一種智能交通監(jiān)控系統(tǒng)中的高分辨率視頻車(chē)輛檢測(cè)方法
【專(zhuān)利摘要】一種智能交通監(jiān)控系統(tǒng)中的高分辨率視頻車(chē)輛檢測(cè)方法。本發(fā)明屬于智能交通和視頻監(jiān)控【技術(shù)領(lǐng)域】，涉及一種基于高分辨率視頻的車(chē)輛檢測(cè)方法。本發(fā)明結(jié)合智能交通系統(tǒng)的實(shí)際應(yīng)用情況，將視頻車(chē)輛檢測(cè)問(wèn)題視為車(chē)頭（或車(chē)尾）區(qū)域的檢測(cè)問(wèn)題，為便于描述以車(chē)頭區(qū)域?yàn)槔?；首先在高分辨率監(jiān)控視頻中設(shè)置車(chē)輛檢測(cè)的感興趣區(qū)域，利用感興趣區(qū)域中的梯度密度信息和車(chē)頭區(qū)域的結(jié)構(gòu)信息生成一系列的候選區(qū)域；使用監(jiān)督學(xué)習(xí)方法離線訓(xùn)練車(chē)輛與背景的二分類(lèi)器，其中正樣本滿(mǎn)足車(chē)頭的結(jié)構(gòu)約束；使用分類(lèi)器對(duì)候選區(qū)域進(jìn)行驗(yàn)證，將分類(lèi)為車(chē)輛的候選區(qū)域標(biāo)記為車(chē)輛區(qū)域；使用聚類(lèi)方法濾除誤檢并合并多個(gè)檢測(cè)結(jié)果，得到最終的車(chē)輛檢測(cè)結(jié)果。本發(fā)明可以有效地去除誤檢，提高車(chē)輛檢測(cè)的準(zhǔn)確率；操作簡(jiǎn)單，應(yīng)用前景廣闊。
【專(zhuān)利說(shuō)明】一種智能交通監(jiān)控系統(tǒng)中的高分辨率視頻車(chē)輛檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于智能交通和視頻監(jiān)控【技術(shù)領(lǐng)域】，具體為一種基于高分辨率視頻的車(chē)輛檢測(cè)方法，用于智能交通監(jiān)控系統(tǒng)中快速定位車(chē)輛目標(biāo)。
【背景技術(shù)】
[0002]隨著計(jì)算機(jī)視覺(jué)和成像技術(shù)的發(fā)展，基于視頻的智能交通監(jiān)控系統(tǒng)逐漸得到了廣泛的應(yīng)用。其中車(chē)輛檢測(cè)是智能交通監(jiān)控系統(tǒng)的核心技術(shù)，系統(tǒng)對(duì)監(jiān)控場(chǎng)景的高層語(yǔ)義理解，如車(chē)輛軌跡獲取、車(chē)輛行為分析、異常事件檢測(cè)等，都很大程度上依賴(lài)于車(chē)輛檢測(cè)的結(jié)果。因此高效、魯棒的車(chē)輛檢測(cè)方法對(duì)于智能交通監(jiān)控系統(tǒng)具有重要的意義。
[0003]目前的視頻車(chē)輛檢測(cè)方法可分為兩類(lèi)。一類(lèi)方法將車(chē)輛看成是場(chǎng)景中主要的運(yùn)動(dòng)目標(biāo)，通過(guò)運(yùn)動(dòng)目標(biāo)檢測(cè)方法(如幀間差、背景建模)定位車(chē)輛。此類(lèi)方法存在許多缺陷。首先場(chǎng)景中的陰影和遮擋會(huì)給運(yùn)動(dòng)目標(biāo)檢測(cè)帶來(lái)很大的干擾，需要添加復(fù)雜的陰影和遮擋處理策略；其次，運(yùn)動(dòng)目標(biāo)檢測(cè)方法通常不能處理光照突變以及復(fù)雜的動(dòng)態(tài)場(chǎng)景，限制了此類(lèi)方法的應(yīng)用場(chǎng)景；此外，運(yùn)動(dòng)目標(biāo)檢測(cè)很難處理高分辨視頻，通常需要進(jìn)行降采樣，丟失了有用的細(xì)節(jié)信息。
[0004]另一類(lèi)在視頻中檢測(cè)車(chē)輛的方法是，訓(xùn)練一個(gè)判別車(chē)輛與背景的二分類(lèi)器，在視頻中將分類(lèi)為車(chē)輛的局部區(qū)域標(biāo)記為車(chē)輛。此類(lèi)方法能有效地處理復(fù)雜的動(dòng)態(tài)場(chǎng)景，對(duì)交通場(chǎng)景中陰影、光照、天氣條件等因素具有較好的穩(wěn)定性，能夠保證較高的檢測(cè)精度。然而，此類(lèi)方法通常采用滑動(dòng)窗口作為搜索策略，處理高分辨率視頻時(shí)往往會(huì)帶來(lái)極大的計(jì)算量，從而不利于實(shí)際應(yīng)用。
