一种基于停车场环境视频监控的车辆跟踪与检测方法
【专利摘要】本发明公开了一种基于停车场环境视频监控的车辆跟踪与检测方法，涉及模式识别领域，运动目标的检测、跟踪，视频监控问题。通过本发明，停车场环境的监控问题不但被更准确的获得，而且相对传统人工监控手段，本发明具有实时不间断监控的特点，而且引入了模式识别的算法的使用，通过对车辆目标的检测以及时间段内的各帧图像之间的关联分析等方式，获得了车辆的目标状态，进而得到停车场的环境状况，解决了停车场环境的智能监控问题。
【专利说明】一种基于停车场环境视频监控的车辆跟踪与检测方法【技术领域】
[0001]本发明涉及模式识别领域，尤其是一种基于停车场环境视频监控的车辆跟踪与检测方法。
【背景技术】
[0002]目前，运动目标的检测与跟踪已经成为计算机视觉领域的一个重要问题。其融合了图像处理、模式识别、人工智能等多方面的知识，且在生产和生活中有着十分广泛的应用。结合视频监控的停车场车辆的检测与跟踪是停车场环境监控的一种重要的手段。因为，实际停车场的视频监控采用人员监视屏幕，因此，在监控点较少的情况下，监控效果较好。
[0003]发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足: [0004]现有技术多采用人工监控的手段，当监控点较多时，监控人员无法全面、完整的监控所有信息，而且车辆的进入、行走路径、以及离开等各种状态，无法进行智能的获取并进行实时标注车辆的状态信息，以及状态的自动统计、示警，从而进行停车场的管理。(是不是有一些激光测距的技术，激光测距的技术不够直观)
【发明内容】
[0005]本发明提供了一种基于停车场环境视频监控的车辆跟踪与检测方法，本发明根据监控设备获得的视频信息，对视频中的车辆进行检测，并跟踪其运行路径，获得车辆的状态信息，并将信息显示统计给相关的管理人员，达到了对停车场环境进行智能监控的目的，提高了监控的性能，降低了人力代价，详见下文描述:
[0006]一种基于停车场环境视频监控的车辆跟踪与检测方法，包括:视频中车辆的检测，以及车辆运行路径的跟踪，车辆状态的获得。所述视频中车辆检测方法，包括基于RGB颜色空间的阈值划分的改进背景差分方法的车辆检测方法、以及背景的构建更新策略，以及获得检测目标后的形态学降噪处理。所述车辆的目标的跟踪，车辆状态获得包括，车辆行为分析以及车辆跟踪和事件处理。
[0007]所述背景构建更新策略包括:初始背景构建以及背景的更新策略。
[0008]所述形态学去噪处理包括:基于腐蚀和膨胀的基本去噪处理以及基于‘开和闭’的组合去噪处理。
[0009]所述车辆的行为分析包括:车辆目标状态的定义，状态转换和事件定义。
[0010]所述车辆的跟踪和事件处理包括:基于运动特征的提取和匹配方法来确定目标运动的区域，车辆状态的判断以及车辆行为事件的处理。
[0011]所述方法包括以下步骤:
[0012](I)所述改进方法在所述视频上提取可靠的背景，以及基于所述改进背景差分方法检测车辆。
[0013](2)所述背景差分法获得目标车辆之后形态学去噪处理。
[0014](3)所述视频上绘制所述背景差分方法获得的车辆目标轮廓以便跟踪目标。[0015](4)所述视频各帧之间的关联性、重合度分析以获得车辆的行为并统计反馈
[0016]所述获得可靠背景提取方法具体为:本发明采用实时调整的背景更新策略，以降低背景物体的运动或者光照条件等的变化对于背景剪除的结果的影响。所述背景更新策略包括背景的构建以及背景的更新两个步骤。本发明采用初始拍摄图像作为初始背景，并在此基础上进行背景的更新。所述背景更新方法种以新的背景像素值替换旧的背景像素值以更新背景。即若判断当前某像素点为背景区域，则用该像素替换背景中对应点；否则，仍保持原来的值。定义当前输入的视频帧图像为Fn，Bn-1为之前得到的旧的背景图像。将当前巾贞与背景巾贞相对应的像素点相减求出该点处差分值Dn (X, y):Dn (x, y) = Fn (x,y)-Bn-1 (x,y) |假设使用阈值Th对像素点进行划分，则Dn大于阈值的认为是前景点，不更新背景，否则替换旧的背景值。
