一種基于目標(biāo)行為分析的行人圖像實時檢測方法
【專利摘要】本發(fā)明公開了一種基于目標(biāo)行為分析的行人圖像實時檢測方法，該方法包括4個步驟，依次是圖像預(yù)處理、目標(biāo)分割、目標(biāo)特征提取和目標(biāo)特征分析，所述的圖像預(yù)處理包括對采集到的圖像進(jìn)行橫向及縱向抽樣處理，用以減少圖像數(shù)據(jù)的計算量，所述的目標(biāo)分割包括對初始背景提取、幀差分割目標(biāo)和形態(tài)學(xué)濾波，所述的目標(biāo)特征提取，包括連通域處理和目標(biāo)跟蹤，所述的目標(biāo)特征分析，包括對目標(biāo)速度、軌跡的平滑程度、目標(biāo)長寬比以及目標(biāo)面積的分析判斷。
【專利說明】一種基于目標(biāo)行為分析的行人圖像實時檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于交通檢測【技術(shù)領(lǐng)域】，特別涉及一種基于目標(biāo)行為分析的行人圖像實時 檢測方法。

【背景技術(shù)】
[0002] 隨著社會的不斷發(fā)展，交通道路的建設(shè)越來越重要，并且我國也正在大量建設(shè)交 通網(wǎng)路，人與車的矛盾問題越來越突出，從而導(dǎo)致交通事故不斷發(fā)生，并且有惡化的趨勢。 目前視頻監(jiān)控朝著高清、網(wǎng)絡(luò)化方向發(fā)展，越來越多的道路上使用高清攝像機(jī)對圖像進(jìn)行 監(jiān)控。有些道路中由于行人的出現(xiàn)導(dǎo)致了交通壓力過大，因為在車輛行駛中為了避開行人 而導(dǎo)致車輛行駛過慢，出現(xiàn)交通擁堵現(xiàn)象，且當(dāng)行人橫穿馬路時，不遵守交通規(guī)則，隨意亂 穿馬路，都容易造成交通事故發(fā)生，在這種環(huán)境背景下，越來越多的產(chǎn)品采用基于高清視頻 圖像的行人檢測來緩解人車的矛盾，以提高發(fā)生事故后的處理速度。在不允許行人通過的 路段，要及時發(fā)出報警，進(jìn)行實時處理。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目在于針對現(xiàn)有技術(shù)中存在的缺陷，提供一種能夠?qū)崟r1?清道路視頻 圖像進(jìn)行行人檢測的方法，該方法可以對城市道路、隧道及高速公路中等限制行人出現(xiàn)的 地方對行人進(jìn)行實時檢測并發(fā)出報警，以減少人車矛盾，減少交通事故的發(fā)生。
[0004] 本發(fā)明的技術(shù)方案是，一種基于目標(biāo)行為分析的行人圖像實時檢測方法，該方法 包括4個步驟，依次是圖像預(yù)處理、目標(biāo)分割、目標(biāo)特征提取和目標(biāo)特征分析，
[0005] 所述的圖像預(yù)處理包括對采集到的圖像進(jìn)行橫向及縱向抽樣處理，用以減少圖像 數(shù)據(jù)的計算量，
[0006] 所述的目標(biāo)分割包括對初始背景提取、幀差分割目標(biāo)和形態(tài)學(xué)濾波，其中，所述 的初始背景提取的實現(xiàn)步驟為：
[0007] a 1)統(tǒng)計連續(xù)N幀（通過對多種不同場景及不同統(tǒng)計時間的測試，最終確定當(dāng)N 取200時，具有較好的測試效果，故在實際使用中，取N = 200)視頻變化情況，記錄像素中 個點灰度出現(xiàn)情況

【權(quán)利要求】
1. 一種基于目標(biāo)行為分析的行人圖像實時檢測方法，其特征在于，該方法包括4個步 驟，依次是圖像預(yù)處理、目標(biāo)分割、目標(biāo)特征提取和目標(biāo)特征分析， 所述的圖像預(yù)處理包括對采集到的圖像進(jìn)行橫向及縱向抽樣處理，用以減少圖像數(shù)據(jù) 的計算量， 所述的目標(biāo)分割包括對初始背景提取、幀差分割目標(biāo)和形態(tài)學(xué)濾波，其中，所述的初始 背景提取的實現(xiàn)步驟為： al)統(tǒng)計連續(xù)N巾貞視頻變化情況，記錄像素中個點灰度出現(xiàn)情況
其中，P(X，y,k表）示像素點（X，y)處亮度值為k出現(xiàn)的次數(shù)，Iimagei (X，y,m)表示某 一幀圖像像素點（x，y)處亮度值為m， a2)將連續(xù)N幀某點灰度出現(xiàn)頻率最大值，作為該點的灰度值，即初始背景灰度值。 Background(X，y) =max(P(X，y，k))k= 0, 1，2…255 (I. 2) 所述的幀差分割目標(biāo)的具體實現(xiàn)步驟為： bl)為方便后續(xù)計算，首先將抽樣后的結(jié)果進(jìn)行塊化，設(shè)原始圖像寬度及高度為W、H， 塊的大小為w、h，則塊化后的圖像大小為
b2)使用當(dāng)前圖像與背景圖像進(jìn)行差分，以獲得運(yùn)動目標(biāo)，其中DifGrayi為背景差分后 某塊的灰度值，GraynS當(dāng)前幀某塊內(nèi)像素灰度值，Backgroundn為背景中對應(yīng)塊內(nèi)像素灰 度值
