專利名稱：一種基于視頻的車輛逆行事件檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于視頻檢測(cè)技術(shù)領(lǐng)域，具體涉及一種基于視頻的車輛逆行事件檢測(cè)方法。
背景技術(shù)：
交通違章逆行是指車輛在道路上的行駛方向與道路規(guī)定行駛方向相反的行為，交通違章逆行現(xiàn)象雖然在城市交通中并不常見，但是這種交通行為的危險(xiǎn)性是非常大的，如果車輛不按照規(guī)定的方向行駛，容易造成交通擁堵現(xiàn)象，甚至釀成交通事故，給人們的生活帶來不便與危險(xiǎn)。目前常用的車輛逆行事件檢測(cè)方法主要有環(huán)形線圈檢測(cè)，微波檢測(cè)，數(shù)字視頻檢測(cè)。其中環(huán)形線圈可擴(kuò)展性差，安裝維護(hù)時(shí)必須中斷交通、破壞路面；微波檢測(cè)缺少直觀性且檢測(cè)設(shè)備的維護(hù)和管理費(fèi)用相對(duì)較高等特點(diǎn)，這些方法在實(shí)際生活中并不能得到廣泛應(yīng)用。目前的新建項(xiàng)目越來越多地采用安裝、維護(hù)不需要破壞路基、檢測(cè)區(qū)域大、實(shí)施方便靈活的基于視頻的交通信息檢測(cè)技術(shù)。而目前基于視頻的檢測(cè)方法多采用劃定檢測(cè)區(qū)域的檢測(cè)方法，該方法僅能對(duì)劃定的區(qū)域范圍內(nèi)車輛進(jìn)行檢測(cè)，不能完整的分割目標(biāo)，具有很大的限制性。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有技術(shù)的缺陷或不足，本發(fā)明的目的為提供一種可以對(duì)視頻范圍內(nèi)所有車輛進(jìn)行檢測(cè)的基于視頻的車輛逆行事件檢測(cè)方法。為實(shí)現(xiàn)上述技術(shù)任務(wù)，本發(fā)明采用如下的技術(shù)方案
一種基于視頻的車輛逆行事件檢測(cè)方法，該方法通過下列步驟實(shí)現(xiàn) 步驟一，將第一幀圖像和背景圖像在相同的塊坐標(biāo)系下都劃分成多個(gè)塊； 步驟二，對(duì)第一幀圖像的每個(gè)塊設(shè)置一計(jì)數(shù)器，并將所有計(jì)數(shù)器初始化為零； 步驟三，對(duì)第一幀圖像的每個(gè)塊，在背景圖像中找到與該塊位置相同的背景塊，并計(jì)算該塊與其相應(yīng)的背景塊之間各相同像素位置處的灰度差值的絕對(duì)值之和；
當(dāng)所得的絕對(duì)值之和大于設(shè)定的閾值，則該塊為目標(biāo)±夬，并設(shè)置該塊內(nèi)部所有像素的灰度值為255，當(dāng)所得的絕對(duì)值之和小于或等于設(shè)定的閾值，則該塊為背景塊，并設(shè)置該塊內(nèi)部所有像素的灰度值為0，其中的閾值為 10 χ塊的面積~ 20 χ塊的面積；
最后將第一幀圖像中的背景與目標(biāo)分離開，得到第一幀圖像的二值化圖像； 步驟四，對(duì)第一幀圖像的二值化圖像的每個(gè)塊，當(dāng)該塊內(nèi)部所有像素的灰度值為255， 即為目標(biāo)塊時(shí)，則將該塊的計(jì)數(shù)器的數(shù)值加一，當(dāng)該塊內(nèi)部所有像素的灰度值為0，即為背景塊時(shí)，則將該塊的計(jì)數(shù)器的數(shù)值清零；
步驟五，依次對(duì)第二幀圖像、第三幀圖像、…、第m幀圖像，按照步驟一、步驟三和步驟四進(jìn)行處理，得到記錄有最終數(shù)值的計(jì)數(shù)器；
