一种基于局部对称特征的视频车辆检测方法技术

技术编号:13896518 阅读:101 留言:0更新日期:2016-10-25 03:15
本发明专利技术公开了一种基于局部对称特征的视频车辆检测方法,利用局部不变特征的集合来描述车辆目标,可以有效避免分割问题,与现有技术相比,该方法将车辆的对称特征作为车辆局部特征聚类的重要线索,实现车辆中心位置的定位,有效避免了采用常规聚类算法时产生的算法复杂度高的问题,而且该方法具有较高的检测精度,运算过程简单,实时性强,能有效地对静态图片和视频图像中的车辆目标进行检测和识别,因此具有广阔的应用前景。

【技术实现步骤摘要】

本专利技术属于视频检测
,具体涉及一种基于局部对称特征的视频车辆检测方法
技术介绍
经济的快速发展,车辆数目的急剧增长,使得无论是发达国家还是发展中国家都饱受交通问题的困扰,如何获取交通信息,有效的疏导交通,缓解交通拥堵,从而避免交通事故的发生显得越来越重要,基于视频的车辆检测技术作为计算机视觉和图像处理领域的重要研究内容,以其方便快捷的优点越来越受到人们的关注。为了实现车辆目标的检测与识别,通常需要提取车辆目标,常用的车辆目标提取方法是利用车辆的运动特征,将目标从交通背景中分离出来,从而实现车辆目标的检测,然而,该方法容易受光线、天气、车辆遮挡等外界条件变化的影响,从复杂背景中分割出运动目标是非常困难的;另外一种方法是利用车辆的低层特征(如边缘特征、颜色特征、形状特征等)进行分割,但这种方法很难获得理想的分割效果,以上两种方法主要利用车辆的全局特性,不可避免地要对疑似车辆目标进行分割,分割的准确性将直接影响车辆识别的结果。但实际的交通场景中,运动车辆容易受到天气和光照变化、车辆拥挤、遮挡以及阴影等因素的影响,导致目标车辆的分割变得更加困难。
技术实现思路
针对现有技术的不足和缺陷,本专利技术的目的在于,提出一种基于局部对称特征的视频车辆检测方法,本方法利用局部不变特征的集合来描述车辆目标,可以有效避免分割问题,将车辆的对称特征作为车辆局部特征聚类的重要线索,实现车辆中心位置的定位。为了实现上述目的,本专利技术采用如下技术方案,一种基于局部对称特征的视频车辆检测方 法,包括以下步骤:步骤一,在初始帧上,沿车道线手动设置ROI区域,并记录ROI区域边界线上每个像素点的坐标;步骤二,对于ROI区域内部,计算当前帧中视频图像的特征角点pi,并记录特征角点pi的位置坐标;步骤三,以步骤二得到的各特征角点为中心,各构造一个正方形区域,采用特征描述算子构造各特征角点的特征矢量步骤四,构造各特征角点的水平对称角点qi的特征矢量步骤五,计算任一特征角点pi与其他所有特征角点分别对应的水平对称角点qi的距离,其最小距离表示为Min(pi),次最小距离表示为MinSec(pi),Min(pi)的计算公式如下所示: M i n ( p i ) = M i n ( D ( p i , q j ) ) = Σ i = 1 M Σ j ≠ i M ( V p i - V q j ) 2 - - - ( 1.1 ) ]]>其中,表示第i个特征角点的特征矢量,表示第j个水平对称角点qj的特征矢量,qj为特征角点pj的水平对称角点;步骤六,若特征角点pi满足以下条件,则特征角点pi和特征角点pj为对称角点对,特征角点pj为与特征角点pi距离最小的水平对称角点qj所对应的特征角点,; M i n ( p i ) Min S e c ( p i ) 0.65 - - - ( 1.2 ) ]]>步骤七,遍历所有特征角点pi,重复上述步骤五和步骤六,直至找到所有对称角点对;步骤八,假设用表示每个对称角点对,分别求得各个对称角点对中心位置的x坐标为计算得到中心位置的统计直方图,将该统计直方图的峰值点作为候选车辆中心线的初始位置xvehicle,并计算统计直方图的方差步骤九,判断对称角点对是否属于同一辆车上的对称角点对,若对称角点对 的中心位置x坐标满足式(1.3),则保留该对称角点对,反之删除; | C p ↔ q i . x - x v e h i c l e | 3 σ v e h i c l e 2 - - - ( 1.3 ) ]]>步骤十,统计步骤九中保留下来的所有对称角点对中心位置的平均值μvehicle,μvehicle即为候选车辆的中心线位置;步骤十一,选取当前视频图像中的若干帧,手动选取车辆底部阴影区域,利用阴影的几何特点、亮度和色彩信息进行建模,训练阴影样本的均值μshadow和方差σshadow,以及阴影区域的x方向像素点个数l和y方向像素点个数h;步骤十二,利用高斯混合模型,对中心线两侧的疑似车辆区域像素点进行测试,其中疑似车辆区域为x∈[μvehicle-l,μvehicle+l],如式(1.4)所示,其中,pi表示图像中被测像素点,Tshadow为阴影样本集的Gshadow(pi)函数的均值;如果被测像素点满足式(1.5),则判定为阴影点,当阴影点是连续的,且满足|Nx-l|<0.2*l和|Ny-h|<0.1*h时,Nx、Ny分别为x方向和y方向上连续的阴影点个数,则可判断该阴影区域所对应的中心线为车辆的中心线,否则该中心线不是车辆的中心线,结束检测; G 本文档来自技高网...

