[发明专利]一种基于图像的车辆检测方法

说明书

技术领域

本发明涉及车辆检测领域，特别涉及一种基于图像的车辆检测方法。

背景技术

车辆检测通常的目的抓拍车辆或对车辆进行计数，常用的车辆检测技术包括埋地线圈检测、红外检测、雷达检测技术、视频检测等多种方式。采用视频检测可以避免破坏路面、不必附加外部检测设备、不需矫正触发位置、节省开支，而且更适合移动式、便携式应用的要求。

系统进行视频车辆检测，需要具备很高的处理速度并采用优秀的算法，在基本不丢帧的情况下实现图像采集、处理。若处理速度慢，则导致丢帧，使系统无法检测到行驶速度较快的车辆，同时也难以保证在有利于识别的位置开始识别处理，影响系统识别率。视频车辆检测的关键性能指标包括在各种光照环境下和车流量条件下车辆检测率、误检测率、检测位置的准确性。视频车辆检测技术在智能交通领域已经成为热点，但相对于埋地线圈其检测率低、误检测率高和检测位置的准确性差，所以应用范围受到很大的限制。

现有的技术方案之一，虚拟线或虚拟线圈技术是视频车辆检测中最常用的检测手段，虚拟线和虚拟线圈的技术原理是相同的，均在图像中车辆经过的区域提取有限个像素，形成一个集合，统计每帧图像中集合内像素的某种统计特征值(例如灰度平均值、梯度分布特征等)。当特征值与背景特征值或相邻帧的特征值差距大于某一阈值时，认为在像素集合所覆盖的区域出现车辆。基于背景差分法、时间差分法的对象检测和基于光流的运动检测均在此范畴内。

虚拟线圈技术的缺陷有以下两点：

1由于虚拟线圈的原理是基于像素集合的统计特征值变化检测车辆，但实际应用中变化并不仅仅由车辆出现引起，造成某些情况下误检测率高，例如车辆的阴影，夜间的车辆灯光等因素都会造成误检测。

2判断是否存在车辆的阈值难以确定，该阈值与光照环境，路面的反光系数、相机性能参数有密切关系，造成算法的适应性较差。

使用车辆特征进行车辆检测是另一种技术方案，被经常选择的车辆特征包括车辆的形状、颜色、纹理、夜间车辆的车灯。使用车辆特征进行检测被称作基于模型的车辆检测，通常的步骤是在进行车辆检测之前，建立一个车辆特征模型，例如在夜间车灯的模型可能包括车灯的灰度特征、车灯的形状、车灯的对称型。在建立车辆特征模型后，在每一帧图像中分割出感兴趣区域，并提取特征值与特征模型进行匹配，当特征值符合特征模型时，认为分割出来的感兴趣区域包含车辆。实际的算法中往往采用多种特征融合在一起，才能获得比较好的鲁棒性。

基于特征的车辆检测相对于虚拟线圈具有较低的误检测率，但其也存在缺点：由于检测对象的多样性和光照环境、拍摄角度等因素的不确定性，造成模型建立的难度增加，算法的适应性差。

发明内容

本发明的目的是提供一种基于图像的车辆检测方法，能够明显提高车辆检测率和降低误检测率。

为达到上述目的，本发明采用如下技术方案：

一种基于图像的车辆检测方法，包括如下步骤：

设置成像设备的检测区域，所述检测区域包含注视目标；

采集所述检测区域内的图像，分析所采集的图像，将所述图像信息作为先验结构信息保存于成像设备；

使用所述成像设备高速对所述检测区域进行拍摄；

将所拍摄的检测区域图像进行处理，提取图像信息，并与所述先验结构信息进行对比，如果两者完全匹配或部分匹配，则判定无车辆出现，如果图像中的边缘信息提取失败或者两者不匹配，则判定有车辆出现。

作为一个本发明的优选实施例，所述图像信息包括所述注视目标的边缘信息。

作为一个本发明的优选实施例，所述方法还包括如下步骤：

当判定车辆出现时，将所述成像设备切换到全分辨率成像模式进行拍摄；

分析所拍摄的图像内的另外一处检测区域所包含的注视目标是否被遮挡，如果被遮挡，则判定所经过车辆为大型车，如果没有被遮挡，则判定所经过车辆为小型车。

作为一个本发明的优选实施例，还包括设置注视目标的步骤。

作为一个本发明的优选实施例，通过在路面上布置反光涂料或利用补光设备在路面上投射设置所述注视目标。

作为一个本发明的优选实施例，所述检测区域内包含的注视目标是车辆减速带或道路的标志标线。

作为一个本发明的优选实施例，将所述成像设备设定为开窗工作模式，使用所述成像设备高速对检测区域进行拍摄。

作为一个本发明的优选实施例，所述检测区域内的注视目标是固定设置的。