視頻圖像中的車輛檢測跟蹤和分類

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、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定標(biāo)，計算透視投影矩陣；利用區(qū)域特性進行匹配跟蹤，建立目標(biāo)鏈，恢復(fù)目標(biāo)三維信息，采用模型匹配法對車型分類。實驗證明該方法簡單可行。

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別的方法，克服了前面一類方法的局限，由于圖像處理識別技術(shù)的進步和硬件性價比的大幅提高，有一定實用價值的系統(tǒng)已經(jīng)出現(xiàn)。這些系統(tǒng)的使用證明；圖像處理識別車輛的方法晶趨成熟，環(huán)境適應(yīng)能力較強，能長期穩(wěn)定工作，但是計算量大，識別正確率不如感應(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靜止攝像頭監(jiān)視路面，利用運動分割與模型匹配的方法，檢測并統(tǒng)計多車道的車流信息。

識別過程分三步：分割、跟蹤和車型判定。運動目標(biāo)的分割常采用幅差法。在監(jiān)控場合，攝像頭大多是固定的，背景基本沒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出目標(biāo)區(qū)域，同時還可以檢測靜止目標(biāo)。由于識別過程中利用二值邊緣，所以本文在圖像分割中對輸入圖像進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定標(biāo)來計算。對目標(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：對每一個像素進行監(jiān)控，如果在較長時鐘內(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)出來的 背景圖像存在較大噪聲。因此大實驗中對原始輸入圖像進行了梯度二值化處理，然后進行背景重建。這樣可以減小陰影的干擾，加快背景重建速度。由于識別是利用邊緣信息，所以度化對后面的識別過程沒有影響。

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)域被錯誤判定為背景區(qū)域（來"0"）。為了減小錯誤判決區(qū)域，本文在分割時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，同時將三維模型投影到圖像平面上，因此必須計算三維空間到圖像平面的投影關(guān)系矩陣。這個過程就是攝像機定標(biāo)。本文采用基于針孔模型的攝像機定標(biāo)方法，其基本原理是利用給定的一組三維世界的點坐標(biāo)和這些點在圖像中的坐標(biāo)，求解線性方程組，計算透視投影矩陣中的各個元素。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為三維空間中點到攝像機鏡頭的矢量在光主軸上的投影距離。要求解M的各個元素，通常方程組不獨立，沒有唯一解，采用近似計算的誤差羅大。在（21）式基礎(chǔ)上經(jīng)過變形，將12階方程分拆成三個4階方程組，只需要利用4個點的投影關(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組點的坐標(biāo)之外，還需測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，接下來進行區(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)從進入監(jiān)視范圍到駛離監(jiān)視范圍的整個過程。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含金量紗的計算。為了減小計算量，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)域運動速度及運動方向和區(qū)域面積。本文匹配準(zhǔn)則采用了兩個假定：同一目標(biāo)所對應(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)域形心加上運動速度所得到的形心預(yù)測值與后一幀中區(qū)域形心距離相近。跟蹤過程如下：

（1）將第一幀的各個區(qū)域當(dāng)作不同的目標(biāo)，對各個目標(biāo)區(qū)域啟動目標(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區(qū)域，如果多于一個區(qū)域，則認(rèn)為發(fā)生了分裂現(xiàn)象。對分裂現(xiàn)象出現(xiàn)的新區(qū)域，啟動新目標(biāo)鏈。同理，對于本幀區(qū)域的包圍矩形，查找該矩形覆蓋了幾個目標(biāo)鏈中的區(qū)域，如果多于一個，則認(rèn)為發(fā)生了合并現(xiàn)象，利用合并區(qū)域啟動新的目標(biāo)鏈，同時終止那些被合并區(qū)域的目標(biāo)鏈。

（4）對于目標(biāo)鏈中的區(qū)域，如果在本幀沒有與之相匹配的區(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)過數(shù)幀仍沒有找到匹配之后，才終止該目標(biāo)鏈。

（5）查找本幀是否還存在新進入的區(qū)域，如果存在，則啟動新的目標(biāo)鏈。

采用這種方法可以快速跟蹤圖像序列中的目標(biāo)，同時得到車輛在監(jiān)視范圍的平均速度。在計數(shù)時，只有目標(biāo)在連續(xù)數(shù)幀里出現(xiàn)才認(rèn)燭一個真正的目標(biāo)區(qū)域，只有目標(biāo)在連續(xù)數(shù)幀都沒有出現(xiàn)才認(rèn)為消失，因此可以消除那些暫時消失引起的計數(shù)

【視頻圖像中的車輛檢測跟蹤和分類】相關(guān)文章：

模糊識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)移走檢測的方法研究03-07

基于全局運動估計的視頻圖像拼接在監(jiān)控系統(tǒng)中的應(yīng)用03-18

基于SOPC的遠程視頻圖像監(jiān)控系統(tǒng)的設(shè)計03-07

智能大廈視頻圖像數(shù)字壓縮系統(tǒng)設(shè)計03-18

基于HOUGH變換的雷達圖像圓檢測03-07

基于DSP的視頻檢測和遠程控制系統(tǒng)設(shè)計03-20

肺功能檢測在肺手術(shù)中的應(yīng)用和地位03-08

圖像處理中的模糊算法及實現(xiàn)03-13