一种基于目标特征点的车辆检测方法
【技术领域】
[0001] 本发明属于图像处理领域，特别涉及一种基于目标特征点的车辆检测方法。
【背景技术】
[0002] 社会经济活动和城市化的快速发展，使得无论是发达国家还是发展中国家都承受 着城市交通问题的巨大困扰，对现有道路的有效管理可以最大限度地疏导交通，为道路建 设提供数据。其中，对某一路段进行车辆检测，统计一段时间内的车流量，将该路段车流信 息通过以太网发给其他终端用户，可以有效的疏导交通，达到智能交通管理的目的。基于视 频的交通流量统计由于安装和维护方便以及实时高效的检测性能得到越来越广泛的应用。
[0003]目前常用的基于视频的车辆检测软件，在车流量较小，交通场景简单且变化不大 的情况下能够取得较好的检测效果。但是，在实际的工程应用中，通常需要对交通场景复杂 的道路进行车辆检测分析，此时由于车辆之间的粘连现象较严重，因此常用的车辆检测方 法带来较大的检测误差，降低了车辆识别的准确率。
【发明内容】
[0004]为了解决现有技术的问题，本发明提供了一种基于目标特征点的车辆检测方法， 其特征在于，所述基于目标特征点的车辆检测方法，包括：
[0005]步骤一，建立世界坐标系和像素坐标系，从视频中选取世界坐标和像素坐标已知 的六个点进行标定，获取所述世界坐标系与所述像素坐标系之间的转移矩阵；
[0006]步骤二，确定所述视频中的运动目标区域，在所述运动目标区域提取特征点，根据 所述特征点确定垂足点，根据转移矩阵确定所述垂足点在所述世界坐标系中的坐标，结合 所述转移矩阵即确定所述特征点在所述世界坐标系中的坐标；
[0007]步骤三，从所述视频中的非阴影区域选取满足预设要求的稳定特征点，对所述稳 定特征点进行跟踪，在所述世界坐标系中对所述运动目标的运动位置进行预测，获取所述 运动目标的轨迹线；
[0008]步骤四，根据所述运动目标的轨迹线，如果判定两条轨迹线属于同一辆车，则对车 辆计数结果加一；
[0009]步骤五，重复执行步骤二至步骤四，对所述视频中的每一帧图像进行分析，并对所 述轨迹线进行聚类得到车辆检测计数结果，直到所述视频结束为止。
[0010] 可选的，述确定所述视频中的运动目标区域，在所述运动目标区域提取特征点，根 据所述特征点确定垂足点，包括：
[0011] 提取所述视频中的背景图像，将所述已获取视频中的每一帧图像与所述背景图像 相减得到运动目标区域；
[0012] 在所述运动目标区域提取特征点，获取所述视频的二值化图像，在所述二值化图 像中对所述特征点做垂线，令所述垂线经过的第一个非目标像素点定为垂足点；
[0013]根据转移矩阵可确定所述垂足点对应的位于所述世界坐标系内的坐标点，在假设 所述垂足点与所述特征点在三维空间中位于同一垂线的条件下，所述特征点与所述垂足点 在所述世界坐标系中的坐标值是已知的并且数值相等，则根据所述转移矩阵确定所述特征 点对应的在所述世界坐标系中的坐标。
[0014] 可选的，所述从所述视频中的非阴影区域选取满足预设要求的稳定特征点，对所 述稳定特征点进行跟踪，在所述世界坐标系中对所述运动目标的运动位置进行预测，获取 所述运动目标的三维空间轨迹，包括：
[0015] 将位于所述视频中阴影区域中的特征点删除，从所述视频中的非阴影区域中选取 高度值小于高度阈值，且水平面上斜率小于斜率阈值的所述特征点为稳定特征点；
[0016] 对稳定特征点进行跟踪，根据卡尔曼滤波原理在所述世界坐标系中对运动目标的 运动位置进行预测，并使用三维预测值减小在进行二维图像匹配搜素时的搜索范围，利用 匹配搜索得到的观测值对得到的预测值进行修正，令修正后的位于所述世界坐标系中的连 续跟踪点作为所述运动目标的轨迹线。
[0017] 可选的，所述根据所述运动目标的轨迹线，如果判定两条轨迹线属于同一辆车，则 对车辆计数结果加一，包括：
[0018] 确定现实空间中的空间检测线，将通过所述空间检测线的两条所述轨迹线在同时 刻的相对距离历史值的方差作为样本方差，令通过所述检测线的两条轨迹线在同时刻之间 欧氏距离的最大值作为最大距离，将所述视频中位于特定位置的灰度信息作为纹理；
[0019] 将所述样本方差小于预设方差范围、所述最大距离小于预设距离阈值、所述轨迹 线之间图像的纹理值在车辆运动过程中保持不变的两条所述轨迹线归为属于同一辆车的 两条轨迹线，当判定两条轨迹线属于同一辆车时，则对车辆计数结果加一。
[0020] 本发明提供的技术方案带来的有益效果是：
[0021] 通过在车辆检测中引入基于目标特征点跟踪与聚类的检测方式，与现有技术相 比，减少了环境限制，具有较高的稳定性和检测精度，并且降低检测误差，提高了车辆识别 的准确率。
【附图说明】
[0022] 为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图 作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普 通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1是本发明提供的一种基于目标特征点的车辆检测方法的流程示意图；
[0024] 图2是本发明提供的从视频中提取的背景图像；
[0025]图3是本发明提供的从视频中提取的一帧样本图像；
[0026]图4是本发明提供的提取到的特征点图像；
[0027]图5是本发明提供的稳定特征点图像；
[0028] 图6 (a)是本发明提供的对稳定特征点跟踪得到的图像轨迹；
[0029] 图6(b)是本发明提供的图像轨迹对应的空间轨迹在水平面的投影图；
[0030] 图7 (a)是本发明提供的滤波后的空间轨迹；
[0031]图7(b)是本发明提供的滤波后的图像轨迹
[0032] 图8 (a)是本发明提供的车辆计数结果为200的实时视频场景图；
[0033] 图8 (b)是本发明提供的车辆计数结果为201的实时视频场景图；
[0034] 图8 (c)是本发明提供的车辆计数结果为202的实时视频场景图；
[0035] 图8(d)是本发明提供的车辆计数结果为203的实时视频场景图。
【具体实施方式】
[0036] 为使本发明的结构和优点更加清楚，下面将结合附图对本发明的结构作进一步地 描述。
[0037] 实施例一
[0038] 本发明提供了一种基于目标特征点的车辆检测方法，如图1所示，所述基于目标 特征点的车辆检测方法，包括：
[0039] 步骤一，建立世界坐标系和像素坐标系，从视频中选取世界坐标和像素坐标已知 的六个点进行标定，获取所述世界坐标系与所述像素坐标系之间的转移矩阵；
[0040] 步骤二，确定所述视频中的运动目标区域，在所述运动目标区域提取特征点，根据 所述特征点确定垂足点，根据转移矩阵确定所述垂足点在所述世界坐标系中的坐标，结合 所述转移矩阵即确定所述特征点在所述世界坐标系中的坐标；
[0041] 步骤三，从所述视频中的非阴影区域选取满足预设要求的稳定特征点，