[发明专利]一种基于视频的道路障碍物识别分类方法

摘要

本发明公开了一种基于视频的障碍物识别分类方法。针对城市道路监控视频，研究障碍物特征提取及识别算法，提出了自适应背景更新的混合高斯建模方法，根据检测出来的静态障碍物目标，对道路背景进行选择性更新；提出了基于目标凹凸轮廓特性的移动目标分割方法，通过该方法实现移动目标进一步准确提取及分离，为基于轮廓的遮挡目标分割奠定基础；提出了道路感兴趣区域(ROI)的自动检测算法，实现监控画面中道路ROI的自动提取；采用自适应感兴趣区域截取的道路障碍物分类方法，将道路障碍物识别分类为违规停止车辆和遗撒物。本发明有助于提高交通部门的障碍物处理效率，为预防交通事故奠定基础。

主权项

一种基于视频的道路障碍物识别分类方法，其特征在于：根据固定图像传感器所采集的监控视频，对道路障碍物进行检测分类，具体包括以下几个步骤：S1，提出自适应背景更新的高斯混合建模方法，根据道路静止目标的检测情况，对道路背景模型进行更新，有效地防止了道路静止目标融入为道路背景；S2，提出基于目标凹凸轮廓特性的移动目标分割方法，通过判断目标轮廓近似多边形的凹凸特性，对凹轮廓目标的侧边凸出部分进行分割，消除道路移动目标自身侧边阴影，提高前景移动目标的检测精度；S3，提出道路感兴趣区域自动检测方法，根据道路前景移动目标的坐标，从背景图像中确定种子点，在给定的阈值T内，围绕种子点八连通区域扩散，在阈值内的目标确定为新种子点，并通过重复计算在场景内自动建立道路感兴趣区域；S4，提出特征组合的道路障碍物检测方法，组合利用道路目标在道路感兴趣区域内的位置特征、目标相对速度特征、目标相对面积特征和目标相对几何尺寸特征，从道路目标中检测道路障碍物；S5，提出了自适应感兴趣区域截取的道路障碍物分类识别算法，根据道路障碍物在图像坐标中的相对尺寸，自动截取感兴趣区域，从感兴趣区域内提取障碍物HOG特征，以目标HOG特征为基础，实现道路障碍物的分类识别，提高分类效率；所述步骤S2中包括以下步骤：S21：从道路前景图像中，检测道路目标前景目标连通域，根据连通域轮廓信息，计算目标轮廓的近似多边形；S22：根据目标轮廓近似多边形各定点的导数特性，判断目标近似多边形的凹凸形状，并凹多边形各顶点中，计算凹点坐标信息；S23：利用近似多边形凹点坐标信息与相邻多边形顶点坐标信息，确定两条直线，并计算两条直线的交点，若构成两条直线的四个点坐标为(x0，y0)、(x1，y1)、(x2，y2)、(x3，y3)，则交点坐标可以表示为：y=B1B2(x2-x0)-B1A2y2+B2A1y0B2A1-B1A2x=A1(B1B2(x2-x0)-B1A2y2+B2A1y0)(B2A1-B1A2)B1-A1y0B1+x0]]>其中A1＝x1‑x0、A2＝x3‑x2、B1＝y1‑y0和B2＝y3‑y2；S24：根据两条直线的交点坐标信息和近似多边形凹点坐标信息，计算切割线段，利用切割线段，切除目标侧边的阴影；S25：利用目标近似多边形的凹点信息、两条直线的交点信息、切割线段信息和目标近似多边形的顶点信息，计算消除侧边阴影的目标轮廓顶点信息。