[0017]所述改进背景差分方法具体为:本发明采用基于RGB颜色空间的阈值划分方法改进了背景差分算法以克服彩色的视频图像转化为灰度图像的过程中，会造成颜色信息的丢失，或者选用转化后的灰度图像进行差分操作，难以克服灰度相似性的干扰的问题。F(x，y)为当前帧Fn的一个像素点，其R、G、B三个通道的像素值分别为Fr(x，y)、Fg (x, y)、Fb (x,y)。分别将这三个像素值与对应背景像素点的三通道值Br (X，y)、Bg(x，y)、Bb (x，y)相减，得到差分值Dr (x，y)、Dg(x，y)、Db(x，y)然后对三个差分值求出均值D (x，y)，由此判断出当前像素点与背景像素点的相似程度，进行阈值判断。选取新的阈值Th’，并以此为依据对帧图像中的像素点F进行二值划分，得到结果R。
[0018]所述车辆目标的形态学降噪处理具体为:采用形态学的图像处理方法来将之去除。常见的用于降噪处理的形态学操作是腐蚀、膨胀、开和闭。开和闭运算是腐蚀、膨胀的组合。解决视频在连续拍摄过程中，会出现光线的闪烁或反射等问题，进而使阈值化处理得到的结果中含有一些小范围的噪声。
[0019]所述车辆目标轮廓获得方法具体为:本发明采用OpenCV提供的功能函数根据二值化图像找到目标外部轮廓线，再根据这组轮廓线绘制出能包围轮廓的外接矩形。根据此外界矩形的原点坐标、高度和宽度，可以进一步确定目标的质心。对位置特征的匹配主要通过外接矩形的重合程度来判定。RKxl, yl，wl, hi), R2 (x2, y2，w2, h2)为两个矩形，其参数分别为左上角起始点X、y左边，矩形宽度和高度，且Rl、R2的面积分别为S1、S2。矩形R3 (x3, y3,w3, h3)为Rl和R2的重合部分，面积为S3。则定义矩形Rl相对于R2的重合率CR (coincide rate)如下:CR = S3/S1。相邻两巾贞间重合率很高的两个外接矩形,可以认为是同一目标在两个时刻的不同位置。
[0020]所述车辆行为分析方法具体为:分析车辆目标状态变化的主要依据是目标在整个活动过程中的位置变化规律通过定义帧间目标位置关联矩阵，并通过位置覆盖相关性分析来确定目标状态的方法，分析出目标的出现、消失、活动几种变化，以及以上述分析为基础的事件处理机制。
[0021]I)所述帧之间关联性分析判定目标进入或者消食方法具体为:定义PreList为存储了当前帧上一帧所有车辆位置的列表结构，Pl?Pm为其元素，CurList存储了当前帧的车辆位置，元素为Cl?Cn。计算PreList中目标Pi和CurList中目标Cj的矩形重合率，设定一定的阈值，当重合率大于该阈值时，认为Pi和Cj属于同一个活动车辆目标。用一个矩阵来表示两帧间的目标关系，被认为属于同一车辆的目标相交处记为1，否则记为0，这样可以清楚地看出相邻帧之间目标的关系。首先用CurList中的每一个目标分别匹配PreList，找到能与之匹配的目标。若存在无法匹配PreList的目标，则说明这是一个之前未出现过的目标。接下来再用PreList中的每一个目标分别去匹配CurList。若存在无法匹配任何CurLi st元素的目标，则说明该目标在当前帧消失。
[0022]2)所述静止、行进目标状态判断方法具体为:本发明在帧之间关系判断中加入时间因素，判断车辆目标减速或是短暂停留造成的暂时静止现象或更为长久的静止，即停止。图像是逐帧处理的，所以这里用统计帧数代替计时操作。当相邻帧间同一目标的位置重合率很大时，表示其速度在明显减慢，这时可以开始对该目标计数。若后续帧中位置重合率足够大(如大于阈值Thl)，则计数加一，反之则减一(计数值不小于零)。若是较长时间的停留，重合率将一直保持较高值，超过Thl的持续时间为T2 ;而若目标只是减速或者短暂的停留，重合率只在一段很短的时间Tl内大于Thl。如果目标连续很长一段时间T2都静止在同一位置，则计数值会逐渐增加，一旦超过某一阈值(如Th2)则可以判定目标静止；若目标只是暂时减速或者短时间Tl内停留，则在车辆开始加速后，计数值会开始递减，当前处于静止状态的可能性也随之衰减。最终计数值超过阈值Th2后，发生状态跳变，该车辆被判定为静止。同理，原本静止的车辆在准备启动时，速度将开始递增，随后计数值会开始递减，然后小于阈值Th2进入行进状态，最终计时器回复为零。必须为目标的计数值定义一个上限Max，否则车辆处于静止状态时计数器的值将一直增长。则经过长时间的静止，车辆在启动时将无法及时检测到状态变化。
