車輛逆行智能檢測裝置與方法
【專利摘要】本發(fā)明公開了車輛逆行智能檢測裝置與方法，首先通過圖像獲取單元獲得監(jiān)控區(qū)域的視頻數(shù)據(jù)；然后利用檢測區(qū)域設(shè)置單元針對性的設(shè)定檢測區(qū)域；再利用前景求取單元求出疑似前景并通過有效前景甄別單元排除部分虛假前景；之后通過前景分類單元對甄別后的前景進(jìn)行有無車燈區(qū)域的分類并通過前景歷史數(shù)據(jù)存儲單元分別存儲；然后將當(dāng)前幀前景與歷史前景通過匹配單元進(jìn)行匹配操作并通過更新單元實(shí)時(shí)更新歷史前景數(shù)據(jù)；最后逆行判斷單元根據(jù)前景質(zhì)心運(yùn)動方向給出報(bào)警信息。本發(fā)明通過區(qū)分前景有無車燈分別進(jìn)行判斷的方法有效解決了車燈光線造成前景混亂無法識別的問題。
【專利說明】車輛逆行智能檢測裝置與方法
[0001]

【技術(shù)領(lǐng)域】
[0002]本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域，尤其是涉及應(yīng)用于視頻監(jiān)控領(lǐng)域的車輛逆行檢測。
[0003]

【背景技術(shù)】
[0004]逆行是指車輛或行人沒有按所在國要求靠邊行進(jìn)的行為。車輛逆行是最具危害交通安全的行為之一。隨著我國經(jīng)濟(jì)的快速發(fā)展，各大城市主干道的車流量與日俱增。逆行事件頻繁發(fā)生，如雙向車道中一側(cè)車道稍微擁堵，會有相當(dāng)一部分車輛逆行穿越擁堵區(qū)。這不僅會帶來新的擁堵也會帶來交通事故隱患，而隧道中的逆行車輛更加危險(xiǎn)。因逆行而導(dǎo)致的交通事故時(shí)有發(fā)生。
[0005]因此，需要一種快速有效針對車輛逆行的檢測手段。傳統(tǒng)的車輛逆行檢測手段主要有環(huán)形線圈檢測，微波檢測。而環(huán)形線圈檢測無論是安裝還是維護(hù)都需要封路中斷交通，而且難以實(shí)現(xiàn)其他功能；微波檢測的參數(shù)設(shè)定直觀性較差，且維護(hù)費(fèi)用較高。
[0006]


【發(fā)明內(nèi)容】

[0007]本發(fā)明的目的在于提出車輛逆行智能檢測裝置與方法。本發(fā)明通過視頻分析能夠在車輛逆行時(shí)快速有效的給出報(bào)警。通過將前景有無車燈進(jìn)行分類，有效的解決了魯棒性問題。并且安裝簡易，維護(hù)方便，可擴(kuò)展功能多。
[0008]為了達(dá)到上述目的，本發(fā)明提出車輛逆行智能檢測裝置與方法:
本發(fā)明提出的裝置包括如下單元:
圖像獲取單元，通過攝像頭實(shí)時(shí)采集指定區(qū)域的視頻數(shù)據(jù)；
檢測區(qū)域設(shè)置單元，通過針對性的設(shè)定檢測區(qū)域，排除非檢測區(qū)域的干擾；
前景求取單元，利用背景建模和前景檢測的方法求取視頻圖像中的前景；
有效前景甄別單元，利用預(yù)先設(shè)定相關(guān)限制條件排除一些不符合條件的前景；
前景分類單元，通過判別前景有無高亮區(qū)域?qū)⑶熬斑M(jìn)行分類；
前景歷史數(shù)據(jù)存儲單元，將分類后的前景單元分別存儲，作為下一幀匹配的歷史數(shù)據(jù)；
匹配單元，將當(dāng)前幀的前景數(shù)據(jù)與保存的歷史數(shù)據(jù)進(jìn)行匹配；
更新單元，將匹配成功的歷史前景數(shù)據(jù)用當(dāng)前幀前景數(shù)據(jù)進(jìn)行更新；
逆行判斷單元，通過檢測歷史數(shù)據(jù)中各前景的質(zhì)心運(yùn)動方向來判斷是否給出報(bào)警。
[0009]本發(fā)明提出的方法包括如下步驟:
第一步驟，利用攝像頭獲取監(jiān)控道路的視頻數(shù)據(jù)；
第二步驟，依據(jù)監(jiān)控場所環(huán)境的不同設(shè)定所需監(jiān)控區(qū)域的位置及大小； 第三步驟，求取開啟車燈的車輛前景；
第四步驟，求取未開車燈的車輛前景；
第五步驟，通過設(shè)定相關(guān)條件排除一些虛假前景以及不符合要求的前景；
第六步驟，依據(jù)前景中是否存在高亮區(qū)域來界定不同的前景類型；
第七步驟，保存帶有高亮區(qū)域的相關(guān)前景數(shù)據(jù)，將其作為歷史數(shù)據(jù)；
第八步驟，保存沒有高亮區(qū)域的相關(guān)前景數(shù)據(jù)；將其作為歷史數(shù)據(jù)；
第九步驟，將當(dāng)前幀前景數(shù)據(jù)與對應(yīng)的歷史前景數(shù)據(jù)做匹配處理；
第十步驟，將匹配成功的歷史前景數(shù)據(jù)用當(dāng)前幀前景數(shù)據(jù)進(jìn)行更新；
第十一步驟，通過判斷前景質(zhì)心運(yùn)動方向以及匹配次數(shù)給出報(bào)警信息。
[0010]本發(fā)明的有益效果是:傍晚清晨時(shí)各車輛車燈開關(guān)不一，逆行車輛時(shí)常開啟遠(yuǎn)光，此時(shí)車燈光線對于一般算法的前景檢測造成了很大困難，本發(fā)明通過區(qū)分車輛是否開啟車燈，進(jìn)行不同的前景求取方法，有效的解決了這一問題，極大的提高了檢測的準(zhǔn)確率。
[0011]

【專利附圖】

【附圖說明】
[0012]本發(fā)明共有附圖六張:
圖1示出了按照本發(fā)明的車輛逆行智能檢測裝置的示意框圖；
圖2示出了按照本發(fā)明的車輛逆行智能檢測裝置中前景求取單元的示意框圖；
圖3示出了按照本發(fā)明的車輛逆行智能偵測裝置中逆行判斷單元的示意框圖；
圖4示出了按照本發(fā)明的車輛逆行智能檢測方法的整體流程圖；
圖5示出了按照本發(fā)明的基于視頻煙霧檢測方法的第三步驟流程圖；
圖6示出了按照本發(fā)明的基于視頻煙霧檢測方法的第十一步驟流程圖。
[0013]

【具體實(shí)施方式】
[0014]下面參照附圖并結(jié)合具體實(shí)例來對本發(fā)明進(jìn)行詳細(xì)說明。實(shí)施實(shí)例采用的352 X 288像素大小的YUV彩色圖像。應(yīng)指出的是，所描述的實(shí)例僅是為了便于對本發(fā)明的理解，并不因此而限定本發(fā)明的保護(hù)范圍。
[0015]圖1示出了按照本發(fā)明的車輛逆行智能檢測裝置的示意框圖。以下所述裝置各單元都可單獨(dú)通過微處理器來實(shí)現(xiàn)，但為節(jié)約成本也可以利用一個(gè)具有高性能CPU的處理器來實(shí)現(xiàn)。如圖1所示，按照本發(fā)明的車輛逆行智能檢測裝置包括:
第一部分，圖像獲取單元101，通過攝像頭獲取監(jiān)控區(qū)域的視頻數(shù)據(jù)。
[0016]第二部分，檢測區(qū)域設(shè)置單元102，根據(jù)圖像獲取單元101采集的圖像信息，在圖像中設(shè)置所要檢測的區(qū)域，沒有設(shè)置成檢測區(qū)域的部分，不進(jìn)行逆行檢測，這樣不僅能夠減少計(jì)算量而且能夠排除不必要的干擾以及誤報(bào)。
[0017]第三部分，前景求取單元103，采用背景建模與前景檢測的方式對檢測區(qū)域設(shè)置單元102設(shè)置的檢測區(qū)域進(jìn)行前景提??；其中圖2示出了前景求取單元103的示意框圖，包括:
背景建模單元201，利用多幀圖像通過高斯建模方法建立主背景； 前景檢測單元202，通過當(dāng)前幀與背景模型做比較，求取疑似前景區(qū)域；