【技术保护点】
一种基于局部对称特征的视频车辆检测方法,其特征在于,包括以下步骤:步骤一,在初始帧上,沿车道线手动设置ROI区域,并记录ROI区域边界线上每个像素点的坐标;步骤二,对于ROI区域内部,计算当前帧中视频图像的特征角点pi,并记录特征角点pi的位置坐标;步骤三,以步骤二得到的各特征角点为中心,各构造一个正方形区域,采用特征描述算子构造各特征角点的特征矢量步骤四,构造各特征角点的水平对称角点qi的特征矢量步骤五,计算任一特征角点pi与其他所有特征角点分别对应的水平对称角点qi的距离,其最小距离表示为Min(pi),次最小距离表示为MinSec(pi),Min(pi)的计算公式如下所示:Min(pi)=Min(D(pi,qj))=Σi=1MΣj≠iM(Vpi-Vqj)2---(1.1)]]>其中,表示第i个特征角点的特征矢量,表示第j个水平对称角点qj的特征矢量,qj为特征角点pj的水平对称角点;步骤六,若特征角点pi满足以下条件,则特征角点pi和特征角点pj为对称角点对,特征角点pj为与特征角点pi距离最小的水平对称角点qj所对应的特征角点,;Min(pi)MinSec(pi)<0.65---(1.2)]]>步骤七,遍历所有特征角点pi,重复上述步骤五和步骤六,直至找到所有对称角点对;步骤八,假设用表示每个对称角点对,分别求得各个对称角点对中心位置的x坐标为计算得到中心位置的统计直方图,将该统计直方图的峰值点作为候选车辆中心线的初始位置xvehicle,并计算统计直方图的方差步骤九,判断对称角点对是否属于同一辆车上的对称角点对,若对称角点对的中心位置x坐标满足式(1.3),则保留该对称角点对,反之删除;|Cp↔qi.x-xvehicle|<3σvehicle2---(1.3)]]>步骤十,统计步骤九中保留下来的所有对称角点对中心位置的平均值μvehicle,μvehicle即为候选车辆的中心线位置;步骤十一,选取当前视频图像中的若干帧,手动选取车辆底部阴影区域,利用阴影的几何特点、亮度和色彩信息进行建模,训练阴影样本的均值μshadow和方差σshadow,以及阴影区域的x方向像素点个数l和y方向像素点个数h;步骤十二,利用高斯混合模型,对中心线两侧的疑似车辆区域像素点进行测试,其中疑似车辆区域为x∈[μvehicle‑l,μvehicle+l],如式(1.4)所示,其中,pi表示图像中被测像素点,Tshadow为阴影样本集的Gshadow(pi)函数的均值;如果被测像素点满足式(1.5),则判定为阴影点,当阴影点是连续的,且满足|Nx‑l|<0.2*l和|Ny‑h|<0.1*h时,Nx、Ny分别为x方向和y方向上连续的阴影点个数,则可判断该阴影区域所对应的中心线为车辆的中心线,否则该中心线不是车辆的中心线,结束检测;Gshadow(pi)=exp(-pi-μshadow)2σshadow2)---(1.4)]]>Gshadow(pi)>Tshadow   (1.5)步骤十三,假设车辆目标区域可表示为R=(lR,rR,uR,bR),lR和rR分别是以μvehicle为中心的目标区域的左侧和右侧边界值,uR和bR表示目标区域的上面和下面的边界值,确定lR、rR、uR和bR取值的方法如下:bR的计算方法:逐行统计车辆底部阴影区域像素值个数,取其最大值作为bR的宽度,以bR的宽度为界限,利用垂直Sobel算子,提取车辆底部阴影区域上方的ROI区域内图像的边缘,车辆的后保险杠和车辆底部阴影区域之间的中心线确定为bR的位置;rR和lR的计算方法:rR和lR的取值根据车辆的中心线位置及bR的宽度来确定,如式(1.6)所示;lR=μvehicle‑width(bR)/2 rR=μvehicle+width(bR)/2   (1.6)uR的计算方法:假设车辆高度为h,其高度和宽度满足比例关系h=γ(rR‑lR),其中,γ由一组车辆数据训练获得;利用垂直Sobel算子提取图像[lR,rR]范围内水平边缘,并统计其灰度图像的水平投影,假设P(y)表示其水平投影直方图分布,那么y∈[bR+0.5h,bR+1.5h]范围内的P(y)最大值即为uR的值;通过对上述方法,我们可以依次获得bR、lR、rR和uR取值,从而确定目标车辆。...