[0023]3)所述事件处理机制具体为:定义存储车辆目标的列表CarList用于同时保存车辆的位置信息和计数值，同时动态地维持车辆的最新信息。将前后两帧的目标列表，即PreList和CurList,进行匹配后,推断出相应的状态变化,然后更新CarList中的位置信息和计数器。前后两帧间相互为对照，分别计算前后的位置重合率。失去匹配的目标则是有目标出现或消失。重合率偏低的目标认为其处于静止中的可能性很小，递减它们的计数器；而重合率很高的目标则认为极有可能在静止中，其计数器递增。判断计数值，检查是否有停车或启动事件发生。判断目标事件并记录了状态信息之后，再向系统界面发送相应的提示信息，并更新界面显示，告知用户当前的车辆和车位状态。
[0024]本发明提供的技术方案的有益效果是:
[0025]本发明提供了一种基于停车场环境下，采用智能视频监控手段的车辆跟踪与检测方法，通过对停车场内的目标车辆检测，以及外部轮廓的确定，最终通过分析视频中图像之间的关联，来判断车辆的目的状态，即是进入，停止，还是占位异常等，完成基本对于停车场环境的智能监控任务，避免纯人工监控时的弊端。
【专利附图】
【附图说明】
[0026]图1 一种基于停车场环境视频监控的车辆跟踪与检测方法的示意流程图。
【具体实施方式】
[0027]为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0028]为了人工监控面对多监控点时的疏忽等情况，本发明设计了一种基于停车场视频监控的智能分析停车场车辆状态的算法，参见图1，详见下文描述:
[0029]一种停车场环境下智能视频监控的车辆检测与跟踪算法，包括:视频中车辆的检测，以及车辆运行路径的跟踪，车辆状态的获得。
[0030]参照图1，一种停车场环境下智能视频监控的车辆检测与跟踪算法包括以下步骤:
[0031]101:通过视频上提取可靠的可以实时更新的背景，并基于改进背景差分方法检测车辆目标。
[0032]102:将背景差分法获得目标车辆进行形态学去噪处理。
[0033]103:绘制通过改进背景差分方法获得的车辆目标轮廓以便跟踪目标。
[0034]104:通过分析视频各帧图像之间的关联性、重合度分析以获得车辆的行为并统计反馈给监控管理人员。
[0035]综上所述，本发明实施例提供了一种停车场环境下智能视频监控的车辆检测与跟踪算法，通过检测停车场环境中的车辆目标，通过轮廓匹配来获得目标，最终通过一定时间内的帧关联分析，判断车辆的状态，并将状态信息发布用于提示监控人员，从而避免了人工监控在多监控点时无法较好的监控全部监控目标的弊端，完成了智能监督代替人工监控。
[0036]本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0037]以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种基于停车场环境视频监控的车辆跟踪与检测方法，其包括:包括基于RGB颜色空间的阈值划分的改进背景差分方法的车辆检测方法、以及背景的构建更新策略，以及获得检测目标后的形态学降噪处理，基于运动特征的提取和匹配方法来确定目标运动的区域，车辆的行为分析，车辆状态的判断以及车辆行为事件的处理。
2.根据权利要求1所述的一种基于停车场环境视频监控的车辆跟踪与检测方法，其特征在于，所述方法包括:基于RGB颜色空间的阈值划分的改进背景差分方法的车辆检测方法; 所述基于RGB颜色空间的阈值划分的改进背景差分方法的车辆检测方法包括:初始背景构建以及背景的更新策略，以获得动态更新的背景信息，以为背景剪除工作提供可靠的背景；基于RGB颜色空间的阈值划分方法代替转化后的灰度图像进行差分操作，以克服灰度相似性的干扰的问题；基于腐蚀和膨胀的基本去噪处理以及基于‘开和闭’的组合去噪处理，以获得更完美的检测目标。
3.根据权利要求1所述的一种基于停车场环境视频监控的车辆跟踪与检测方法，其特征在于，所述方法车辆的跟踪以及行为分析包括:； 所述车辆的跟踪以及行为分析包括:使用目标外部轮廓线，再根据这组轮廓线绘制出能包围轮廓的外接矩形的车辆目标跟踪方法；分析车辆目标状态变化的主要依据是目标在整个活动过程中的位置变化规律通过定义帧间目标位置关联矩阵，并通过位置覆盖相关性分析来确定目标状态的方法，分析出目标的出现、消失、活动几种变化，以及以上述分析为基础的事件处理机制。
【文档编号】G08G1/017GK103778785SQ201210403965
【公开日】2014年5月7日 申请日期:2012年10月23日 优先权日:2012年10月23日
【发明者】刘杰, 袁媛, 黄亚楼, 刘才华, 王嫄 申请人:南开大学