[发明专利]基于视频技术的车辆检测与跟踪方法

权利要求书

1. 一种基于视频技术的车辆检测与方法，其特征在于：

①交通场景背景图像的不断更新

设背景初始化之后得到的背景图像为B₀，每当重新采集到第i帧图像P_i时，计算对应于第i-1帧图像P_i-1的背景图像B_i-1，

设当i＝2时不需对背景进行更新，即B₁＝B₀，B₁为第1帧图像P₁的背景图像；而当i＞2时，首先利用连续三帧图像P_i-2、P_i-1和P_i计算对称帧差图像|P_i-1-P_i-2|和|P_i-P_i-1|，并利用这两幅对称帧差图像进行二值化计算，得到与所采集第i帧图像P_i大小相等的第1标号图L₁，

L1(x,y)=1if|Pi-1(x,y)-Pi-2(x,y)|>t1and|Pi(x,y)-Pi-1(x,y)|>t10else]]>

式中，P_i(x，y)表示第i帧图像P_i中坐标为(x，y)的像素的灰度，L₁(x，y)表示第1标号图L₁中坐标为(x，y)的点的标号，L₁(x，y)取1时表示点(x，y)在连续三帧图像P_i-2、P_i-1和P_i中是运动的，L₁(x，y)取0时表示点(x，y)在连续三帧图像P_i-2、P_i-1和P_i中是静止的，t₁表示二值化计算时的阈值，预先设定为5～10，

在得到第1标号图L₁之后，接着对第1标号图L₁进行种子填充，得到新的第1标号图L₁′。

其次，对第i-1帧图像P_i-1中所有像素的灰度P_i-1(x，y)进行四邻域平均计算，得到图像P_i-1′，即：

P_i-1′(x，y)＝(P_i-1(x-1，y)+P_i-1(x，y-1)+P_i-1(x，y)+P_i-1(x，y+1)+P_i-1(x+1，y))/5

接着，利用图像P_i-1′和背景图像B_i-2计算背景差图像|P_i-1′-B_i-2|，并对该背景差图像进行二值化计算，得到第2标号图L₂，

L2(x,y)=1if|Pi-1′(x,y)-Bi-2(x,y)|>t20else]]>

其中B_i-2为第i-2帧图像的背景图像，t₂为二值化计算时的阈值，通过车辆检测过程中的阈值计算方法计算得到，

最后，根据新的第1标号图L₁′和第2标号图L₂中对应点之间的4种逻辑关系，将第i-2帧图像的背景图像B_i-2分为4个区域，并对该4个区域采用下列灰度更新方法进行更新，得到更新后的背景图像B_i-1：

Bi-1(x,y)=Pi-1(x,y)ifL1′(x,y)=0andL2(x,y)=0Bi-2(x,y)+MifL1′(x,y)=0andL2(x,y)=1andPi-1(x,y)>Bi-2(x,y)Bi-2(x,y)-MifL1′(x,y)=0andL2(x,y)=1andPi-1(x,y)<Bi-2(x,y)Bi-2(x,y)else]]>

其中，M取值决定背景更新的速度，取1或2；

②设置虚拟检测线，当车辆通过检测线时对其进行检测，得到车辆的初始标号

在背景初始化完成之后，重新开始采集图像，设重新采集的第i帧图像为P_i，在图像P_i-1上的车道入口处设置与车道垂直的虚拟检测线Line，其宽度为8像素，

设图像矩阵P_i的大小为M×N，以8×8像素为块，得到块的矩阵D_i，其大小为m×n，其中m＝M/8，n＝N/8，块矩阵D_i中的每个元素都表示一个大小为8×8的块D_i(x，y)，定义大小为m×n的块标号矩阵Label_i，其中块标号矩阵Label_i中的元素Label_i(x，y)表示块D_i(x，y)的标号，将背景区域的块D_i(x，y)的标号Label_i(x，y)设为0，将第h辆车区域的块D_i(x，y)的标号Label_i(x，y)设为h，h为自然数，

Label_i中的所有元素初始化为0，设检测线Line在块矩阵D_i(x，y)中的x方向坐标为l，则它在图像P_i-1中上边缘线的x坐标为(l-1)×8+1，下边缘线的x坐标为l×8，

将当前帧图像P_i-1与背景图像B_i-1进行相减，并取绝对值，得到背景差图像BP_i-1：

BP_i-1＝|P_i-1-B_i-1|

BP_i-1中检测线区域的图像设为Line_i-1，其大小为8×N，可以分成为1×n个块。

车辆检测的步骤如下：

步骤一：计算检测线图像Line_i-1的分割阈值T，该分割阈值T采用迭代法得到，

步骤二：分别计算检测线图像Line_i-1中n个块的平均灰度值，对第j个块而言，其平均灰度值K_j为：

Kj=(Σx=18Σy=(j-1)×8+1j×8Linei-1(x,y))/64]]>

其中，Line_i-1(x，y)是检测线图像Line_i-1中坐标为(x，y)的像素的灰度，

步骤三：分别对检测线图像Line_i-1中n个块的平均灰度值和阈值T进行比较，如果第j个块的平均灰度值K_j大于或等于阈值T，则说明检测线图像Line_i-1上检测到了车辆，并给该块赋予标号h，表示该块属于第h次到达检测线的车辆，如果第j个块的平均灰度值K_j小于阈值T，则第j个块的标号仍然为0，表示该块属于背景区域，

