專利名稱：基于最優(yōu)閾值和隨機標號法的多車輛分割方法
技術領域：
本發(fā)明涉及一種基于機器視覺的車輛檢測方法，更進一步地，涉及一種機器視覺 結合最優(yōu)閾值和隨機標號法的多車輛分割方法。
背景技術：
隨著車輛的日益增多，有關交通控制問題的研究已經成為了近年來的熱點。其中 最為核心的車輛識別技術受到了廣大研究人員的極大關注。車輛識別技術在自主導航車、 助駕系統(tǒng)、智能交通監(jiān)控系統(tǒng)和自動泊車系統(tǒng)中都起著非常關鍵的作用。在自下而上的識 別過程中，車輛分割的好壞直接影響著車輛識別的質量。由于車輛行駛在室外環(huán)境中，車輛 的分割受到了光照變化、陰影、運動背景(比如搖動的樹枝)等干擾的影響，使得車輛分割 問題成為了一個極富挑戰(zhàn)性的問題。一般而言，優(yōu)秀的車輛分割方法需要滿足以下要求1) 適應不同的光線、天氣變化，如霧天、嚴重陰影和區(qū)域光線劇烈變化等。2)克服不同的交通 流狀況對檢測的影響?；镁哂凶銐蚋叩膶崟r性和魯棒性。

發(fā)明內容
本發(fā)明的目的在于克服現(xiàn)有技術的不足，提供一種基于最優(yōu)閾值和隨機標號法的 多車輛分割方法，減少了環(huán)境因素對室外車輛檢測過程的干擾，提高了在復雜環(huán)境下對運 動目標檢測的魯棒性和實時性。為了達到上述目的，本發(fā)明所采用的技術方案是一種基于最優(yōu)閾值和隨機標號法的多車輛分割方法，包括以下步驟(1)圖像采集；(2)圖像色彩空間變換；(3)圖像閾值粗分割；(4)圖像細分割；(5)背景提取及更新；所述圖像閾值粗分割中，選取雙閾值消除前景與背景相減可能出現(xiàn)正負的情況， 根據(jù)與閾值相關的約束關系建立能量函數(shù)，運用模擬退火算法循環(huán)迭代計算出全局能量最 小的分割閾值，進而得到最優(yōu)雙閾值以對圖像進行分割，以上循環(huán)迭代過程和背景提取更 新過程共同組成雙循環(huán)結構。進一步地，所述圖像色彩空間變換采用K-L變換，具體方法如下將圖像色彩從(R，G，B)空間域轉換到一個新(U，ν)空間域，提取出圖像顏色的主 要分量，減小色彩空間的維數(shù)，使得車輛顏色積聚在一個較小的范圍內，用以消除光照強度 變化引起的顏色劇烈變化；K-L變換的規(guī)則如下 U =2ZW-GW-GB/ZW
權利要求
1.一種基于最優(yōu)閾值和隨機標號法的多車輛分割方法，包括以下步驟(1)圖像采集；(2)圖像色彩空間變換；(3)圖像閾值粗分割；(4)圖像細分割；(5)背景提取及更新；其特征在于所述圖像閾值粗分割中，選取雙閾值消除前景與背景相減可能出現(xiàn)正負 的情況，根據(jù)與閾值相關的約束關系建立能量函數(shù)，運用模擬退火算法循環(huán)迭代計算出全 局能量最小的分割閾值，進而得到最優(yōu)雙閾值以對圖像進行分割，以上循環(huán)迭代過程和背 景提取更新過程共同組成雙循環(huán)結構。
2.如權利要求1所述的基于最優(yōu)閾值和隨機標號法的多車輛分割方法，其特征在于， 所述圖像色彩空間變換采用K-L變換，具體方法如下將圖像色彩從(R，G，B)空間域轉換到一個新(u，ν)空間域，提取出圖像顏色的主要分 量，減小色彩空間的維數(shù)，使得車輛顏色積聚在一個較小的范圍內，用以消除光照強度變化 引起的顏色劇烈變化；K-L變換的規(guī)則如下
3.如權利要求1所述的基于最優(yōu)閾值和隨機標號法的多車輛分割方法，其特征在于， 所述圖像閾值粗分割包括以下步驟得到(1)設粗分割圖Mt中包含了k個分割塊，由Sr表示，每一個Sr在圖像/；和背景圖Bt中 對應的區(qū)域用分別用和Λ^表示，函數(shù)Ψ(Γ\)表示求塊中像素點的個數(shù)，其中r = 1,2,6, k ；(2)選取雙閾值7；1和f，并且滿足C-f=7，由中值Τ；確定，其中Y由聚合區(qū)域的大小 決定；(3)結合與閾值相關的約束關系生成能量函數(shù)^AtMi,代).