高亮區(qū)域判斷單元203，判斷前景檢測單元202提取的疑似前景區(qū)域是否存在高亮區(qū)域，依據(jù)判斷的結(jié)果不同，之后單元進(jìn)行不同處理；
參數(shù)計(jì)算單元204，根據(jù)高亮區(qū)域判斷單元203的結(jié)果，進(jìn)行相應(yīng)的處理，若前景區(qū)域不存在高亮區(qū)域，則計(jì)算前景的面積、周長、填充率、寬高比、質(zhì)心，若前景區(qū)域存在高亮區(qū)域，則計(jì)算上述前景參數(shù)外，還要計(jì)算前景中高亮區(qū)域的質(zhì)心、高亮區(qū)域面積所占整個(gè)前景面積的比值。
[0018]第四部分，有效前景甄別單元104，通過設(shè)定前景的填充率、寬高比、面積、平均灰度來排除一些不符合條件的虛假前景，此外對于具有高亮區(qū)域的前景還要判定高亮區(qū)域所在前景位置以及高亮區(qū)域面積所占前景面積比值來進(jìn)一步排除虛假前景。
[0019]第五部分，前景分類單元105，通過判定前景區(qū)域是否存在高亮區(qū)域?qū)⒂行熬罢鐒e單元104保留下的前景進(jìn)行分類處理。
[0020]第六部分，前景歷史數(shù)據(jù)存儲單元106，用來存儲前景分類單元105分類后的前景數(shù)據(jù)。
[0021]第七部分，匹配單元107，將當(dāng)前幀前景數(shù)據(jù)與歷史前景數(shù)據(jù)進(jìn)行匹配操作。
[0022]第八部分，更新單元108，依據(jù)匹配單元107的匹配結(jié)果不同，對歷史數(shù)據(jù)進(jìn)行不同的處理，若當(dāng)前幀前景數(shù)據(jù)與對應(yīng)的歷史前景數(shù)據(jù)相匹配，則對應(yīng)歷史前景數(shù)據(jù)匹配次數(shù)加1，用當(dāng)前幀前景數(shù)據(jù)更新歷史前景數(shù)據(jù)，若結(jié)果不匹配，則對應(yīng)歷史前景數(shù)據(jù)丟失次數(shù)加1，當(dāng)歷史前景數(shù)據(jù)丟失次數(shù)達(dá)到設(shè)定閾值，對其進(jìn)行清空處理。
[0023]第九部分，逆行判斷單元109，具體組成如圖3所示:
匹配前景區(qū)域提取單元301，用來提取在圖像上與當(dāng)前幀前景距離最近的歷史前景；高亮區(qū)域判斷單元302，判斷匹配前景區(qū)域提取單元301所提取的當(dāng)前幀前景與歷史前景是否存在高亮區(qū)域；
質(zhì)心運(yùn)動方向判斷單元303，根據(jù)高亮區(qū)域判斷單元302判斷的結(jié)果不同，采用不同的判斷方式，若前景存在高亮區(qū)域，則判斷高亮區(qū)域質(zhì)心運(yùn)動方向，若前景不存在高亮區(qū)域，則判斷整體前景區(qū)域質(zhì)心運(yùn)動方向，記錄當(dāng)前幀質(zhì)心位置并與歷史質(zhì)心位置作比較，若質(zhì)心運(yùn)動方向與設(shè)定方向相反，則記錄當(dāng)前幀為逆行；
判斷報(bào)警單元304，依據(jù)質(zhì)心運(yùn)動方向判斷單元303統(tǒng)計(jì)的逆行幀數(shù)與設(shè)定的閾值相比較，從而判斷是否給出報(bào)警信息。
[0024]圖4示出了按照本發(fā)明的車輛逆行智能檢測方法的流程圖，由于實(shí)際場景的不同以及攝像頭的架設(shè)參數(shù)不同，下述中的閾值會有所不同，最佳的閾值需根據(jù)實(shí)際測試之后才能確定。因此，這里不再列舉實(shí)際的數(shù)據(jù)進(jìn)行說明。如圖4所示，本發(fā)明整體流程分為11個(gè)步驟:
步驟401，視頻圖像獲取，通過普通攝像頭獲取監(jiān)控區(qū)域的視頻數(shù)據(jù)。
