[发明专利]一种基于视频的车辆检测方法

说明书

技术领域

本发明涉及智能交通领域，尤其涉及一种基于视频的车辆检测方法。

背景技术

我国城市道路交通的迅速发展，为人们日常生活带来了巨大便利，同时伴随的负面效应也日益突出，如交通拥堵，交通事故频发等，针对此类问题，智能交通系统应运而生。而基于视频的车辆检测系统是智能交通的重要组成部分，是后续车辆行为分析与判决的前提条件，其重要性不言而喻。实际车辆密度高、光照条件复杂、图像数据量大、实时性等问题，对检测方法的设计提出了更高的要求。高精度、实时性、高效、稳定成为优秀视频检测方法应具备的基本特性。

目前，基于视频车辆检测的方法很多，但是这些方法存在很大的局限性，如：1、实际场景的光照复杂多变，导致检测的精度下降；2、粘连现象严重，造成的漏检误检率偏高；3、图像的分辨率越来越高，随之产生的数据量大幅增加，造成了单帧图像处理时间过长，CPU使用率及内存占用率都很高，因而无法满足实际需求。

发明内容

本发明提供了一种基于视频的车辆检测方法，该方法将运动检测、车灯检测和车牌检测结合。

本发明的技术解决方案如下：

一种基于视频的车辆检测方法，其特殊之处在于：包括以下步骤：

1】在视频中选取一帧图像，作为原图，在该原图上建立XY坐标系，并对该原图的宽和高均缩小为原图宽和高的1／10-1／5，且缩小后的宽和高均为整数，再进行灰度化处理得到灰度图；

2】对步骤1】得到的灰度图进行亮度统计，得出平均亮度，若平均亮度大于50，则进行步骤3】；若平均亮度小于50，则进行步骤4】；

3】提取白天运动目标图像：

3.1】获取运动目标：对步骤1】得到的灰度图采用高斯背景更新的原理建立背景，将该背景与灰度图做差分得到运动目标区域；

3.2】对运动目标区域进行二值化处理，再进行先膨胀后腐蚀的形态学处理，得到包含一个或多个车牌的白天运动目标图像；

4】提取夜间运动目标图像和车灯图像：

将灰度图拷贝，得到拷贝图，将灰度图和拷贝图中的其中一个图，用190作为阈值进行二值化处理，再进行先膨胀后腐蚀的形态学处理，得到一个夜间运动目标图像，该夜间运动目标图像包含的车牌和车灯均是一个或多个；

同时，对灰度图和拷贝图中的另一个图，用230作为阈值进行二值化处理，然后进行膨胀处理和腐蚀处理；进行连通区域分析；以原图的原点作参考，将宽度大于40个像素、面积大于500个像素的连通区域视为一个车灯，统计在x方向上距离小于300个像素且y方向上距离小于10个像素的车灯的数量，若存在一个车灯，将该车灯的中心，记为参考点；若存在两个车灯，将这两个车灯之间的中心，记为参考点；若存在两个以上车灯，将车灯之间的宽度在80-200个像素的车灯的中心，记为参考点；

5】确定车坐标：

5.1】确定步骤3】得到的白天运动目标图像、和步骤4】得到的夜间运动目标图像中的车坐标，将白天运动目标图像和夜间运动目标图像统称为运动目标图像；

5.2】对运动目标图像的宽度大于灰度图宽度的1／5，运动目标图像的高度大于灰度图高度的1／4的运动目标图像，将其映射到步骤1的灰度图中，将原图中与运动目标图像对应的部分作为实际运动目标图像；

对实际运动目标图像进行以下处理：将实际运动目标图像灰度化后得到灰度图，先用Sobel算子求该图像在x方向上的二次梯度；再做归一化处理和自适应阈值二值化，再用一行四列的核、一行二列的核、二行三列的核、二行四列的核或一行三列的核做膨胀处理，然后做去毛刺处理，最后遍历实际运动目标图像内的连通区域，将宽度在60-100个像素、宽高比为1：3.5的连通区域判为车牌目标；

5.3】把车牌目标颜色转换为HSI模型后，计算出车牌目标内蓝色、黄色、白色、黑色的像素总数，如果总数大于200，则该区域存在至少一个车牌，进行步骤5.4】，否则不存在车牌，进行步骤5.5】；

5.4】确定车牌中心坐标：

当步骤5.3】中存在的车牌数量为1时，则为真车牌，以原图的原点作参考，该真车牌的中心坐标记为一个车坐标；

当步骤5.3】中存在的车牌数量大于1时，将y坐标最大的一个车牌，作为真车牌，并作为参照，遍历其余的车牌，以原图的原点作参考，将遍历过的车牌与真车牌在x方向上距离大于300或y方向上距离大于200的车牌也判为真车牌，每一个真车牌的中心坐标分别记为一个车坐标；

5.5】车坐标的补充：