一种基于目标行为分析的行人图像实时检测方法技术

本发明专利技术公开了一种基于目标行为分析的行人图像实时检测方法，该方法包括4个步骤，依次是图像预处理、目标分割、目标特征提取和目标特征分析，所述的图像预处理包括对采集到的图像进行横向及纵向抽样处理，用以减少图像数据的计算量，所述的目标分割包括对初始背景提取、帧差分割目标和形态学滤波，所述的目标特征提取，包括连通域处理和目标跟踪，所述的目标特征分析，包括对目标速度、轨迹的平滑程度、目标长宽比以及目标面积的分析判断。

【技术实现步骤摘要】

本专利技术属于交通检测
，特别涉及一种基于目标行为分析的行人图像实时 检测方法。
技术介绍
随着社会的不断发展，交通道路的建设越来越重要，并且我国也正在大量建设交 通网路，人与车的矛盾问题越来越突出，从而导致交通事故不断发生，并且有恶化的趋势。 目前视频监控朝着高清、网络化方向发展，越来越多的道路上使用高清摄像机对图像进行 监控。有些道路中由于行人的出现导致了交通压力过大，因为在车辆行驶中为了避开行人 而导致车辆行驶过慢，出现交通拥堵现象，且当行人横穿马路时，不遵守交通规则，随意乱 穿马路，都容易造成交通事故发生，在这种环境背景下，越来越多的产品采用基于高清视频 图像的行人检测来缓解人车的矛盾，以提高发生事故后的处理速度。在不允许行人通过的 路段，要及时发出报警，进行实时处理。
技术实现思路
本专利技术的目在于针对现有技术中存在的缺陷，提供一种能够对实时1?清道路视频 图像进行行人检测的方法，该方法可以对城市道路、隧道及高速公路中等限制行人出现的 地方对行人进行实时检测并发出报警，以减少人车矛盾，减少交通事故的发生。 本专利技术的技术方案是，，该方法 包括4个步骤，依次是图像预处理、目标分割、目标特征提取和目标特征分析， 所述的图像预处理包括对采集到的图像进行横向及纵向抽样处理，用以减少图像 数据的计算量， 所述的目标分割包括对初始背景提取、帧差分割目标和形态学滤波，其中，所述 的初始背景提取的实现步骤为： a 1)统计连续N帧（通过对多种不同场景及不同统计时间的测试，最终确定当N 取200时，具有较好的测试效果，故在实际使用中，取N = 200)视频变化情况，记录像素中 个点灰度出现情况本文档来自技高网...

【技术保护点】
一种基于目标行为分析的行人图像实时检测方法，其特征在于，该方法包括4个步骤，依次是图像预处理、目标分割、目标特征提取和目标特征分析，所述的图像预处理包括对采集到的图像进行横向及纵向抽样处理，用以减少图像数据的计算量，所述的目标分割包括对初始背景提取、帧差分割目标和形态学滤波，其中，所述的初始背景提取的实现步骤为：a1)统计连续N帧视频变化情况，记录像素中个点灰度出现情况P(x,y,k)=p+1,if imagei(x,y,m)=kp,ifimagei(x,y,m)≠ki=1,2...N---(1.1)]]>其中，P(x,y,k表)示像素点(x,y)处亮度值为k出现的次数，imagei(x,y,m)表示某一帧图像像素点(x,y)处亮度值为m，a2)将连续N帧某点灰度出现频率最大值，作为该点的灰度值，即初始背景灰度值。Background(x,y)＝max(P(x,y,k))k＝0,1,2…255    (1.2)所述的帧差分割目标的具体实现步骤为：b1)为方便后续计算，首先将抽样后的结果进行块化，设原始图像宽度及高度为W、H，块的大小为w、h，则块化后的图像大小为wid=W/whei=H/h---(1.3)]]>b2)使用当前图像与背景图像进行差分，以获得运动目标，其中DifGrayi为背景差分后某块的灰度值，Grayn为当前帧某块内像素灰度值，Backgroundn为背景中对应块内像素灰度值DifGrayi=Σn=0w*hGrayn-Σn=0w*hBackgroundn,0<i<wid*hei---(1.4)]]>b3)二值化阈值的选择使用迭代式阈值选择法，A)选择视频图像中的灰度的中值作为首先的估计阈值T0；B)利用开始估计的阈值T0把图像的灰度值分成两个不同的区域：R1、R2，根据式(1.5)计算区域R1和R2的灰度的均值u1和u2：u1=Σi=0TiiniΣi=0Tini,u2=Σi=TiL-1iniΣi=TiL-1ni,]]>n为个数         (1.5)C)计算出u1和u2后，计算出新的阈值Ti+1：Ti+1=12(u1+u2)---(1.6)]]>D)重复步骤B)、C)，直到Ti+1和Ti无限接近时，其值即为二值化阈值T。b4)当差分结果大于阈值T时，则将该块结果置为255，否则置为0，实现目标的二值化，TwoVal=255,DifGray>T0,DifGray<T---(1.7)]]>所述的形态学滤波实现的步骤为：c1)对二值化分割结果进行横向扫描，当相邻两白块间间隔小于2个块时，则将中间区域的黑块置为255，否则保留原值；c2)对二值化分割结果进行纵向扫描，当相邻两白块间间隔小于2个块时，则将中间区域的黑块置为255，否则保留原值；所述的目标特征提取，包括连通域处理和目标跟踪，其中，连通域处理的实现步骤是：d1)图像初步标记为每个块赋予临时标记，并且将临时标记的等价关系记录在等价表中；d2)整理等价表A’)将具有等价关系的临时标记全部等价为其中的最小值；B’)对连通区域以自然数顺序重新编号，得到临时标记与最终标记之间的等价关系；d3)图像代换对图像进行逐块代换，将临时标记代换为最终标记，经过上述处理，图像中连通域按照由上到下，由左到右出现的顺序被标以连续的自然数；d4)连通域外接矩形连通域标记结束后，进行其最小外接矩形的求取，将属于同一个标号的块连接起来，以确定该目标的长度和宽度；所述的目标跟踪的实现步骤为：e1)获取重心对连通域进行横向投影，确定其横向的块数，设图像目标物块数为N，列数为[0,L‑1]，对应列i的目标物块数为ni，几率为pi＝ni/N,i＝1,2…L       (1.8)其中则列的重心为y＝i*pi          (1.9)同理，得到行的重心，e2)目标重心跟踪得到重心后，保存重心的行和列，在第N+1帧对第N帧中的重心附近8*8的搜索范围内进行搜索，如果搜索到有目标物的重心，则认为两帧为同一目标物，更新重心的行和列坐标，搜索下一帧，以获得目标的运动轨迹，且选择跟踪N′帧，以放大车辆与行人之间的差距；e3)轨迹速度计算获得目标运动轨迹后，记录轨迹中每个点对应的位置及帧数，则轨迹速度为v=dN-d0N′---(1.10)]]>其中，dN为轨迹终点对应的像素位置，d0为轨迹起点对应的像素位置，N′为跟踪的帧数，即N′＝10；所述的目标特征分析，包括对目标速度、轨迹的平滑程度、目标长宽比以及目标面积的分析判断，对目标速度，选择相同帧数的轨迹的运动矢量和进行判断，即相同时间内运动的距离作为判断的依据，对轨迹的平滑程度采用弦长及弧长的差的大小来衡量轨迹的平滑程度，当弦长和弧长...

