[发明专利]基于模式识别与ST-MRF相结合的交通流参数提取方法

权利要求书

1.一种基于模式识别与ST-MRF相结合的交通流参数提取方法，其特征在于，包括如下步骤：

步骤一、通过模式识别技术分割遮挡严重的单个车辆区域，识别被遮挡车辆的边缘间隙以及边界信息，包括如下步骤：

1)识别被遮挡车辆边缘间隙：使用边缘间隔密度模式算法识别3种不同的间隙：第一种是存在于大型卡车与小汽车边界之间的宽度间隙，第二种是存在于相同类型或不同类型的小汽车边界之间的主要轴线上的间隙，第三种是存在于小汽车自身阴影与小汽车边界之间的边缘间隔的密度间隙，具体步骤如下：

Step1:使用传统的canny边缘检测算法进行车辆水平边界检测；

Step2:统计边界的数量；

Step3:阈值计算：阈值＝高度/边界数量；

Step4:通过阈值的大小确定边界类型；

Step5:根据边界类型识别不同的边缘间隙；

2)确定车辆边界：在边缘间隙识别的基础上，侧重在一辆车区域检测到两辆车后，检测从原始图像中提取与车辆行驶方向正交的直线边缘，然后再扫描边缘，使用边缘间隔密度模式算法确定车辆边界，具体步骤如下：

Step1:使用传统的canny边缘检测算法进行车辆水平边界检测；

Step2:统计边界的数量；

Step3:阈值计算：阈值＝高度/边界数量；

Step4:通过阈值的大小确定边界类型；

Step5:根据边界类型识别不同的边缘间隙；

Step6:计算边缘间隔评估值，找出最大评估值；

Step7:最大评估值区域即为两辆车的边界处；

步骤二、通过ST-MRF中的能量函数分配标号进行提炼及优化处理，结合模式识别技术融合不完整的分割部分，得到车辆跟踪算法；

步骤三、基于摄像机标定的坐标转换方法，对同一点在实际交通场景中的坐标和图像平面上的坐标进行相互转换；

步骤四、提取交通流参数。

2.根据权利要求1所述的基于模式识别与ST-MRF相结合的交通流参数提取方法，其特征是，所述步骤二中的能量函数是：

式中：第一部分a(N_yk-μN_y)²表示在目标地图中，标号的相邻关系，第二部分b(M_xyk-μM_xy)²表示在连续目标地图中的标号的遮挡关系，第三部分表示与运动矢量有关的连续图像中的纹理关系，第四部分表示在运动矢量地图中的运动矢量的相邻关系；

N_yk：指一个像素块的相邻像素块和该像素块有相同标号的数目；

N_xk：表示一个像素块的相邻像素块的数目；

D_xyk：代表t-1时刻的图像与t时刻的图像之间的纹理相关性，在发生遮挡时，分别计算属于各辆车的概率；

M_xyk：部分遮挡的两个像素块中遮挡部分的像素个数；

μM_xy：遮挡部分的像素个数，最大值为64，最小值为0；

μN_y：邻域基团，采用二阶邻域系统，也称为8-邻域基团，它的每一个位置有8个邻域，则μN_y＝8为最大值；

C_k：当前像素块；

B_k：相邻像素块；

表示运动矢量；

在(t-1)时刻，当前像素块与相邻像素块的运动矢量之差；

a、b、c、f和μM_xy为设定的参数，为获得最大能量函数值，取a＝1/2，b＝1/256，c＝32/1000000，f＝1/4，μM_xy＝0。