[0005]目前，為了獲得行駛中的車(chē)輛以及駕駛員的清晰圖像，高清攝像機(jī)在智能交通系統(tǒng)中已經(jīng)得到了廣泛的應(yīng)用。同時(shí)，高清攝像機(jī)提供的高分辨率視頻包含了豐富的細(xì)節(jié)信息，有利于提高車(chē)輛檢測(cè)的準(zhǔn)確率。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的是克服現(xiàn)有車(chē)輛檢測(cè)技術(shù)無(wú)法有效處理高分辨率視頻的不足，提高復(fù)雜交通場(chǎng)景中的車(chē)輛檢測(cè)率，從而提供一種基于高分辨率視頻的車(chē)輛檢測(cè)方法。該方法能在高清攝像機(jī)獲取的高分辨率圖像中快速且準(zhǔn)確地檢測(cè)車(chē)輛，為后續(xù)的交通監(jiān)控任務(wù)提供有效的基礎(chǔ)信息。
[0007]本發(fā)明的主要內(nèi)容為:結(jié)合智能交通系統(tǒng)的實(shí)際應(yīng)用情況，將視頻車(chē)輛檢測(cè)問(wèn)題視為車(chē)頭(或車(chē)尾)區(qū)域的檢測(cè)問(wèn)題，為了便于描述以車(chē)頭區(qū)域?yàn)槔?，?chē)尾區(qū)域類(lèi)似；首先在高分辨率監(jiān)控視頻中設(shè)置車(chē)輛檢測(cè)的感興趣區(qū)域，利用感興趣區(qū)域中的梯度密度信息和車(chē)頭區(qū)域的結(jié)構(gòu)信息在感興趣區(qū)域中生成一系列的候選區(qū)域；使用監(jiān)督學(xué)習(xí)方法離線訓(xùn)練車(chē)輛與背景的二分類(lèi)器，其中正樣本滿(mǎn)足車(chē)頭的結(jié)構(gòu)約束；然后使用分類(lèi)器對(duì)候選區(qū)域進(jìn)行驗(yàn)證，將分類(lèi)為車(chē)輛的候選區(qū)域標(biāo)記為車(chē)輛區(qū)域；最后使用聚類(lèi)方法濾除誤檢并合并真實(shí)車(chē)輛區(qū)域周?chē)亩鄠€(gè)檢測(cè)結(jié)果，得到最終的車(chē)輛檢測(cè)結(jié)果。[0008]本發(fā)明的實(shí)現(xiàn)步驟如下:
[0009]步驟一:感興趣區(qū)域設(shè)置與網(wǎng)格化
[0010]設(shè)置感興趣區(qū)域，將感興趣區(qū)域網(wǎng)格化為若干個(gè)同樣大小的胞元；
[0011]步驟二:特征提取與顯著性計(jì)算
[0012]對(duì)每一個(gè)胞元，記其對(duì)應(yīng)圖像區(qū)域?yàn)镃，則該區(qū)域內(nèi)的每個(gè)像素點(diǎn)的水平梯度值cx(i, j)可由下式計(jì)算:
[0013]Cx(i, j) = |C(i+l, j)-C(1-l, j) 1.(I)
[0014]其中C(i，j)為該位置的灰度值，該區(qū)域內(nèi)水平梯度值的密度定義為:
[0015]
【權(quán)利要求】
1.一種智能交通監(jiān)控系統(tǒng)中的高分辨率視頻車(chē)輛檢測(cè)方法，其特征在于，具體實(shí)現(xiàn)步驟如下: 步驟一:感興趣區(qū)域設(shè)置與網(wǎng)格化 設(shè)置感興趣區(qū)域，將感興趣區(qū)域網(wǎng)格化為若干個(gè)同樣大小的胞元； 步驟二:特征提取與顯著性計(jì)算 對(duì)每一個(gè)胞元，記其對(duì)應(yīng)圖像區(qū)域?yàn)镃，則該區(qū)域內(nèi)的每個(gè)像素點(diǎn)的水平梯度值cx(i, j)可由下式計(jì)算:
cx(i, j) = C(i+1, j)-c(1-l, j) 1.(1) 其中c(i，j)為該位置的灰度值，該區(qū)域內(nèi)水平梯度值的密度定義為:
【文檔編號(hào)】G06K9/46GK103942560SQ201410035329
【公開(kāi)日】2014年7月23日 申請(qǐng)日期:2014年1月24日 優(yōu)先權(quán)日:2014年1月24日
【發(fā)明者】楊敏, 裴明濤, 武玉偉, 王永杰, 賈云得 申請(qǐng)人:北京理工大學(xué)