一种自适应的粘连车辆分割方法
【技术领域】
[0001] 本发明涉及交通视频智能分析领域，尤其涉及一种自适应的粘连车辆分割方法。
【背景技术】
[0002] 随着智慧城市的建设，智能交通作为其中重要的一部分，受到了政府的关注。同 时，随着智能交通监控系统基于视频的车辆跟踪技术的发展，其也被广泛地运用于城市交 通管理当中。
[0003]目前，在基于视频的车辆跟踪技术中，一方面，由于前景提取的不完整，导致车辆 前景经常会和视频场景中其他事物的前景互相粘连；另一方面，受制于摄像头的视角单一 性，图像中的车辆会互相遮挡产生粘连。而这些粘连会对后续的跟踪算法产生不利影响，最 终导致车辆跟踪结果不准确，甚至跟踪丢失。同时，高准确性的前景提取方法由于耗时多， 从而无法保证车辆跟踪算法的实时性。而现有的车辆粘连分割方法，过多依赖于其所固有 的跟踪方法无法独立出来去适应其他分割方法，工业应用性差。因此，如何准确地分割粘连 车辆，提高车辆跟踪的准确性和实时性是一个亟待解决的问题。
【发明内容】
[0004] 本发明为克服上述的不足之处，目的在于提供一种自适应的粘连车辆分割方法， 该方法通过基于运动向量层的分割、基于跟踪数据和运动向量混合层的分割、基于颜色对 比度层的分割最终分割出粘连车辆；该方法鲁棒性强，可适应大部分的跟踪方法，消除了分 割粘连车辆工业应用的障碍，为实现分割粘连车辆提供了一个新的可靠的方法。
[0005] 本发明是通过以下技术方案达到上述目的：一种自适应的粘连车辆分割方法，包 括如下步骤：
[0006] (1)读取视频序列中存在粘连的图像中提取出图像的前景，计算能够包围该前景 的前景边界矩形；
[0007] (2)从前景中提取轮廓像素，计算提取到轮廓像素的运动向量并对运动向量进行 筛选；
[0008] (3)利用筛选出的运动向量估计前景边界矩形的中心点和大小，获得初步分割的 粘连车辆图像；
[0009] (4)分析已跟踪到车辆的轨迹数据并结合步骤（3)结果综合估计前景边界矩形的 中心点和大小，获得新的粘连车辆图像；
[0010] (5)利用线扫描对步骤（4)得到的粘连车辆图像进行扫描，计算互相粘连区域的 颜色分布距离；
[0011] (6)根据扫描线所在位置计算出颜色对比度的权重；
[0012] (7)根据颜色分布距离和颜色对比度的权重计算出前景边界矩形边界的位置，分 割出粘连车辆。
[0013] 作为优选，所述步骤（1)采用三帧差算法提取图像的前景。
[0014] 作为优选，所述步骤（2)对运动向量进行筛选的方法如下：
[0015]a)舍去向量长度长于标准值或者短于标准的运动向量，标准值为预设的；
[0016] b)将360度平均分为9个区间，计算剩余运动向量的角度并统计落在每个区间内 的运动向量数量；
[0017] c)在9个区间内筛选出运动向量数量最多的2个区间，存留2个区间内的运动向 量；删除其余7个区间内的运动向量。
[0018] 作为优选，所述步骤（3)利用筛选出的运动向量估计前景边界矩形的中心点和大 小的方法如下：
[0019] 1)计算运动向量的平均运动向量并将其作为前景边界矩形中心点的运动向量，从 而获得前景边界矩形的中心点；
[0020] 2)将前景边界矩形平均分为9个块，标记其中具有特殊性的固定位置的4个块并 该4个块对应的前景边界矩形的四条边；
[0021] 3)计算起始点分别在该4个块中的运动向量的平均运动向量坐标；
[0022] 4)根据平均运动向量坐标分别对4个块对应的前景边界矩形的四条边进行位移， 从而获得前景边界矩形的大小，长Wwidth，尚Hh6ight。