【技术特征摘要】
1. 一种基于目标行为分析的行人图像实时检测方法，其特征在于，该方法包括4个步 骤，依次是图像预处理、目标分割、目标特征提取和目标特征分析， 所述的图像预处理包括对采集到的图像进行横向及纵向抽样处理，用以减少图像数据 的计算量， 所述的目标分割包括对初始背景提取、帧差分割目标和形态学滤波，其中，所述的初始 背景提取的实现步骤为： al)统计连续N巾贞视频变化情况，记录像素中个点灰度出现情况其中，P(X，y,k表）示像素点（X，y)处亮度值为k出现的次数，Iimagei (X，y,m)表示某 一帧图像像素点（x，y)处亮度值为m， a2)将连续N帧某点灰度出现频率最大值，作为该点的灰度值，即初始背景灰度值。 Background(X，y) =max(P(X，y，k))k= 0, 1，2…255 (I. 2) 所述的帧差分割目标的具体实现步骤为： bl)为方便后续计算，首先将抽样后的结果进行块化，设原始图像宽度及高度为W、H， 块的大小为w、h，则块化后的图像大小为b2)使用当前图像与背景图像进行差分，以获得运动目标，其中DifGrayi为背景差分后 某块的灰度值，GraynS当前帧某块内像素灰度值，Backgroundn为背景中对应块内像素灰 度值b3)二值化阈值的选择使用迭代式阈值选择法， A) 选择视频图像中的灰度的中值作为首先的估计阈值Ttl ; B) 利用开始估计的阈值Ttl把图像的灰度值分成两个不同的区域：&、R2，根据式（1. 5) 计算区域R1和R2的灰度的均值U1和U2 :C) 计算出U1和U2后，计算出新的阈值Ti+1 :D) 重复步骤B)、C)，直到Ti+1和Ti无限接近时，其值即为二值化阈值T。 b4)当差分结果大于阈值T时，则将该块结果置为255,否则置为0,实现目标的二值化，所述的形态学滤波实现的步骤为： cl)对二值化分割结果进行横向扫描，当相邻两白块间间隔小于2个块时，则将中间区 域的黑块置为255,否则保留原值； c2)对二值化分割结果进行纵向扫描，当相邻两白块间间隔小于2个块时，则将中间区 域的黑块置为255,否则保留原值； 所述的目标特征提取，包括连通域处理和目标跟踪，其中，连通域处理的实现步骤是：dl)图像初步标记 为每个块赋予临时标记，并且将临时标记的等价关系记录在等价表中；d2)整理等价表 A'）将具有等价关系的临时标记全部等价为其中的最小值； B'）对连通区域以自...

【专利技术属性】
技术研发人员：杨忆明，袁彬，谭中慧，于艳玲，王军群，杨东雷，
申请(专利权)人：中海网络科技股份有限公司，
类型：发明
国别省市：上海;31