一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法
【專利摘要】本發(fā)明公開了一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法，涉及模式識別領(lǐng)域，運動目標的檢測、跟蹤，視頻監(jiān)控問題。通過本發(fā)明，停車場環(huán)境的監(jiān)控問題不但被更準確的獲得，而且相對傳統(tǒng)人工監(jiān)控手段，本發(fā)明具有實時不間斷監(jiān)控的特點，而且引入了模式識別的算法的使用，通過對車輛目標的檢測以及時間段內(nèi)的各幀圖像之間的關(guān)聯(lián)分析等方式，獲得了車輛的目標狀態(tài)，進而得到停車場的環(huán)境狀況，解決了停車場環(huán)境的智能監(jiān)控問題。
【專利說明】一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及模式識別領(lǐng)域，尤其是一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法。
【背景技術(shù)】
[0002]目前，運動目標的檢測與跟蹤已經(jīng)成為計算機視覺領(lǐng)域的一個重要問題。其融合了圖像處理、模式識別、人工智能等多方面的知識，且在生產(chǎn)和生活中有著十分廣泛的應用。結(jié)合視頻監(jiān)控的停車場車輛的檢測與跟蹤是停車場環(huán)境監(jiān)控的一種重要的手段。因為，實際停車場的視頻監(jiān)控采用人員監(jiān)視屏幕，因此，在監(jiān)控點較少的情況下，監(jiān)控效果較好。
[0003]發(fā)明人在實現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在以下缺點和不足: [0004]現(xiàn)有技術(shù)多采用人工監(jiān)控的手段，當監(jiān)控點較多時，監(jiān)控人員無法全面、完整的監(jiān)控所有信息，而且車輛的進入、行走路徑、以及離開等各種狀態(tài)，無法進行智能的獲取并進行實時標注車輛的狀態(tài)信息，以及狀態(tài)的自動統(tǒng)計、示警，從而進行停車場的管理。(是不是有一些激光測距的技術(shù)，激光測距的技術(shù)不夠直觀)

【發(fā)明內(nèi)容】

[0005]本發(fā)明提供了一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法，本發(fā)明根據(jù)監(jiān)控設備獲得的視頻信息，對視頻中的車輛進行檢測，并跟蹤其運行路徑，獲得車輛的狀態(tài)信息，并將信息顯示統(tǒng)計給相關(guān)的管理人員，達到了對停車場環(huán)境進行智能監(jiān)控的目的，提高了監(jiān)控的性能，降低了人力代價，詳見下文描述:
[0006]一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法，包括:視頻中車輛的檢測，以及車輛運行路徑的跟蹤，車輛狀態(tài)的獲得。所述視頻中車輛檢測方法，包括基于RGB顏色空間的閾值劃分的改進背景差分方法的車輛檢測方法、以及背景的構(gòu)建更新策略，以及獲得檢測目標后的形態(tài)學降噪處理。所述車輛的目標的跟蹤，車輛狀態(tài)獲得包括，車輛行為分析以及車輛跟蹤和事件處理。
[0007]所述背景構(gòu)建更新策略包括:初始背景構(gòu)建以及背景的更新策略。
[0008]所述形態(tài)學去噪處理包括:基于腐蝕和膨脹的基本去噪處理以及基于‘開和閉’的組合去噪處理。
[0009]所述車輛的行為分析包括:車輛目標狀態(tài)的定義，狀態(tài)轉(zhuǎn)換和事件定義。
[0010]所述車輛的跟蹤和事件處理包括:基于運動特征的提取和匹配方法來確定目標運動的區(qū)域，車輛狀態(tài)的判斷以及車輛行為事件的處理。
[0011]所述方法包括以下步驟:
