[发明专利]基于视频检测技术的高速公路隧道停车检测方法

权利要求书

1.基于视频检测技术的高速公路隧道停车检测方法，其特征在于：包括如下步骤： 

1）从高速公路隧道摄像头获取的视频中按帧抽取图片； 

2）利用步骤1）中抽取的图片，提取前景目标； 

3）获取前景目标轮廓面积、质心位置和外接矩形宽高比； 

4）采用多特征匹配方法对车辆进行跟踪； 

5）得出车辆目标的跟踪结果J，只有轮廓面积、外接矩形宽高比和质心位置都满足要求时，J为1，否则为0； 

6）重复步骤1-5），并根据步骤5）获得的车辆跟踪结果，最终判断是否出现停车事件： 

统计车辆目标累积成功跟踪的帧数T；当跟踪结果J为1时，T加1，J为0时，T不变； 

统计车辆目标连续跟踪失败的帧数F；当跟踪结果J为0时，F加1，J为1时，F置0； 

当车辆目标累积成功跟踪的帧数T≥Alert时，判断出现停车；其中Alert>0，为停车检测报警阈值。 

2.如权利要求1所述的基于视频检测技术的高速公路隧道停车检测方法，其特征在于：所述步骤1）中，还根据隧道特征确定图片中的感兴趣区域；步骤2-6）为对感兴趣区域进行的处理。 

3.如权利要求1所述的基于视频检测技术的高速公路隧道停车检测方法，其特征在于：所述步骤2）中，具体包括如下步骤： 

21）建立背景模型； 

22）对背景模型实时更新； 

23）将当前帧图像与背景图像作差； 

24）将背景差分的图像进行二值化； 

25）将二值化的图像进行形态学处理。 

4.如权利要求3所述的基于视频检测技术的高速公路隧道停车检测方法，其特征在于：所述步骤21）中，采用高斯法建立背景模型；所述步骤22）中，采用基于像素变化率的背景更新方法；所述步骤24）中二值化阈值的选取采用最大类间方差法；所述步骤25）中，选择开运算法进行形态学处理。 

5.如权利要求1所述的基于视频检测技术的高速公路隧道停车检测方法，其特征在于：所述步骤3）中，具体包括如下步骤： 

31）处理前景目标，获得目标的轮廓面积Area； 

32）处理前景目标，获得目标的质心横坐标Cen_X和纵坐标Cen_Y； 

33）获取前景目标的外接矩形，计算目标的外接矩形的宽高比W_H；采用公式

其中Wide表示目标外接矩形的宽度，Height表示目标外接矩形的高度。 

6.如权利要求5所述的基于视频检测技术的高速公路隧道停车检测方法，其特征在于：所述步骤4）具体包括如下步骤： 

41）选择初始跟踪目标。初始跟踪目标的纵坐标Cen_Y需满足：|Cen_Y-Bot|≤Dis_i，其中Bot表示步骤一当中所选择的车辆检测区域的最小纵坐标，Dis_i表示初始目标选择的阈值。 

42）判断目标轮廓面积是否匹配。 

计算当前目标和跟踪目标的轮廓面积之比其中Area_tar表示当前目标的轮廓面积，Area_ini表示跟踪目标的轮廓面积。 

判断当前目标和跟踪目标的轮廓面积之比Area_div是否满足：Area_min≤Area_div≤Area_max，其中Area_min表示轮廓面积之比的下限，Area_max表示轮廓面积之比的上限，且0<Area_min<Area_max。 

43）判断目标外接矩形的宽高比是否匹配。 

计算当前目标和跟踪目标的外接矩形宽高比之比其中W_H_tar表示当前目标的宽高比，W_H_ini表示跟踪目标的宽高比。 

判断当前目标和跟踪目标的外接矩形宽高比之比W_H_div是否满足：W_H_min≤W_H_div≤W_H_max，其中W_H_min表示宽高比之比的下限，W_H_max表示宽高比之比的上限，且0<W_H_min<W_H_max。 

44）判断目标质心位置是否匹配。 

计算当前目标和初始目标的质心位置距离 其中Cen_X_tar、Cen_Y_tar表示当前目标的质心坐标，Cen_X_ini,Cen_Y_ini表示跟踪目标的质心坐标。 

判断当前目标和初始目标的质心位置距离Cen_dis是否满足：Cen_dis_min≤Cen_dis≤Cen_dis_max，其中Cen_dis_min表示质心位置距离的下限，Cen_dis_max表示质心位置距离的上限，且0<Cen_dis_min<Cen_dis_max。 

45）得出车辆目标的跟踪结果J，只有轮廓面积、外接矩形宽高比和质心位置都满足要求时，J为1，否则为0。