- 相關(guān)推薦
視頻圖像中的車輛檢測(cè)跟蹤和分類
摘要：介紹了一種在固定的單攝像頭拍攝的交通圖像序列中檢測(cè)、跟蹤、分類車輛的方法。該方法大致可分為三部分：抽取背景圖像和圖像分割；基于針孔模型的攝像機(jī)定標(biāo)，計(jì)算透視投影矩陣；利用區(qū)域特性進(jìn)行匹配跟蹤，建立目標(biāo)鏈，恢復(fù)目標(biāo)三維信息，采用模型匹配法對(duì)車型分類。實(shí)驗(yàn)證明該方法簡(jiǎn)單可行。在現(xiàn)代交通管理和道路規(guī)劃中，交通流量和通行車輛的類型、速度是重要的參數(shù)。自動(dòng)獲取這些數(shù)據(jù)的方法大致可以分為兩類：一類是利用壓電、紅外、環(huán)形磁感應(yīng)線圈等傳感器獲得車輛本身的參數(shù)， 這類方法跟蹤識(shí)別率較高，但是容易損壞，安裝也不方便；還有一類就是基于圖像處理和模式識(shí)別的方法，克服了前面一類方法的局限，由于圖像處理識(shí)別技術(shù)的進(jìn)步和硬件性價(jià)比的大幅提高，有一定實(shí)用價(jià)值的系統(tǒng)已經(jīng)出現(xiàn)。這些系統(tǒng)的使用證明；圖像處理識(shí)別車輛的方法晶趨成熟，環(huán)境適應(yīng)能力較強(qiáng)，能長(zhǎng)期穩(wěn)定工作，但是計(jì)算量大，識(shí)別正確率不如感應(yīng)線圈、激光讀卡等方法高。本文的研究屬于后者，利用安裝在高處的單個(gè)靜止攝像頭監(jiān)視路面，利用運(yùn)動(dòng)分割與模型匹配的方法，檢測(cè)并統(tǒng)計(jì)多車道的車流信息。
識(shí)別過(guò)程分三步：分割、跟蹤和車型判定。運(yùn)動(dòng)目標(biāo)的分割常采用幅差法。在監(jiān)控場(chǎng)合，攝像頭大多是固定的，背景基本沒(méi)有變化或者變化緩慢，可以從圖像序列中逐漸取出背景圖像，然后利用幀差法檢測(cè)出目標(biāo)區(qū)域，同時(shí)還可以檢測(cè)靜止目標(biāo)。由于識(shí)別過(guò)程中利用二值邊緣，所以本文在圖像分割中對(duì)輸入圖像進(jìn)行了梯度二值化處理。三維空間和二維圖像平面之間映射關(guān)系的確定，采用基于針孔模型的攝像機(jī)定標(biāo)來(lái)計(jì)算。對(duì)目標(biāo)區(qū)域的跟蹤，采用了區(qū)域特征向量的匹配跟蹤方法，減小了運(yùn)算量。由于圖像處理的方法很難提取輪數(shù)、軸距等車輛本身參數(shù)，所以在圖像車型識(shí)別中一般都采用三維模型在圖像上投影和車輛邊緣相匹配的方法。
1 背景重建和圖像分割
由于攝像頭固定，背景變化緩慢，因此，可以利用圖像序列逐漸恢復(fù)出背景圖像。其基本原理是：對(duì)每一個(gè)像素進(jìn)行監(jiān)控，如果在較長(zhǎng)時(shí)鐘內(nèi)灰度不發(fā)生明顯變化，則認(rèn)為該象素屬于背景區(qū)域，將該象素灰度值復(fù)制到背景緩沖區(qū)，否則屬于前景區(qū)域。由于光照以及車輛陰影等影響，采用這種方法恢復(fù)出來(lái)的 背景圖像存在較大噪聲。因此大實(shí)驗(yàn)中對(duì)原始輸入圖像進(jìn)行了梯度二值化處理，然后進(jìn)行背景重建。這樣可以減小陰影的干擾，加快背景重建速度。由于識(shí)別是利用邊緣信息，所以度化對(duì)后面的識(shí)別過(guò)程沒(méi)有影響。
在得到背景邊界圖像后，利用幀差法可以分割出感興趣的目標(biāo)。但是，如果目標(biāo)區(qū)域和背景邊界后果合（都興趣的目標(biāo)。但是，如果目標(biāo)區(qū)域和背景邊界重合（值都為“1”），相減之后該目標(biāo)區(qū)域被錯(cuò)誤判定為背景區(qū)域（來(lái)"0"）。為了減小錯(cuò)誤判決區(qū)域，本文在分割時(shí)參考了相鄰兩幀的二值化幀差fdmask，判決準(zhǔn)則如下：如果fdmask中革像開(kāi)綠素為“0”，則輸入圖像和背景圖像相應(yīng)像素相減；否則直接復(fù)制輸入圖像中相應(yīng)的像素值。分割結(jié)果經(jīng)過(guò)噪聲消除、形態(tài)學(xué)平滑邊辦、種子填充、區(qū)域標(biāo)記等后續(xù)處理，就分字出了目標(biāo)。
2 攝像機(jī)定標(biāo)
在模型匹配中，需要從二維圖像恢復(fù)目標(biāo)三維信息，同時(shí)將三維模型投影到圖像平面上，因此必須計(jì)算三維空間到圖像平面的投影關(guān)系矩陣。這個(gè)過(guò)程就是攝像機(jī)定標(biāo)。本文采用基于針孔模型的攝像機(jī)定標(biāo)方法，其基本原理是利用給定的一組三維世界的點(diǎn)坐標(biāo)和這些點(diǎn)在圖像中的坐標(biāo)，求解線性方程組，計(jì)算透視投影矩陣中的各個(gè)元素。透視投影矩陣如下：
