基于LK局部差分光流法的车流量检测方法技术

本发明专利技术涉及一种基于LK局部差分光流法的车流量检测方法，包括以下步骤：车辆前景提取、车辆前景提取包括图像灰度化、图像去噪、光流法生成车辆前景图、形态学修补；粘连车辆分割；车流量统计。本发明专利技术的有益效果是：对现有的光流法进行改进，结合分水岭算法与卡尔曼滤波器实现对车流量检测；通过改进的分水岭算法，对各种实际存在的车辆粘连情况，本发明专利技术都有较好的分割处理效果；采用的LK局部差分光流法对于不同道路视频图像片段均有较好的检测效果，且提高了检测的准确率。

Vehicle Flow Detection Method Based on LK Local Differential Optical Flow Method

【技术实现步骤摘要】
基于LK局部差分光流法的车流量检测方法
本专利技术涉及车流量检测
，具体的说是基于LK局部差分光流法的车流量检测方法。
技术介绍
1985年，Adelson与Heeher建立能量光流法的基本理论。基本思想是认为与运动物体有关的所有非零功率均处于一个通过频率空间原点的平面上。本专利技术提到的基于光流法的道路视频车流量检测，在原理上就是通过光流法对运动目标进行检测。光流法因其可控性与较强的抗干扰能力在视频检测中得到快速发展，成为目前主要的运动目标检测方法之一。谢红等人提出一种通过使用光流法获得运动目标区域，然后使用三帧差分法进行阈值分割，最后把阈值分割结果与区域分割结果相结合的办法，运动目标检测结果得到了提升，但同时增大了计算量，提升了算法的时间复杂度。王佳等人将光流特征与3DHarris时空兴趣点结合起来，采用积分视频的方式对运动区域进行估计，一定程度上抑制背景干扰，但在复杂的背景下引入了大量噪声，使得计算量较大。在不同种类的光流法当中，基于区域的方法运算速度快、计算量较少，但是计算精度较差；基于能量的方法抗干扰能力强、有较好的生物合理性，但其运算量极大，无法实时处理问题。基于差分的方法相对于其他种类光流法计算量适中、所得光流较为稠密。所以本专利技术提出了基于LK局部差分光流法的检测方法，提高运动目标的检测正确率。
技术实现思路
针对上述现有技术不足，本专利技术提供一种基于LK局部差分光流法的车流量检测方法，对车流量统计时使用的道路视频的特点，为保证车流量检测的正确率，不增加算法的时间复杂度，采用LK局部差分光流法对车辆前景提取，然后针对出现的车辆粘连与车流量统计时因噪声导致重复计数问题，进行了相应研究，最终实现高正确率低复杂度的车流量检测。本专利技术提供的基于LK局部差分光流法的车流量检测方法是通过以下技术方案实现的：一种基于LK局部差分光流法的车流量检测方法，包括以下步骤：（1）车辆前景提取车辆前景提取包括图像灰度化、图像去噪、光流法生成车辆前景图、形态学修补，其中：图像灰度化：摄像机采集的图像为RGB图像，在图像处理中，为减少处理的数据量，提高算法速度，会把RGB图像转变成灰度图像进行后续处理，采用的灰度化方法是利用加权平均法对图像进行灰度化处理；图像去噪：为保证道路图像中车辆边缘信息的完整性，采用高斯滤波器对灰度化的图像进行去噪处理，以避免边缘信息的缺失；光流法生成车辆前景图：根据道路视频特点，结合算法时间复杂度，选择LK局部差分光流法对图像进行处理后，光流数据通过滤波和筛选，生成二值车辆前景图；形态学修补：生成的二值车辆前景图内部存在断层与孔洞，采用形态学方法中的线形元素对断层进行修补结合孔洞填充对图像进行填充，得到效果完整的二值车辆前景图；（2）粘连车辆分割光流法生成的车辆前景图中，因车距过近时车辆前景图产生粘连，直接对前景图像进行连通域检测，计算车辆数量，会导致多辆车辆被检测成一辆；对于前景图像中出现的车辆粘连的状况，使用欧氏距离筛选出车辆中每辆车的位置后，根据筛选位置构建注水口及集水盆地后，使用分水岭算法进行分割；分割的结果表明，粘连车辆使用改进的算法进行分割后，粘连车辆