[发明专利]一种基于凸包分析的遮挡车辆检测方法和系统

说明书

技术领域

本发明属于图像处理与模式识别领域，更具体地，涉及一种基于凸包分析的遮挡车辆检测方法和系统。

背景技术

随着人工智能和计算机视觉的飞速发展，智能交通系统成为了现代交通系统的发展方向，其中车辆检测是智能交通系统的重要组成部分。车辆检测主要分为两大部分。第一部分是基于视频的车辆实时检测，基于视频的运动目标检测是计算机视觉研究的一个重要研究方向，把运动车辆目标从图像中快速、准确的分离出来是进一步研究的基础，进一步的是对运动车辆的跟踪，可以获取很多交通信息，在交通监控、交通事件检测等系统中有着广泛的应用；第二部分是基于单张静态图片的车辆检测，由于没有视频序列，所以无法获取车辆的运动信息，只能从静态图片的视觉信息中检测出车辆。

基于视频的车辆检测，通常的思路是突出车辆目标或者是消除背景，常用的运动车辆检测方法主要有：帧间差分法、背景差分法、光流场法等。视频中的车辆发生遮挡时，一般可以采用跟踪算法对车辆进行检测。在当前帧的车辆检测时，可以利用上一帧的车辆位置估计当前帧的车辆位置，再进行搜索匹配，从而定位出被遮挡的车辆位置。针对遮挡情况，还可以通过背景建模找到遮挡的两辆车的前景区域，然后通过车辆的形状特点进行分割。这些方法都需要利用视频中的图像序列信息，如果无法获取视频时则不再适用。基于静态图片的车辆检测，传统的方法主要有基于车牌定位的方法和基于车辆边缘检测的方法。基于车牌定位的方法无法解决无车牌或者车牌模糊不清的车辆检测问题，尤其是当车辆发生遮挡时，被遮挡的车牌信息无法获取时，该方法显得无能为力。基于车辆边缘检测的方法，当出现车辆颜色与道路颜色相近或者车辆之间发生遮挡时，无法提取出理想的车辆边缘，检测效果也不好。

由此可见，现有技术存在检测准确率低、适用范围窄且检测稳定性差的技术问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于凸包分析的遮挡车辆检测方法和系统，由此解决现有技术存在检测准确率低、适用范围窄且检测稳定性差的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于凸包分析的遮挡车辆检测方法，包括：

(1)对包含车辆的待检测图像，提取车辆前景区域；

(2)标记车辆前景区域的轮廓和凸包，将凸包与车辆前景区域相减，得到车辆的凸形差区域，若车辆的凸形差区域面积与凸包面积的比值大于阈值，则车辆发生遮挡，否则车辆未发生遮挡；

(3)当车辆发生遮挡时，利用凸包和凸形差区域得到分割线，通过分割线将遮挡车辆和未遮挡车辆分离。

进一步的，步骤(1)包括：

(1-1)将包含车辆的待检测图像输入RPN网络生成多个车辆目标的ROI，选取N个得分最高的ROI为含有车辆目标的候选区域；

(1-2)将候选区域输入训练好的FCIS模型，得到车辆前景区域。

进一步的，步骤(1-1)还包括对N个得分最高的ROI进行boundingbox回归，得到新的N个ROI为含有车辆目标的候选区域。

进一步的，步骤(1-2)的具体实现方式为：

FCIS模型采用ResNet框架，去掉最后的全连接层，利用大量包含遮挡车辆的样本图像训练FCIS模型，得到训练好的FCIS模型，将候选区域输入训练好的FCIS模型，得到车辆前景区域。

进一步的，步骤(3)包括：

(3-1)当车辆发生遮挡时，计算所有凸形差区域的面积，选取其中面积最大的第一凸形差区域和面积次大的第二凸形差区域；

(3-2)第一凸形差区域与凸包重合的边缘是第一直线，计算第一凸形差区域内部的每一个像素点到第一直线的距离，选取距离最大值对应的像素点为第一分割点，第二凸形差区域与凸包重合的边缘是第二直线，计算第二凸形差区域内部的每一个像素点到第二直线的距离，选取距离最大值对应的像素点为第二分割点，

(3-3)连接第一分割点和第二分割点，得到分割线，通过分割线将遮挡车辆和未遮挡车辆分离。

按照本发明的另一方面，提供了一种基于凸包分析的遮挡车辆检测系统，包括：

提取前景区域模块，用于对包含车辆的待检测图像，提取车辆前景区域；

判断车辆遮挡模块，用于标记车辆前景区域的轮廓和凸包，将凸包与车辆前景区域相减，得到车辆的凸形差区域，若车辆的凸形差区域面积与凸包面积的比值大于阈值，则车辆发生遮挡，否则车辆未发生遮挡；

分割模块，用于当车辆发生遮挡时，利用凸包和凸形差区域得到分割线，通过分割线将遮挡车辆和未遮挡车辆分离。