[发明专利]一种基于视频分析的道路行人及非机动车检测方法

说明书

技术领域

本发明属于视频分析处理技术领域，具体地说，是涉及一种基于视频分析的道路行人及非机动车检测方法。

背景技术

行人和非机动车是道路交通重要的组成部分，行人检测技术已有较多的研究，其中以利用梯度直方图（HOG）特征结合模式识别的检测方法，已经取得很好的检测效果，但其计算复杂度太高，很难达到实时。在此基础上，衍生出其他优化的方法，一种是利用背景建模技术或利用行人特征，获取初步定位区域，减少检测范围，由于交通道路背景复杂、环境多变，此类方法很难获得较好的检测效果。

公开号为CN102043953的专利申请文件中记载了利用背景差分，获取运动区域，然后提取头肩特征，利用模式识别检测行人，其问题在于，利用未检出行人的某一帧作为背景，如果背景中其他运动物体较多，利用背景差分方法则存在大量干扰信息，导致行人检测区域过大；另外，利用行人头肩特征，会把道路中非机动车误抓为行人，检测误差较大。

公开号为CN102682304的专利申请文件中记载了利用简单行人特征初步定位行人区域，然后利用行人梯度特征和线性边缘特征训练分类器，然后利用模式识别最终判别行人，其问题在于，初步定位行人区域非常依赖于简单行人特征，会导致行人区域过大或漏检特征不明显行人。

公开号为CN102147869的专利申请文件中记载了采用高斯混合模型背景建模获取背景图像，利用阈值化操作和形态学后处理获得前景图像，然后利用模式识别算法检测行人，其存在检测计算复杂度较高的缺点。

此外，目前所公开的技术只是对行人进行检测，然而对于非机动车的检测技术目前还没有深入的研究。

基于此，如何发明一种检测精度高、计算速度快、适合实时要求，以及可以检测出行人和非机动车辆的检测方法，是本发明主要解决的技术问题。

发明内容

本发明为了解决现有视频图像检测精度低、无法满足实时要求，以及无法检测出行人和非机动车辆的问题，提供了一种基于视频分析的道路行人及非机动车检测方法，

为了解决上述技术问题，本发明采用以下技术方案予以实现：

一种基于视频分析的道路行人及非机动车检测方法，包括：

设置检测区域步骤，并将所述的检测区域划分为目标进入区域和目标跟踪区域，

尺度模型标定步骤，标定获取行人及非机动车尺度模型；

检测步骤，包括以下步骤：

（1）、对当前帧图像进行运动区域检测，获取各个运动区域；

（2）、对运动区域进行目标检测及跟踪：判断各个运动区域位于所述检测区域中的位置， 

若运动区域位于目标进入区域，首先采用跟踪目标匹配法，将已有跟踪目标与该运动区域进行匹配计算，若匹配成功，并将该运动目标作为跟踪目标进行更新，对于匹配失败的运动区域采用模式识别算法检测，检测出运动目标类型和运动目标位置信息，所述的运动目标类型包括机动车、行人、非机动车三种类型，并将所检测出的行人、非机动车创建为新的跟踪目标；

若运动区域位于目标跟踪区域，利用已有跟踪目标与该运动区域进行匹配计算，匹配出跟踪目标在当前帧的位置；

（3）、目标预测，对跟踪目标，利用其在当前帧的位置和在前一帧的位置预测出其在下一帧的位置，也即目标预测点。

进一步的，由于跟踪目标有可能被障碍物挡住或者走出画面范围，为了对跟踪目标进一步分析判断，在步骤（3）之后还包括：

步骤（4）、对跟踪目标进行消失判断，若已有的跟踪目标未匹配出，首先根据其所在位置判断是否满足消失条件，若符合消失条件，则进行目标分析，分析出该跟踪目标的运动轨迹以及运动速度，再次对该跟踪目标的类型进行判断并输出。

所述的目标分析方法为：

首先，分析目标运行轨迹，

当跟踪目标横向移动时，根据非机动车宽高比和行人的宽高比的属性特征，再次判断该目标为非机动车还是行人， 

当跟踪目标符合消失条件时,也即跟踪目标在目标跟踪区域消失、或跟踪目标要离开检测区域时，通过目标运行轨迹，分析目标跳跃和轨迹震荡，得出目标可信度，当低于设定目标可信度阈值时，去除目标，

其次，分析目标运行速度，速度高于设定阈值的，判别为非机动车。

进一步的，为了能够准确检测出行人以及非机动车，在所述的检测步骤之前还包括训练步骤，训练机动车和行人非机动车分类模型，以及训练行人和非机动车分类模型；在检测步骤的步骤（2）中，对于匹配失败的运动区域采用模式识别算法检测，所述的模式识别算法包括采用梯度方向直方图方法和支持向量机的方法,具有以下步骤：