分割充分，车辆的位置准确无变化，且能够对多种情况的粘连车辆进行处理；（3）车流量统计在实际过程中，一方面车辆从进入道路视频到驶出道路视频，车辆的大小在视频图像中是由小变大的，这种问题可能导致车辆刚刚驶入道路视频时目标过小，生成的前景图像中车辆区域太小以至于在进行车辆检测时不能被稳定检测；而车辆驶出图像区域时，图像中无法完整显示车辆轮廓，从而导致检测时出现误差；另一方面在实际中，拍摄视频图像的摄像机受外界震动或者天气影响，可能会出现抖动和噪声污染的现象，而差分光流法是依靠不同图像中像素梯度进行运算的方法，过大的抖动和噪声可能会导致车辆前景无法正常形成，造成车辆误检和漏检。针对道路视频特点出现的车辆检测时不能被稳定检测，以及出现的出现抖动和噪声污染的现象，本专利技术一方面设定检测区域与车道，对在检测范围内的车辆目标进行检测，避免车辆在道路视频边缘位置导致的车辆判断不准确的问题；另一方面，针对视频噪声与抖动的问题，使用卡尔曼滤波器，选取前景图像中的车辆外接矩形框的中心作为原始数据，当视频中存在被检测到的车辆时，使用车辆数据对卡尔曼滤波器进行更新，当视频中车辆因摄像头抖动或噪声污染短暂消失时，使用卡尔曼滤波器对车辆位置进行修正，得到正确的车流量数据。本专利技术的有益效果是：对现有的光流法进行改进，结合分水岭算法与卡尔曼滤波器实现对车流量检测；通过改进的分水岭算法，对各种实际存在的车辆粘连情况，本专利技术都有较好的分割处理效果；采用的LK局部差分光流法对于不同道路视频图像片段均有较好的检测效果，且提高了检测的准确率。附图说明图1：本专利技术的总体流程图；图2：截取的原始视频的三帧具有代表性图像a,b,c；图3：图2中图像对应生成的光流图a,b,c；图4：图2中图像的生成的对应原始前景图a,b,c；图5：图2中图像利用传统光流法进行车辆检测实验结果图；图6：图2中图像利用本专利技术方法进行车辆检测实验结果图；图7：不同检测方法对多段视频的车流量检测正确率。具体实施方式下面将通过实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参考图1，对本专利技术的整体流程及原理进行进一步说明：一种基于LK局部差分光流法的车流量检测方法，包括以下步骤：1、图像预处理：在对道路视频图像进行车流量统计前，首先采集道路视频，对采集的道路视频图像进行预处理，处理的内容主要包括图像灰度化及去噪处理；2、光流法处理：视频图像在经过图像预处理后，对其进行光流法处理，光流法的选择为LK局部差分光流法。进行光流法处理后，光流数据通过滤波和筛选，生成车辆轮廓的大体数据（二值车辆前景图）；3、形态学处理：经过处理后，光流法虽然生成车辆轮廓的大体数据，但此时的车辆轮廓还存在断层与孔洞，采用形态学方法对断层与孔洞进行修补，修补后车辆前景图中，车辆轮廓基本完整，车辆位置保持不变。但在某些前景图中存在车辆粘连的问题；4、车辆前景分割：在生成车辆前景图后，对车辆前景进行车辆选取，并通过与车辆大小阈值的比较，判断车辆前景图中是否发生车辆前景粘连。对于发生车辆前景粘连的图像，本专利技术使用基于欧氏距离的分水岭方法进行车辆分割；5、卡尔曼滤波器：在实际道路视频图像中，往往会出现车辆前景目标短暂丢失的问题，这种问题会导致后续车辆检测时出现重复检测的情况。为避免这种情况的发生，本专利技术采用卡尔曼滤波器对车辆位置进行修正，当车辆出现前景目标短暂丢失时，使用卡尔曼滤波器对车辆位置进行预测；车辆能被检测到时，使用车辆位置对卡尔曼滤波器参数进行更新；6、车辆检测：根据实际情况及光流处理中出现的问题，本专利技术在视频图像中划定检测车道及虚拟检测线，对进入检测区域内的车辆进行统计，计算当前检测区域内车辆的数量；7、车流量统计：在系统初始时设定当前车辆总量为0，判断检测区域内的车辆数目。当检测区域存在新进入的车辆时，将车辆总数加上新进入的车辆数量，否则车辆总量不变。对本发本文档来自技高网...

