[发明专利]一种基于视频中车辆运动轨迹的路侧停车行为精确识别方法

说明书

技术领域

本发明属于交通视频监控领域，尤其涉及一种基于视频中车辆运动轨迹的路侧停车行为精确识别方法。

背景技术

随着城市现代化建设的不断加快以及城市人口和机动车辆的迅速增加，城市交通相关问题，例如拥堵、停车等问题变得日益严重。其中一个典型问题就是路侧停车问题。由于停车空间不封闭、停车环境复杂、停车资源紧缺、管理手段落后，路侧停车问题成为城市交通停车管理中最困难的问题之一。针对城市车位资源紧张和停车难的问题，通过车位的统一管理和动态实时监测，可以充分利用车位资源，实现资源的有效整合，解决驾驶员寻停车位难的问题，提供停车服务的智能化和一体化。其中涉及的关键问题是对路侧停车行为的识别分析技术。

现有的停车行为识别技术中最具代表性的是基于地磁的停车行为识别技术和基于视频的停车行为识别技术。基于地磁的停车行为识别技术主要依赖地磁感应设备对车辆停车行为进行分析。经过几十年的发展，地磁技术已发展形成商用产品，并在许多城市得到应用。但该技术在地磁线圈设备的安装和维护过程中需要破路施工，其性能易受到冰冻、盐碱或繁忙交通的影响，同时对于复杂的异常停车行为(例如斜跨、半侧位压线、反复、跨位等停车行为)地磁技术往往无效。为了解决异常停车行为问题，基于图像或视频的停车行为识别技术得到了广泛的研究和应用。这种技术主要从停车行为的视频帧序列中选取关键帧，从中提取感兴趣区域(Region of Interest,ROI)对停车行为进行分类识别。然而车辆的停车行为是一种持续的动态过程，单帧图像无法描述其完整的运动过程，因此采用基于视频图像帧序列的停车行为识别技术更为合理。现有基于视频图像帧序列的停车行为识别方法主要分为两种：一种是根据车辆质心位移和速度对停车行为进行判别分析；另一种是根据划定区域像素灰度值变化对停车行为进行判别分析。第一种方法的缺陷是质心位移和速度的计算量大，不能满足实时性要求。第二种方法需要提前划定计算灰度值的区域，对于不同的停车区域适应性差。

发明内容

现有的停车行为识别技术对于异常停车行为识别性能较差，例如地磁技术无法获取车辆的视频图像资料，通过物理上的地磁信号检测只能检测到车辆是否经过，不能准确判断停车时斜跨、半侧位压线、反复、跨位等异常行为。针对此类问题，本发明提出了一种基于视频的停车行为识别技术，其主要目的是利用视频监控系统对视频中运动车辆进行分析，并提出一种基于视频中车辆运动轨迹的路侧停车行为识别方法，提高停车行为识别准确率，并为车位资源的有效管理提供帮助。

本发明提供一种基于视频中车辆运动轨迹的路侧停车行为精确识别方法，通过KLT(Kanade-Lucas-Tomasi)角点检测算法发现第一帧中角点，根据角点范围确定待跟踪车辆位置(左上角坐标x₀,y₀,长宽ω,h)，然后将得到的车辆位置作为CT算法的输入，利用CT算法跟踪得到车辆的运动轨迹，根据跟踪到的运动轨迹识别停车行为。其中，所述KLT角点检测算法起到了目标检测的作用。

为实现上述目的，本发明采用如下的技术方案：

一种基于视频中车辆运动轨迹的路侧停车行为识别方法包括以下步骤：

步骤1、停车行为监控视频预处理

将视频帧一一提取出来，并将其下采样至原始尺寸的三分之一，同时将场景图像作为背景帧；

步骤2、确定待跟踪车辆位置

通过KLT角点检测得到适合跟踪的特征点，根据所述特征点的范围确定待跟踪车辆位置,角点坐标中的最小值(x_min，y_min)作为待跟踪车辆的左上角坐标(x₀，y₀),角点横纵坐标的范围作为待跟踪车辆的长宽(w＝x_max-x_min，h＝y_max-y_min)；

步骤3.提取得到停车过程运动轨迹

将KLT角点检测确定的待跟踪车辆位置(x₀，y₀，w，h)的左下角部分(x₀，y₀+w/3，w/3，h/3)作为CT跟踪算法的初始输入，由CT算法跟踪得到停车行为运动轨迹。

步骤4.根据跟踪到的运动轨迹识别停车行为。

作为优选，步骤2包含以下步骤：

步骤(2.1)像素点x(x，y)的光强度I由其泰勒展开式表示，g指强度梯度，d指像素位移

I(x-d)＝I(x)-g·d.(1)