其中：（u,v）是圖像坐標(biāo)，（Xw,Yw,Zw）是三維坐標(biāo)，M為投影矩陣，Zc為三維空間中點(diǎn)到攝像機(jī)鏡頭的矢量在光主軸上的投影距離。要求解M的各個(gè)元素，通常方程組不獨(dú)立，沒(méi)有唯一解，采用近似計(jì)算的誤差羅大。在（21）式基礎(chǔ)上經(jīng)過(guò)變形，將12階方程分拆成三個(gè)4階方程組，只需要利用4個(gè)點(diǎn)的投影關(guān)系，方程組的階次也只有4階，可以有效避免出現(xiàn)奇異矩陣，求出唯一解。由式（1）可以得出：
另外，除了4組點(diǎn)的坐標(biāo)之外，還需測(cè)定鏡頭主光軸的水平垂直傾角。
3 車輛的跟蹤和分類
在區(qū)域分割后，接下來(lái)進(jìn)行區(qū)域跟蹤，利用相鄰兩幀的區(qū)域匹配從而圖像序列中建立目標(biāo)鏈，跟蹤目標(biāo)從進(jìn)入監(jiān)視范圍到駛離監(jiān)視范圍的整個(gè)過(guò)程。首稱要確定區(qū)配準(zhǔn)則。常用的圖像匹配方法有Hausdorff距離區(qū)域法和圖像互相關(guān)。這兩種方法都需要逐個(gè)含金量紗的計(jì)算。為了減小計(jì)算量，采用區(qū)域特片跟蹤法。目標(biāo)區(qū)域的特征包括區(qū)域形心坐標(biāo)、區(qū)域包圍矩形、區(qū)域運(yùn)動(dòng)速度及運(yùn)動(dòng)方向和區(qū)域面積。本文匹配準(zhǔn)則采用了兩個(gè)假定：同一目標(biāo)所對(duì)應(yīng)區(qū)域在相鄰兩幀中面積相近；同一目標(biāo)在前一幀中的區(qū)域形心加上運(yùn)動(dòng)速度所得到的形心預(yù)測(cè)值與后一幀中區(qū)域形心距離相近。跟蹤過(guò)程如下：
（1）將第一幀的各個(gè)區(qū)域當(dāng)作不同的目標(biāo)，對(duì)各個(gè)目標(biāo)區(qū)域啟動(dòng)目標(biāo)鏈。
（2）根據(jù)判決準(zhǔn)則，如果某目標(biāo)鏈中的區(qū)域在當(dāng)前幀找到了匹配區(qū)域，則用找到的的匹配區(qū)域特片更新該目標(biāo)鏈中的區(qū)域特征。
（3）如果在形心預(yù)測(cè)值所在位置，當(dāng)前幀區(qū)域和目標(biāo)鏈中區(qū)域面積相差很大，則可以認(rèn)為發(fā)生了合并或者分裂現(xiàn)象。對(duì)目標(biāo)鏈中的區(qū)域包圍矩形，在本幀查找該矩形覆蓋了幾個(gè)區(qū)域，如果多于一個(gè)區(qū)域，則認(rèn)為發(fā)生了分裂現(xiàn)象。對(duì)分裂現(xiàn)象出現(xiàn)的新區(qū)域，啟動(dòng)新目標(biāo)鏈。同理，對(duì)于本幀區(qū)域的包圍矩形，查找該矩形覆蓋了幾個(gè)目標(biāo)鏈中的區(qū)域，如果多于一個(gè)，則認(rèn)為發(fā)生了合并現(xiàn)象，利用合并區(qū)域啟動(dòng)新的目標(biāo)鏈，同時(shí)終止那些被合并區(qū)域的目標(biāo)鏈。
（4）對(duì)于目標(biāo)鏈中的區(qū)域，如果在本幀沒(méi)有與之相匹配的區(qū)域存在，則認(rèn)為發(fā)生了消失現(xiàn)象。目標(biāo)鏈并不立即終止，只有在經(jīng)過(guò)數(shù)幀仍沒(méi)有找到匹配之后，才終止該目標(biāo)鏈。
（5）查找本幀是否還存在新進(jìn)入的區(qū)域，如果存在，則啟動(dòng)新的目標(biāo)鏈。
采用這種方法可以快速跟蹤圖像序列中的目標(biāo)，同時(shí)得到車輛在監(jiān)視范圍的平均速度。在計(jì)數(shù)時(shí)，只有目標(biāo)在連續(xù)數(shù)幀里出現(xiàn)才認(rèn)燭一個(gè)真正的目標(biāo)區(qū)域，只有目標(biāo)在連續(xù)數(shù)幀都沒(méi)有出現(xiàn)才認(rèn)為消失，因此可以消除那些暫時(shí)消失引起的計(jì)數(shù)
【視頻圖像中的車輛檢測(cè)跟蹤和分類】相關(guān)文章：
模糊識(shí)別分類方法在遙感圖像混和像元分類中的應(yīng)用03-07
智能視頻監(jiān)控中目標(biāo)移走檢測(cè)的方法研究03-07
基于全局運(yùn)動(dòng)估計(jì)的視頻圖像拼接在監(jiān)控系統(tǒng)中的應(yīng)用03-18
基于SOPC的遠(yuǎn)程視頻圖像監(jiān)控系統(tǒng)的設(shè)計(jì)03-07
智能大廈視頻圖像數(shù)字壓縮系統(tǒng)設(shè)計(jì)03-18
基于HOUGH變換的雷達(dá)圖像圓檢測(cè)03-07
基于DSP的視頻檢測(cè)和遠(yuǎn)程控制系統(tǒng)設(shè)計(jì)03-20