[发明专利]一种基于图像纹理检测车辆存在的方法

说明书

                        技术领域

本发明属于视频检测领域，具体涉及一种基于图像纹理检测车辆存在的方法。

                        技术背景

目前，交通信息检测常用的方法有环形线圈、超声波/微波检测、激光/红外线检测和视频图像检测等。环形线圈检测器造价低、检测精度较高，但存在安装维护困难的缺点。激光/红外线检测器性能好、精度高，但价格昂贵、设备复杂。超声波/微波检测器可全天候工作、车型分类比较易实现，但容易受行人和遮挡物的影响、检测距离较短。视频检测方法操作直观灵活，安装简便、易于维护并且费用偏低，因此比其他检测方法更具优越性。

传统的视频检测方法是基于面阵图像的，其背景图像复杂，不利于目标分割和特征提取，而线阵CCD成像中背景图像相对简单，因此后续的目标分割、特征提取和描述要简单的多，这使得系统在全天候条件下的工作稳定性更易于保证，并且线阵CCD图像的帧速率远远高于面阵CCD的帧速率，从而可以实现高精度的检测，特别是车辆存在和车辆速度的检测。

线阵CCD每次成像为道路段面的一条线，为了保证检测结果的实时性，要求对采集数据逐线处理，而常规的视频检测算法都是基于一帧面阵图像的，因此，需要设计出适用于线阵CCD图像的车辆存在的检测方法。

                        发明内容

本发明的目的在于，提供一种基于图像纹理检测车辆存在的方法，该方法能有效抑制车灯和阴影对车辆分割的干扰，实现车辆的实时准确定位。

为了实现上述任务，本发明采取如下的技术解决方案：

一种基于图像纹理检测车辆存在的方法，其特征在于，该方法将线阵CCD图像利用小波变换获取一行数据的小波系数，找出其中的局部极大点和极小点，并量化为仅包含1、-1和0的序列，每20行进行一次累加，统计5000行数据中累加和出现的频数最高的数值，作为新的背景纹理，以此每隔5000行更新一次背景，逐行进行二值化计算，获取当前行与前19行数据小波变化量化后的累加和，并将其逐段与背景纹理相比较，如果大于某个阈值，则认为该行中的该段为目标，置为1，否则，则置为0，以此对该行数据进行二值化；并把二值化结果为1的小段称为目标段，二值化结果为0的小段称为空段；

在此基础上，逐行进行车辆分割，为每个车道设置若干车辆计数器，逐段判断其所属的车道，并进行车辆信息的修改，以此实现实时车辆分割。

本发明的基于图像纹理的车辆存在检测方法是逐行进行的，并且其处理时间小于一行数据的采集时间，因此能够保证检测的实时性，并且基于图像纹理的二值化计算能够有效消除车灯和阴影对车辆分割的干扰，实现车辆的实时准确定位。本发明可直接应用于线阵CCD图像采集现场，对图像中的车辆进行实时分割，为交通参数统计提供依据。

                            附图说明

图1是本发明基于路面纹理特征的二值化算法流程图；

图2是本发明车辆分割算法流程图；

图3是白天处理效果图，其中，图a)是采集的原始ccd图像，图b)是二值化效果图，图c)是车辆分割效果图；

图4是晚上处理效果图，其中，图a)是采集的原始ccd图像，图b)是二值化效果图，图c)是车辆分割效果图。

下面结合附图对本发明的内容作进一步详细说明。

                          具体实施方式

本发明的方法将线阵CCD图像利用小波变换获取一行数据的小波系数，找出其中的局部极大点和极小点，并量化为仅包含1、-1和0的序列，每20行进行一次累加，统计5000行数据中累加和出现的频数最高的数值，作为新的背景纹理，以此每隔5000行更新一次背景，逐行进行二值化计算，获取当前行与前19行数据小波变化量化后的累加和，并将其逐段与背景纹理相比较，如果大于某个阈值，则认为该行中的该段为目标，置为1，否则，则置为0，以此对该行数据进行二值化；并把二值化结果为1的小段称为目标段，二值化结果为0的小段称为空段；

在此基础上，逐行进行车辆分割，为每个车道设置若干车辆计数器，逐段判断其所属的车道，并进行车辆信息的修改，以此实现实时车辆分割。

参看图1，基于图像纹理特征的二值化算法的具体实施步骤如下：