[0025]步驟402，設(shè)置檢測區(qū)域，依據(jù)獲取的視頻圖像進(jìn)行檢測區(qū)域的針對性設(shè)置，沒有設(shè)置成檢測區(qū)域的部分，不進(jìn)行逆行檢測，這樣不僅能夠減少計(jì)算量而且能夠排除不必要的干擾以及誤報(bào)。
[0026]步驟403,求取帶車燈前景,光線較暗時(shí)，如夜晚，陰天，霧霾等條件下車輛大部分開啟車燈，此時(shí)若仍然檢測整體車輛前景，效果非常不理想，故本發(fā)明采用求取車燈前景作為判斷條件的方法極大的克服了光線較暗時(shí)的檢測困難問題，步驟403具體流程如圖5所示:
步驟501采用對連續(xù)多幀圖像進(jìn)行高斯建模的方式建立檢測主背景，步驟502利用步驟501建立成功的背景對檢測區(qū)域求取前景，步驟503判斷步驟502中所求前景區(qū)域是否存在高亮區(qū)域，步驟504根據(jù)步驟503的檢測結(jié)果不同進(jìn)行不同的操作，若步驟503未檢測出前景存在高亮區(qū)域，則步驟504計(jì)算前景區(qū)域的面積、周長、填充率、寬高比、質(zhì)心，若步驟503檢測出前景中存在高亮區(qū)域，則除計(jì)算上述參數(shù)外，還要計(jì)算高亮區(qū)域的質(zhì)心位置以及高亮區(qū)域面積所占前景總面積的比值。
[0027]本發(fā)明所采取的高斯背景建模原理為:建模點(diǎn)采用2X2大小的像素點(diǎn)，每個(gè)建模點(diǎn)設(shè)立三個(gè)模型，每個(gè)模型存放該建模點(diǎn)Y、U、V信息，建模點(diǎn)對應(yīng)的三個(gè)模型按照匹配成功次數(shù)從大到小排列，圖像第一幀直接賦給背景模型中的第一個(gè)模型，之后各幀依據(jù)當(dāng)前幀建模點(diǎn)的Y、U、V數(shù)據(jù)分別與該建模點(diǎn)對應(yīng)模型進(jìn)行匹配操作，通過設(shè)定閾值Tl判斷是否匹配，即當(dāng)前幀建模點(diǎn)的YUV數(shù)據(jù)與背景模型YUV數(shù)據(jù)相差在閾值Tl以內(nèi)，則認(rèn)為與該模型匹配，并將該模型的匹配次數(shù)加1，若當(dāng)前建模點(diǎn)與三個(gè)模型均不匹配則將其替換掉第三個(gè)模型，即匹配次數(shù)最小的模型，當(dāng)建模點(diǎn)對應(yīng)的三個(gè)模型中任意一個(gè)匹配次數(shù)達(dá)到閾值T2，則將該建模點(diǎn)視為建模成功，此時(shí)將建模點(diǎn)對應(yīng)模型中匹配次數(shù)最大且建模成功的模型賦值給主背景，通過調(diào)整閾值Tl，可以調(diào)整前景檢測的靈敏度，通過調(diào)整閾值T2，可以調(diào)整建模成功的速度，Tl與T2的最佳閾值需根據(jù)實(shí)際交通道路的車流量來相應(yīng)設(shè)定。
[0028]步驟404，求取不帶車燈前景，所述方式與步驟403類似，仍然依據(jù)背景建模和前景檢測的方式，求取監(jiān)控區(qū)域內(nèi)的疑似前景，并計(jì)算所求前景的面積、周長、質(zhì)心、填充率、寬高比。
[0029]步驟405，甄別有效前景信息，依據(jù)設(shè)定的面積、填充率、寬高比閾值排除不符合預(yù)設(shè)條件閾值的虛假前景，對于有高亮區(qū)域的前景還要進(jìn)行高亮區(qū)域大小以及高亮區(qū)域所占整體前景區(qū)域比值的判斷。
[0030]在視頻中所反映的車輛圖像信息，其車輛前景的面積、填充率、寬高比大小總是在一個(gè)相對固定的范圍內(nèi)變化，因此通過設(shè)置合適的閾值來排除一些面積、填充率以及寬高比過大或過小的虛假前景；實(shí)際的閾值根據(jù)鏡頭焦距以及攝像頭架設(shè)的高度和角度不同而不同，需根據(jù)現(xiàn)場調(diào)試才能獲得最佳參數(shù)閾值。
