在彩色视频图像中提取车辆的方法技术

本发明专利技术公开了一种在彩色视频图像中提取车辆的方法。本方法的步骤为１）建立特征向量空间：利用对每个像素点的ｒ、ｇ、ｂ值求模值的方法，并求背景帧和当前帧的模值之比，将三维的特征空间转为一维的特征空间。２）建立状态特征矩阵：根据当前图像建立一个特征矩阵。３）滑动差分滤波：利用滑动差分滤波器在一维特征空间中对图像进行逐行滤波。４）确定边缘像素点：利用判定条件在滤波后的数据中确定车辆的边缘像素点的位置信息。５）提取车辆：利用确定出的车辆边缘像素点的位置信息，对特征矩阵进行膨胀、腐蚀处理，最终提取出当前帧中的车辆。此方法不对原始图像数据进行处理，有较强的鲁棒性，并可应用于多车道的情况。

【技术实现步骤摘要】

本专利技术涉及一种
技术介绍
随着社会经济的发展，城市化、汽车化速度的加快，交通拥挤、交通事故等问题已经成 为世界各国面临的共同问题。在此背景下，把交通基础设施、交通运载工具和交通参与者综 合起来系统考虑、充分利用高新技术解决交通问题的思想就油然而生了，这就是智能交通系 统产生的背景。所谓的智能交通系统(ITS)实现交通运输服务和管理智能化，使交通运行处 于最佳状态，改善交通拥挤和阻塞，提高路网通行能力和整个交通系统的机动性、安全性和 效率。要实现交通系统的智能化，关键问题之一就是交通信息的获取、处理、分析和发布。目 前交通信息的获取主要依靠感应线圈、微波探测、红外检测和视频。视频方式主要采用摄像 机采集图像数据，利用数字视频处理技术获取道路交通信息。近年来由于图像处理技术、计 算机视觉技术的进步，视频方式具备了技术的可行性。由于这种方式的一些独特优点，应用 越来越多。利用基于视频的方法来检测交通信息，重要的是在视频序列中将运动车辆进行正确的提 取。以往的研究往往是对灰度图像进行处理。随着技术的进步，在彩色图像中进行目标提取 越来越引起了人们的兴趣。相对于灰度图像，彩色图像包含的信息更为丰富，因此对彩色图 像分割方法的研究有利于克服传统的灰度图像分割方式的不足。
技术实现思路
本专利技术的目的是提供一种，该方法不对原始图像数据 进行处理，有较强的鲁棒性，并可用于于多车道的情况。为达到上述目的，本专利技术采用下述技术方案一种，其特征在于操作步骤为1) 建立特征向量空间在RGB色彩空间里，利用对每个像素点的红色通道值r、绿色 通道值g和蓝色通道值b求模值，即模值为V一+g2+62 ，并求背景帧和当前帧的模值之比，将三维的特征空间转为一维的特征空间；2) 建立状态特征矩阵根据当前图像建立一个特征矩阵，用此特征矩阵对图像中对 应像素是否属于前景进行区分； 3) 滑动差分滤波利用滑动差分滤波器在一维特征空间中对图像进行逐行滤波。通 过此滤波，使图像中的车辆边缘像素点的特征更突出，便于进行检测；4) 确定边缘像素点利用车辆的几何特征在滤波后的数据中通过寻找极值点的方法 确定车辆边缘像素点的位置信息；5) 提取车辆利用确定出的车辆边缘像素点的位置信息，对特征矩阵进行膨胀、腐 蚀处理，最终提取出当前帧中的车辆。本专利技术与现有技术专利技术的比较，具有如下显而易见的突出实质性特点和显著优点1、 在彩色图像处理中，将三维的特征空间转换为一维的特征空间，即只对一个特征量进 行判定就可以得到判定结果，简化了判定准则。2、 在处理过程中，建立了一个特征矩阵，这样可以很好地将当前图像的状态特征和图像 本身分离开，也可以对当前图像的状态特征矩阵进行形态学处理。3、 利用滑动差分滤波器对数据进行滤波，根据滤波后的数据进行判定操作，相对于直接 对图像的原始数据进行判定，有较强的鲁棒性。4、 对于与道路颜色相近的车辆以及与阴影颜色相似的车辆，也可以很好的进行提取。 附图说明图1是在彩色视频图像中提取车辆方法的流程图。图2是特征矩阵的示意图，值为0的像素点为背景，值为l的像素点为车辆像素点。 图3是当前图像第53行的rario值分布图，该行的特点为像素点全为背景像素点。 图4是当前图像第93行的m"o值分布图，该行的特点为像素点既有背景像素点又有 车辆像素点。图5是当甜图像第149行的rato值分布图。该行中的特点为像素点既有背景、阴影 像素点，又有车辆像素点时。图6是当前图像第53行的rar/o值经滑动差分滤波后的数据分布图。 图7是当前图像第93行的ra加值经滑动差分滤波后的数据分布图。 图8当前图像第149行的rario值经滑动差分滤波后的数据分布图。 具体实施方法
