[发明专利]一种基于多特征与多帧信息融合的助力车检测方法

说明书

技术领域

本发明涉及一种基于多特征与多帧信息融合的助力车检测方法，属于模式识别和智能交通技术领域。

背景技术

近年来我国道路上的机动车数量呈现爆炸式的增长，导致道路交通出现严重的堵塞。为了减轻道路交通的拥塞，同时缓解能源短缺和环境污染等问题造成的压力，国家大力倡导绿色能源和低碳经济，越来越多的人回归到选用助力车为代步工具，而助力车所带来的交通事故量大为增加。数据显示，2011年，全国共接报道路交通事故1840998起，直接财产损失4.4亿元。由此可见，对助力车进行检测具有很大的实用价值和社会效益，在民用和警用方面均有很好的发展空间。

现有对助力车的检测较多地采用增设外部传感器的方法。文章【2】使用激光传感器对行人和助力车进行检测和跟踪，成本较高，推广比较困难。文章【3】提出在助力车上安装GPS接收器检测车主的运动状态，对车主定位自身所在位置较为有效，但不宜用于城市交通管理之中。这类外部增设传感器的办法，增加了整个系统的构建和运行成本，处理手段较为复杂，而且无法获取视频图像等直观信息。

近年来由于图像处理和计算机视觉的飞速发展，将视频技术应用于智能交通系统的案例越来越多。视频由于其独有的具有巨大信息量的特点，在实际应用中迅速普及，利用视频进行助力车的监测变得越来越具有实用价值。文章【4】利用助力车有两个车轮的特征，通过霍夫变换在视频图像中寻找两个椭圆，以判定检测到的对象是否为助力车。算法利用的助力车具有两个车轮的特征信息属于运动物体的细节特征信息，因此算法要求视频图像具有较高的清晰度，而实际应用中的视频图像通常无法达到其对清晰度的要求。文章【5】统计检测到的运动物体区域的一些简单特征信息如长度、宽度和长宽比等，根据得到的特征信息将运动区域进行分类，对可能出现遮挡的区域按不同类型进行分割，进而采用检测和跟踪摩托车驾驶者的头盔来对摩托车进行识别，其检测对象单一，需要检测的头盔目标较小，目标跟踪的效果不理想。文章【6】利用被检测图像的积分图像的方向梯度直方图提取特征信息，并且使用Lucas-Kanade跟踪器对图像中检测出的运动物体进行跟踪，但是其提取特征信息所需要的图像要有较大的尺寸，实际应用中的监测图像很难达到要求，且数据计算量大，处理速度慢，难以满足实时性需求。

【1】2011年上半年全国道路交通事故情况

http://www.mps.gov.cn/n16/n1282/n3553/2921474.html

【2】Y.Wu,Q.Kong,Z.Liu and Y.Liu,Pedestrian and Bicycle Detection and Tracking in Range Images,In Proc.International Conference on Optoelectronicsand Image Processing(ICOIP2010),2010,pp.109-112.

【3】N.Thepvilojanapng,K.Sugo,Y.Namiki and Y.Tobe,Recognizing Bicycling States with HMM based on Accelerometer and Magnetometer Data,In Proc.SICE Annual Conference,Waseda University,2011,pp.831-832.

【4】S.Rogers,P.Nikolaos,”A Robust Video‐based Bicycle Counting System”,InProceedings of ITS America Meeting(9th:New thinking in transportation),WashingtonDC,pp.1‐12,1999.

【5】C.Chiu,M.Ku and H.Chen,”Motorcycle Detection and Tracking System with Occlusion Segmentation”,InProceedings of the Eight International Workshop on Image Analysis for Multimedia Interactive Services(WIAMIS’07),pp.32‐35,2007.