[0012](I)所述改進方法在所述視頻上提取可靠的背景，以及基于所述改進背景差分方法檢測車輛。
[0013](2)所述背景差分法獲得目標車輛之后形態(tài)學去噪處理。
[0014](3)所述視頻上繪制所述背景差分方法獲得的車輛目標輪廓以便跟蹤目標。[0015](4)所述視頻各幀之間的關(guān)聯(lián)性、重合度分析以獲得車輛的行為并統(tǒng)計反饋
[0016]所述獲得可靠背景提取方法具體為:本發(fā)明采用實時調(diào)整的背景更新策略，以降低背景物體的運動或者光照條件等的變化對于背景剪除的結(jié)果的影響。所述背景更新策略包括背景的構(gòu)建以及背景的更新兩個步驟。本發(fā)明采用初始拍攝圖像作為初始背景，并在此基礎(chǔ)上進行背景的更新。所述背景更新方法種以新的背景像素值替換舊的背景像素值以更新背景。即若判斷當前某像素點為背景區(qū)域，則用該像素替換背景中對應點；否則，仍保持原來的值。定義當前輸入的視頻幀圖像為Fn，Bn-1為之前得到的舊的背景圖像。將當前巾貞與背景巾貞相對應的像素點相減求出該點處差分值Dn (X, y):Dn (x, y) = Fn (x,y)-Bn-1 (x,y) |假設使用閾值Th對像素點進行劃分，則Dn大于閾值的認為是前景點，不更新背景，否則替換舊的背景值。
[0017]所述改進背景差分方法具體為:本發(fā)明采用基于RGB顏色空間的閾值劃分方法改進了背景差分算法以克服彩色的視頻圖像轉(zhuǎn)化為灰度圖像的過程中，會造成顏色信息的丟失，或者選用轉(zhuǎn)化后的灰度圖像進行差分操作，難以克服灰度相似性的干擾的問題。F(x，y)為當前幀F(xiàn)n的一個像素點，其R、G、B三個通道的像素值分別為Fr(x，y)、Fg (x, y)、Fb (x,y)。分別將這三個像素值與對應背景像素點的三通道值Br (X，y)、Bg(x，y)、Bb (x，y)相減，得到差分值Dr (x，y)、Dg(x，y)、Db(x，y)然后對三個差分值求出均值D (x，y)，由此判斷出當前像素點與背景像素點的相似程度，進行閾值判斷。選取新的閾值Th’，并以此為依據(jù)對幀圖像中的像素點F進行二值劃分，得到結(jié)果R。
[0018]所述車輛目標的形態(tài)學降噪處理具體為:采用形態(tài)學的圖像處理方法來將之去除。常見的用于降噪處理的形態(tài)學操作是腐蝕、膨脹、開和閉。開和閉運算是腐蝕、膨脹的組合。解決視頻在連續(xù)拍攝過程中，會出現(xiàn)光線的閃爍或反射等問題，進而使閾值化處理得到的結(jié)果中含有一些小范圍的噪聲。
[0019]所述車輛目標輪廓獲得方法具體為:本發(fā)明采用OpenCV提供的功能函數(shù)根據(jù)二值化圖像找到目標外部輪廓線，再根據(jù)這組輪廓線繪制出能包圍輪廓的外接矩形。根據(jù)此外界矩形的原點坐標、高度和寬度，可以進一步確定目標的質(zhì)心。對位置特征的匹配主要通過外接矩形的重合程度來判定。RKxl, yl，wl, hi), R2 (x2, y2，w2, h2)為兩個矩形，其參數(shù)分別為左上角起始點X、y左邊，矩形寬度和高度，且Rl、R2的面積分別為S1、S2。矩形R3 (x3, y3,w3, h3)為Rl和R2的重合部分，面積為S3。則定義矩形Rl相對于R2的重合率CR (coincide rate)如下:CR = S3/S1。相鄰兩巾貞間重合率很高的兩個外接矩形,可以認為是同一目標在兩個時刻的不同位置。
[0020]所述車輛行為分析方法具體為:分析車輛目標狀態(tài)變化的主要依據(jù)是目標在整個活動過程中的位置變化規(guī)律通過定義幀間目標位置關(guān)聯(lián)矩陣，并通過位置覆蓋相關(guān)性分析來確定目標狀態(tài)的方法，分析出目標的出現(xiàn)、消失、活動幾種變化，以及以上述分析為基礎(chǔ)的事件處理機制。
