基于運(yùn)動(dòng)邊緣提取器的車輛檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種計(jì)算機(jī)圖像處理技術(shù)，特別涉及一種基于運(yùn)動(dòng)邊緣提取器的車輛 檢測方法，該車輛檢測方法是一種基于車輛運(yùn)動(dòng)信息和邊緣信息來提取完整輪廓的檢測算 法。
【背景技術(shù)】
[0002] 隨著擁有私家車家庭的數(shù)目的不斷增多，道路交通的便捷性和安全性也愈發(fā)受到 重視，因此智能交通系統(tǒng)技術(shù)也愈發(fā)重要，而基于視頻的車輛檢測更是智能交通尤為重要 的部分，其亦屬于計(jì)算機(jī)圖像處理中的運(yùn)動(dòng)目標(biāo)檢測的重要組成部分。但由于外在環(huán)境的 復(fù)雜性，如天氣或光線突變，車輛的突然停止等，都會(huì)對車輛的檢測造成檢測輪廓不完整等 缺陷。解決以上問題的主流檢測方法是基于混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測方法及其改進(jìn)方 法，但這些方法存在以下問題：由于混合高斯背景建模算法更新速度慢，對模型參數(shù)有一定 的依賴性，不能實(shí)時(shí)的反應(yīng)實(shí)際背景的變化，例如當(dāng)靜止的物體緩慢運(yùn)動(dòng)時(shí)會(huì)不斷移出背 景，檢測結(jié)果就會(huì)出現(xiàn)"鬼影"或者拖影等問題，且對于與背景顏色相近的運(yùn)動(dòng)目標(biāo)，不能提 取到完整的輪廓。這些問題都大大降低了檢測的準(zhǔn)確性，是本領(lǐng)域技術(shù)人員急待解決的一 個(gè)技術(shù)問題。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種基于運(yùn)動(dòng)邊緣提取器的 車輛檢測方法，該車輛檢測方法解決了現(xiàn)有算法對不同的場景下對高斯混合模型參數(shù)的依 賴性，同時(shí)解決了處理車輛顏色與路面相近的情況下車檢測的輪廓缺失的問題。
[0004] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種基于運(yùn)動(dòng)邊緣提取器的車輛檢 測方法，包括以下步驟：
[0005] 步驟1、利用改進(jìn)的混合高斯模型處理車輛視頻得到更準(zhǔn)確的背景；
[0006] 步驟2、基于靜態(tài)圖像提取完整的目標(biāo)車輛區(qū)域；
[0007] 步驟3、車輛運(yùn)動(dòng)區(qū)域的獲取；
[0008] 步驟4、對由步驟3獲取車輛運(yùn)動(dòng)區(qū)域的結(jié)果進(jìn)行后處理，得到最終結(jié)果，以提取 車輛的完整輪廓。
[0009] 在步驟1中，對傳統(tǒng)的高斯混合模型進(jìn)行了以下的改進(jìn)：由于混合高斯模型是對 整幅圖像進(jìn)行更新，如果更新速率過小，易產(chǎn)生"鬼影"現(xiàn)象，并對光照變化、攝像機(jī)抖動(dòng)非 常敏感；如果更新速率過大，運(yùn)動(dòng)速度較慢的車輛易被融入背景；
[0010] 針對上述問題，利用改進(jìn)的混合高斯模型，所述改進(jìn)的混合高斯模型引入更新參 數(shù)N，則上述更新速率變?yōu)椋?br>[0011] α = α · N， (I)
[0012]
【主權(quán)項(xiàng)】
1. 一種基于運(yùn)動(dòng)邊緣提取器的車輛檢測算法，其特征在于，包括以下步驟： 步驟1、利用改進(jìn)的混合高斯模型處理視頻得到更準(zhǔn)確的背景； 步驟2、基于靜態(tài)圖像提取完整的目標(biāo)車輛區(qū)域； 步驟3、獲取車輛運(yùn)動(dòng)區(qū)域； 步驟4、對由步驟3獲取車輛運(yùn)動(dòng)區(qū)域的結(jié)果進(jìn)行后處理，得到最終結(jié)果，以提取車輛 的完整輪廓。
2. 根據(jù)權(quán)利要求1所述的基于運(yùn)動(dòng)邊緣提取器的車輛檢測算法，其特征在于，在步驟1 中，所述改進(jìn)的混合高斯模型引入更新參數(shù)N，則更新速率為： α = α · N，（1)
α是用戶自定義更新速率，α的取值范圍為：〇< α <1，N為引入的更新參數(shù)； 由式（1)和式（2)可知，根據(jù)前一幀運(yùn)動(dòng)目標(biāo)檢測的結(jié)果，把車輛所對應(yīng)像素點(diǎn)的更新 速率設(shè)為零；在獲取第一幀圖像時(shí)，采用HOG算法提取梯度方向直方圖，并用經(jīng)過訓(xùn)練的支 持向量機(jī)方法對圖像進(jìn)行掃描并判斷；檢測的結(jié)果記為S，如果判斷為路面則S = 1，非路面 S = 0； 利用經(jīng)過訓(xùn)練的支持向量機(jī)方法檢測到的結(jié)果，再對公式（1)作如下修改：
