夜间复杂交通视频中车辆检测方法技术

本发明专利技术提供的是一种夜间复杂交通视频中车辆检测方法。首先用方位模糊技术进行车灯提取，利用光在大气中传播有散射的性质，引入Bouguer’s散射指数模型，在此基础上，通过膨胀移位、阈值提取、坐标变换和逻辑运算，得到车灯，再利用形态学运算将车灯配对并加以追踪。对于遮挡问题，运用前后帧间车辆数目的改变，进行比较判断，对其分别处理。最后利用模糊相似度方法和最大后验概率方法对车速进行估计，本发明专利技术能实现较高准确率的车辆追踪，并且整个追踪系统具有较高的精度。

【技术实现步骤摘要】

本专利技术涉及的是一种车辆运动分析方法。
技术介绍
车辆运动分析通常是对目标车辆进行追踪，得到车辆的运动速度、位移、轨迹等信息，为交通事故处理、违规行为分析和治安犯罪的取证提供了重要依据。我们对一台目标车辆进行详细和准确的追踪，特别是对大量同时进入视野的车辆进行追踪时，要尽量避免其他车辆的干扰，这是车辆追踪的难点，也是近些年车辆追踪的研究热点。目前较为成熟的先进夜间复杂交通视频中车辆监控算法有亮度和区域滤波法(brightness and area filtering)、自适应立体视觉提取法(Self-adaptive stereovision extractor)、反射增强图和反射抑制图法(reflection intensity map andreflection suppressed map)和形态分析法(morphological analysis)、自动多阈值法(automatic mult1-thresholds)等。近年来,在这些较为成熟的追踪算法的基础上结合了卡尔曼滤波器、可视粒子滤波等方法，取其各种方法的优点对夜间交通视频中车辆进行追踪，但车辆在复杂条件下(雨、雪天)和曲线行驶时，追踪结果不好，而且计算成本高。
技术实现思路
本专利技术的目的在于提供一种能够实现较高效率的。本专利技术的目的是这样实现的1、图像模糊化利 用光在大气中散射的性质，引入Bouguer’ s指数衰减模型及模糊参数ΛΒ，证实在通过高斯滤波后，这种模糊与强反射相比可以忽略不计，故可在原图像的垂直向上、垂直向下和水平方向上引入模糊参数ΛΒ，得到三幅不同方向的模糊图像。2、车灯提取将得到的三幅不同方向的模糊图像进行高斯滤波和阈值提取，选择垂直向下移位的像素坐标为参考，将垂直向上、水平向下两个方向的像素进行移位，使三者坐标对齐，最后通过逻辑与运算，消除由于街灯、广告牌、地面反射、车前灯打到其他车身反射光、模糊变换等对车灯定位的干扰，提取出车等信息。3、车灯配对鉴于车在弯路行驶时仍需被追踪到，所以在对车灯进行配对时，将图像在水平方向上分为7部分，由于车灯进入视野向前行驶的过程中，车灯会变得越来越宽，越来越大，故对这7部分分别运用形态闭和腐蚀操作，且所选的线结构元的尺寸由上到下依次递增。由于车尾灯一般都是红色的，因此把RGB图转换成Y、Cb和Cr成分，其中Cr用于尾灯的提取。按照上述步骤可实现尾灯的定位和配对，差别在于形态操作时，线结构元的尺寸要由上到下依次递减。4、遮挡判别运用前后帧间车辆数目的改变，进行比较判断并加以处理。5、车辆追踪对输入的每一帧图像按列(从左到右)浏览，得到车灯团区域的相关属性信息，最后对其进行标记，通过车灯中心位置改变大小判断车辆是否移动并且对其进行追踪。6、速度估计①前景粗提取消除快速变化的背景的影响，得到低对比度图片，当前帧像素I和背景像素B相似度本文档来自技高网...

【技术保护点】
一种夜间复杂交通视频中车辆检测方法，其特征是：（1）、图像模糊化：在原图像的垂直向上、垂直向下和水平方向上引入模糊参数ΔB，得到三幅不同方向的模糊图像；（2）、车灯提取：将得到的三幅不同方向的模糊图像进行高斯滤波和阈值提取，选择垂直向下移位的像素坐标为参考，将垂直向上、水平向下两个方向的像素进行移位，使三者坐标对齐，最后通过逻辑与运算，消除对车灯定位的干扰，提取出车灯信息；（3）、车灯配对：将图像在水平方向上分为7部分，对这7部分分别运用形态闭和腐蚀操作，把RGB图转换成Y、Cb和Cr成分；（4）、遮挡判别：运用前后帧间车辆数目的改变，进行比较判断并加以处理；（5）、车辆追踪：对输入的每一帧图像按列浏览，得到车灯团区域的相关属性信息，最后进行标记，通过车灯中心位置改变大小判断车辆是否移动并且对其进行追踪；（6）、速度估计：①前景粗提取：消除快速变化的背景的影响，得到低对比度图片，当前帧像素I和背景像素B相似度设定相似度阈值，进行图片提取；②前景细提取：当前帧像素I和单位延时帧像素I’做差，取绝对值，即ADiff＝|I?I′|；③像素属性判断：如果当前像素与ADiff之间的距离大于特定隶属度阈值，则它属于背景像素，否则属于前景像素；④逻辑运算：解模糊，对得到的两个不同的二值像素进行逻辑或运算，EF＝Or(Sim(B,I),ADiff)；⑤速度估计：对上一步的二值图像做闭运算得到灯团的位置，设当前灯团中心C(Xc,Yc)，Xc,Yc分别代表中心像素的横、纵坐标，相隔十帧灯团中心G(Xg,Yg)，则两个灯团空间距离为Ud是为了获得真实速度，自像素域扩展到真实域的投影参数，最后利用红外传感系统得到车辆行驶的真实速度y，又假设噪声和待估计速度是相互独立的，且都服从高斯分布，故运用最大后验概率估计方法对速度进行估计，其估计公式是max{s}f(S|y)=max{s}{f(y|S)f(S)f(y)},其中s为待估计速度，y为真实速度。FDA00002733208400011.jpg,FDA00002733208400012.jpg...

【技术特征摘要】
1.一种夜间复杂交通视频中车辆检测方法，其特征是 (1)、图像模糊化在原图像的垂直向上、垂直向下和水平方向上引入模糊参数ΛΒ，得到三幅不同方向的模糊图像； (2)、车灯提取将得到的三幅不同方向的模糊图像进行高斯滤波和阈值提取，选择垂直向下移位的像素坐标为参考，将垂直向上、水平向下两个方向的像素进行移位，使三者坐标对齐，最后通过逻辑与运算，消除对车灯定位的干扰，提取出车灯信息； (3)、车灯配对将图像在水平方向上分为7部分，对这7部分分别运用形态闭和腐蚀操作，把RGB图转换成Y、Cb和Cr成分； (4)、遮挡判别运用前后帧间车辆数目的改变，进行比较判断并加以处理； (5)、车辆追踪对输入的每一帧图像按列浏览，得到车灯团区域的相关属性信息，最后进行标记...

【专利技术属性】
技术研发人员：汤春明，聂美玲，陈立伟，廖艳萍，崔颖，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：