3步驟六，將所有記錄有最終數(shù)值的計(jì)數(shù)器正投影于一平面坐標(biāo)系中，該坐標(biāo)系的橫坐標(biāo)正方向與道路正方向相同，縱坐標(biāo)與視頻圖像中的道路面平行，其中橫坐標(biāo)代表車身的不同部位，縱坐標(biāo)代表各相同橫坐標(biāo)的計(jì)數(shù)器的最終數(shù)值累加和，得到計(jì)數(shù)器的數(shù)值波形步驟七，當(dāng)計(jì)數(shù)器的數(shù)值波形圖中計(jì)數(shù)器的數(shù)值累加和沿橫坐標(biāo)正方向遞減時(shí)，則目標(biāo)沿道路規(guī)定方向行駛；當(dāng)計(jì)數(shù)器的數(shù)值波形圖中計(jì)數(shù)器的數(shù)值累加和沿橫坐標(biāo)正方向遞增時(shí)，則目標(biāo)逆行。本發(fā)明的其他技術(shù)特征為
步驟五中所述的m為IS m 24的自然數(shù)。本發(fā)明的方法主要包括基于塊的二值化分割將待處理的視頻中每幀圖像中的目標(biāo)和背景分離開來和基于塊的時(shí)間序列統(tǒng)計(jì)每個(gè)塊成為目標(biāo)塊的次數(shù)，并根據(jù)統(tǒng)計(jì)次數(shù)投影的特征來判斷車輛是否逆行兩個(gè)步驟。基于塊的二值化分割將待處理的視頻中每幀圖像中的目標(biāo)和背景分離開來具體是將圖像劃分為多個(gè)塊，每塊為一個(gè)計(jì)量單位，對(duì)每個(gè)塊判斷其與背景塊的差距，相差大的認(rèn)為是目標(biāo)塊，相差小的認(rèn)為是背景塊，完成目標(biāo)即待測(cè)車輛與背景的分割。基于塊的時(shí)間序列統(tǒng)計(jì)每個(gè)塊成為目標(biāo)塊的次數(shù)，并根據(jù)統(tǒng)計(jì)次數(shù)投影的特征判斷車輛是否逆行的具體操作是對(duì)分塊后的第一幀圖像中的每個(gè)塊設(shè)置一個(gè)計(jì)數(shù)器，用以記錄在時(shí)間序列上各幀圖像的二值化圖像中相同位置的塊成為目標(biāo)塊的次數(shù)，
如果目標(biāo)車輛處于正常行駛狀態(tài)，則目標(biāo)車輛在當(dāng)前視頻序列的第m幀圖像中的位置相比于其在第m-1幀圖像中的位置在車道正方向上行駛了一段路程，目標(biāo)車輛的車頭所在的塊在第m幀圖像中為目標(biāo)塊，而在第m-1幀圖像中都不是目標(biāo)塊，而目標(biāo)車輛的尾部所在的塊在第m幀圖像和第m-1幀圖像中都是目標(biāo)塊，依此類推，經(jīng)過依次對(duì)第一幀圖像至第m 幀圖像的二值化圖像中相同位置的塊成為目標(biāo)塊的次數(shù)用相應(yīng)位置處的計(jì)數(shù)器統(tǒng)計(jì)后，在第m幀圖像中車輛所在區(qū)域內(nèi)塊，在垂直于道路正方向上的各橫坐標(biāo)相同的計(jì)數(shù)器的數(shù)值的累加和沿道路正方向遞減，而這個(gè)遞減方向就是車輛從車尾到車頭的方向即車輛的運(yùn)行方向，這個(gè)方向與道路正方向一致。同理，若目標(biāo)車輛違章逆行時(shí)，在垂直于道路正方向上的各個(gè)橫坐標(biāo)相同的計(jì)數(shù)器的數(shù)值的累加和沿道路正方向遞增，而這個(gè)遞增方向就是車輛從車尾到車頭方向的反方向，即車輛運(yùn)動(dòng)方向的反方向，則車輛的運(yùn)動(dòng)方向與道路正方向相反。與現(xiàn)有技術(shù)相比，本發(fā)明所提供的方法可對(duì)視頻范圍內(nèi)所有車輛進(jìn)行檢測(cè)，不受環(huán)境限制，能夠?qū)?shí)時(shí)視頻進(jìn)行判斷，且檢測(cè)時(shí)間短、易于實(shí)現(xiàn)、準(zhǔn)確性較高，很適合于實(shí)時(shí)檢測(cè)逆行事件，具有廣闊的應(yīng)用前景。


