[发明专利]基于图像处理的高速公路隧道行人检测方法

说明书

技术领域

本发明涉及交通检测技术领域，尤其涉及一种基于图像处理的高速公路隧道行人检测方法。

背景技术

随着我国高速公路建设的快速发展，高速公路隧道大量投入运营。高速公路隧道使交通高效联通的同时，由于其特殊的行车环境，运营安全受到普遍关注。其中，行人违章是高速公路隧道交通事故的重要高危因素，也是我国高速公路交通事故的重要特点。高速公路隧道内的行人违章极易导致车辆与行人碰撞，给行人的生命安全带来极大隐患，甚至会引发更严重的交通事故。因此行人违章是高速公路隧道交通安全亟待解决的问题。

目前，利用高速公路隧道的视频监控系统，已经实现了对行人情况的实时监控。但对行人的发现，仍然是由工作人员观察视频图像序列，通过人工监控的方式实现，未实现行人的自动检测。因此，如何利用视频检测技术实时地自动检测出行人，对于交通运营管理者实时做出管理决策，提升高速公路隧道的交通运行安全水平有着重要的意义。

现有技术中，基于图像处理的行人检测方法主要有基于人体模型的方法、基于模板匹配的方法和基于统计分类的方法。基于人体模型的方法中模型的求解过程比较复杂，开销度大。基于模板匹配的方法由于行人的多态性很难构造出足够的模板，也难以实现。基于统计分类的方法，需要提取多个特征并且训练大量样本数据，实现繁琐，复杂度大。湖南创合制造有限公司申请的“基于视频监控的行人检测方法”（公开号：CN101887524），利用扩展梯度直方图特征与Adaboost算法来快速检测行人,然后利用梯度直方图特征和支持向量机来进一步识别验证前面检测出来的行人。这种方法需要提取图像的梯度直方图特征，在视频图像质量不十分清晰、灯光照明较亮且目标较小时，获取的行人目标梯度直方图特征很不理想，无法实现对隧道内出现的行人目标进行检测。南京航空航天大学申请的“一种基于小波分型特征的行人检测方法”（公开号：CN101630369），通过对样本集进行多次二维小波变换，从而提取小波分形特征用于训练软支持向量机,得到判别函数实现行人检测。这种方法需要对视频图像进行多次小波变换，计算繁琐，开销很大，而且当目标距离摄像头位置较远且目标很小时，经过小波变换后无法实现对行人目标的检测。上海交通大学申请的“基于前景分型和模式识别的行人检测方法”（公开号：CN102147869）利用轮廓特征和行人高度先验模型分析获取的前景并获得初步行人检测结果，再利用行人模式识别分类器得到最终行人检测结果。这种方法能够快速地得到初步检测结果，但在实际的高速公路隧道中，照明灯光和车辆灯光对检测结果的干扰很大，通过模式识别分类器对单帧图像的检测结果进行分类，容易产生大量的误检。

正因如此，需要一种能够准确、实时、有效的行人检测方法，为高速公路隧道的交通安全提供有用的数据信息。

发明内容

有鉴于此，本发明提供一种基于图像处理的高速公路隧道行人检测方法，运算开销小、实时性强，准确度高。

本发明通过以下技术手段解决上述技术问题：

基于图像处理的高速公路隧道行人检测方法，包括如下步骤：

1）从高速公路隧道摄像头获取的视频中按预设帧率获取图像；

2）从图片中提取前景目标；

3）获取前景目标轮廓面积和前景目标轮廓外接矩形宽高比；

4）根据前景目标轮廓面积和前景目标轮廓外接矩形宽高比初步判断当前帧图像中是否存在行人目标；

5）重复步骤1-4），获取多帧图像的初步判断结果，判断是否存在行人目标，具体包括如下步骤：

51）计算第k帧的累积判断结果C_k；其中Num表示连续统计的帧数，其中k>Num，Judge_k为步骤4）中的初步判断结果，初步判断为存在行人目标时，Judge_k为1，否则为0；。

52）计算第k帧的平均累积结果为V_k；

53）给当V_k≥Alert时，最终判断出现行人；其中Alert∈[0,1]，为行人检测报警阈值。

进一步，所述步骤1）中，在获得的图像中标定检测区域；步骤2-5）仅对检测区域进行处理。

进一步，所述步骤2），具体包括如下步骤：

21）采用对半差分法处理获取的图像：将视频图像的第k+1帧与第k帧做差，第k+2帧与第k+1帧做差；

22）将差分处理后的图像进行二值化；

23）将二值化后的两幅图像进行逻辑或运算；

24）将逻辑运算后的图像进行形态学处理，获得前景目标。