[发明专利]一种基于停车场环境视频监控的车辆跟踪与检测方法

说明书

技术领域

本发明涉及模式识别领域，尤其是一种基于停车场环境视频监控的车辆跟踪与检测方法。

背景技术

目前，运动目标的检测与跟踪已经成为计算机视觉领域的一个重要问题。其融合了图像处理、模式识别、人工智能等多方面的知识，且在生产和生活中有着十分广泛的应用。结合视频监控的停车场车辆的检测与跟踪是停车场环境监控的一种重要的手段。因为，实际停车场的视频监控采用人员监视屏幕，因此，在监控点较少的情况下，监控效果较好。

发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

现有技术多采用人工监控的手段，当监控点较多时，监控人员无法全面、完整的监控所有信息，而且车辆的进入、行走路径、以及离开等各种状态，无法进行智能的获取并进行实时标注车辆的状态信息，以及状态的自动统计、示警，从而进行停车场的管理。(是不是有一些激光测距的技术，激光测距的技术不够直观)

发明内容

本发明提供了一种基于停车场环境视频监控的车辆跟踪与检测方法，本发明根据监控设备获得的视频信息，对视频中的车辆进行检测，并跟踪其运行路径，获得车辆的状态信息，并将信息显示统计给相关的管理人员，达到了对停车场环境进行智能监控的目的，提高了监控的性能，降低了人力代价，详见下文描述：

一种基于停车场环境视频监控的车辆跟踪与检测方法，包括：视频中车辆的检测，以及车辆运行路径的跟踪，车辆状态的获得。所述视频中车辆检测方法，包括基于RGB颜色空间的阈值划分的改进背景差分方法的车辆检测方法、以及背景的构建更新策略，以及获得检测目标后的形态学降噪处理。所述车辆的目标的跟踪，车辆状态获得包括，车辆行为分析以及车辆跟踪和事件处理。

所述背景构建更新策略包括：初始背景构建以及背景的更新策略。

所述形态学去噪处理包括：基于腐蚀和膨胀的基本去噪处理以及基于‘开和闭’的组合去噪处理。

所述车辆的行为分析包括：车辆目标状态的定义，状态转换和事件定义。

所述车辆的跟踪和事件处理包括：基于运动特征的提取和匹配方法来确定目标运动的区域，车辆状态的判断以及车辆行为事件的处理。

所述方法包括以下步骤：

(1)所述改进方法在所述视频上提取可靠的背景，以及基于所述改进背景差分方法检测车辆。

(2)所述背景差分法获得目标车辆之后形态学去噪处理。

(3)所述视频上绘制所述背景差分方法获得的车辆目标轮廓以便跟踪目标。

(4)所述视频各帧之间的关联性、重合度分析以获得车辆的行为并统计反馈

所述获得可靠背景提取方法具体为：本发明采用实时调整的背景更新策略，以降低背景物体的运动或者光照条件等的变化对于背景剪除的结果的影响。所述背景更新策略包括背景的构建以及背景的更新两个步骤。本发明采用初始拍摄图像作为初始背景，并在此基础上进行背景的更新。所述背景更新方法种以新的背景像素值替换旧的背景像素值以更新背景。即若判断当前某像素点为背景区域，则用该像素替换背景中对应点；否则，仍保持原来的值。定义当前输入的视频帧图像为Fn，Bn-1为之前得到的旧的背景图像。将当前帧与背景帧相对应的像素点相减求出该点处差分值Dn(x，y)：Dn(x，y)＝|Fn(x，y)-Bn-1(x，y)|假设使用阈值Th对像素点进行划分，则Dn大于阈值的认为是前景点，不更新背景，否则替换旧的背景值。

所述改进背景差分方法具体为：本发明采用基于RGB颜色空间的阈值划分方法改进了背景差分算法以克服彩色的视频图像转化为灰度图像的过程中，会造成颜色信息的丢失，或者选用转化后的灰度图像进行差分操作，难以克服灰度相似性的干扰的问题。F(x，y)为当前帧Fn的一个像素点，其R、G、B三个通道的像素值分别为Fr(x，y)、Fg(x，y)、Fb(x，y)。分别将这三个像素值与对应背景像素点的三通道值Br(x，y)、Bg(x，y)、Bb(x，y)相减，得到差分值Dr(x，y)、Dg(x，y)、Db(x，y)然后对三个差分值求出均值D(x，y)，由此判断出当前像素点与背景像素点的相似程度，进行阈值判断。选取新的阈值Th’，并以此为依据对帧图像中的像素点F进行二值划分，得到结果R。

所述车辆目标的形态学降噪处理具体为：采用形态学的图像处理方法来将之去除。常见的用于降噪处理的形态学操作是腐蚀、膨胀、开和闭。开和闭运算是腐蚀、膨胀的组合。解决视频在连续拍摄过程中，会出现光线的闪烁或反射等问题，进而使阈值化处理得到的结果中含有一些小范围的噪声。