[发明专利]基于光照可见度辨识的夜间车辆视频检测方法

权利要求书

1.一种基于光照可见度辨识的夜间车辆视频检测方法，其特征在于，所述的基于光照可见度辨识的夜间车辆视频检测方法包括如下步骤：

1)夜间交通场景视频图像采集

分别于有路灯与无路灯车道上方安装摄像镜头，摄像镜头距路面8～12米且处于垂直路面的位置，将采集的交通场景的视频图像压缩为MPEG格式传输到计算机进行存储；

2)夜间光照模式识别

确定是夜间无路灯模式还是夜间有路灯模式；

3)进行夜间无路灯模式下车辆检测或夜间有路灯模式下车辆检测；

4)夜间车辆运动跟踪

利用kalman滤波算法对匹配的车辆头灯进行运动跟踪，获取车辆的运动状态，实现连续快速的车辆运动跟踪；

5)夜间车辆交通参数提取

根据图像坐标与世界坐标的投影关系模型，采用基于黑箱标定的二维重建算法实现车辆运行速度参数的提取。

2.按照权利要求1所述的基于光照可见度辨识的夜间车辆视频检测方法，其特征在于，所述的夜间光照模式识别包括如下步骤：

1)基于聚类识别的背景提取

对于采集到的视频图像序列，利用聚类识别的背景提取算法实现场景内背景图像的获取，即利用搜索到的图像像素时间序列上的不重叠平稳序列，通过像素值变化度约束构造背景子集实现背景图像的提取；

2)特征值选取

选取HSI颜色空间的亮度I＝1/3(R+G+B)间接表达光照可见度，从背景图像中的车道位置标出一个矩形感兴趣区域，感兴趣区域的标准差和均值，作为光照可见度评价特征指标，其中：R、G与B分别表示图像中红、绿与蓝三个通道的颜色；

3)夜间光照模式分类模型建立

(1)提前采集夜间有路灯和无路灯两种交通场景不同时段的视频序列，分别在选定的感兴趣区域内提取出HSI颜色空间的亮度I的标准差和均值，对采集到光照信息指标数据样本利用SVM进行离线训练，构建出基于光照可见度的SVM场景识别模型；

(2)将待检测交通场景的光照信息指标数据输入到离线学习得到的基于光照可见度的场景识别模型，将其划分为有路灯光照模式或无路灯光照模式。

3.按照权利要求1所述的基于光照可见度辨识的夜间车辆视频检测方法，其特征在于，所述的夜间无路灯模式下车辆检测包括如下步骤：

1)通过背景差分法与二值化处理提取车头灯

保留车辆车头灯的显著特征，排除其它光源的影响，利用车头灯特征检测运行车辆，通过背景差分法进行图像分割，选取合适的阈值进行二值化处理，提取得到车头灯；

2)运用形态滤波与数学形态学处理提高检测精度

为了最大化精确提取出车头灯，运用形态滤波对二值化图像进行处理，去除一些较小的噪声点，减少影响；

3)基于8连通区域方法，采用基于模板扫描的区域增长算法得到正确的运动目标和提高匹配跟踪的精度；

4)采用车辆车头灯匹配函数完成无路灯模式下的车辆检测

对于检测区域中的每个车头灯，按照匹配距离准则选择最佳匹配，找到使匹配函数最小的车头灯确定为同一车辆，具体匹配函数如下：

|A_i-A_j|≤ε

|Y_i-Y_j|≤φ

其中：A为车头灯区域面积，Y为摄像机拍摄垂直方向坐标，X为摄像机拍摄水平方向坐标，ε，φ，γ为提前设定的约束阈值；

利用匹配后的每辆车的双车头灯水平距离以及车头灯区域的占空比均值作为分类特征，根据离线车辆特征采集设置合理分类阈值，对车辆类型进行在线判别，将车辆划分大型车、中型车和小型车。