[0021]I)所述幀之間關(guān)聯(lián)性分析判定目標進入或者消食方法具體為:定義PreList為存儲了當前幀上一幀所有車輛位置的列表結(jié)構(gòu)，Pl?Pm為其元素，CurList存儲了當前幀的車輛位置，元素為Cl?Cn。計算PreList中目標Pi和CurList中目標Cj的矩形重合率，設定一定的閾值，當重合率大于該閾值時，認為Pi和Cj屬于同一個活動車輛目標。用一個矩陣來表示兩幀間的目標關(guān)系，被認為屬于同一車輛的目標相交處記為1，否則記為0，這樣可以清楚地看出相鄰幀之間目標的關(guān)系。首先用CurList中的每一個目標分別匹配PreList，找到能與之匹配的目標。若存在無法匹配PreList的目標，則說明這是一個之前未出現(xiàn)過的目標。接下來再用PreList中的每一個目標分別去匹配CurList。若存在無法匹配任何CurLi st元素的目標，則說明該目標在當前幀消失。
[0022]2)所述靜止、行進目標狀態(tài)判斷方法具體為:本發(fā)明在幀之間關(guān)系判斷中加入時間因素，判斷車輛目標減速或是短暫停留造成的暫時靜止現(xiàn)象或更為長久的靜止，即停止。圖像是逐幀處理的，所以這里用統(tǒng)計幀數(shù)代替計時操作。當相鄰幀間同一目標的位置重合率很大時，表示其速度在明顯減慢，這時可以開始對該目標計數(shù)。若后續(xù)幀中位置重合率足夠大(如大于閾值Thl)，則計數(shù)加一，反之則減一(計數(shù)值不小于零)。若是較長時間的停留，重合率將一直保持較高值，超過Thl的持續(xù)時間為T2 ;而若目標只是減速或者短暫的停留，重合率只在一段很短的時間Tl內(nèi)大于Thl。如果目標連續(xù)很長一段時間T2都靜止在同一位置，則計數(shù)值會逐漸增加，一旦超過某一閾值(如Th2)則可以判定目標靜止；若目標只是暫時減速或者短時間Tl內(nèi)停留，則在車輛開始加速后，計數(shù)值會開始遞減，當前處于靜止狀態(tài)的可能性也隨之衰減。最終計數(shù)值超過閾值Th2后，發(fā)生狀態(tài)跳變，該車輛被判定為靜止。同理，原本靜止的車輛在準備啟動時，速度將開始遞增，隨后計數(shù)值會開始遞減，然后小于閾值Th2進入行進狀態(tài)，最終計時器回復為零。必須為目標的計數(shù)值定義一個上限Max，否則車輛處于靜止狀態(tài)時計數(shù)器的值將一直增長。則經(jīng)過長時間的靜止，車輛在啟動時將無法及時檢測到狀態(tài)變化。
[0023]3)所述事件處理機制具體為:定義存儲車輛目標的列表CarList用于同時保存車輛的位置信息和計數(shù)值，同時動態(tài)地維持車輛的最新信息。將前后兩幀的目標列表，即PreList和CurList,進行匹配后,推斷出相應的狀態(tài)變化,然后更新CarList中的位置信息和計數(shù)器。前后兩幀間相互為對照，分別計算前后的位置重合率。失去匹配的目標則是有目標出現(xiàn)或消失。重合率偏低的目標認為其處于靜止中的可能性很小，遞減它們的計數(shù)器；而重合率很高的目標則認為極有可能在靜止中，其計數(shù)器遞增。判斷計數(shù)值，檢查是否有停車或啟動事件發(fā)生。判斷目標事件并記錄了狀態(tài)信息之后，再向系統(tǒng)界面發(fā)送相應的提示信息，并更新界面顯示，告知用戶當前的車輛和車位狀態(tài)。
[0024]本發(fā)明提供的技術(shù)方案的有益效果是:
[0025]本發(fā)明提供了一種基于停車場環(huán)境下，采用智能視頻監(jiān)控手段的車輛跟蹤與檢測方法，通過對停車場內(nèi)的目標車輛檢測，以及外部輪廓的確定，最終通過分析視頻中圖像之間的關(guān)聯(lián)，來判斷車輛的目的狀態(tài)，即是進入，停止，還是占位異常等，完成基本對于停車場環(huán)境的智能監(jiān)控任務，避免純?nèi)斯けO(jiān)控時的弊端。
【專利附圖】

【附圖說明】
[0026]圖1 一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法的示意流程圖。
【具體實施方式】
[0027]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。
