基于场景分析的车辆检测方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112215109A(43)申请公布日2021.01.12(21)申请号202011053608.2G06T7/215(2017.01)(22)申请日2020.09.29G06T7/90(2017.01)(71)申请人中科劲点(北京)科技有限公司地址100083北京市海淀区海淀大街3号B座10层10-022(72)发明人刘军发郑爱兵刘宏(74)专利代理机构北京市广友专利事务所有限责任公司11237代理人张仲波(51)Int.Cl.G06K9/00(2006.01)G06T5/00(2006.01)G06T5/30(2006.01)G06T7/187(2017.01)G06T7/194(2017.01)权利要求书3页说明书8页附图3页(54)发明名称基于场景分析的车辆检测方法及系统(57)摘要本发明提供了一种基于场景分析的车辆检测方法及系统，该系统包括：运动目标检测模块，用于获取场景视频图像，采用自适应方式进行背景建模，获得背景图像和前景图像，并分割出运动目标；运动阴影去除模块，用于判断是否需要保留背景图像的梯度特征，并基于判断结果去除运动目标中的运动阴影；车辆检测与分割模块，用于判断车辆是否发生粘连或遮挡，如果是，则进行车辆分割，并得到车辆的正确检测和分割，如果否，则直接得到车辆的正确检测和分割。本方案对复杂交通场景中的车辆识别和监测准确率明显提高，背景建模稳定性强，资源消耗小，识别速度快。CN112215109ACN112215109A权利要求书1/3页1.一种基于场景分析的车辆检测方法，其特征在于，所述方法包括：步骤1、获取场景视频图像，采用自适应方式进行背景建模，获得背景图像和前景图像，并分割出运动目标；步骤2、如果保留背景图像的梯度特征，则执行：对原图进行灰度化，并将灰度化后的原图和前景图像的二值图像进行与操作，得到前景模板图；将背景图像和前景图像的二值图像做与操作，得到背景模板图；通过边缘腐蚀去除前景模板图中所包含的背景像素，得到腐蚀后前景模板图和腐蚀后背景模板图；基于所述腐蚀后前景模板图和腐蚀后背景模板图，通过梯度差的方式，去除运动目标中的运动阴影；如果不保留背景图像的梯度特征，则执行：基于背景图像和前景图像，通过梯度差的方式，去除运动目标中的运动阴影；步骤3、判断车辆是否发生粘连或遮挡，如果是，则进行车辆分割，并得到车辆的正确检测和分割，如果否，则直接得到车辆的正确检测和分割。2.根据权利要求1所述的方法，其特征在于，所述步骤1中，所述自适应方式进行背景建模，具体方式为：建模初期，背景像素取连续n帧图像像素的算术平均值；当时间T增加至一定时长，使用高斯加权平均值代替所述算术平均值；基于前述的高斯加权平均值提取出背景图像之后，对背景图像进行实时动态更新，优选的，所述一定时长为10秒。3.根据权利要求2所述的方法，其特征在于，所述高斯加权平均值建模方式为：Bn+1(x，y)＝αBn(x，y)+(1-α)In(x，y)其中，α为学习率，取值(0，1]；Bn+1(x，y)为第n+1帧像素的高斯加权平均值，Bn(x，y)为第n帧像素的高斯加权平均值，In(x，y)第n帧图像在点(x，y)处的像素值。4.根据权利要求2所述的方法，其特征在于，所述对背景图像进行实时动态更新通过以下方式：背景图像更新时，只用当前帧图像中的背景像素对背景图像区域进行更新，方式为：其中，Mn(x，y)为二值化的掩码图像，具体为：其中，T为二值化阈值，α为学习率，取值(0，1]；Bn+1(x，y)为第n+1帧像素的高斯加权平均值，Bn(x，y)为第n帧像素的高斯加权平均值，In(x，y)第n帧图像在点(x，y)处的像素值。5.根据权利要求1所述的方法，其特征在于，所述步骤2中，通过梯度差的方式，去除运动目标中的运动阴影，包括：利用梯度算子求取当前图像中的梯度信息，记为g(x，y)，并利用梯度算子与当前帧图像进行卷积，得到梯度值；利用下式获得前景和背景分别对应的梯度图：2CN112215109A权利要求书2/3页其中，G(x，y)为点(x，y)处的像素值；再利用前景和背景分别对应的梯度图做差分，去除运动阴影。6.根据权利要求1所述的方法，其特征在于，所述步骤3中，所述车辆分割通过以下方式：将场景视频图像的全区域划分为不同车道，在车道边缘画虚拟车道线；基于所述虚拟车道线，设置每个车道的检测区域；基于各车辆的目标位置、面积、车身主颜色，对虚拟车道线两侧的连同区域做区域合并，实现对粘连车辆的分割。7.一种基于场景分析的车辆检测系统，其特征在于，所述系统包括：运动目标检测模块，用于获取场景视频图像，采用自适应方式进行背景建模，获得背景图像和前景图像，并分割出运动目标；运动阴影去除模块