夜间复杂交通视频中车辆检测方法

摘要

本发明提供的是一种夜间复杂交通视频中车辆检测方法。首先用方位模糊技术进行车灯提取，利用光在大气中传播有散射的性质，引入Bouguer’s散射指数模型，在此基础上，通过膨胀移位、阈值提取、坐标变换和逻辑运算，得到车灯，再利用形态学运算将车灯配对并加以追踪。对于遮挡问题，运用前后帧间车辆数目的改变，进行比较判断，对其分别处理。最后利用模糊相似度方法和最大后验概率方法对车速进行估计，本发明能实现较高准确率的车辆追踪，并且整个追踪系统具有较高的精度。

主权项

1.一种夜间复杂交通视频中车辆检测方法，其特征是：（1）、图像模糊化：在原图像的垂直向上、垂直向下和水平方向上引入模糊参数ΔB，得到三幅不同方向的模糊图像；（2）、车灯提取：将得到的三幅不同方向的模糊图像进行高斯滤波和阈值提取，选择垂直向下移位的像素坐标为参考，将垂直向上、水平向下两个方向的像素进行移位，使三者坐标对齐，最后通过逻辑与运算，消除对车灯定位的干扰，提取出车灯信息；（3）、车灯配对：将图像在水平方向上分为7部分，对这7部分分别运用形态闭和腐蚀操作，把RGB图转换成Y、Cb和Cr成分；（4）、遮挡判别：运用前后帧间车辆数目的改变，进行比较判断并加以处理；（5）、车辆追踪：对输入的每一帧图像按列浏览，得到车灯团区域的相关属性信息，最后进行标记，通过车灯中心位置改变大小判断车辆是否移动并且对其进行追踪；（6）、速度估计：①前景粗提取：消除快速变化的背景的影响，得到低对比度图片，当前帧像素I和背景像素B相似度设定相似度阈值，进行图片提取；②前景细提取：当前帧像素I和单位延时帧像素I’做差，取绝对值，即ADiff＝|I-I′|；③像素属性判断：如果当前像素与ADiff之间的距离大于特定隶属度阈值，则它属于背景像素，否则属于前景像素；④逻辑运算：解模糊，对得到的两个不同的二值像素进行逻辑或运算，EF＝Or(Sim(B,I),ADiff)；⑤速度估计：对上一步的二值图像做闭运算得到灯团的位置，设当前灯团中心C(Xc,Yc)，X_c,Y_c分别代表中心像素的横、纵坐标，相隔十帧灯团中心G(Xg,Yg)，则两个灯团空间距离为Ud是为了获得真实速度，自像素域扩展到真实域的投影参数，最后利用红外传感系统得到车辆行驶的真实速度y，又假设噪声和待估计速度是相互独立的，且都服从高斯分布，故运用最大后验概率估计方法对速度进行估计，其估计公式是$\underset{\left\{s\right\}}{\max }f\left(S\right|y)=\underset{\left\{s\right\}}{\max }\left\{\frac{f\left(y\right|S)f\left(S\right)}{f\left(y\right)}\right\},$其中s为待估计速度，y为真实速度。