YF，若滿足XF〈20且HF〈40，則選取的兩個目標(biāo)車燈對為同一車輛的目標(biāo)車燈對，該目標(biāo)車燈對的匹配次數(shù)增加I;若計算得到的XF和YF不滿足XF〈20且HF〈40，則選取的兩個目標(biāo)車燈對不是同一車輛的目標(biāo)車燈對;屬于同一車輛的目標(biāo)車燈對組成一個目標(biāo)車燈對組，最最終得到j(luò)組分別屬于不同車輛的目標(biāo)車燈對組，各個目標(biāo)車燈對組的最終匹配次數(shù)為Mr"Mj。
[0021]具體地，所述步驟八中的確定每個目標(biāo)車燈對組中最接近于所設(shè)置的三維逆投影檢測面的目標(biāo)車燈對，其實現(xiàn)方式包括:
[0022]計算每個目標(biāo)車燈對組中的各個目標(biāo)車燈對在高斯混合模型中的概率大小，即將目標(biāo)車燈對中的兩個車燈的X方向距離差X和兩個車燈的平均高度H均代入上述高斯混合模型中，得到概率;選取概率大小中的最大值對應(yīng)的目標(biāo)車燈對，該目標(biāo)車燈對即為該車輛最接近于當(dāng)前三維逆投影檢測面的目標(biāo)車燈對。
[0023]與現(xiàn)有技術(shù)相比，本發(fā)明具有以下技術(shù)效果:
[0024]1、本發(fā)明利用車輛夜間僅有的車前燈信息，建立三維的逆投影面，利用車前燈的三維信息，減少光暈以及路面反射光線的影響，提高檢測的準(zhǔn)確性。
[0025]2、本發(fā)明不受硬件環(huán)境限制，能夠進行實時檢測，建立高斯混合模型，能夠準(zhǔn)確的確定出最接近于所設(shè)置的三維逆投影檢測面的車燈對目標(biāo)，從而準(zhǔn)確檢測夜間車輛目標(biāo)。
[0026]3、采用粗匹配方法確定車燈對，進一步采用細(xì)匹配方法確定目標(biāo)車燈對，并通過計算目標(biāo)車燈對的匹配次數(shù)，準(zhǔn)確確定夜間車輛目標(biāo)。
[0027]本發(fā)明的方法對夜間車輛檢測與計數(shù)具有實時高效的特點，具有廣闊的應(yīng)用前景。
【附圖說明】
[0028]圖1為本發(fā)明的方法流程圖；
[0029]圖2為上海市某路段視頻以及逆投影面設(shè)置的情況；
[0030]圖3為當(dāng)前逆投影面上恢復(fù)重建的逆投影圖；
[0031]圖4為逆投影圖所獲取的背景圖像；
[0032]圖5為逆投影圖所獲取的前景圖像；
[0033]圖6為在第N幀圖像中的可疑車燈的粗匹配情況；
[0034]圖7為在第N幀圖像中的目標(biāo)車燈對在混合高斯模型下的概率大?。?br>[0035]圖8為在第N+1幀圖像中的可疑車燈的粗匹配情況；
[0036]圖9為在第N+1幀圖像中的目標(biāo)車燈對在混合高斯模型下的概率大?。?br>[0037]圖10為在第N+2幀圖像中的可疑車燈的粗匹配情況；
[0038]圖11為在第N+2幀圖像中的目標(biāo)車燈對在混合高斯模型下的概率大??；
[0039]下面結(jié)合附圖和實施例對本發(fā)明的方案做進一步詳細(xì)地解釋和說明。
【具體實施方式】
[0040]實施例
[0041]本實施例的基于逆投影圖的夜間車輛檢測與計數(shù)方法，通過設(shè)置逆投影面和恢復(fù)建立逆投影面對應(yīng)的逆投影圖，然后在逆投影圖上進行一系列的處理和分析，最終實現(xiàn)車輛檢測與車輛計數(shù)，初始車輛數(shù)目為O ο本實施例的方法包括以下步驟:
[0042]步驟一，采用路面監(jiān)控攝像頭連續(xù)拍攝路面圖像，獲取路面的多幀視頻圖像;設(shè)置平行于車頭所在平面，沿豎直方向的三維逆投影檢測面，獲取的視頻圖像顯示在設(shè)置的三維逆投影檢測面上，針對三維逆投影檢測面的大小根據(jù)路面實際情況，如車道數(shù)和路面寬度進行設(shè)置，本實施例中，其大小設(shè)置為2.5m*7m;針對三維逆投影檢測面上的視頻圖像，采用數(shù)據(jù)重構(gòu)恢復(fù)出每一幀圖像的逆投影圖。
[0043]步驟二，對每一幀圖像的逆投影圖采用平均法進行背景提取，得到背景圖像，即路面圖像;因路面情況隨時可能發(fā)生變化，為了保證獲取的背景圖像的準(zhǔn)確性，每間隔一定時間提取一次背景圖像，并隨時更新。
[0044]步驟三，對每一幀圖像的逆投影圖進行前景提取，即利用每一幀圖像減去該幀圖像對應(yīng)的背景圖像，得到每一幀圖像的前景圖像，當(dāng)前景圖像中包含有多個目標(biāo)亮塊時，執(zhí)行步驟四，否則，不執(zhí)行任何操作。每一個目標(biāo)亮塊為一個可疑車燈目標(biāo)，一個目標(biāo)亮塊所在區(qū)域為一個連通域。
[0045]步驟四，分別對每一幀圖像的前景圖像中的各個連通域進行標(biāo)記，針對每一幀圖像的連通域的標(biāo)記方法相同，即利用不同灰度值進行標(biāo)號，如圖4中出現(xiàn)3個車燈目標(biāo)，可以標(biāo)記為I，2，3，代表各自連通域的灰度值。
[0046]步驟五，分別求取每一幀圖像的前景圖像中的每個連通域的三維周長，面積和圓形度;針對每一幀圖像，若連通域面積小于A(A>160)，則可能是噪聲，將該目標(biāo)剔除;計算面積大于A的連通域中任意兩個連通域的周長比Tc—R，面積比Ta—R和圓形度比Ts—R，若0.65〈Tc—R〈1.60,0.3〈Ta—r〈3且0.65〈TS—R〈1.60，則將相應(yīng)的兩個連通域?qū)?yīng)的可疑車燈粗匹配為同一車輛的車燈對，最終得到每一幀圖像中均包含的多個車燈對。
[0047]步驟六，對步驟五得到的每