[0023] 作为优选，所述步骤2)的标记方法为设置块所在的行为i,列为j，块为Bi,』， top是前景边界矩形的上边，left是前景边界矩形的左边，right是前景边界矩形的右边， bottom是前景边界矩形的下边。
[0024] 作为优选，所述步骤（4)利用Kalman滤波算法分析已跟踪到车辆的轨迹数据。
[0025] 作为优选，所述步骤（4)中结合步骤（3)结果综合估计前景边界矩形的中心点和 大小的方法如下：
[0026] i)将筛选后运动向量的平均运动向量作为一个运动向量，该运动向量的起点为车 辆Cm上一帧图像前景边界矩形的中心点，终点设置为H
[0027] ii)将车辆Cm的位置作为P ，得到车辆Cm在上一帧图像的前景边界矩形的大 'J、，^ Pwidth，冋Pheight;
[0028] iii)综合分析Pa，Ha,其中，a= {center，width，height}，获得最终的前景边界矩 形的中心点和大小Fa。
[0029] 作为优选，所述步骤iii)的综合分析方法公式SFa= 〇Pa+yHa，（〇、y为常 数）。
[0030] 作为优选，所述步骤（5)扫描粘连车辆图像的扫描方向由粘连位置的关系决定， 如下所示：
[0031] A)如果是上下粘连位置关系，则从上至下扫描；
[0032] B)如果是左右粘连位置关系，则从左至右扫描；
[0033] C)如果是对角线粘连位置关系，则需先从上至下扫描，再从左至右进行扫描。
[0034] 作为优选，所述步骤（5)计算互相粘连区域的颜色分布距离的公式如下：
[0035] s(c，i) =f(c，iIa)2_f(c，iIb)2
[0036] 其中，s(c，i)为最终的距离，a，b为互相粘连的区域，i为扫描线的坐标，c为在 RGB颜色空间颜色的值。
[0037] 作为优选，所述步骤（6)计算颜色对比度的权重的公式如下：
【主权项】
1. 一种自适应的粘连车辆分割方法，其特征在于，包括如下步骤： (1) 读取视频序列中存在粘连的图像中提取出图像的前景，计算能够包围该前景的前 景边界矩形； (2) 从前景中提取轮廓像素，计算提取到轮廓像素的运动向量并对运动向量进行筛 选； (3) 利用筛选出的运动向量估计前景边界矩形的中心点和大小，获得初步分割的粘连 车辆图像； (4) 分析已跟踪到车辆的轨迹数据并结合步骤（3)结果综合估计前景边界矩形的中心 点和大小，获得新的粘连车辆图像； (5) 利用线扫描对步骤（4)得到的粘连车辆图像进行扫描，计算互相粘连区域的颜色 分布距离； (6) 根据扫描线所在位置计算出颜色对比度的权重； (7) 根据颜色分布距离和颜色对比度的权重计算出前景边界矩形边界的位置，分割出 粘连车辆。
2. 根据权利要求1所述的一种自适应的粘连车辆分割方法，其特征在于，所述步骤（1) 采用三帧差算法提取图像的前景。
3. 根据权利要求1所述的一种自适应的粘连车辆分割方法，其特征在于，所述步骤（2) 对运动向量进行筛选的方法如下： a) 舍去向量长度长于标准值或者短于标准的运动向量，标准值为预设的； b) 将360度平均分为9个区间，计算剩余运动向量的角度并统计落在每个区间内的运 动向量数量； c) 在9个区间内筛选出运动向量数量最多的2个区间，存留2个区间内的运动向量； 删除其余7个区间内的运动向量。
4. 根据权利要求1所述的一种自适应的粘连车辆分割方法，其特征在于，所述步骤（3) 利用筛选出的运动向量估计前景边界矩形的中心点和大小的方法如下： 1) 计算运动向量的平均运动向量并将其作为前景边界矩形中心点的运动向量，从而获 得前景边界矩形的中心点； 2) 将前景边界矩形平均分为9个块，标记其中具有特殊性的固定位置的4个块并该4 个块对应的前景边界矩形的四条边； 3) 计算起始点分别在该4个块中的运动向量的平均运动向量坐标； 4) 根据平均运动向量坐标分别对4个块对应的前景边界矩形的四条边进行位移，从而 获得前景边界矩形的大小，长Wwidth，高Hteight。