α是用戶自定義更新速率，α的取值范圍為：〇< α < 1，β為前五十幀的更新速率， N為改進(jìn)的混合高斯模型引入的更新參數(shù)。
3. 根據(jù)權(quán)利要求1所述的基于運(yùn)動(dòng)邊緣提取器的車輛檢測算法，其特征在于，所述步 驟4中，提取車輛的完整輪廓的提取方法包括以下步驟： (41) 通過多個(gè)方向的Gabor濾波器來獲取目標(biāo)的相位一致性信息，從而得到圖像的邊 緣特征； (42) 將圖像逐行掃描，找到第一個(gè)未被標(biāo)記的點(diǎn)，標(biāo)記該點(diǎn)，檢查該點(diǎn)的八個(gè)鄰域點(diǎn)是 否連續(xù)，如果其尚未被標(biāo)記，則記錄該點(diǎn)作為特征點(diǎn)； (43) 不斷從記錄特征點(diǎn)的隊(duì)列中取出一個(gè)點(diǎn)，進(jìn)行上述的操作，如此循環(huán)，直到記錄特 征點(diǎn)的隊(duì)列為空、一個(gè)連通區(qū)域標(biāo)記為止，接著再標(biāo)記下一個(gè)未標(biāo)記區(qū)域，直到輸入二值圖 像的所有連通區(qū)域都被標(biāo)記為止； (44) 將連通域的內(nèi)、外輪廓進(jìn)行重新繪制，即繪制輪廓線，但增大輪廓線的寬度，從而 使得原本邊緣不連續(xù)的小連通域連通到一起，得到了邊緣連續(xù)的輪廓； (45) 再次對所得的圖像進(jìn)行連通域檢測并填充，就可以得到完整的區(qū)域。
4. 根據(jù)權(quán)利要求1所述的基于運(yùn)動(dòng)邊緣提取器的車輛檢測算法，其特征在于，所述步 驟3包括以下步驟： (31)將經(jīng)過靜態(tài)圖像完整目標(biāo)提取的原視頻圖像與經(jīng)過靜態(tài)圖像完整目標(biāo)提取的改 進(jìn)的混合高斯模型的背景圖進(jìn)行與運(yùn)算以得到消除了鬼影的背景圖； (32) 將經(jīng)過靜態(tài)圖像完整目標(biāo)提取的視頻圖像與上述步驟（1)得到背景圖進(jìn)行差運(yùn) 算，得到不存在背景的運(yùn)動(dòng)目標(biāo)； (33) 將通過改進(jìn)的混合高斯模型得到的前景圖與上述步驟（2)得到的運(yùn)動(dòng)目標(biāo)圖進(jìn) 行或運(yùn)算，得到最終的運(yùn)動(dòng)區(qū)域圖； 假設(shè)經(jīng)過步驟2處理后的原視頻圖像表示為AU，y)，背景圖像表示為f2(x，y)，則最 終得到的不存在背景的運(yùn)動(dòng)目標(biāo)的圖像f3(x，y)的表達(dá)式如下： f3 (X，y) = f 1 (X，y) - [f 1 (X，y)門 (X，y)]，⑷ 其中，fjx，y)為原視頻圖像，f2(x，y)為經(jīng)過靜態(tài)圖像完整目標(biāo)提取的改進(jìn)的混合高 斯模型的背景圖像； 將混合高斯得到的前景f4(x，y)與f3(x，y)進(jìn)行或運(yùn)算，獲得更加完整的運(yùn)動(dòng)區(qū)域，將 所得結(jié)果表示為f5(x，y)，f5(x，y)的表達(dá)式如下： f5(x，y) =f3(x，y) U f4(x，y)，（5) f3(x，y)是最終得到的不存在背景的運(yùn)動(dòng)目標(biāo)，f4(x，y)是混合高斯得到的前景圖像， f5(x，y)是將f3(x，y)和f4(x，y)進(jìn)行或運(yùn)算得到的完整的車輛運(yùn)動(dòng)圖像。
【專利摘要】本發(fā)明公開了一種基于運(yùn)動(dòng)邊緣提取器的車輛檢測方法，包括以下步驟：步驟1、利用改進(jìn)的混合高斯模型處理車輛視頻得到更準(zhǔn)確的背景；步驟2、基于靜態(tài)圖像提取完整的目標(biāo)車輛區(qū)域；步驟3、車輛運(yùn)動(dòng)區(qū)域的獲取；步驟4、對由步驟3獲取車輛運(yùn)動(dòng)區(qū)域的結(jié)果進(jìn)行后處理，得到最終結(jié)果，以提取車輛的完整輪廓。本發(fā)明具有適用于多種環(huán)境下的車輛檢測和準(zhǔn)確性高等優(yōu)點(diǎn)。
【IPC分類】G06T7-20
【公開號】CN104766344
【申請?zhí)枴緾N201510148996
【發(fā)明人】徐雪妙, 王杰新, 胡梟瑋, 龍偉健, 周標(biāo)
【申請人】華南理工大學(xué)
【公開日】2015年7月8日
【申請日】2015年3月31日