[发明专利]一种基于计算机视觉的车辆违章压线检测方法

说明书

本发明公开了一种基于计算机视觉的车辆违章压线检测方法，包括步骤1：获取图像进行滤波和均衡化处理，削弱噪声影响，使图像灰度分布均匀；步骤2：采用Canny边缘检测算法对步骤1处理后的图像进行边缘检测，并采用阈值进行图像分割；步骤3：使用混合高斯背景模型进行包括背景学习、背景像素匹配、处理不连续轮廓以及填充前景空洞区域的背景建模；步骤4：使用Hough变换获取步骤3中所得模型中的直线信息，并将直线图像与原图像Canny算子检测的轮廓图像进行与运算；步骤5：使用图像的矩进行特征提取，利用矩特性，根据车道线检测时欲获得的直线长度、角度，筛选出目标直线；步骤6：通过车道实线的遮挡情况、压线物轮廓特征判断是否违章压线。

技术领域

本发明涉及智能交通信息技术领域，具体的说，是一种基于计算机视觉的车辆违章压线检测方法。

背景技术

随着生活水平提高、交通建设加强，各种出行工具越来越多地被应用到日常生活中，交通工具数量和种类的迅速增多为日常监管带来了巨大压力，车辆违章问题也随之增多。传统监管系统采用人工判别的方式检测车辆的违章行为，效率低下，难以应对复杂的交通情况，因此，违章行为的智能判别成为需求，智能交通系统的发展成为大势所趋。违章压线作为最为常见的违章行为，对其进行准确高效的违章检测对规范司机行为、减少事故发生率有着极其重要的意义。

发明内容

本发明的目的在于提供一种基于计算机视觉的车辆违章压线检测方法，用于解决现有技术中由于传统的监管系统采用人工判别的方式检测车辆违章的行为效率低下，难以应对复杂的交通状况的问题。

本发明通过下述技术方案解决上述问题：

一种基于计算机视觉的车辆违章压线检测方法，所述方法包括如下步骤：

步骤1：获取图像进行滤波和均衡化处理，削弱噪声影响，使图像灰度分布均匀；

步骤2：采用Canny边缘检测算法对步骤1处理后的图像进行边缘检测，并采用阈值进行图像分割；

步骤3：使用混合高斯背景模型进行包括背景学习、背景像素匹配、处理不连续轮廓以及填充前景空洞区域的背景建模；

步骤4：使用Hough变换获取步骤3中所得模型中的直线信息，并将直线检测图像与原图像Canny算子检测的轮廓图像进行与运算，滤去误检到的直线；

步骤5：使用图像的矩进行特征提取，利用矩特性，根据车道线检测时欲获得的直线长度、角度，筛选出目标直线；

步骤6：通过车道实线的遮挡情况判别是否有物体压线，根据压线物体的四边形轮廓特征，判断是否满足车辆轮廓，再使用几何中心法判别车辆是否违章压线。

本方法在车辆前景分离方面采用阈值分割、canny算子边缘检测、混合高斯背景建模、膨胀算法加漫水填充技术、四边形轮廓包围技术相结合，高效、准确得获取了车辆前景范围。其中，采用canny算子进行图像边缘提取，相比常用的sobel、roberts、log算子，其阈值可以由人工给定，去噪效果好，且边缘信息保留和连接都更理想，能更精准地检测车辆轮廓。此外，采用膨胀和漫水填充方法结合图像矩特征，解决了常规检测方法中车辆分离时轮廓不连续、不准确的问题，可获得更好的车辆区域；在车道线检测方面结合Hough变换与矩函数，有效地对车道线进行了检测及筛选，处理效率高，且将得到的直线图像与canny算子检测的轮廓图像进行与运算，有效地滤去了误检到的直线，提升了车道线检测精度；并且采用的高性能的检测、判断方法，对部分已有算法如Hough变换进行了改进，提高了对车辆压线行为检测的准确度，能更好地应用于现实场景，可提高交通监管效率。

优选地，所述步骤1中采用高斯平滑滤波器卷积对图像进行降噪处理。