5. 根据权利要求4所述的一种自适应的粘连车辆分割方法，其特征在于，所述步骤2) 的标记方法为设置块所在的行为i，列为j，块为By，top是前景边界矩形的上边，left是 前景边界矩形的左边，right是前景边界矩形的右边，bottom是前景边界矩形的下边。
6. 根据权利要求1所述的一种自适应的粘连车辆分割方法，其特征在于，所述步骤（4) 利用Kalman滤波算法分析已跟踪到车辆的轨迹数据。
7. 根据权利要求1所述的一种自适应的粘连车辆分割方法，其特征在于，所述步骤（4) 中结合步骤（3)结果综合估计前景边界矩形的中心点和大小的方法如下： i) 将筛选后运动向量的平均运动向量作为一个运动向量，该运动向量的起点为车辆Cm 上一帧图像前景边界矩形的中心点，终点设置为H_tOT; ii) 将车辆Cm的位置作为P ，得到车辆Cm在上一帧图像的前景边界矩形的大小，长 Pwidth，问Pheight^ iii) 综合分析？3，札，其中，a= {center，width，height,获得最终的前景边界矩形的 中心点和大小Fa。
8. 根据权利要求7所述的一种自适应的粘连车辆分割方法，其特征在于，所述步骤 iii)的综合分析方法公式为Fa= 〇Pa+yHa，（ 〇、y为常数）。
9. 根据权利要求1所述的一种自适应的粘连车辆分割方法，其特征在于，所述步骤（5) 扫描粘连车辆图像的扫描方向由粘连位置的关系决定，如下所示： A) 如果是上下粘连位置关系，则从上至下扫描； B) 如果是左右粘连位置关系，则从左至右扫描； C) 如果是对角线粘连位置关系，则需先从上至下扫描，再从左至右进行扫描。
10. 根据权利要求1所述的一种自适应的粘连车辆分割方法，其特征在于，所述步骤 (5) 计算互相粘连区域的颜色分布距离的公式如下： s(c，i) =f(c，i|a)2_f(c，i|b)2 其中，s(c，i)为最终的距离，a,b为互相粘连的区域，i为扫描线的坐标，c为在RGB颜 色空间颜色的值。
11. 根据权利要求1所述的一种自适应的粘连车辆分割方法，其特征在于，所述步骤 (6) 计算颜色对比度的权重的公式如下：
其中，w⑴为扫描前坐标为i的权重值，apa2,b，hi和h2为参数。
12. 根据权利要求1所述的一种自适应的粘连车辆分割方法，其特征在于，所述步骤 (7) 计算前景边界矩形边界的位置的公式如下：
其中，d(i)为前景边界矩形i边界的位置，w(i)为扫描前坐标为i的权重值，s(c，i) 为最终的距离。
【专利摘要】本发明涉及一种自适应的粘连车辆分割方法，该方法主要步骤包括：(1)利用粘连车辆的轮廓运动向量层，初步分割出粘连车辆的候选区域；(2)根据跟踪所得的历史数据和预测的粘连车辆的位置，进一步分割粘连车辆的候选区域；(3)利用分析所得的互相粘连车辆们的颜色的对比度，最终获得粘连车辆的位置，从而分割出粘连车辆。本发明方法鲁棒性强，可适应大部分的跟踪方法，消除了分割粘连车辆工业应用的障碍，为实现分割粘连车辆提供了一个新的可靠的方法。
【IPC分类】G06T7-20
【公开号】CN104700432
【申请号】CN201510129155
【发明人】赵娜, 夏莹杰, 王辉, 谷虹娴
【申请人】银江股份有限公司, 杭州师范大学
【公开日】2015年6月10日
【申请日】2015年3月24日