【技术特征摘要】
1.一种基于局部对称特征的视频车辆检测方法,其特征在于,包括以下步骤:步骤一,在初始帧上,沿车道线手动设置ROI区域,并记录ROI区域边界线上每个像素点的坐标;步骤二,对于ROI区域内部,计算当前帧中视频图像的特征角点pi,并记录特征角点pi的位置坐标;步骤三,以步骤二得到的各特征角点为中心,各构造一个正方形区域,采用特征描述算子构造各特征角点的特征矢量步骤四,构造各特征角点的水平对称角点qi的特征矢量步骤五,计算任一特征角点pi与其他所有特征角点分别对应的水平对称角点qi的距离,其最小距离表示为Min(pi),次最小距离表示为MinSec(pi),Min(pi)的计算公式如下所示: M i n ( p i ) = M i n ( D ( p i , q j ) ) = Σ i = 1 M Σ j ≠ i M ( V p i - V q j ) 2 - - - ( 1.1 ) ]]>其中,表示第i个特征角点的特征矢量,表示第j个水平对称角点qj的特征矢量,qj为特征角点pj的水平对称角点;步骤六,若特征角点pi满足以下条件,则特征角点pi和特征角点pj为对称角点对,特征角点pj为与特征角点pi距离最小的水平对称角点qj所对应的特征角点,; M i n ( p i ) Min S e c ( p i ) < 0.65 - - - ( 1.2 ) ]]>步骤七,遍历所有特征角点pi,重复上述步骤五和步骤六,直至找到所有对称角点对;步骤八,假设用表示每个对称角点对,分别求得各个对称角点对中心位置的x坐标为计算得到中心位置的统计直方图,将该统计直方图的峰值点作为候选车辆中心线的初始位置xvehicle,并计算统计直方图的方差步骤九,判断对称角点对是否属于同一辆车上的对称角点对,若对称角点对的中心位置x坐标满足式(1.3),则保留该对称角点对,反之删除; | C p ↔ q i . x - x v e h i c l e | < 3 σ v e h i c l e 2 - - - ( 1.3 ) ]]>步骤十,统计步骤九中保留下来的所有对称角点对中心位置的平均值μvehicle,μvehicle...

【专利技术属性】
技术研发人员:卢胜男冯建利段沛沛
申请(专利权)人:西安石油大学
类型:发明
国别省市:陕西;61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1