[发明专利]基于视频的实时车辆进出识别方法

说明书

基于视频的实时车辆进出识别方法涉及一种图像处理方法。本发明包括安装摄像头采集图像，基于帧差分法和稠密光流法结合的运动目标检测，基于背景差分法的前景检测，融合运动前景并提取车辆区域彩色图像，基于LK光流法的运动目标的角点跟踪，运动车辆进入判断，运动车辆颜色识别，统计车辆个数并输出结果图像。本发明不仅可以提高分割车辆区域的完整性，同时不管车辆是否在运动都可以分割出车辆区域。车辆停留时也可以检测出车辆区域，不会丢失目标。该方法具有很强的鲁棒性。

技术领域

本发明涉及一种图像处理方法，特别涉及一种车辆进出识别方法。

背景技术

随着我国经济的发展，科学技术的不断进步，各大城市都在大力推进智慧城市的建设。智能停车场作为其中的一部分，采用信息化手段管理小区车辆的进出时一个发展趋势。在高效的无人值守停车场系统中，需要准确、实时检测出车辆的进入行为。

通常对车辆进出行为的判断，有使用地磁感应、红外感应的传感器的方法，有基于车牌检测的图像识别方法，还有使用身份卡的无线感应方式。这些方法中有的安装困难、只能用于特定场景，有的成本高昂。其次这些方法并不能获取车辆图像、颜色等完整的车辆信息。若抓拍车辆图像要单独安装摄像头负责抓拍。而获取、保存更多的车辆信息，有利于为车辆缴费、车辆安保等后续事件留有更多的凭证，这是必不可少的环节。若使用摄像头基于图像识别的方法，不仅能够检测车辆进入行为，还能获取车辆图像信息。

除上述车辆进入检测方式外，另一类是基于智能视频检测方法。常见的有使用卷积神经网络检测车辆，但网络模型往往很大，需要的计算机配置较高，难以达到实时性的要求。或是使用传统的分类器，提取车辆特征以区分其他物体，达到检测的效果，但这需要大量的场景下车辆的数据集，对分类器进行训练，工作量很大。还有应用在高速公路上的智能监控系统，获取运动目标的方法检测车辆，往往需要车辆的连续运动，应用场合固定。

运动目标检测法计算复杂度相对更低，更容易满足实时性要求。其包括帧差法、背景差分法、背景建模法、光流法等。帧差法检测运动物体会出现空洞现象，只有边缘位置变化较大会被标记出来。背景差分法受到光照的影响比较大，如果场景发生光照的变化，没有运动的物体像素值改变会被标记为运动物体。背景建模法在某个像素的突然的变化、轻微晃动的物体等现象出现时，模型会判断错误。在道闸门前这种实际场景下，往往环境较为复杂，一般的运动目标检测方法难以到达很好的效果。

发明内容

本发明的目地旨在解决上述技术的缺陷，用于道闸门前场景下运动车辆进出的检测。

为达到上述目地，本发明提出一种基于视频的实时车辆进出识别方法，包括以下步骤：

步骤1，安装摄像头采集图像

步骤2，基于帧差分法和稠密光流法结合的运动目标检测

步骤3，基于背景差分法的前景检测

步骤4，融合运动前景并提取车辆区域彩色图像

步骤5，基于LK光流法的运动目标的角点跟踪

步骤6，运动车辆进入判断

步骤7，运动车辆颜色识别，统计车辆个数并输出结果图像。

本发明将多种运动检测方法融合检测车辆达到的有益效果有以下几个方面：

1基于帧差分法和稠密光流法结合的运动目标检测算法。传统的稠密光流算法可以很好的检测出运动目标，精确的分割出运动区域，但是不能消除光照等外界环境带来的影响。帧差法对光照变化影响小，但分割出的运动区域存在空洞，不连通。本发明将两算法结合检测运动目标，该方法具有较好的光照鲁棒性，检测出的目标区域无空洞，是一个完整的连通域。