【技术保护点】
1.一种基于LK局部差分光流法的车流量检测方法，其特征在于，包括以下步骤：（1）车辆前景提取车辆前景提取包括图像灰度化、图像去噪、光流法生成车辆前景图、形态学修补，其中：图像灰度化：摄像机采集的图像为RGB图像，在图像处理中，为减少处理的数据量，提高算法速度，会把RGB图像转变成灰度图像进行后续处理图像去噪：为保证道路图像中车辆边缘信息的完整性，采用高斯滤波器对灰度化的图像进行去噪处理，以避免边缘信息的缺失；光流法生成车辆前景图：选择LK局部差分光流法对图像进行处理后，光流数据通过滤波和筛选，生成二值车辆前景图；形态学修补：生成的二值车辆前景图内部存在断层与孔洞，采用形态学方法中的线形元素对断层进行修补结合孔洞填充对图像进行填充，得到完整的二值车辆前景图；（2）粘连车辆分割光流法生成的车辆前景图中，因车距过近时车辆前景图产生粘连，直接对前景图像进行连通域检测，计算车辆数量，会导致多辆车辆被检测成一辆；筛选出粘连区域后，利用改进的分水岭算法计算前景到背景的最小距离；然后计算粘连区域的质心，在粘连区域内筛选出可以代表车辆目标的区域,使用欧氏距离筛选出车辆中每辆车的位置后，根据筛选位置构建注水口及集水盆地后，使用分水岭算法进行分割；分割的结果表明，粘连车辆使用改进的算法进行分割后，粘连车辆分割充分，车辆的位置准确无变化，且能够对多种情况的粘连车辆进行处理；（3）车流量统计一方面设定检测区域与车道，对在检测范围内的车辆目标进行检测，避免车辆在道路视频边缘位置导致的车辆判断不准确的问题；另一方面，针对视频噪声与抖动的问题，使用卡尔曼滤波器，选取前景图像中的车辆外接矩形框的中心作为原始数据，当视频中存在被检测到的车辆时，使用车辆数据对卡尔曼滤波器进行更新，当视频中车辆因摄像头抖动或噪声干扰短暂消失时，使用卡尔曼滤波器对车辆位置进行修正，得到正确的车流量数据。...

【技术特征摘要】
1.一种基于LK局部差分光流法的车流量检测方法，其特征在于，包括以下步骤：（1）车辆前景提取车辆前景提取包括图像灰度化、图像去噪、光流法生成车辆前景图、形态学修补，其中：图像灰度化：摄像机采集的图像为RGB图像，在图像处理中，为减少处理的数据量，提高算法速度，会把RGB图像转变成灰度图像进行后续处理图像去噪：为保证道路图像中车辆边缘信息的完整性，采用高斯滤波器对灰度化的图像进行去噪处理，以避免边缘信息的缺失；光流法生成车辆前景图：选择LK局部差分光流法对图像进行处理后，光流数据通过滤波和筛选，生成二值车辆前景图；形态学修补：生成的二值车辆前景图内部存在断层与孔洞，采用形态学方法中的线形元素对断层进行修补结合孔洞填充对图像进行填充，得到完整的二值车辆前景图；（2）粘连车辆分割光流法生成的车辆前景图中，因车距过近时车辆前景图产生粘连，直接对前景图像进行连通域检测，计算车辆数量，会导致多辆车辆被检测成一辆；筛选出粘连区域后，利用改进的分水岭算法计算前景到背景的最小距离；然后计算粘连区域的质心，在粘连区域内筛选出可以代表车辆目标的区域,使用欧氏距离筛选出车辆中每辆车的位置后...

【专利技术属性】
技术研发人员：韩建峰，张鸿阳，张妍，赵志伟，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：内蒙古,15