一种实时的交通车辆检测与跟踪方法
【专利摘要】一种实时交通车辆检测与跟踪方法，该方法在运动车辆实时检测中，利用道路线检测获得车辆行驶的区域，再进行帧间差分获得车辆行驶区域中运动区域以及非运动区域的主要颜色信息，把主要颜色信息填充运动车辆区域，从而获得一个近似的背景图像，最后使用背景差分获得运动车辆。在运动车辆跟踪中，利用Harris检测获得运动车辆的所有特征角点，通过聚类分析获得所有分离的运动区域的特征角点集，每个特征角点集生成一个包含所有特征点的特征圆，用特征圆的半径来分析车辆遮挡等问题，最后用特征圆的圆心来进行特征匹配跟踪。本发明在运动车辆检测以及跟踪的实时性上和跟踪精确度上都有极大的提升，具有广泛的应用意义。
【专利说明】一种实时的交通车辆检测与跟踪方法
【技术领域】
[0001]本发明涉及一种在交通中进行实时车辆检测与跟踪的方法，属图像处理通信领域。
【背景技术】
[0002]车辆检测方面，在交通视频序列中，对运动车辆进行检测的方法主要有三种:帧间差分法、背景差分法以及光流法。帧间差分法利用连续两帧进行差分，获得运动目标区域。具有较好的实时性，但是不能很好表现完整的车辆信息，而且运动目标容易被分割成多个区域。背景差分法是最常用的方法，通过将图像序列和参考背景模型相减来检测运动目标。方法简单、计算复杂度较低以及易于实现，但是不具有光照变化的鲁棒性，而且容易把车辆的阴影误检为目标。光流法对图像的运动场进行估计并将近似的矢量合并，以检测运动目标。其计算量大，抗噪性能差，实时性差，对实时交通监控的复杂背景不适合用。
[0003]考虑三种方法的优缺点，把其中两种相融合的方法应用比较广泛，最常用的是帧间差分和背景差分融合的方法。其原理是预先选取一阵作为背景图像进行差分处理，区分出背景点和变化的区域。然后将变化区域与背景帧的对应区域进行模型拟合区分出显露区和运动物体。背景更新时，把帧间差分确实是背景的点更新到背景帧中，把背景差分时确定为是显露区的点，以较大的更新概率收入到背景帧中，运动物体对应的区域不进行跟新。
[0004]车辆检测存在问题:此方法算法虽然简单且有效，但是也存在明显问题。基于帧间差分和背景差分相融合的方法虽然对背景帧一直在不断更新，但是并不是对完整的背景图像进行更新，传统方法并没有真正获得背景图像，这将对车辆的跟踪有比较大的影响。虽然当车辆在正常行驶过程中，用传统方法将获得较好的检测以及跟踪效果，但是当运动车辆在行进过程中突然停止，传统方法将把车辆当做背景信息，跟踪将丢失目标，当停止车辆再运动时，又将作为新的目标进行跟踪，完全不符合正确且精确的跟踪要求。
[0005]车辆跟踪方面:一般使用基于角点特征的方法进行车辆跟踪。在图像的各种特征中，角点包含的信息数据量较小，即非常小的数据信息保存了图像灰度变化的特征信息，同时外界影响因素对角点特征提取算法的影响也很小，能较好的表示目标的空间信息。对检测的目标进行Harris角点检测，获得角点集，再进行角点匹配来进行跟踪。常用的角点匹配方法为点一点对应匹配，建立参考图像和待配准图像的特征点集之间的点一点对应关系，然后计算对应点之间的相似性度量来确定图像匹配与否。
[0006]车辆跟踪存在问题:一般特征角点检测具有旋转不变性，利用点一点对应匹配算法对简单形状的物体具有较高的匹配精度，但是车辆的外形比一般物体更为复杂，而且车辆的运动具有不可预知性，在通过特征角点检测后可能会使特征点集发生改变，从而对特征角点的匹配具有较大的干扰。并且点一点对应匹配算法复杂度高，特别是当特征点数目达到上百个和参数变换空间维数很高时，计算时间将成倍增加，难以达到实时要求。基于角点匹配的方法在处理车辆遮挡问题方面，并没有较好的效果，难以满足实际的需求。
【发明内容】
[0007]本发明的目的是，根据在车辆检测方面存在的问题，为了克服检测时并没有获得背景图像，从而导致车辆在停止时，系统检测不到车辆的不足，本发明提供一种能快速获得背景图像的车辆检测方法。
[0008]实现本发明的技术方案是，本发明一种实时的交通车辆检测与跟踪方法为:在车辆检测时，利用帧间差分方法快速获得背景；在车辆跟踪时，通过检测获得的角点集生成该运动区域的重心点以及特征圆，利用特征圆的半径去判定遮挡问题，利用重心点的匹配达到车辆跟踪的效果。
[0009]本发明提出的检测方法，关键是利用交通行驶道路的特点，即车辆行驶道路除了白色的道路线外基本都是水泥路面，也就是说车辆行驶区域的颜色信息基本一致，而且在不同的光照条件下也会保持一致。根据此特点，本发明在获得车辆行驶区域后，在此区域的基础上进行帧间差分，获得运动区域、非运动区域以及非运动区域的主要灰度信息，把灰度信息填充入运动区域，快速恢复出近似的背景图像，获得背景。
[0010]通过帧间差分获得运动区域和非运动区域，把非运动区域的主要颜色信息填充入运动区域。再通过背景差分获得检测的目标。对背景图像的更新，则利用受光照影响最大的非运动区域的主要颜色信息来进行判定，当此颜色信息变化较小，则使用上一帧的背景图像做背景差分，反之，则重新快速生成新的背景图像。