b3)二值化閾值的選擇使用迭代式閾值選擇法， A) 選擇視頻圖像中的灰度的中值作為首先的估計閾值Ttl ; B) 利用開始估計的閾值Ttl把圖像的灰度值分成兩個不同的區(qū)域：&、R2，根據(jù)式（1. 5) 計算區(qū)域R1和R2的灰度的均值U1和U2 :
C) 計算出U1和U2后，計算出新的閾值Ti+1 :
D) 重復(fù)步驟B)、C)，直到Ti+1和Ti無限接近時，其值即為二值化閾值T。 b4)當(dāng)差分結(jié)果大于閾值T時，則將該塊結(jié)果置為255,否則置為0,實現(xiàn)目標(biāo)的二值化，
所述的形態(tài)學(xué)濾波實現(xiàn)的步驟為： cl)對二值化分割結(jié)果進(jìn)行橫向掃描，當(dāng)相鄰兩白塊間間隔小于2個塊時，則將中間區(qū) 域的黑塊置為255,否則保留原值； c2)對二值化分割結(jié)果進(jìn)行縱向掃描，當(dāng)相鄰兩白塊間間隔小于2個塊時，則將中間區(qū) 域的黑塊置為255,否則保留原值； 所述的目標(biāo)特征提取，包括連通域處理和目標(biāo)跟蹤，其中，連通域處理的實現(xiàn)步驟是：dl)圖像初步標(biāo)記 為每個塊賦予臨時標(biāo)記，并且將臨時標(biāo)記的等價關(guān)系記錄在等價表中；d2)整理等價表 A'）將具有等價關(guān)系的臨時標(biāo)記全部等價為其中的最小值； B'）對連通區(qū)域以自然數(shù)順序重新編號，得到臨時標(biāo)記與最終標(biāo)記之間的等價關(guān)系；d3)圖像代換 對圖像進(jìn)行逐塊代換，將臨時標(biāo)記代換為最終標(biāo)記，經(jīng)過上述處理，圖像中連通域按照 由上到下，由左到右出現(xiàn)的順序被標(biāo)以連續(xù)的自然數(shù)； d4)連通域外接矩形 連通域標(biāo)記結(jié)束后，進(jìn)行其最小外接矩形的求取，將屬于同一個標(biāo)號的塊連接起來，以 確定該目標(biāo)的長度和寬度； 所述的目標(biāo)跟蹤的實現(xiàn)步驟為：el)獲取重心 對連通域進(jìn)行橫向投影，確定其橫向的塊數(shù)，設(shè)圖像目標(biāo)物塊數(shù)為N，列數(shù)為[0，L-1]， 對應(yīng)列i的目標(biāo)物塊數(shù)為Iii,幾率為 Pi =rii/N,i=1, 2··· L (1. 8) 其中=1，則列的重心為 /-0 y=i*Pi(1. 9) 同理，得到行的重心，e2)目標(biāo)重心跟蹤 得到重心后,保存重心的行和列，在第N+1幀對第N幀中的重心附近8*8的搜索范圍 內(nèi)進(jìn)行搜索，如果搜索到有目標(biāo)物的重心，則認(rèn)為兩幀為同一目標(biāo)物，更新重心的行和列坐 標(biāo)，搜索下一幀，以獲得目標(biāo)的運(yùn)動軌跡，且選擇跟蹤N'幀，以放大車輛與行人之間的差 距； e3)軌跡速度計算 獲得目標(biāo)運(yùn)動軌跡后,記錄軌跡中每個點對應(yīng)的位置及巾貞數(shù),則軌跡速度為
(1，IO〕其中，dN為軌跡終點對應(yīng)的像素位 置，Cltl為軌跡起點對應(yīng)的像素位置，K為跟蹤的巾貞數(shù)，即K=10; 所述的目標(biāo)特征分析，包括對目標(biāo)速度、軌跡的平滑程度、目標(biāo)長寬比以及目標(biāo)面積的 分析判斷， 對目標(biāo)速度，選擇相同幀數(shù)的軌跡的運(yùn)動矢量和進(jìn)行判斷，即相同時間內(nèi)運(yùn)動的距離 作為判斷的依據(jù)， 對軌跡的平滑程度采用弦長及弧長的差的大小來衡量軌跡的平滑程度，當(dāng)弦長和弧長 差值比較大時，說明跟蹤的目標(biāo)物為行人，當(dāng)弧長和弦長差值比較小時，說明跟蹤的目標(biāo)物 為車輛，行人的軌跡位移矢量小，車輛的位移矢量大，說明車輛的速度大，行人的速度小， 對于目標(biāo)長寬比，在獲得目標(biāo)連通域的外接矩形后，即可獲得行人目標(biāo)的長度和寬度， 根據(jù)其長寬比的大小作為行人檢測的依據(jù)之一， 對于目標(biāo)面積，根據(jù)連通域外接矩形的面積大小作為行人檢測的依據(jù)， 這里，*代表數(shù)學(xué)符號中的乘號。
2. 如權(quán)利要求1所述基于目標(biāo)行為分析的行人圖像實時檢測方法，其特征在于，所述 的目標(biāo)分割的初始背景提取的實現(xiàn)步驟al)中，取N= 200。
3. 如權(quán)利要求2所述基于目標(biāo)行為分析的行人圖像實時檢測方法，其特征在于，所述 的目標(biāo)特征提取中的目標(biāo)跟蹤的實現(xiàn)步驟e3)中，N'為跟蹤的幀數(shù)，即取N' =10。
【文檔編號】G06T7/00GK104463903SQ201410286444
【公開日】2015年3月25日 申請日期:2014年6月24日 優(yōu)先權(quán)日:2014年6月24日
【發(fā)明者】楊憶明, 袁彬, 譚中慧, 于艷玲, 王軍群, 楊東雷 申請人:中海網(wǎng)絡(luò)科技股份有限公司