[0031]步驟406，前景類型界定，通過判定所求前景是否存在高亮區(qū)域來進(jìn)行前景類型區(qū)分，之后的存儲操作和匹配操作會根據(jù)當(dāng)前步驟判斷出的不同結(jié)果而進(jìn)行不同的處理。
[0032]步驟407，依據(jù)步驟406判定結(jié)果保存具有高亮區(qū)域的前進(jìn)數(shù)據(jù)，包括前景的面積、周長、填充率、質(zhì)心、寬高比、高亮區(qū)域面積所占整體前景區(qū)域面積的比值以及高亮區(qū)域質(zhì)心位置。
[0033]步驟408，依據(jù)步驟406判定結(jié)果保存不具有高亮區(qū)域的前景數(shù)據(jù)，包括前景的面積、周長、填充率、質(zhì)心、寬高比。
[0034]步驟409，當(dāng)前幀前景與歷史前景匹配，選取在圖像上與當(dāng)前幀前景最近的歷史前景數(shù)據(jù)進(jìn)行匹配，匹配操作包括比較二者的面積、填充率、寬高比，如果相差在設(shè)定閾值之內(nèi)，則認(rèn)為二者匹配，此外對于具有高亮區(qū)域的前景還要比較二者的高亮區(qū)域所占整體前景比重是否相同。
[0035]步驟410，歷史前景數(shù)據(jù)更新，依據(jù)步驟409的匹配結(jié)果對歷史前景數(shù)據(jù)進(jìn)行相應(yīng)處理，對于匹配成功的歷史前景，用當(dāng)前幀前景數(shù)據(jù)更新歷史前景數(shù)據(jù)并將匹配次數(shù)加1，對于匹配失敗的歷史前景數(shù)據(jù)，將其丟失幀次數(shù)加1，統(tǒng)計(jì)各個(gè)歷史前景數(shù)據(jù)的丟失幀次數(shù)，當(dāng)達(dá)到設(shè)定閾值時(shí)，表明該歷史前景數(shù)據(jù)丟失次數(shù)過多，進(jìn)行清空處理，而對于沒有匹配成功的當(dāng)前幀前景，將其存儲作為新的歷史前景數(shù)據(jù)。
[0036]步驟411，判斷報(bào)警，根據(jù)步驟410統(tǒng)計(jì)的匹配幀數(shù)以及記錄的每幀質(zhì)心位置進(jìn)行最后的逆行報(bào)警判斷，具體流程如圖6所示:
步驟601通過前景質(zhì)心位置關(guān)系，提取出與當(dāng)前幀前景最近的歷史前景，步驟602判斷步驟601所提取的當(dāng)前幀前景與歷史前景是否存在高亮區(qū)域，步驟603根據(jù)步驟602判斷的結(jié)果不同而采取不同的操作，若前景區(qū)域存在高亮點(diǎn)則選取高亮區(qū)域質(zhì)心作為判斷條件，若前景區(qū)域不存在高亮區(qū)域則選取整體前景質(zhì)心作為判斷條件，判斷當(dāng)前幀前景質(zhì)心與歷史前景質(zhì)心位置關(guān)系，若質(zhì)心運(yùn)動方向與設(shè)定方向相反則相應(yīng)歷史前景數(shù)據(jù)記錄逆行幀數(shù)加1，步驟604根據(jù)歷史前景數(shù)據(jù)記錄的逆行幀次數(shù)與設(shè)定閾值進(jìn)行比較，給出報(bào)警信肩、O
[0037]以上所述，僅為本發(fā)明中的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉該技術(shù)的研究人員在本發(fā)明所揭露的技術(shù)范圍內(nèi)，根據(jù)實(shí)際情況做出的多種改變，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書的保護(hù)范圍為準(zhǔn)。
【權(quán)利要求】