[0028]為了人工監(jiān)控面對多監(jiān)控點時的疏忽等情況，本發(fā)明設計了一種基于停車場視頻監(jiān)控的智能分析停車場車輛狀態(tài)的算法，參見圖1，詳見下文描述:
[0029]一種停車場環(huán)境下智能視頻監(jiān)控的車輛檢測與跟蹤算法，包括:視頻中車輛的檢測，以及車輛運行路徑的跟蹤，車輛狀態(tài)的獲得。
[0030]參照圖1，一種停車場環(huán)境下智能視頻監(jiān)控的車輛檢測與跟蹤算法包括以下步驟:
[0031]101:通過視頻上提取可靠的可以實時更新的背景，并基于改進背景差分方法檢測車輛目標。
[0032]102:將背景差分法獲得目標車輛進行形態(tài)學去噪處理。
[0033]103:繪制通過改進背景差分方法獲得的車輛目標輪廓以便跟蹤目標。
[0034]104:通過分析視頻各幀圖像之間的關(guān)聯(lián)性、重合度分析以獲得車輛的行為并統(tǒng)計反饋給監(jiān)控管理人員。
[0035]綜上所述，本發(fā)明實施例提供了一種停車場環(huán)境下智能視頻監(jiān)控的車輛檢測與跟蹤算法，通過檢測停車場環(huán)境中的車輛目標，通過輪廓匹配來獲得目標，最終通過一定時間內(nèi)的幀關(guān)聯(lián)分析，判斷車輛的狀態(tài)，并將狀態(tài)信息發(fā)布用于提示監(jiān)控人員，從而避免了人工監(jiān)控在多監(jiān)控點時無法較好的監(jiān)控全部監(jiān)控目標的弊端，完成了智能監(jiān)督代替人工監(jiān)控。
[0036]本領(lǐng)域技術(shù)人員可以理解附圖只是一個優(yōu)選實施例的示意圖，上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。
[0037]以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1.一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法，其包括:包括基于RGB顏色空間的閾值劃分的改進背景差分方法的車輛檢測方法、以及背景的構(gòu)建更新策略，以及獲得檢測目標后的形態(tài)學降噪處理，基于運動特征的提取和匹配方法來確定目標運動的區(qū)域，車輛的行為分析，車輛狀態(tài)的判斷以及車輛行為事件的處理。
2.根據(jù)權(quán)利要求1所述的一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法，其特征在于，所述方法包括:基于RGB顏色空間的閾值劃分的改進背景差分方法的車輛檢測方法; 所述基于RGB顏色空間的閾值劃分的改進背景差分方法的車輛檢測方法包括:初始背景構(gòu)建以及背景的更新策略，以獲得動態(tài)更新的背景信息，以為背景剪除工作提供可靠的背景；基于RGB顏色空間的閾值劃分方法代替轉(zhuǎn)化后的灰度圖像進行差分操作，以克服灰度相似性的干擾的問題；基于腐蝕和膨脹的基本去噪處理以及基于‘開和閉’的組合去噪處理，以獲得更完美的檢測目標。
3.根據(jù)權(quán)利要求1所述的一種基于停車場環(huán)境視頻監(jiān)控的車輛跟蹤與檢測方法，其特征在于，所述方法車輛的跟蹤以及行為分析包括:； 所述車輛的跟蹤以及行為分析包括:使用目標外部輪廓線，再根據(jù)這組輪廓線繪制出能包圍輪廓的外接矩形的車輛目標跟蹤方法；分析車輛目標狀態(tài)變化的主要依據(jù)是目標在整個活動過程中的位置變化規(guī)律通過定義幀間目標位置關(guān)聯(lián)矩陣，并通過位置覆蓋相關(guān)性分析來確定目標狀態(tài)的方法，分析出目標的出現(xiàn)、消失、活動幾種變化，以及以上述分析為基礎(chǔ)的事件處理機制。
【文檔編號】G08G1/017GK103778785SQ201210403965
【公開日】2014年5月7日 申請日期:2012年10月23日 優(yōu)先權(quán)日:2012年10月23日
【發(fā)明者】劉杰, 袁媛, 黃亞樓, 劉才華, 王嫄 申請人:南開大學