[发明专利]一种基于双目视觉的车载视频异常运动检测方法

说明书

本发明公开一种基于双目视觉的车载视频异常运动检测方法,根据双目图像中特征点的真实距离，将特征点划分为多层，并基于每层特征点运动模型的不同，进一步将每层特征点分为不同集合，对每个运动模型对应的特征点集合进行聚类，从而得到一系列待检测的异常运动区域，根据每个区域的异常运动参数：光流幅值、光流方向、真实距离以及所属车道线，通过建立的异常运动检测模型，计算每个待检测区域的异常性值，从而得到图像中的异常运动区域。本发明提供的基于双目视觉的车载视频异常运动检测方法能有效地检测出车载视频中的异常运动区域，以及该异常运动区域对自车的威胁大小。

技术领域

本发明涉及图像处理和计算机视觉领域，尤其涉及一种基于双目视觉的车载视频异常运动检测方法。

背景技术

随着汽车工业的迅速发展和汽车数量的不断增加，伴随着越来越极端和频繁发生的交通事故，造成巨大的人员伤亡和财产损失。作为减少交通事故、降低事故损失的一种有效手段，汽车安全辅助驾驶技术成为交通工程领域的研究前沿。

在汽车辅助驾驶系统的运动目标检测技术研究中，行人和车辆的识别及跟踪已取得了丰硕的研究成果。然而，这些方法的基本思路都是需要先进行目标的分类和识别，再进行目标的跟踪。但是，受车辆的形状、大小，以及行人姿势变化等因素的影响，运动目标的检测非常困难，这也限制了汽车安全辅助驾驶系统的作用。同时，在实际的驾驶场景中，驾驶员真正关注的是交通环境中所存在的异常运动目标，而无需识别异常运动目标的是行人、车辆或者其他物体。因此，如果从异常运动检测的角度入手，对交通环境中的异常运动目标建立异常性模型，对这些运动目标进行碰撞可能性量化，及时为驾驶员提供必要的碰撞预警信息，将会大大提高汽车安全辅助驾驶系统的性能，提高驾驶安全性，降低交通事故的发生。

因此，当前需要一种基于双目视觉的车载视频异常运动检测的技术方案来解决上述问题。

发明内容

本发明所要解决的技术问题是提供一种基于双目视觉的车载视频异常运动检测方法，解决传统的基于图像特征的检测方法中，仅能对特定类型的目标进行检测，实用性较低，只能适用于单一场景的问题。

为了解决上述问题，本发明提供了一种基于双目视觉的车载视频异常运动检测方法，包括：

1)按照一定步长在当前帧的左视图中提取像素点，作为原左视图的特征点，结合前一帧图像计算特征点的光流信息，获得特征点对集合，并在当前帧的左视图中检测车道线；

2)通过当前帧的左视图和右视图计算视差矩阵，基于双目视觉成像原理得到视差值和真实距离的关系，计算每个特征点在相机坐标系中的真实距离，并由近及远将特征点划分为多层；

3)根据得到的多层特征点集合，分别对每一层对应的特征点对进行多次仿射变换建模，将其划分为多个集合，每个集合中的特征点符合同一种运动模型；

4)根据得到的符合不同运动模型的多个特征点集合，分别对每个运动模型对应的特征点集合，采用基于密度的聚类算法进行聚类，从而得到各待检测区域的位置和大小；

5)根据得到的各待检测区域的位置和大小，结合视差矩阵、光流信息和车道线信息，计算各待检测区域的光流幅值、光流方向、真实距离和所属车道；

6)建立异常运动检测模型，根据得到的各待检测区域的信息，计算该区域的异常性值，完成异常运动区域的检测。

进一步，步骤1)具体为：

1.1)计算相邻两帧图像中特征点的光流信息，需要通过计算一次正向和一次反向光流来筛选特征点，两次光流信息的误差小于设定阈值的特征点才会保留；