[发明专利]基于扫描线聚类的安防视频道路自动识别算法

说明书

本发明公开了基于扫描线聚类的安防视频道路自动识别算法，包括两个模块：获取汽车行驶区域和方向模块和道路区域自动识别模块；其中道路区域自动识别模块主要是对背景图做扫描线聚类处理。通过1)获取汽车行驶区域和行驶方向模块、2)道路区域自动识别模块和3)扫描线聚类算法SCL(Scan Line Cluster)的具体操作完成基于扫描线聚类的安防视频道路自动识别算法，获得安防视频中道路布防区域。本发明能够克服现有的基于像素阈值的道路分割算法需要手工采集种子点、不能有效去除道路裂纹、垃圾等噪声的不足，提高道路自动识别的效率、准确性和智能程度。

技术领域

本发明涉及安防监控视频处理、模式识别、人工智能和图像处理领域，具体是基于扫描线聚类的安防视频监控道路自动识别算法。

背景技术

视频道路识别是视频图像处理的一个重要研究领域。在校园或居民住宅小区中，由于人口居住密度大，需要对居民生活小区内或校园内的道路进行监控管理，如有乱停车，聚众闹事，交通意外事件应能够及时报警。要实现居民校区或校园内道路智能视频监控，必须首先能够识别监控视频中的道路区域，并在视频中道路区域设置防区，然后根据报警类型进行视频内容分析。

对校园或居民住宅小区的安防视频进行道路自动检测，有助于提高安防监控的智能化。目前关于道路识别的研究主要集中在以下两点：

(1)从车载摄像的视频图像中识别道路边缘，用于无人驾驶技术的道路识别。

道路感知是智能车辆中最基本的要求。这种应用背景下，摄像机安装在车辆前端。通过对视频图像进行处理，进行道路自动识别。传统的道路检测算法包括边缘检测、主动轮廓模型分割、阈值分割或颜色聚类方法等等，由于受到阴影遮挡、噪声和不连续道路边界或标志线的影响，通常基于边缘检测、图像阑值等的方法无法从本质上解决上述问题，因此无法获得满意的道路检测效果。为改进智能车辆道路感知效果，研究人员提出了一些改进算法：如基于变形模板和遗传算法的道路检测方法；用图像颜色信息进行道路场景聚类，将道路的先验知识对分类结果进行后续处理后，最后用参考区域法对道路进行识别。智能车辆道路识别问题一个最大的特点为：道路识别过程是在车辆行驶过程中实时进行的，道路的路面情况是实时变化的。

(2)从遥感图像中识别城市道路

道路在遥感影像呈现独特的特征，如光谱特征、形状特征以及拓扑特征，这些特征使得道路在遥感影像上表现出独特的色调、反差、形状、纹理等。传统的道路识别方法大多基于像素和道路特征，如在模板匹配法、主动轮廓模型、区域生长等方法，融入道路的拓扑、纹理、形状等特征，从遥感图像中识别城市道路，但这些识别方法需要人工采集算法的种子点，也容易受非道路因素的影响，这使得算法的效果受到影响，应用范围也有一定的局限性。

这两种道路识别算法的应用背景和特点，与小区或校园安防视频中识别道路区域，用于突发事件的预警是完全不同的。从摄像头安装的位置来看，所获取的视频图像也是完全不同的，因此，不能直接将上述技术直接用于本发明中。为此，本发明给出了基于扫描线聚类的安防视频道路自动检测算法。

发明内容

本发明的目的是克服现有的基于像素阈值、图像分割等道路识别算法需要手工采集种子点的不足，提供基于扫描线聚类的安防视频监控道路自动识别算法。

本发明解决上述技术问题的技术方案如下：

基于扫描线聚类的安防视频道路自动识别算法包括两个模块：获取汽车行驶区域和方向模块和道路区域自动识别模块；其中道路区域自动识别模块主要是对背景图做扫描线聚类处理，各模块具体说明如下：

1.获取汽车行驶区域和行驶方向模块具体操作如下：

步骤一.标识运动目标：由于校园或居民住宅生活小区里行人、车辆移动速度不快，因此选用传统的背景差算法来进行视频中移动目标的有效检测。