[0011]在车辆跟踪方面，为了克服在基于特征角点的跟踪中，点对点匹配跟踪的计算量问题，以及没有考虑处理遮挡问题的不足，本发明提供一种快速匹配方法。
[0012]本发明提供的车辆跟踪方法主要解决两个问题，第一个是实时性问题，第二个是遮挡问题。针对实时性问题，可根据车辆外形的特殊性，即在视频序列中一般近似为矩形或者菱形，在经过Harris角点检测后，通过角点集可以获得车辆的重心点。由于车辆在连续帧中的位置变化不大，则可找出下一帧中距离最近的重心点来进行匹配跟踪。从而把角点匹配转换为重心点匹配。针对遮挡问题，本发明提出一个以重心点为圆心，包含特征角点集的最小圆，称之为特征圆。车辆由于远离或者接近摄像头，其形状将发生变化，即特征圆将自适应的更新半径。当远离摄像头时，半径将变小；当停止运动时，半径将不变；当靠近摄像头时，半径将变大。通过计算可以预测下一帧特征圆的半径称为预测半径，再将此预测半径与真实半径比较，将可以较容易判断车辆是否遮挡。当车辆出现遮挡时，原本两个运动区域合并成一个，真实半径将会突然变大，此时对重心点进行粒子滤波进行预测，并保持预测半径自适应来进行车辆的跟踪。
[0013]本发明的跟踪方法，对目标进行角点检测后获得特征角点集，根据车辆外形的特殊性，利用角点集中x、y轴上最大与最小四个点来确定车辆的重心点；
[0014]在获得重心点的基础上，生成一个包含所有特征点的最小圆，其半径称为特征半径;
[0015]利用点集到重心点的距离最大值确定，或者通过角点集中X、y轴上最大与最小值差值的一半，取其中较大值来确定。
[0016]本发明的有益效果是，在车辆检测方面，本发明不但保持了传统方法简单有效的优点，并且能快速获得近似背景图像，为背景差分提供了依据，提高了跟踪的准确性。在车辆跟踪方面，本发明大大降低了匹配的计算量，把传统角点匹配转化为重心点匹配，极大提高了跟踪的实时性，利用本发明提出的特征圆来进行遮挡的判断，方法简单且效果，极大提闻了跟踪的精确性。
[0017]下面通过附图和【具体实施方式】，对本发明的技术方案做进一步的详细描述。
【专利附图】
【附图说明】
[0018]图1为本发明目标检测流程图；图中:1是获得道路区域；2是相邻两帧相差获取背景；3是背景更新；4是获得新背景；5是原背景；6是背景差分；
[0019]图2为本发明实验视频序列第一帧；
[0020]图3为车辆行驶的道路区域；
[0021]图4为第14帧图像；
[0022]图5为本发明快速获得的背景图像；
[0023]图6为背景差分后获得运动目标；
[0024]图7为Harris角点检测获得角点；
[0025]图8为本发明通过角点获得重心点与特征圆；
[0026]图9为运动车辆跟踪；
[0027]图10为多运动车辆跟踪。
【具体实施方式】
[0028]本发明实时的交通车辆检测与跟踪方法的【具体实施方式】如下:
[0029]参见图1，为本实施例车辆检测的流程图。如图1所示，车辆检测的流程包括:
[0030]步骤1:获得道路区域；视频序列的第一帧原图为图2，通过Hough道路线检测方法，获得道路行驶区域两边的道路线，再把道路线区域中间部分作为车辆行驶的道路区域。因为只对车辆行驶区域进行操作，可以有效的排除周围环境对检测的影响，提高精确率。获得的区域如图3。
[0031]步骤2:相邻两帧相差；目的是为了获得运动区域、非运动区域以及非运动区域的主要颜色信息，为后续步骤提供操作的依据。
[0032]首先，假设处理的连续两帧图像分别为It (X，y)和Iw (x, y)，利用步骤I获得的道路区域对连续两帧进行处理，处理后的两帧图像分别为
【权利要求】
1.一种实时的交通车辆检测与跟踪方法，使用帧间差分与背景差分相融合的方法进行车辆检测，获得运动车辆后再使用特征角点进行车辆的跟踪，其特征在于，所述方法在车辆检测时，利用帧间差分方法快速获得背景；在车辆跟踪时，通过检测获得的角点集生成该运动区域的重心点以及特征圆，利用特征圆的半径去判定遮挡问题，利用重心点的匹配达到车辆跟踪的效果。
2.根据权利要求1所述的一种实时的交通车辆检测与跟踪方法，其特征在于，所述车辆检测，获得车辆行驶区域后，在此区域的基础上进行帧间差分，获得运动区域、非运动区域以及非运动区域的主要灰度信息，把灰度信息填充入运动区域，快速恢复出近似的背景图像，获得背景。
3.根据权利要求1所述的一种实时的交通车辆检测与跟踪方法，其特征在于，所述车辆跟踪，对目标进行角点检测后获得特征角点集，根据车辆外形的特殊性，利用角点集中X、y轴上最大与最小四个点来确定车辆的重心点； 在获得重心点的基础上，生成一个包含所有特征点的最小圆，其半径称为特征半径； 利用点集到重心点的距离最大值确定，或者通过角点集中X、y轴上最大与最小值差值的一半，取其中较大值来确定。
【文档编号】G06T7/00GK103794050SQ201410025697
【公开日】2014年5月14日 申请日期:2014年1月21日 优先权日:2014年1月21日
【发明者】曹义亲, 钟涛, 黄晓生 申请人:华东交通大学