4.如權利要求1所述的基于最優(yōu)閾值和隨機標號法的多車輛分割方法，其特征在于， 所述圖像細分割采用以下方法得到最優(yōu)閾值分割已將圖像粗分成多個塊，針對每個粗分割的塊運用標號法區(qū)分出每個像 素的類型(前景、背景、陰影3種類型)，從而完全去除車輛分割圖中的陰影和背景，其中每 一個像素點的標號利用最大后驗概率來確定，即計算出每個像素點在三種像素類型下的后 驗概率再由最大的后驗概率確定標號； 后驗概率由下式確定
5.其中
6.如權利要求1或4所述的基于最優(yōu)閾值和隨機標號法的多車輛分割方法，其特征在 于，所述圖像細分割中采用如下方法確定標號的先驗概率在t時刻，如果給定圖像&，標號域It滿足馬爾科夫屬性，則標記域的分布可以近似為 一個Gibbs分布，即Pih (ω)) oc exp{- ^ Wm Ht (ω)) + ^ (h (ω\ It {ξ))]}9其中‘ '/(O) = O)νω( {(ω)) =-In ρ( ((ω)),//(OX1O) ，νωξ( χω)Μξ)) = -瞧務ψ》ο
7.如權利要求1所述的基于最優(yōu)閾值和隨機標號法的多車輛分割方法，其特征在于， 所述背景提取與更新采用平均幀法進行背景更新每當重新采集到t時刻并經色彩空間變換的幀圖像A，在t-Ι時刻背景圖像Bw的基礎 上，根據(jù)不同的更新權重計算出t時刻的背景圖像Bt，原理如下 Bt =(1-0^+(Jt .9 其中Bt為t時刻背景，4Bt^1為t-Ι時刻背景，I為t時刻通過色彩空間轉換后的視頻幀，α為更新因子，根據(jù)像素點與真實背景的相似程度可以分成3類，決定更新因子α的 取值(1)粗分割圖Mt中被去除的背景像素與真實背景的差異很小，則認為這些背景就是真 實背景，可以直接替換背景圖像Bt中的對應像素點，即更新因子α為1，(2)粗分割圖Mt中未被去除的背景像素與真實背景差異較大，可根據(jù)該點與真實背景 的相似程度尸化( ))決定Bt中對應像素點的更新因子α，(3)粗分割圖Mt中保留的車輛和陰影圖像，即更新因子α為0； 聯(lián)立上述表述得到決定背景更新速度的公式
全文摘要
本發(fā)明涉及一種基于最優(yōu)閾值和隨機標號法的多車輛分割方法，所述方法包括圖像采集、圖像色彩空間變換、圖像閾值粗分割、圖像細分割、背景提取及更新等步驟。所述圖像粗分割根據(jù)與閾值相關的約束關系建立能量函數(shù)，運用模擬退火算法計算最優(yōu)雙閾值以對圖像進行分割，提高了分割效率。所述背景提取和更新中通過相似度決定背景更新速度的選擇性背景更新方法，減少了分割計算量，提高了實時性。所述方法對光照極強和極弱或者是在橫向和縱向陰影干擾環(huán)境下，都能夠準確對多車輛進行分割與檢測，適用于較為復雜的室外環(huán)境下道路交通管理或其它類似場合，本方法的實施主要使用攝像機和計算機系統(tǒng)，可用于交通監(jiān)控及相近領域。
文檔編號G08G1/017GK102073852SQ20111000742
公開日2011年5月25日 申請日期2011年1月14日 優(yōu)先權日2011年1月14日
發(fā)明者何銀強, 戚其豐, 鄧軍 申請人:華南理工大學