[发明专利]一种基于视觉背景提取的高速公路车辆检测方法

权利要求书

1.一种基于视觉背景提取的高速公路车辆检测方法，其特征在于按照以下步骤进行：

步骤1：初始化：用无人机对高速公路进行航拍,所述无人机的飞行高度距离高速公路路面60～70米，无人机的飞行速度为15～20千米/时，无人机的飞行方向与车辆的行驶方向一致，无人机始终位于高速公路正中心的上方，机载摄像机的分辨率为200万像素，航拍视频的帧速率为25帧/秒，然后从无人机的机载摄像机读入视频文件，并截取一帧W×H×3大小的彩色图像，其中W和H为正整数，分别表示彩色图像的宽度和高度，然后将获得的彩色图像从彩色空间转换到灰度空间，得到大小为W×H的灰度图像，记为F；

步骤2：对图像F进行背景建模：如果图像F对应于视频文件的第一帧图像，则进行背景模型的初始化，否则，进行背景模型的更新；

所述背景模型的初始化过程为：

先为图像F中的每一个像素点P(x,y)建立一个灰度值集合，其中x和y分别是像素点P(x,y)的横坐标和纵坐标，用M(P(x,y))表示像素点P(x,y)的灰度值集合，M(P(x,y))中元素的数量为N，用v_i表示M(P(x,y))中第i个元素的值，其中1≤i≤N，则M(P(x,y))可具体表示为

M(P(x,y))＝{v₁,v₂,...,v_N}，

接下来要对M(P(x,y))进行初始化，即对M(P(x,y))中的每一个元素的值进行初始化，用M⁰(P(x,y))表示M(P(x,y))的初始值，用N_G(P(x,y))表示像素点P(x,y)的空间邻域，其中G表示所取空间邻域的范围，如果P(x,y)为边界点，则N_G(P(x,y))由图像F中真正存在的P(x,y)的空间邻域点构成，M⁰(P(x,y))中的元素是通过随机选择N_G(P(x,y))中的像素点的灰度值组成的，用P(x',y')表示N_G(P(x,y))中横坐标为x'、纵坐标为y'的像素点，用V⁰(P(x',y'))表示P(x',y')在第一帧图像中的灰度值，则M⁰(P(x,y))具体表示为

M⁰(P(x,y))＝{V⁰(P(x',y'))|P(x',y')∈N_G(P(x,y))}，

然后提取高速公路路面的灰度值范围：首先检测出图像F中的高速公路上的车道线，然后利用检测到的车道线获取高速公路区域以及车道线之间的每一个车道区域，接下来计算每一个车道区域的灰度直方图，最后找出每个灰度直方图的最高直方块并得到其所对应的灰度值范围，从各个最高直方块对应的灰度值范围中选出最小灰度值和最大灰度值，并分别以最小灰度值和最大灰度值作为整个高速公路路面灰度值范围的边界点，高速公路路面灰度值范围记为[r₁,r₂]，其中r₁表示所选出的最小灰度值，r₂表示所选出的最大灰度值；

所述背景模型的更新过程为：如果图像F中像素点P(x,y)的灰度值V(P(x,y))在高速公路路面灰度值范围[r₁,r₂]之外，则将其归为前景点；否则以图像F中像素点P(x,y)的灰度值V(P(x,y))为中心R为半径定义一个灰度值范围，用S_R(V(P(x,y)))表示，选取R＝20，如果所述灰度值范围与P(x,y)的灰度值集合M(P(x,y))的交集，即

S_R(V(P(x,y)))∩{v₁,v₂,...,v_N}

中元素的个数大于设定的阈值α_min，选取α_min＝1，则认为此P(x,y)为背景点，否则为前景点，如果P(x,y)为背景点，则定义一个时间子采样要素β，选取β＝16，P(x,y)有1/β的概率用P(x,y)的当前灰度值去替换P(x,y)的灰度值集合M(P(x,y))中的任意一个元素，同时也有1/β的概率用P(x,y)的当前灰度值去替换P(x,y)的空间邻域N_G(P(x,y))中任意一个像素点的灰度值集合中的任意一个元素，最后，对P(x,y)的状态进行统计，如果其连续被检测为前景点的帧数达到δ，选取δ＝15，则将其更新为背景点，以此过程来遍历处理图像F中的每个像素点；

步骤3：路面分割：首先检测出每一帧图像中最外层的两条车道线，然后将位于这两个车道线外侧的像素点设置为背景点；

步骤4：八邻域填充：对被检测为背景点的P(x,y)的八邻域N₈(P(x,y))内的所有像素点进行前景点个数统计，如果前景点的个数大于等于设定的阈值ε，则将P(x,y)设置为前景点，其中1≤x≤W-2，1≤y≤H-2；