本专利技术的一个优选实施例结合附图说明如下参见图l，本在彩色视频图像中提取车辆的 方法，操作步骤为1) 建立特征向量空间在RGB色彩空间里，利用对每个像素点的红色通道值r、绿色通道值g、蓝色通道值g求模值，即模值为+2+g2+62 ，并求当前帧和背景帧的模值之比，将三维的特征空间转为一维的特征空间；2) 建立状态特征矩阵根据当前图像建立一个特征矩阵，用此特征矩阵对图像中对 应像素是否属于前景进行区分；3) 滑动差分滤波利用滑动差分滤波器在一维特征空间中对图像进行逐行滤波；4) 确定边缘像素点利用车辆的几何特征在滤波后的数据中通过寻找极值点的方法 确定车辆的边缘像素点位置信息；5) 提取车辆图像利用确定出的车辆边缘像素点的位置信息，对特征矩阵进行膨胀、 腐蚀处理，最终提取出当前帧中的车辆。上述的建立特征向量空间在RGB色彩空间中，单独以R通道、B通道或G通道的值作为 特征向量并不能有效地表示特征本身。为解决这一问题，我们利用对空间中的向量求模值的 方法，将三维的空间转化为一维的空间，并在这个一维的空间里比较背景与当前帧对应像素点的色彩差异。用r,表示当前图像的R通道值，g,表示当前图像的G通道值，^表示当前图 像的B通道值。用/(w)(/v，g,，^)来表示当前图像中^，力点的RGB矢量。用r,表示背景图像 的R通道值，g,表示背景图像的G通道值，Z^表示背景图像的B通道值。用5(^(^,&，^)来表示背景图像中"，力点的RGB矢量。对于图像中的所有像素点，分别计算其模值，用17"力1 和K^I表示。用""^"w表示在"，力像素点上当前图像与背景图像的模值之比。即 |々J 4/+"/上述的建立状态特征矩阵根据当前图像生成一个如图2所示的二值化状态特征矩阵。该矩阵大小与图像一样，矩阵中的每个元素只有两个值，即0或1，与当前图像的像素一一对应，两者有相同的坐标。若当前图像上某个像素被判断为属于车辆区域时，则该像素对应的状态特征矩阵上的元素置为i，否则为o。这样可以很好地将当前图像的状态特征和图像本身分离开，也可以对当前图像的状态特征矩阵进行数学形态学运算，以达到更好的效果。上述的滑动差分滤波对于图像中的每一个像素点都计算其rario值。通过对rario值的分析可得出如下结论1) 如果该像素点为背景像素点的话，其ratio值主要分布在1附近，如图3所示。2) 如果该像素点为车辆像素点的话，其ratio值主要分布在大于1的区域，如图4、图5 所示。3) 如果该像素点为阴影像素点的话，其ratio值主要分布在小于1的区域，如图5所示。 通过对每一行的ratio值进行分析，还可以得出这样的结论1) 属于阴影部分的ratio值的减小过程是一个渐变的过程，在阴影与车辆相连的地方， 由于光照的突然变强，ratio值会有一个快速上升的过程。2) 在车辆与路面直接相连的部分，即使车体颜色与路面颜色相近，ratio值也会有一个 快速下降的过程。3) 因为光照等其他因素，即使是属于车辆部分的像素点，它的ratio值也可能接近于l。 为了能更好的突出车辆边缘像素点的特征，本专利技术设计了一个滑动差分滤波器。此滤波器的掩模为w = 。利用此滤波器对图像中的每一行ratio值进行线性空间滤波处理。经过滤波后的值记为div。当此行的像素全部处于背景区域的时候，因为rarto值变化不大，所以经过滤波之后的AV 值主要分布在O附近，如图6所示。当此行中有车辆的边缘像素点的时候，因为ratio值有一个快速上本文档来自技高网...

【技术保护点】
一种在彩色视频图像中提取车辆的方法，其特征在于操作步骤为：　ａ．建立特征向量空间：在ＲＧＢ色彩空间里，利用对每个像素点的红色通道值ｒ、绿色通道值ｇ、蓝色通道值ｇ求模值，即模值为＊＊＊，并求当前帧和背景帧的模值之比，将三维的特征空间转为一维的特征空间；　ｂ．建立状态特征矩阵：根据当前图像建立一个特征矩阵，用此特征矩阵对图像中对应像素是否属于前景进行区分；　ｃ．滑动差分滤波：利用滑动差分滤波器在一维特征空间中对图像进行逐行滤波；　ｄ．确定边缘像素点：利用车辆的几何特征在滤波后的数据中通过寻找极值点的方法确定车辆的边缘像素点位置信息；　ｅ．提取车辆图像：利用确定出的车辆边缘像素点的位置信息，对特征矩阵进行膨胀、腐蚀处理，最终提取出当前帧中的车辆。

【技术特征摘要】

【专利技术属性】
技术研发人员：白琮，寇超，陈泉林，洪亮，李继豪，
申请(专利权)人：上海大学，
类型：发明
国别省市：31[中国|上海]