圖1為計(jì)數(shù)器投影結(jié)果示意圖，其中，(a)為目標(biāo)車輛沿道路正方向行駛，(b)為目標(biāo)車輛逆向行駛，圖中AB⑶所圍成的區(qū)域?yàn)榈缆?，G為目標(biāo)即車輛，E-F方向?yàn)榈缆氛较颍?br> 圖2為實(shí)施例中已知視頻中的第1幀圖像； 圖3為實(shí)施例中已知視頻中的第20幀圖像；圖4為實(shí)施例的計(jì)數(shù)器投影結(jié)果示意圖，其中X方向?yàn)榈缆氛较?，Y方向?yàn)闄M坐標(biāo)相同的計(jì)數(shù)器的數(shù)值累加和的正方向，且X軸代表目標(biāo)車輛車身的部位，Y軸代表橫坐標(biāo)相同的計(jì)數(shù)器的數(shù)值累加和。以下結(jié)合實(shí)施例與附圖對(duì)本發(fā)明作進(jìn)一步說明。
具體實(shí)施例方式需要說明的是，本發(fā)明所述及的道路正方向是指道路規(guī)定行駛方向。本發(fā)明的方法過程中所處理的圖像是視頻中的沿正時(shí)間序列的第一幀圖像、第二幀圖像、第三幀圖像、…、第m幀圖像。本發(fā)明的方法具體采用以下步驟實(shí)現(xiàn)
本發(fā)明中基于塊的二值化分割即步驟一、步驟二所處理的幀圖像的大小為Wx H，塊的面積為wxh，其中W為圖像的水平方向的像素，H為圖像豎直方向的像素％為塊區(qū)域的寬度，h為塊的高度。步驟一，將第一幀圖像和背景圖像在相同的塊坐標(biāo)系下都劃分成多個(gè)塊， 即第一幀圖像和背景圖像采用相同的塊坐標(biāo)系，則第一幀圖像被劃分的塊個(gè)數(shù)為
T = (WZw) X(HZh)；
步驟二，對(duì)第一幀圖像的每個(gè)塊設(shè)置一個(gè)計(jì)數(shù)器，并將所有計(jì)數(shù)器初始化為零； 步驟三，對(duì)第一幀圖像的每個(gè)塊，在背景圖像中找到與該塊位置相同即在塊坐標(biāo)系中坐標(biāo)相同的背景塊，并計(jì)算該塊與其相應(yīng)的背景塊之間各相同像素位置處的灰度差值的絕對(duì)值之和；
當(dāng)所得的絕對(duì)值之和大于設(shè)定的閾值，則該塊為目標(biāo)塊，并設(shè)置該塊內(nèi)部所有像素的灰度值為255，當(dāng)所得的絕對(duì)值之和小于或等于設(shè)定的閾值，則該塊為背景塊，并設(shè)置該塊內(nèi)部所有像素的灰度值為0，其中的閾值取值范圍為IOx塊的面積~20><塊的面積，即 10x(wx,i)~20x(wxA)；
最后將第一幀圖像中的背景與目標(biāo)分離開，得到第一幀圖像的二值化圖像； 步驟四，對(duì)第一幀圖像的二值化圖像的每個(gè)塊，當(dāng)該塊內(nèi)部所有像素的灰度值為255， 即為目標(biāo)塊時(shí)，則將該塊的計(jì)數(shù)器的數(shù)值加一，當(dāng)該塊內(nèi)部所有像素的灰度值為0，即為背景塊時(shí)，則將該塊的計(jì)數(shù)器的數(shù)值清零；
步驟五，依次對(duì)第二幀圖像、第三幀圖像、…、第m幀圖像，按照步驟一、步驟三和步驟四進(jìn)行處理，得到記錄有最終數(shù)值的計(jì)數(shù)器；其中的m取18 IIli 24的自然數(shù)；