步骤5：去除车道线：利用车道线较窄的特点来去除车道线，具体流程为：

步骤5.1逐行扫描图像像素点，当扫描到的像素点为背景点时，将其记为P_a(x_a,y_a)并进入步骤5.2；

步骤5.2定义两个临时变量x_a'，并令x_a'＝x_a+1，其中x_a'表示P_a(x_a,y_a)后的待扫描的像素点的横坐标，其初始值为P_a(x_a,y_a)后的第一个待扫描的像素点的横坐标，并用P_a'(x_a',y_a)表示图像中横坐标为x_a'、纵坐标为y_a的像素点，即P_a'(x_a',y_a)位于P_a(x_a,y_a)的正右侧，为计数器且用于表示位于P_a(x_a,y_a)正右侧的连续前景点的个数，然后进入步骤5.3；

步骤5.3如果当前的P_a'(x_a',y_a)为前景点，则令x_a'＝x_a'+1，然后重复步骤5.3，否则进入步骤5.4；

步骤5.4如果大于0并且小于设定的阈值选取则将P_a(x_a,y_a)和当前P_a'(x_a',y_a)之间的像素点都设置为背景点，如果大于或等于阈值则不做任何改变，进入步骤5.5；

步骤5.5令x_a＝x_a'，然后检查是否扫描结束，如果扫描没有结束，则跳转至步骤5.1继续扫描图像，如果扫描结束，则进入步骤6；

步骤6：填充车辆内部：采用纵向填充的方法来填充车辆内部，具体流程为：

步骤6.1逐行扫描图像像素点，当扫描到的像素点为背景点时，将其记为P_b(x_b,y_b)并进入步骤6.2；

步骤6.2定义一个临时变量y_b1，并令y_b1＝y_b-η，其中y_b1表示位于P_b(x_b,y_b)正上方的第η个像素点的纵坐标，η为自然数，选取η＝14，如果此时y_b1＜0，则令y_b1＝0，用P_b1(x_b,y_b1)表示图像中横坐标为x_b、纵坐标为y_b1的像素点，即P_b1(x_b,y_b1)位于P_b(x_b,y_b)的正上方，然后进入步骤6.3；

步骤6.3如果P_b1(x_b,y_b1)为背景点并且y_b1＜y_b，则令y_b1＝y_b1+1，然后重复步骤6.3，否则进入步骤6.4；

步骤6.4如果y_b1＝y_b，则跳转至步骤6.1继续扫描图像，如果y_b1＜y_b，则定义一个临时变量y_b2，并令y_b2＝y_b+η，其中y_b2表示位于P_b(x_b,y_b)正下方第η个像素点的纵坐标，如果此时y_b2＞H-1，其中H是图像F的高度，则令y_b2＝H-1，用P_b2(x_b,y_b2)表示图像中横坐标为x_b、纵坐标为y_b2的像素点，即P_b2(x_b,y_b2)位于P_b(x_b,y_b)的正下方，然后进入步骤6.5；

步骤6.5如果P_b2(x_b,y_b2)为背景点并且y_b2＞y_b，则令y_b2＝y_b2-1，然后重复步骤6.5，否则进入步骤6.6；

步骤6.6如果y_b2＝y_b，则跳转至步骤6.1继续扫描图像，如果y_b2＞y_b，则将P_b1(x_b,y_b1)和P_b2(x_b,y_b2)之间的所有像素点都设置为前景点，然后检查是否扫描结束，如果扫描没有结束，则跳转至步骤6.1继续扫描图像，如果扫描结束，则进入步骤7；

步骤7：提取车辆区域并绘制车辆区域的外接矩形框，具体流程为：

步骤7.1逐行扫描图像像素点，当扫描到的像素点为前景点并且没有赋予其任何标记时，将其记为P_c(x_c,y_c)并进入步骤7.2；

步骤7.2赋予当前像素点P_c(x_c,y_c)一个标记，用L_c(P_c(x_c,y_c))表示，然后遍历当前像素点P_c(x_c,y_c)的八邻域N₈(P_c(x_c,y_c))内的所有像素点，并将其中所有的前景点放入一个点的集合Q_c(P_c(x_c,y_c))中，然后进入步骤7.3；

步骤7.3从Q_c(P_c(x_c,y_c))中取出一个前景点，也赋予其标记L_c(P_c(x_c,y_c))，然后再将所取前景点八邻域内的所有没有标记过L_c(P_c(x_c,y_c))的前景点存入Q_c(P_c(x_c,y_c))中，然后判断Q_c(P_c(x_c,y_c))是否为空集，如果不是，则重复步骤7.3，否则进入步骤7.4；

步骤7.4所有具有标记L_c(P_c(x_c,y_c))的像素点便组成了一个车辆区域，找出这些点中的最上点、最下点、最左点、最右点，便得到了此车辆区域的外接矩形框，然后进入步骤7.5；

步骤7.5将得到的外接矩形框存储起来，然后检查是否扫描结束，如果扫描没有结束，则跳转至步骤7.1继续扫描图像，如果扫描结束，则跳转至步骤1继续截取下一帧图像。