[发明专利]一种从交通图像中检测车辆位置、姿态和三维轮廓的方法

说明书

技术领域

本发明涉及智能交通监控领域，该方法属于图像处理和模式识别技术领域范畴，是一种从交通图像中检测车辆位置、姿态和三维轮廓的方法。

背景技术

在智能交通监控领域中，准确的获得车辆的位置、姿态、轮廓等信息有着广泛的应用范围，例如统计车流量、车牌识别、车型分类等应用。随着科技水平的进步，近来已经有了许多种交通视频监控系统可以检测车辆的位置、尺寸等信息，但是目前依然存在两个问题：第一，现有的车辆的识别技术还无法准确获得车辆的三维轮廓的信息，这给进一步的应用带来很大困难，导致现有的这些系统应用都是采用近似的计算结果(例如根据车辆长度进行车辆分类)，误差较大。第二，一个现实问题是随着城市交通越来越拥挤，交通视频监控图像中的车辆通常存在遮挡现象，这给识别车辆带来困难，遮挡现象通常会使车辆识别系统的性能下降。如果不能够识别被遮挡的车辆，将不能满足交通视频监控系统在拥堵繁忙的交通环境下的使用要求。

因此，为了满足现实环境对于智能交通监控系统中车辆信息获取的要求，要求监控系统不仅能够准确地识别车辆的位置、姿态和三维轮廓，还要求监控系统可以在车辆存在遮挡的情况下具有良好的适应性。这正是本发明试图解决的问题。

发明内容

本发明目的在于：从一帧交通视频监控图像中，识别车辆的位置、姿态和三维轮廓，并计算出车辆的三维轮廓的实际尺寸，即使在车辆存在遮挡的情况下，也可以计算出车辆的位置、姿态和三维轮廓信息。

为了实现上述发明目的，本发明提供一种从交通图像中检测车辆位置、姿态和三维轮廓的方法，所述方法包括以下步骤：

步骤S1：设定象征活动基元模型，所述象征活动基元模型属于形变模板，由一些Gabor滤波器组成，每个Gabor滤波器可以在一定的小范围内改变位置和角度；

步骤S2：将图像中的每个像素位置都与一个象征活动基元模型进行匹配，如果在这个像素位置有一辆车辆存在，则匹配的得分就会比较高；反之如果在这个像素位置没有车辆存在，则匹配的得分较低，根据得分的高低来检测出图像中车辆的位置；

步骤S3：对图像中可能存在的车辆遮挡进行处理：如果图像中一辆车辆的一部分被遮挡，这辆车与象征活动基元模型的匹配得分就比未被遮挡的车辆得分要低；利用现实世界的车辆在正常情况下车辆相互不接触和不重叠的现实依据对遮挡情况下的车辆进行识别，找到图像中与象征活动基元模型匹配得分高的位置，并且得分高的位置上的车辆三维轮廓在世界坐标中具有相互不重叠的特征，则此得分高的位置就是检测出来的车辆；由于象征活动基元模型确定了车辆的轮廓，结合已检测出来的车辆和其确定的位置，就获得车辆的姿态和轮廓；

步骤S4：根据摄像机标定参数的结果提供了三维世界坐标和二维图像坐标转换的关系，将图像中已检测出来的车辆轮廓依据摄像机标定参数转换到世界坐标中，计算出车辆的三维轮廓的实际尺寸。

本发明与现有技术相比优点在于：

(1)本发明使用一种独创的形变模板-象征活动基元模型-检测和识别车辆的位置、姿态和轮廓。象征活动基元模型具有良好的形变性，可以适用于检测具有不同颜色、尺寸、形状的车辆，象征活动基元模型具有较好的鲁棒性，适用于各种复杂的智能交通监控系统中车辆的检测和识别。

(2)本发明使用一种独创的方法对智能交通监控领域中常见的车辆遮挡问题进行了处理，该方法通过估计多个车辆三维轮廓的相容性，解决了遮挡车辆的检测和识别问题。

(3)本发明检测出了车辆的三维轮廓，为解决例如车型分类、车牌识别等问题，提供了一种方法基础。

本发明对于交通监控系统中各种常见的拍摄角度都有良好的适应性，可以从各种不同的角度观察检测出的车辆三维轮廓，可以用于车型识别、车牌识别、车辆行为判断。

附图说明

图1是本发明的从交通图像中检测车辆位置、姿态和三维轮廓的方法的流程图。

图2是本发明中独创的象征活动基元模型的示意图。

图3是本发明中独创的处理车辆遮挡的示意图。

图4是本发明中计算车辆三维轮廓实际尺寸的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。