[发明专利]在彩色视频图像中提取车辆的方法

说明书

技术领域

本发明涉及一种在彩色视频图像中提取车辆的方法

背景技术

随着社会经济的发展，城市化、汽车化速度的加快，交通拥挤、交通事故等问题已经成为世界各国面临的共同问题。在此背景下，把交通基础设施、交通运载工具和交通参与者综合起来系统考虑、充分利用高新技术解决交通问题的思想就油然而生了，这就是智能交通系统产生的背景。所谓的智能交通系统(ITS)实现交通运输服务和管理智能化，使交通运行处于最佳状态，改善交通拥挤和阻塞，提高路网通行能力和整个交通系统的机动性、安全性和效率。

要实现交通系统的智能化，关键问题之一就是交通信息的获取、处理、分析和发布。目前交通信息的获取主要依靠感应线圈、微波探测、红外检测和视频。视频方式主要采用摄像机采集图像数据，利用数字视频处理技术获取道路交通信息。近年来由于图像处理技术、计算机视觉技术的进步，视频方式具备了技术的可行性。由于这种方式的一些独特优点，应用越来越多。

利用基于视频的方法来检测交通信息，重要的是在视频序列中将运动车辆进行正确的提取。以往的研究往往是对灰度图像进行处理。随着技术的进步，在彩色图像中进行目标提取越来越引起了人们的兴趣。相对于灰度图像，彩色图像包含的信息更为丰富，因此对彩色图像分割方法的研究有利于克服传统的灰度图像分割方式的不足。

发明内容

本发明的目的是提供一种在彩色视频图像中提取车辆的方法，该方法不对原始图像数据进行处理，有较强的鲁棒性，并可用于于多车道的情况。

为达到上述目的，本发明采用下述技术方案：

一种在彩色视频图像中提取车辆的方法，其特征在于操作步骤为：

1)建立特征向量空间：在RGB色彩空间里，利用每个像素点的红色通道值r、绿色通道值g和蓝色通道值b求模值，即模值为并求背景帧和当前帧每个像素点的模值之比，将三维的特征空间转为一维的特征空间；

2)建立状态特征矩阵：根据当前图像建立一个特征矩阵，用此特征矩阵对图像中对应像素是否属于前景进行区分；

3)滑动差分滤波：利用滑动差分滤波器在一维特征空间中对以当前帧与背景帧的模值之比进行逐行滤波。通过此滤波，使图像中的车辆边缘像素点的特征更突出，便于进行检测；

4)确定边缘像素点：利用车辆的几何特征在滤波后的数据中通过寻找极值点的方法确定车辆边缘像素点的位置信息；

5)提取车辆：利用确定出的车辆边缘像素点的位置信息，对特征矩阵进行膨胀、腐蚀处理，最终提取出当前帧中的车辆。

本发明与现有技术发明的比较，具有如下显而易见的突出实质性特点和显著优点：

1、在彩色图像处理中，将三维的特征空间转换为一维的特征空间，即只对一个特征量进行判定就可以得到判定结果，简化了判定准则。

2、在处理过程中，建立了一个特征矩阵，这样可以很好地将当前图像的状态特征和图像本身分离开，也可以对当前图像的状态特征矩阵进行形态学处理。

3、利用滑动差分滤波器对数据进行滤波，根据滤波后的数据进行判定操作，相对于直接对图像的原始数据进行判定，有较强的鲁棒性。

4、对于与道路颜色相近的车辆以及与阴影颜色相似的车辆，也可以很好的进行提取。

附图说明

图1是在彩色视频图像中提取车辆方法的流程图。

图2是特征矩阵的示意图，值为0的像素点为背景，值为1的像素点为车辆像素点。

图3是当前图像第53行的ratio值分布图，该行的特点为像素点全为背景像素点。

图4是当前图像第93行的ratio值分布图，该行的特点为像素点既有背景像素点又有车辆像素点。

图5是当前图像第149行的ratio值分布图。该行中的特点为像素点既有背景、阴影像素点，又有车辆像素点时。

图6是当前图像第53行的ratio值经滑动差分滤波后的数据分布图。

图7是当前图像第93行的ratio值经滑动差分滤波后的数据分布图。

图8当前图像第149行的ratio值经滑动差分滤波后的数据分布图。

具体实施方法

本发明的一个优选实施例结合附图说明如下：参见图1，本在彩色视频图像中提取车辆的方法，操作步骤为：

1)建立特征向量空间：在RGB色彩空间里，利用对每个像素点的红色通道值r、绿色通道值g、蓝色通道值g求模值，即模值为并求当前帧和背景帧的模值之比，将三维的特征空间转为一维的特征空间；