[发明专利]基于帧差和光流实现车辆快速检测的方法

说明书

技术领域

本发明涉及智能交通技术领域，尤其涉及车辆检测领域，具体是指一种基于帧差和光流实现车辆快速检测的方法。

背景技术

在智能交通技术领域，有效的车辆运动和存在信息提取是智能交通中十分重要的环节，目前主要的车辆检测方法有：公开号为CN101226691，发明名称为“基于视频图像的车辆计数方法”的发明专利，使用基本的背景建模技术，通过统计像素的灰度值概率分布来检测前景目标点并以此估计车辆信息，实现了采用计算机视觉技术实现车辆计数。在黎明、傍晚等昼夜转换、光线变化较为明显的时段，由于图像亮度、对比度均发生大幅度下降，容易导致目标遗漏，检测效果不理想。

也有的方法通过对车灯进行检测，然而在黎明、傍晚昼夜转换时段，同时有较多车辆打开车灯，由于车灯眩光或反光等问题容易造成虚假检测，检测精度同样很低。

基于此，需要发明一种高效车辆检测方法，可以抑制复杂光照造成的虚假检测和目标遗漏，提取正确的车辆信息。

帧差和光流场算法及两者相结合是视频电子警察系统中比较常用的动目标检测算法。帧差算法有目标定位准确率低和容易受外界环境（树阴等）干扰的问题。光流算法有计算速度慢和抗光照效果差的问题。现有技术中的帧差与光流算法组合也会有计算速度慢的问题。本发明需要解决的技术问题是采用帧差和光流算法进行组合并优化实现车辆快速准确地检测。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种能够实现快速检测车辆、克服同类算法中外界环境造成车辆误检、实现性高、具有更广泛应用范围的基于帧差和光流实现车辆快速检测的方法。

为了实现上述目的，本发明的基于帧差和光流实现车辆快速检测的方法具有如下构成：

该基于帧差和光流实现车辆快速检测的方法，其主要特点是，所述的方法包括以下步骤：

（1）在检测图像中确定检测车辆的感兴趣区域；

（2）获取各帧图像与后一帧图像感兴趣区域的帧差图像并处理得到各帧图像所对应的二值化帧差图像；

（3）在所述的各帧图像所对应的二值化帧差图像中确定疑似目标区域；

（4）将各帧图像中光流聚拢性高于系统预设阈值的疑似目标区域确定为所对应的各帧图像中的车辆图像区域；

（5）将各帧图像与后一帧图像的车辆图像区域进行重合度对比并确定车辆的开始和结束图像区域。

较佳地，所述的在检测图像中确定检测车辆的感兴趣区域，具体为：

选取图像中车辆经过的区域确定为检测车辆的感兴趣区域，所述的感兴趣区域的宽度为覆盖各个检测车道的宽度，高度为图像中车辆长度的2/5。

较佳地，所述的获取各帧图像与后一帧图像感兴趣区域的帧差图像并处理得到各帧图像所对应的二值化帧差图像，包括以下步骤：

（21）将各帧图像与后一帧图像的感兴趣区域做帧差并取绝对值得到帧差图像；

（22）选取合适的系统预设阈值T1对所述的帧差图像做二值化处理得到各帧图像所对应的二值化帧差图像。

较佳地，所述的在所述的各帧图像所对应的二值化帧差图像中确定疑似目标区域，包括以下步骤：

（31）对所述的二值化帧差图像进行X轴投影，得到灰度累加数组；

（32）将所述的各帧图像所对应的灰度累加数组中灰度值连续高于系统预设阈值T2的坐标范围（x1，x2）作为所对应各帧图像的疑似目标区域。

更佳地，所述的将所述的各帧图像所对应的灰度累加数组中灰度值连续高于系统预设阈值T2的坐标范围作为所对应各帧图像的疑似目标区域，包括以下步骤：

（321）判断所述的各帧图像中所对应的灰度累加数组中灰度值连续高于系统预设阈值T2的坐标范围（x1，x2）中（x2-x1）的值是否处于系统预设范围（T3，T4）之间，如果是，则继续步骤（322），否则继续步骤（323）；

（322）将该范围（x1，x2）作为其所对应帧图像的一个疑似目标区域；

（323）将该范围（x1，x2）作为非目标区域。

较佳地，所述的将各帧图像中光流聚拢性高于系统预设阈值的疑似目标区域确定为所对应的各帧图像中的车辆图像区域，包括以下步骤：

（41）提取各帧图像中各个疑似目标区域的特征点并计算各个特征点的光流信息（u,v）；

（42）计算各个疑似目标区域中所有特征点的光流平均值

（43）判断各个疑似目标区域中位于范围之内的特征点数与该疑似目标区域中特征点总数的比值是否大于系统预设阈值T3，如果是，则继续步骤（44），否则继续步骤（45）；