即，如果K_j≥T，则Label_i-1(l，j)＝h；如果K_j＜T，则Label_i-1(l，j)＝0

其中，Label_i-1(l，j)是块标号矩阵Label_i-1中坐标为(l，j)的块的标号，h表示该车到达检测线的次序，且当前两帧检测线图像Line_i-3和Line_i-2中没有检测到车辆，而当前帧检测线图像Line_i-1中检测到车辆时，对h进行一次更新，即h＝h+1。

③检测到车辆之后，计算车辆的运动矢量，利用运动矢量进行标号移位

在对第i-1帧图像P_i-1进行车辆检测之后，如果第i-2帧图像P_i-2中存在第h次到达的车辆，则首先确定所有属于该车辆的块的集合Block_i-2＝{D_i-2(m，n)|Label_i-2(m，n)＝h}，然后分别计算块集合Block_i-2中每个块D_i-2(m，n)在第i-2帧图像P_i-2和第i-1帧图像P_i-1之间的运动矢量，记为(v_mx，v_ny)，这些运动矢量的集合为V={(vmx,vny)|(m,n)⋐Blocki-2},]]>计算集合V中出现频率最大的运动矢量作为车辆的运动矢量(vt_x，vt_y)，并利用运动矢量(vt_x，vt_y)对车辆标号的位置进行更新，即，对于任意的块Di-2(m,n)⋐Blocki-2]]>而言，块D_i-2(m，n)的位置从第i-2帧图像P_i-2中的坐标(m，n)运动到第i-1帧图像P_i-1中的坐标(m+vt_x，n+vt_y)，故令Label_i-1(m+vt_x，n+vt_y)＝h，完成车辆标号位置的更新，

所述车辆的运动矢量(vt_x，vt_y)的计算方法为：选择车辆后部分的运动矢量代表整辆车的运动矢量，即对车辆后部分(最后两行)的所有块进行运动矢量计算，并从这些运动矢量中找出出现频率最大的矢量，以之作为车辆的运动矢量；

所述运动矢量(v_mx，v_ny)的计算方法为：首先采用三步法，然后，在运动矢量长度小于2个像素时，采用全搜索法。

④车辆标号的校正

车辆标号的校正只需在包含车辆标号h的最小矩阵框[x_min x_max y_min y_max]中进行，其中x_min、y_min分别是块标号矩阵Label_i-1中所有标号为h的块的最小横纵坐标，x_max、y_max分别是块标号矩阵Label_i-1中所有标号为h的块的最大横纵坐标，首先利用在车辆检测中用到的阈值计算方法计算背景差图像BP_i-1的分割阈值T2，再分别计算最小矩阵框中的所有块的平均灰度，如果块的平均灰度大于阈值T2，则给该块标上车辆的标号h；否则将该块的标号设置为0，即：

对于任意的块D(x，y)，x_min≤x≤x_max且y_min≤y≤y_max，其平均灰度为：

K(x,y)=(Σm=(x-1)×8+1x×8Σn=(y-1)×8+1y×8BPi-1(m,n))/64]]>

如果K(x，y)≥T2，则Label_i-1(x，y)＝h；如果K(x，y)＜T2，则Label_i-1(x，y)＝0。

⑤检测车辆间的遮挡现象并进行分割

(1)遮挡现象的检测

对单辆车而言，以包含所有标号的最小矩形框[x_min x_max y_min y_max]作为该车的位置，则当前图像P_i-1中的所有车辆分别由各自的最小矩形框来表示，且矩形框的标号与框内块的标号一致，对所有的矩形框进行两两比较和判断，若两个矩形框存在重叠部分，则表明矩形框所代表的车辆间存在遮挡现象，并将重叠部分定义为遮挡区域；反之，若两个矩形框不存在重叠部分，则表明矩形框所代表的车辆间不存在遮挡现象，

(2)遮挡区域的分割

检测到遮挡现象并得到遮挡区域之后，针对遮挡区域建立Markov模型，模型中标号的个数即为遮挡区域中块的个数，给遮挡区域中所有块的标号都设定一个确定值便得到一组标号组合，每组标号组合都对应一个能量函数。在所有可能的标号组合的范围内，对能量函数进行最小优化，得到的最小能量函数所对应的标号组合即为遮挡区域的分割结果。

2. 根据权利要求1所述的基于视频技术的车辆检测与跟踪方法，其特征在于在使用全搜索法计算运动矢量(v_mx，v_ny)中，运动矢量长度小于1个像素时，对与运动矢量计算的目标块N的距离为0.5像素的8个块进行灰度插值。