1.車輛逆行智能檢測裝置與方法，其特征在于，該裝置包括: 第一部分，圖像獲取單元，通過攝像頭實(shí)時(shí)采集指定區(qū)域的視頻數(shù)據(jù)； 第二部分，檢測區(qū)域設(shè)置單元，通過針對性的設(shè)定檢測區(qū)域，排除非檢測區(qū)域的干擾； 第三部分，前景求取單元，利用背景建模和前景檢測的方法求取視頻圖像中的前景； 第四部分，有效前景甄別單元，利用預(yù)先設(shè)定相關(guān)限制條件排除一些不符合條件的前旦牙、; 第五部分，前景分類單元，通過判別前景有無高亮區(qū)域?qū)⑶熬斑M(jìn)行分類； 第六部分，前景歷史數(shù)據(jù)存儲單元，將分類后的前景單元分別存儲，作為下一幀匹配的歷史數(shù)據(jù)； 第七部分，匹配單元，將當(dāng)前幀的前景數(shù)據(jù)與保存的歷史數(shù)據(jù)進(jìn)行匹配； 第八部分，更新單元，將匹配成功的歷史前景數(shù)據(jù)用當(dāng)前幀前景數(shù)據(jù)進(jìn)行更新； 第九部分，逆行判斷單元，通過檢測歷史數(shù)據(jù)中各前景的質(zhì)心運(yùn)動方向來判斷是否給出報(bào)警。
2.按照權(quán)利要求1所述的裝置，其特征在于，前景求取單元包括: a背景建模單元，利用多幀圖像通過高斯建模方法建立主背景；b前景檢測單元，通過當(dāng)前幀與背景模型做比較，求取疑似前景區(qū)域；c高亮區(qū)域判斷單元，判斷前景檢測單元提取的疑似前景區(qū)域是否存在高亮區(qū)域，依據(jù)判斷的結(jié)果進(jìn)行相應(yīng)的處理；d參數(shù)計(jì)算單元，根據(jù)高亮區(qū)域判斷單元的結(jié)果進(jìn)行相應(yīng)處理，若前景區(qū)域不存在高亮區(qū)域，則計(jì)算前景的面積、周長、填充率、寬高比、質(zhì)心，若前景區(qū)域存在高亮區(qū)域，則計(jì)算上述前景參數(shù)外，還要計(jì)算前景中高亮區(qū)域的質(zhì)心、高亮區(qū)域面積所占整個(gè)前景面積的比值。
3.按照權(quán)利要求1所述的裝置，其特征在于，逆行判斷單元包括: 匹配前景區(qū)域提取單元，用來提取在圖像上與當(dāng)前幀前景距離最近的歷史前景；高亮區(qū)域判斷單元，判斷匹配前景區(qū)域提取單元所提取的當(dāng)前幀與歷史前景是否存在高亮區(qū)域；質(zhì)心運(yùn)動方向判斷單元，根據(jù)高亮區(qū)域判斷單元判斷的結(jié)果不同，采用不同的判斷方式，若前景存在高亮區(qū)域，則判斷高亮區(qū)域質(zhì)心運(yùn)動方向，若前景不存在高亮區(qū)域，則判斷整體前景區(qū)域質(zhì)心運(yùn)動方向，記錄當(dāng)前幀前景區(qū)域質(zhì)心位置并與對應(yīng)的歷史前景區(qū)域質(zhì)心位置作比較，若質(zhì)心運(yùn)動方向與設(shè)定方向相反，則記錄當(dāng)前幀為逆行；判斷報(bào)警單元，依據(jù)質(zhì)心運(yùn)動方向判斷單元統(tǒng)計(jì)的逆行幀數(shù)與設(shè)定的閾值相比較，從而判斷是否給出報(bào)警信肩、O
4.車輛逆行智能檢測裝置與方法，其特征在于，該方法步驟包括: 第一步驟，視頻圖像獲取，通過普通攝像頭獲取監(jiān)控區(qū)域的視頻數(shù)據(jù)； 第二步驟，設(shè)置檢測區(qū)域，依據(jù)獲取的視頻圖像進(jìn)行檢測區(qū)域的針對性設(shè)置； 第三步驟，求取帶車燈前景，根據(jù)背景模型進(jìn)行前景檢測，計(jì)算前景區(qū)域的面積、周長、填充率、寬高比信息，若前景區(qū)域存在高亮區(qū)域，則還需計(jì)算高亮區(qū)域的質(zhì)心位置以及高亮區(qū)域面積所占前景總面積的比值， 第四步驟，求取不帶車燈前景，根據(jù)背景模型進(jìn)行前景檢測，計(jì)算前景區(qū)域的面積、周長、填充率、寬高比信息； 