基于视频图像的车辆检测算法研究

1、2009年10月企业技术开发1引言智能交通系统是当今世界交通运输领域的新型课题,它将通信技术、电子技术、自动控制和计算机视觉技术综合起来,用于交通运输管理体系,从而实现交通运输服务和管理智能化。2主要算法分析2.1图像预处理输入图像由于图像采集环境的不同,如光照明暗程度以及设备性能的优劣等,往往存在有噪声,对比度不够等缺点。另外,距离远近,焦距大小等又使得汽车在整幅图像中间的大小和位置不确定。为了保证交通图像中汽车大小,位置以及图像质量的一致性,必须对图像进行预处理,预处理过程一般有几何变换、灰度化、平滑、增强等步骤。2.2车辆提取算法2.2.1边沿提取边缘检测在图象分割、模式识别、机器视觉等

2、中都有重要作用,人们已研究出很多种边缘检测算法,而哈夫变换和canny 边缘算子等是最经典的算法,通常还有sobel 等算法,同时人们已在这些经典算法基础上提出一些新的改进算法。图像边沿提取的基本步骤:滤波、增强、检测、定位。2.2.2时间间隔图像差分法它是在运动目标检测中使用较多的一类算法。此方法对一个小的时间间隔前后的两幅图像作比较,根据其中得到的变化区域来区分背景和运动物体。公式如下:(1其中D (x ,y 为差分图像,和分别是第k+1和k 帧图像。该方法的优点是动态环境下的自适应性很强,但是采用此方法时,需要选择合适的时间间隔,这一般依赖于所监视物体的运动速度。2.2.3背景差分法首先

3、要提取无车状态下的背景图像,通过将当前图像与背景图像做差找到做为前景的运动物体被检测车辆。公式如下:|Current-BackGround|Th(2其Current 是当前图像;BackGround 是背景;阈值Th作用是减少噪声和光线变化的影响。2.3用改进的自适应阈值法进行图像分割2.3.1基于区间估计的模糊法预处理基于区间估计的模糊分割法是对原始图像分块,运用一个或几个阈值将图像的整个灰度范围,分为两段或多段,灰度级属同一段的的像素构成性质相同的区域,其中包括了目标区域。将图像的所有像素的灰度级与阈值进行比较,以进行区域划分,达到目标于背景分离的目的。在一幅图像内,目标像素的灰度主要集中

4、在目标累的均值附近,即均值的隶属度最高。目标类内像素的隶属度应大于0.5,隶属函数:(3基于视频图像的车辆检测算法研究苗闯(吉林大学电子科学与工程学院,吉林长春130012Study of computer-based video image vehicle detection algorithmMIAO Chuang(College of Electronic Science and Engineering,Jilin University,Changchun,Jilin 130012,ChinaAbstract:In this paper,a novel method of vehicle

5、 detection has been introduced.First,we make a pre-processing tothe original image,then obtain the vehicle region through background suppression.Finally,combining large law with the minimum between cluster variance to extract object body ,meanwhile traffic volume could be got.It is implemented on co

6、mputer and good result is obtained.Keywords :video detection;traffic monitoring;tracking;background suppression摘要:固定镜头下视频序列中的运动汽车目标的检测、分割、跟踪及计数等底层视觉问题进行了研究,提出了计算交通流量的算法。仿真实现表明:此算法可以有效的去噪、检测目标并计数。关键词:视频检测;交通监控;目标跟踪;背景抑制中图分类号:U111文献标识码:A文章编号:1006-8937(200919-0028-02收稿日期:2009-07-03作者简介:苗闯(1987-,男,吉林榆树人

7、,大学本科,研究方向:图像处理及语音处理。企业技术开发TECHNOLOGICAL DEVELOPMENT OF ENTERPRISE2009年10月Oct.2009第28卷(4第28卷(5其中,表示像素隶属于目标类的程度,表示像素隶属于背景类的程度,为灰度均值,k为类内像素对均值的紧致性参数,为归一化因子。若 ,则视该点为目标类。处理后的图像较粗糙,需改进算法,提高分割效率。2.3.2利用改进的最小吸收核同值区法的迭代思想对分割图像优化SUSAN最小吸收核同值区(Smallest Univalue Seg-ment Assimilating Nucleus的首字母缩写。SUSAN算子是一种基于

8、灰度的特征点获取方法,适用于图像中边缘的检测、角点的检测,可以用于去除图像中的噪声,它具有方法简单、有效、抗噪声能力强的特点,计算速度快,适用于实时图像处理。SUSAN算子的模板与常规卷积的正方形模板不同,它使用一种近似圆形的模板。用圆形模板在图像上移动,模板内部每个图像像素点的灰度值都和模板中心像素(核灰度的差值小于一定值,则认为该点与核具有相同(或相近的灰度。由满足这样条件的像素组成的区域称为核同值区。把图像中的每个像素与有相近灰度值的局部区域相联系是SUSAN准则的基础。对每个像素的模板,通过计算模板中每点与中心点的灰度差阈值,取最小类内方差法求得的阈值作为初值,然后根据迭代初值将灰度差

9、直方图分为两部分,计算下一个迭代值,每次迭代后进行判定是否停止迭代,取Ti+1作为最后的SUSAN模板的灰度差阈值。阈值公式为:(6 2.3.3采用最大类间方差和最小类内方差法的思想对图像再处理最大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差越大,说明构成图像的两部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。记T为前景与背景的分割阈值,前景点数占图像比例为w m,平均灰度为X;背景点数

10、占图像比例为w n,平均灰度为Y。图像的总平均灰度为:(7定义整体方差为:(8相对于区间估计的模糊法和SUSAN法,改进后的方法在对噪声的抑制效果和最终的分割效果大为提升,对局部噪声不敏感,抗噪能力强。特别是对于灰度值变化不大的情况下,该方法更有优势。2.4车流量计算2.4.1检测线法检测线法就是在待测图像上的合适位置设置检测线,车辆经过检测线时,检测线位置上的图象就会由于车辆的覆盖发生改变,当运动物体覆盖检测线的宽度大于某个阈值时,就会认为检测到一辆车。根据当前帧车辆的位置以及前一帧图像中车辆的位置进行判断,决定是否计数,如果前一帧没有车辆目标,则自动计数值加1,如果前一帧有车辆目标,则根据

11、两帧的重叠程度决定是否加1。本文设计,如果重叠率超过0.3,计数就不加1。2.4.2利用随机数学对计数进行调整累加连续几帧的车辆总数可得到在一段时间内的车流量,公式为(15其中E为一段时间内车流量的数学期望,x i为等时间间距内拍摄交通状况图中车数量,P i为概率,等于。方差为, 根据样本函数定理,当XN(u, 时,N(0,1,其中,u=E(X,D(X =。我们设定P的概率大于0.95,这样可由计算机告诉算出所需计数的样本数量n,也就是等时间间距内拍摄的交通状况图中车的数量,并不断进行调整,保证最大限度的准确度。3算法设计流程算法设计流程见图1。图1车流量计数算法流程图4结语本文用背景差分法提取了目标区域,用腐蚀法降噪,再使用最大类间方差法和最小内间方差法相结合进行目标提取,最后通过线检测法对车流进行自动计数。仿真实验表明,本方法可以实现汽车流量的有效计数。参考文献:1杨学超,刘文萍.视频图像序列中的运动目标检测技术J.计算机应用与软件,2008,(1.2Stauffer C,Grimson W.Adaptive background mixturemodels for real-time trackingC.In:Proc.IEEE Con