一种在车辆动态行驶中的拥堵检测方法.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CN105574895A(43)申请公布日2016.05.11(21)申请号201610006292.9(22)申请日2016.01.05(71)申请人浙江博天科技有限公司地址315000浙江省宁波市镇宁西路123号西电宁波产业园B座213室(72)发明人王海波虞永方师小宇沈伟听(74)专利代理机构杭州九洲专利事务所有限公司33101代理人翁霁明(51)Int.Cl.G06T7/20(2006.01)权利要求书2页说明书5页附图3页(54)发明名称一种在车辆动态行驶中的拥堵检测方法(57)摘要一种在车辆动态行驶中的拥堵检测方法，该方法包括如下步骤：1)、车辆前景检测：通过视频拍摄，框选每一帧灰度图的某一区域采用Vibe算法进行背景建模，并提取车辆运动前景，对每个运动前景进行面积过滤，滤除面积太大或太小的前景，保留最有可能是车辆的前景；2)、车辆跟踪：FHOG特征提取完成以后，分别用平移滤波器和尺度滤波器对目标进行平移跟踪和尺度跟踪；3)、根据跟踪的结果计算每一个车辆目标的实时速度，并对累积实时速度Va进行更新，更新率可以设置成0.1；判断Va是否小于一定阈值，若是，代表车辆拥堵并进行报警，否则不报警；本发明具有检测效果精确，可快速解决拥堵情况的优点。CN105574895ACN105574895A权利要求书1/2页1.一种在车辆动态行驶中的拥堵检测方法，其特征在于：该方法包括如下步骤：1)、车辆前景检测：通过视频拍摄，输入视频检测区域内的每一帧灰度图，框选每一帧灰度图的某一区域采用Vibe算法进行背景建模，并提取车辆运动前景，对每个运动前景进行面积过滤，滤除面积太大或太小的前景，保留最有可能是车辆的前景；2)、车辆跟踪：采用Felzenszwalb算法对每一个车辆前景目标，提取以目标中心为中心、尺寸为目标二倍大小的方形区域的同尺度FHOG特征和不同的33个尺度的FHOG特征，提取步骤如下：(1)把图像转换成灰度图，用x方向上的梯度算子[-1,0,1]和y方向上的梯度算子[-1,0,1]T对灰度图进行滤波；(2)对图像上的每一个特征点，计算梯度方向和幅值，公式如下：计算梯度方向时同时计算有符号(0-360°)或无符号(0-180°)的梯度方向；(3)用梯度方向和幅值对有符号的18个bin和无符号的9个bin进行权重投票，得到一个长度为18的向量和一个长度为9的向量；(4)每四个单元组合成一个块，块内对向量进行归一化，以消除光照影响；(5)Felzenszwalb提取了大量单元的无符号梯度，每个单元共4×9＝36维特征，并进行主成分分析(PCA)，发现使用前11个特征向量基本上可以包含所有的信息，不过为了快速计算，由主成分可视化的结果得到了一种近似的PCA降维效果；具体来说，将36维向量看成4×9的矩阵，对每一行，每一列求和得到13维特征，基本上能达到HOG特征36维的检测效果；为了提高那些适合使用有符号梯度目标的检测精度，再对18个有符号梯度方向求和得到18维向量，并加入其中，最后得到下图中的13+18＝31维特征向量；(6)FHOG特征提取完成以后，分别用平移滤波器和尺度滤波器对目标进行平移跟踪和尺度跟踪；3)、根据跟踪的结果计算每一个车辆目标的实时速度，并对累积实时速度Va进行更新，更新率可以设置成0.1；判断Va是否小于一定阈值，若是，代表车辆拥堵并进行报警，否则不报警。2.根据权利要求1所述的在车辆动态行驶中的拥堵检测方法，其特征在于：所述的车辆前景检测通过判断当前帧像素点和背景模型中的样本像素点像素值距离是否大于阈值R来实现，其判断遵循如下公式：#{SR(v(x))∩{v1，v2，…，vN}}≥#min参数设置为N＝20，#min＝2，R＝20。3.根据权利要求1所述的在车辆动态行驶中的拥堵检测方法，其特征在于：所述的平移跟踪的平移滤波步骤如下：1)、初始化目标的预期高斯输出G(二维)；2)、以目标旧位置为中心，采集一个尺寸为目标2倍大小的样本Z；3)、样本中每个像素点计算28维融合特征(1维原始灰度特征+27维fhog特征)，乘以二维hann窗口后作为测试输入Z；2CN105574895A权利要求书2/2页4)、采用求max(y)得到目标新位置。4.根据权利要求1所述的在车辆动态行驶中的拥堵检测方法，其特征在于：所述的尺度跟踪的尺度滤波步骤如下：1)、初始化尺度的预期高斯输出G(三维)；2)、以目标新位置为中心，提取33种不同尺度下的样本Z；3)、把每个样本resize成固定尺寸，分别提取317维fhog特征，每个样本的所有fhog特征再串联成一个特征向量构成33层金字塔特征，乘以一维hann窗口后作为测试输入Z；4)、采用求max(y)得到当