步驟六，將所有記錄有最終數(shù)值的計(jì)數(shù)器正投影于一平面坐標(biāo)系中，該坐標(biāo)系的橫坐標(biāo)正方向與道路正方向相同，縱坐標(biāo)與視頻圖像中的道路面平行，其中橫坐標(biāo)代表車身的不同部位，縱坐標(biāo)代表各相同橫坐標(biāo)的計(jì)數(shù)器的最終數(shù)值累加和，得到計(jì)數(shù)器的數(shù)值波形步驟七，當(dāng)計(jì)數(shù)器的數(shù)值波形圖中計(jì)數(shù)器的數(shù)值累加和沿橫坐標(biāo)正方向遞減時(shí)，則目標(biāo)沿道路規(guī)定方向行駛；當(dāng)計(jì)數(shù)器的數(shù)值波形圖中計(jì)數(shù)器的數(shù)值累加和沿橫坐標(biāo)正方向遞增時(shí)，則目標(biāo)逆行。結(jié)合圖1，對(duì)以上步驟中的投影結(jié)果加以說明，圖中AB⑶所圍成的區(qū)域?yàn)榈缆?，其中的G為第m幀圖像中車輛位置，E-F方向?yàn)榈缆氛较?，取EF所指方向作為坐標(biāo)系的橫向坐標(biāo)，該坐標(biāo)代表目標(biāo)車輛中的車身的不同部位；垂直EF的方向作為縱向坐標(biāo)，且該縱坐標(biāo)與圖像中的道路面平行，縱向坐標(biāo)代表各橫坐標(biāo)相同的計(jì)數(shù)器的最終數(shù)值的累加和。在二值化圖像中不是目標(biāo)塊的塊，其計(jì)數(shù)器都已清零，為目標(biāo)塊的塊，其計(jì)數(shù)器的數(shù)值加一，將記錄有最終數(shù)值的計(jì)數(shù)器正投影于與道路平行的坐標(biāo)系上，得到以EF為橫坐標(biāo)的波形圖，縱坐標(biāo)代表了橫坐標(biāo)相同的計(jì)數(shù)器的數(shù)值累加和的大小，由于在車尾位置累加值大于車頭位置，則可判斷(a)圖中波形圖中在垂直于道路正方向上的各個(gè)相同橫坐標(biāo)的計(jì)數(shù)器的數(shù)值的累加和沿道路正方向遞減，說明車輛正常行駛，(b)圖中在垂直于道路正方向上的各個(gè)相同橫坐標(biāo)的計(jì)數(shù)器的數(shù)值的累加和沿道路正方向遞增，說明車輛逆行行駛。以下是發(fā)明人給出的具體實(shí)施例，需要說明的是本發(fā)明并不限于該實(shí)施例。實(shí)施例
已知視頻中的目標(biāo)車輛沿道路正方向行駛，視頻正播時(shí)，第1幀圖像如圖2所示，第20 幀圖像如圖3所示，為更直觀的對(duì)本發(fā)明進(jìn)行說明，本實(shí)施例中以已知視頻的倒播視頻作為處理對(duì)象，即已知視頻中的第20幀圖像即圖3為該實(shí)施例方法所處理的第一幀圖像，已知視頻中的第1幀圖像即圖2為該實(shí)施例方法所處理的第二十幀圖像，如此轉(zhuǎn)換后，已知本實(shí)施例中的目標(biāo)車輛為逆行。該實(shí)施例中處理過程中視頻的采樣頻率是25幀每秒，幀圖像大小為720*288，每塊區(qū)域的大小為8*6，將幀圖像分成90*48個(gè)塊區(qū)域，目標(biāo)區(qū)域二值化分割閾值為576，按照本發(fā)明的方法依次對(duì)第一幀至第二十幀圖像進(jìn)行處理。從圖4可以看出，各個(gè)相同橫坐標(biāo)的計(jì)數(shù)器的數(shù)值的累加和沿道路正方向遞增， 說明車輛逆行行駛。
權(quán)利要求
