[发明专利]基于本征图像分解的车辆检测算法

说明书

技术领域

本发明涉及一种智能交通车辆检测算法，特别涉及一种昼夜通用的基于本征图像分解的智能交通车辆检测技术。

背景技术

随着智能交通系统(ITS)的发展，作为其核心技术的车辆检测算法已经成为计算机视觉中的一个重要研究方向。能否获取车辆的准确轮廓对于之后的目标分类，跟踪等处理十分重要，也影响到整个系统的精确度。

在有阴影的条件下和夜间环境的车辆检测一直是研究的难点和热点问题。在白天的车辆检测中，阴影是主要的干扰。而夜间车辆检测不但受到阴影的干扰，还面对车灯的影响。首先，光线很强的车前灯足以引起整个画面光照条件的改变，因而夜间车辆检测很难通过背景建模后减除背景的方法来实现。其次，在车前灯的照射下，车前路面会被照的很亮，这块光亮的区域和阴影一样都是与车辆一起运动的，如果直接进行背景差分或者帧间差分，前灯和阴影将和运动车辆一起被检测出来，给准确分割出运动车辆造成很大的困难。当视频检测系统采用虚拟线圈的方法判断在线圈位置车辆的进入或离开状态时，就更需要去除阴影和强烈光照的影响以便准确分割出运动车辆。

已有的运动阴影检测方法可以分为以下两类：第一，从空间的角度出发建立阴影的几何模型，但是它需要场景、对象和光照等先验知识，并不适用于复杂的情况；第二，基于阴影像素属性的方法；例如：基于HSV颜色空间或者归一化RGB颜色空间的阴影检测方法，这些方法的明显缺点是要假设阴影不改变覆盖区域的颜色；再例如那些基于阴影的颜色、纹理或者梯度特性的方法，这些方法在碰到车辆的某些部分和阴影性质具有相似特性是，往往会出现车身被当作阴影去除，而真正的阴影被保留的情况。

而现有的夜间车辆检测技术则相对比较少，常见的夜间检测算法可以分为基于车身特定部位(包括车前灯、尾灯和底盘等)定位的方法和基于边缘信息的方法。这些算法都主要是针对某一些特定的场合或者某一种特定的应用，要不然就是效果不佳。

总体来说，现有的视频检测系统中一般都包含有分别针对白天和夜晚的两套算法，现在还没有一种昼夜通用的有效的车辆检测方法。

发明内容

本发明针对已有技术的不足，提出了一种昼夜通用的基于本征图像分解的车辆检测算法，该算法可以实时的进行车辆检测。其步骤是：首先在对数域上，对原始输入图像进行求导滤波，将其转化到梯度域；在梯度域上，计算当前图像的梯度图和背景图像的梯度图之差，得到前景图像的梯度图；用本征图像分解的方法对前景图像的梯度图进行处理，得到光影图像的梯度图和目标图像的梯度图；最后，对目标图像的梯度图进行运动目标分割，提取出目标图像的梯度图中梯度幅度大于阈值T的像素点作为运动目标点；针对某一区域，若运动目标点的数目超过该区域内像素点总数目的一定比例，则认为该区域内有车辆通过。

其中背景图像的梯度图的具体获取方法是：首先将提前保存的用于提取背景的图像(n帧)全部转换到对数域；再对对数域的每幅图像进行二维的求导滤波；将求导滤波后的每幅图像中同一像素点的值放在一起构成一个一维向量，对每个这样的一维向量进行中值滤波，得到梯度域的背景图像的估计图。即在对数域上可将原始图像分解为：

i(x，y，t)＝m(x，y，t)+b(x，y)    (1)

其中i(x，y，t)代表t时刻的原始图像的梯度图，b(x，y)表示图像背景(包括路面固定物体的影子)的梯度图，m(x，y，t)代表t时刻的运动前景图像的梯度图，它包含了大量运动前景信息，但还不是准确的车辆信息。

本征图像分解的方法是：建立基于空间颜色信息和时域颜色信息的联合分类器，对运动前景图像梯度图中的每个像素点进行分类，得到目标图像的梯度图。

基于空间颜色信息和时域颜色信息的联合分类器定义为：

1)在归一化RGB颜色空间中，为归一化颜色空间的红色分量，的水平方向梯度和垂直方向梯度分别表示为和得到在点(x，y)处的梯度