[发明专利]一种基于视频的交通车辆检测识别系统和方法

说明书

技术领域

本发明涉及图像处理和模式识别技术领域，具体是一种基于视频的交通车辆检测识别系统和方法。

背景技术

近年来，随着电子产业尤其是新型传感器和大规模存储设备的迅猛发展，视频监测技术以其灵活性和全面性越来越受到人们的青睐，它以实时动态信息为核心，综合运用计算机、控制技术等现代高新技术，灵活快速的对视频图像进行实时处理，达到实时监控。车辆检测是交通系统中的重要环节，为交通监管、交通控制提供信息，常用的车辆检测方法包括线圈检测、雷达检测、激光检测等。线圈检测的安装和维修工程量大，破坏路面，影响道路的寿命，而激光检测和雷达检测不仅成本高，而且容易对人体造成危害。

基于视频的车辆检测识别技术可以从视频图像中提取出车辆信息，不仅灵活方便，不破坏路面，而且可以为交通监控提供大量的检测信息，为交通管理提供可视化信息。基于视频的车辆检测识别技术作为新兴的车辆检测方法，日益受到人们的关注。

中国专利文献CN101719217A提出了一种基于弹性松弛算法的车型识别系统及方法，该系统包括以数据线相连的摄像机、图像采集卡、图像处理和显示设备，该方法是先用摄像机采集车辆视频，将采集的图像建立基于高斯平均背景模型，以此作为检测前景区域；再通过帧差操作方法，将运动目标所在的前景区域从背景中分割提取出来作为前景图像，用弹性松弛算法对前景图像处理获取车长和车高，然后根据国家车型识别标准判定车型结果。中国专利文献CN102332167A公开了一种智能交通监控中车辆和行人的目标检测方法，对视频帧序列进行背景模型的初始化，独立建立饱和度分量和亮度分量的混合高斯背景分量模型并取分量均值；将视频帧序列中的当前帧跟背景帧相差分，对前景帧进行二值化处理后再去除阴影和噪声并进行形态学滤波；用更新因子更新得到的混合高斯背景模型的分量的权值、均值和方差；将要进行匹配的运动目标像素点值与更新后的混合高斯背景模型中的每一个分布的Jeffrey值进行比较，利用Jeffrey值判断运动目标像素点是否属于前景点。中国专利文献CN102222346A公开了一种车辆检测和跟踪方法，首先对视频中的每一帧图像建立高斯背景模型；利用帧差法对相邻两帧做差分处理，得到粗略的运动区域和静止区域；对获得的静止区域进行背景更新，运动区域不更新；对当前帧图像和获得的更新后的背景图像做差分，得到精确的运动区域；利用每个像素点匹配方法对获得的相邻两帧运动区域图像找出重叠区域，并比较重叠区域与给定阈值大小；如果重叠区域大于给定阈值，则判断是否发生目标重合；如果是，则计算相邻两帧中的第一帧运动区域的长宽比，通过这个比例检测和跟踪该运动车辆；如果不是，则判断为同一车辆；如果重叠区域小于给定阈值，则求出多个目标框的最小外接矩形来正确对车辆检测和跟踪。

上述三篇专利文献，在车辆检测过程中，基本上都基于图像的单个像素点建模，识别车辆，利用的是图像单点信息，判断当前像素点是前景像素(车辆像素)还是背景像素(非车辆像素)，没有考虑到像素点之间的相关性问题，即图像的面信息，所以在车辆检测过程中会存在如下问题：例如，在树枝轻微晃动或摄像机轻微抖动的情况下，上述专利文献可以满足车辆检测识别，但是在树枝晃动比较明显，摄像机抖动比较明显的情况时，基于单个像素点建模的车辆检测识别会产生很多误报，尤其是在图像的边缘信息越丰富，所产生的误报干扰就越多；在车辆粘连和车辆遮挡的情况时，不能有效的把每个单独车辆区分开，会把几个车辆识别成一个车辆以及把一个车辆识别成几个车辆等等，从而影响每个单独车辆的跟踪，进而影响后面车辆的行为分析(非法逆行，闯红灯，非法变道等)；另外，对于交通图像中的行人目标和车辆目标，也不能有效地进行区分。

在视频识别技术中，需要对图像信息进行特征提取，提取的特征包括Harr特征、积分特征和角度特征，Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。积分特征指图像中任意一点的数值等于从图像的左上角到这个点所构成的矩形区域内所有点像素之和。梯度特征描述了图像的边缘、角点等局部区域变化的信息，对于光照的变化具有较强的鲁棒性，广泛运用在目标特征描述、图像匹配和目标检测中。

发明内容

为此，本发明所要解决的是现有基于视频的车辆检测在背景运动显著、车辆粘连和车辆遮挡等情况下区分交通车辆能力差、分辨精度不高的技术问题，提供一种具有较好的车辆区分能力、高精度的基于视频的交通车辆检测识别系统和方法。

为解决上述技术问题，本发明采用的技术方案如下：