1.一種基于視頻的車輛逆行事件檢測(cè)方法，其特征在于，該方法通過下列步驟實(shí)現(xiàn) 步驟一，將第一幀圖像和背景圖像在相同的塊坐標(biāo)系下都劃分成多個(gè)塊；步驟二，對(duì)第一幀圖像的每個(gè)塊設(shè)置一計(jì)數(shù)器，并將所有計(jì)數(shù)器初始化為零； 步驟三，對(duì)第一幀圖像的每個(gè)塊，在背景圖像中找到與該塊位置相同的背景塊，并計(jì)算該塊與其相應(yīng)的背景塊之間各相同像素位置處的灰度差值的絕對(duì)值之和；當(dāng)所得的絕對(duì)值之和大于設(shè)定的閾值，則該塊為目標(biāo)塊，并設(shè)置該塊內(nèi)部所有像素的灰度值為255，當(dāng)所得的絕對(duì)值之和小于或等于設(shè)定的閾值，則該塊為背景塊，并設(shè)置該塊內(nèi)部所有像素的灰度值為0，其中的閾值為 10 χ塊的面積~ 20 χ塊的面積；最后將第一幀圖像中的背景與目標(biāo)分離開，得到第一幀圖像的二值化圖像； 步驟四，對(duì)第一幀圖像的二值化圖像的每個(gè)塊，當(dāng)該塊內(nèi)部所有像素的灰度值為255， 即為目標(biāo)塊時(shí)，則將該塊的計(jì)數(shù)器的數(shù)值加一，當(dāng)該塊內(nèi)部所有像素的灰度值為0，即為背景塊時(shí)，則將該塊的計(jì)數(shù)器的數(shù)值清零；步驟五，依次對(duì)第二幀圖像、第三幀圖像、…、第m幀圖像，按照步驟一、步驟三和步驟四進(jìn)行處理，得到記錄有最終數(shù)值的計(jì)數(shù)器；步驟六，將所有記錄有最終數(shù)值的計(jì)數(shù)器正投影于一平面坐標(biāo)系中，該坐標(biāo)系的橫坐標(biāo)正方向與道路正方向相同，縱坐標(biāo)與視頻圖像中的道路面平行，其中橫坐標(biāo)代表車身的不同部位，縱坐標(biāo)代表各相同橫坐標(biāo)的計(jì)數(shù)器的最終數(shù)值累加和，得到計(jì)數(shù)器的數(shù)值波形圖；步驟七，當(dāng)計(jì)數(shù)器的數(shù)值波形圖中計(jì)數(shù)器的數(shù)值累加和沿橫坐標(biāo)正方向遞減時(shí)，則目標(biāo)沿道路規(guī)定方向行駛；當(dāng)計(jì)數(shù)器的數(shù)值波形圖中計(jì)數(shù)器的數(shù)值累加和沿橫坐標(biāo)正方向遞增時(shí)，則目標(biāo)逆行。
2.如權(quán)利要求1所述的方法，其特征在于，所述步驟五中的m為18S m S 24的自然數(shù)。
全文摘要
本發(fā)明屬于視頻檢測(cè)技術(shù)領(lǐng)域，具體涉及一種基于視頻的車輛逆行事件檢測(cè)方法。該方法主要包括基于塊的二值化分割將待處理的視頻中每幀圖像中的目標(biāo)和背景分離開來和基于塊的時(shí)間序列統(tǒng)計(jì)每個(gè)塊成為目標(biāo)塊的次數(shù)，根據(jù)統(tǒng)計(jì)次數(shù)投影的特征判斷車輛是否逆行兩個(gè)步驟。與現(xiàn)有技術(shù)相比，本發(fā)明所提供的方法可對(duì)視頻范圍內(nèi)所有車輛進(jìn)行檢測(cè)，不受環(huán)境限制，能夠?qū)?shí)時(shí)視頻進(jìn)行判斷，且檢測(cè)時(shí)間短、易于實(shí)現(xiàn)、準(zhǔn)確性較高，很適合于實(shí)時(shí)檢測(cè)逆行事件，具有廣闊的應(yīng)用前景。
文檔編號(hào)G06T7/20GK102184547SQ20111007509
公開日2011年9月14日 申請(qǐng)日期2011年3月28日 優(yōu)先權(quán)日2011年3月28日
發(fā)明者嚴(yán)玍伻, 付洋, 周婷潔, 夏波, 宋煥生, 張輝, 張靜, 施春寧, 袁彬, 趙倩, 郭玲玲, 陳艷, 馬銳安 申請(qǐng)人:長(zhǎng)安大學(xué)