[发明专利]一种基于实时视频的车窗抛物检测方法

权利要求书

1.一种基于实时视频的车窗抛物检测方法，其特征在于，首先获取视频流并解码，再利用视频图像序列中前后帧的关联性对解码后的每帧图像进行处理，以检测出所有图像的运动目标区域，并提取运动目标区域，而后对提取的运动目标区域进行跟踪，最后根据被抛物品固有的位置、大小和运动特性，判断运动目标是否为车窗抛物，若判定运动目标为车窗抛物，则对抛出该物品车辆的车牌进行识别。

2.根据权利要求1所述的一种基于实时视频的车窗抛物检测方法，其特征在于，具体步骤如下：

1）获取视频流并解码

获取视频流，并对视频流进行硬解码；

2）检测运动目标

利用视频图像序列中前后帧的关联性，对步骤1）中解码后的每帧图像进行处理，以快速检测出所有图像的运动目标区域；

3）提取运动目标

对于步骤2）中提取的运动目标区域，使用Grabcut算法进行运动目标区域分割，快速有效地分割出完整的运动目标；

4）跟踪运动目标

对步骤3）中分割出的运动目标进行跟踪；

5）检测车窗抛物

根据被抛物品固有的位置、大小和运动特性，判断运动目标是否为车窗抛物；

6）识别车牌

若步骤5）中判定运动目标为车窗抛物，则对抛出该物品车辆的车牌进行识别。

3.根据权利要求2所述的一种基于实时视频的车窗抛物检测方法，其特征在于，步骤1）中，通过前端摄像机采集实时视频流或从第三方平台获取视频流，利用ffmpeg和cuda对视频流进行硬解码。

4.根据权利要求2所述的一种基于实时视频的车窗抛物检测方法，其特征在于，步骤2）中，采用vibe算法对步骤1）中解码后的每帧图像进行处理。

5.根据权利要求4所述的一种基于实时视频的车窗抛物检测方法，其特征在于，运动目标检测具体流程如下：

首先利用视频序列的第一帧初始化背景，为每个像素点建立vibe背景模型，而后利用当前帧减去背景帧，再阈值化，以检测视频图像序列是否包含运动目标，再利用判定为背景的像素点对vibe背景模型进行更新，如此逐帧分析视频图像直至结束。

6.根据权利要求2所述的一种基于实时视频的车窗抛物检测方法，其特征在于，步骤3）中，提取运动目标具体流程如下：

采用平滑技术对步骤2）中检测出的所有运动目标区域进行过滤，并对当前运动目标存在小空洞残缺情况，利用数学形态学的膨胀处理，扩展前景区域；对当前运动目标存在大面积残缺情况，找出所有运动目标前景区域的边缘轮廓线，根据区块的边缘轮廓线等得出其最小外接矩形，合并任意两个矩形中心两线与垂直方向夹角小于一定阈值，且垂直距离也小于一定阈值的矩形，而后在RGB颜色空间，分别对每个矩形框内的图像，给出Grabcut的初始化信息，执行分割，以获取完整的运动目标。

7.根据权利要求2所述的一种基于实时视频的车窗抛物检测方法，其特征在于，步骤4）中，跟踪运动目标具体流程如下：

首先从上一帧视频图像检测得到的运动目标区域中提取出目标状态特征值，建立对应目标链表，而后利用kalman运动区域预测模型对目标链表中需要跟踪的运动目标进行状态信息预测，以缩小MeanShift跟踪时搜索匹配候选目标次数，从而加速跟踪速度；最后在预测范围内对跟踪的运动目标区域进行MeanShift跟踪，以建立运动目标的关联信息，且采用最佳匹配的运动目标区域信息更新目标链表中相应的运动目标区域信息，同时对kalman运动区域预测模型更新，并在对kalman运动区域预测模型更新过程中，记录运动目标的中心位置、宽度、高度、面积和位移信息。

8.根据权利要求2所述的一种基于实时视频的车窗抛物检测方法，其特征在于，步骤5）中，检测车窗抛物具体流程如下：

根据步骤4）中跟踪的运动目标信息，总结出当前帧所有运动目标的特性，将满足抛物与车辆初始关系小的目标为疑似抛物，最后通过视频序列中各帧数据的关联性以判断疑似抛物目标是否为真正的抛物。