第五步驟，甄別有效前景信息，依據(jù)設(shè)定的面積、周長、填充率、寬高比閾值排除不符合預(yù)設(shè)條件的虛假前景，對于有高亮區(qū)域的前景還要進(jìn)行高亮區(qū)域大小以及高亮區(qū)域所占整體前景區(qū)域比值的判斷； 第六步驟，前景類型界定，通過判定所求前景是否存在高連區(qū)域來進(jìn)行前景類型區(qū)分； 第七步驟，保存具有高亮區(qū)域的前進(jìn)數(shù)據(jù)； 第八步驟，保存不具有高亮區(qū)域的前景數(shù)據(jù)； 第九步驟，前景匹配，選取在圖像上與當(dāng)前幀前景最近的歷史前景數(shù)據(jù)進(jìn)行匹配，匹配操作包括比較二者的面積、填充率、寬高比，如果相差在設(shè)定閾值之內(nèi)，則認(rèn)為二者匹配，此外對于具有高亮區(qū)域的前景還要比較二者的高亮區(qū)域所占整體前景比重是否相同； 第十步驟，歷史前景數(shù)據(jù)更新，依據(jù)匹配結(jié)果對歷史前景數(shù)據(jù)進(jìn)行相應(yīng)處理，對于匹配成功的歷史前景，用當(dāng)前幀前景數(shù)據(jù)更新歷史前景數(shù)據(jù)并將匹配次數(shù)加1，對于匹配失敗的歷史前景數(shù)據(jù)，將其丟失幀次數(shù)加1，統(tǒng)計(jì)各個(gè)歷史前景數(shù)據(jù)的丟失幀次數(shù)，當(dāng)達(dá)到設(shè)定閾值時(shí)，表明該歷史前景數(shù)據(jù)丟失次數(shù)過多，進(jìn)行清空處理，而對于沒有匹配成功的當(dāng)前幀前景，將其存儲作為新的歷史前景數(shù)據(jù)； 第十一步驟，判斷報(bào)警，根據(jù)統(tǒng)計(jì)的匹配幀數(shù)以及記錄的每幀質(zhì)心位置進(jìn)行最后的逆行報(bào)警判斷。
5.按照權(quán)利要求4所述的方法，其特征在于，第三步驟中包括以下子步驟: A采用對連續(xù)多幀圖像進(jìn)行高斯建模的方式建立檢測主背景，B利用建立成功的背景對檢測區(qū)域求取前景，C檢測所求前景區(qū)域是否存在高亮區(qū)域，D根據(jù)檢測結(jié)果不同進(jìn)行不同的操作，若未檢測出前景存在高亮區(qū)域，則計(jì)算前景區(qū)域的面積、周長、填充率、寬高比、質(zhì)心，若檢測出前景中存在高亮區(qū)域，則除計(jì)算上述參數(shù)外，還要計(jì)算高亮區(qū)域的質(zhì)心位置以及高亮區(qū)域面積所占前景總面積的比值。
6.按照權(quán)利要求4所述的方法，其特征在于，第十一步驟中包括如下子步驟: E通過前景質(zhì)心位置關(guān)系，提取出與當(dāng)前幀前景最近的歷史前景，F(xiàn)判斷所提取的當(dāng)前幀前景與歷史前景是否存在高亮區(qū)域，G根據(jù)判斷的結(jié)果不同而采取不同的操作，若前景區(qū)域存在高亮區(qū)域則選取高亮區(qū)域質(zhì)心作為判斷條件，若前景區(qū)域不存在高亮區(qū)域則選取整體前景質(zhì)心作為判斷條件，判斷當(dāng)前幀前景質(zhì)心與歷史前景質(zhì)心位置關(guān)系，若質(zhì)心運(yùn)動方向與設(shè)定方向相反則相應(yīng)歷史前景數(shù)據(jù)記錄逆行幀數(shù)加1，H根據(jù)歷史前景數(shù)據(jù)記錄的逆行幀次數(shù)與設(shè)定閾值進(jìn)行比較，給出報(bào)警信息。
【文檔編號】G08G1/056GK104464305SQ201410752578
【公開日】2015年3月25日 申請日期:2014年12月11日 優(yōu)先權(quán)日:2014年12月11日
【發(fā)明者】張德馨 申請人:天津艾思科爾科技有限公司