[发明专利]基于单个PTZ监控摄像机的道路全景建模与车辆检测跟踪方法

说明书

技术领域

本发明涉及一种基于单个PTZ监控摄像机的道路全景建模与车辆检测跟踪方法，属于交通视频监控和图像处理技术领域。

背景技术

在交通监控的应用领域中，常用的摄像机一般分为两种：一种是静态安装的摄像机，如用于电子警察抓拍的枪型摄像机。安装完成后，摄像机的角度、镜头焦距、视场范围完全固定不能调整，对于视频检测到或者触发的车辆交通违法行为进行抓拍取证；另一种是具有转动云台的摄像机，如路侧安装或者高空安装的PTZ(Pan-Tilt-Zoom，左右-上下-放缩控制)云台摄像机或者球型摄像机，一般均具备高倍变焦功能，可人工自由旋转角度查看路面特定位置。PTZ摄像机的应用使得道路交通监测不再局限于特定视角，更具灵活性，可以对一定路段范围内进行从大场景到特定局部区域的监测。但当前基于PTZ摄像机的车辆交通行为自动识别技术应用仍然缺乏，究其原因是摄像机的自由运动使得车辆目标的位置及通行轨迹难以检测，无法对其通行行为进行判定及识别。

针对PTZ摄像机的运动目标检测问题，国内外的相关工作主要针对两个方面。一是大范围场景的全景背景建模问题。如康奈尔大学研究使用了混合高斯模型进行全景背景建模，对每次只能获得部分场景的运动摄像机，构建出不包含运动目标的整个场景背景；清华大学的研究基于图像之间的密度一致性建立基于混合高斯的全景背景模型。二是基于图像拼接的运动目标检测与跟踪问题。国内的张辉博士提出了针对摄像机360度旋转视角的全景图拼接方法，补偿摄像机旋转带来的图像变换，提取运动目标的前景区域；日本的Sugaya博士对运动摄像机视频帧进行特征提取与跟踪，通过仿射模型的几何约束生成全景图像，并与当前帧图像进行对比检测其中的目标；意大利的Bevilacqua博士通过PTZ摄像机扫描建立背景的全景图，然后基于背景减除的方法实现对目标的检测。从算法过程和实验结果看，这些算法在处理的实时性、全景图像的准确性仍与实际应用存在较大差距，且对摄像机的运动模式和拍摄位置存在较大约束条件，不能处理实际道路中车辆目标的检测和跟踪问题。

发明内容

本发明的目的在于克服现有技术中存在的不足，提供一种基于单个PTZ监控摄像机的道路全景建模与车辆检测跟踪方法，实现运动车辆前景的实时检测和跟踪，并用于车辆交通违法行为的判定及识别中。本发明采用的技术方案是：

一种基于单个PTZ监控摄像机的道路全景建模与车辆检测跟踪方法，包括以下步骤：

步骤S1，基于PTZ监控摄像机多视角图像构建道路全景图像背景模型；

步骤S2，将输入的当前帧图像投影至全景图像背景模型；

步骤S3，根据全景图像背景模型提取车辆前景区域；

步骤S4，根据当前帧图像中车辆前景区域更新跟踪车辆目标状态；

步骤S5，更新道路全景图像背景模型；

步骤S6，根据车辆目标在当前帧图像中的位置向PTZ监控摄像机发出相应控制指令。

进一步地，步骤S1包括：

步骤S11，设置监控视角范围；

步骤S12，采集多视角下道路的图像序列；

步骤S13，计算相邻视角图像的投影变换矩阵；

步骤S14，建立全景图像投影矩阵集合；

步骤S15，建立全景图像背景模型。

更进一步地，步骤S13包括：

步骤S131，对两帧相邻图像分别计算横向与纵向的梯度值，并分别统计两个方向上的梯度统计直方图，如图像I_i,j横向梯度统计直方图纵向梯度统计直方图图像I_i,j+1的横向梯度统计直方图纵向梯度统计直方图其中c为图像宽度、r为图像高度、h为直方图特征值；

步骤S132，平移图像I_i,j+1的梯度直方图，计算和所对应的索引k和l分别为图像I_i,j与I_i,j+1间的横向偏移值和纵向偏移值；k₀和l₀为设置的相邻图像最大偏移量；其中

步骤S133，利用特征点算法分别对图像I_i,j与I_i,j+1提取特征点集合和分别为两图像的特征点向量，p₀、q₀分别为两图像的特征点个数；