一种基于层次结构的公交车辆检测方法技术

本发明专利技术提供了一种基于层次结构的公交车辆检测方法，首先为公交车辆目标选取合理的层次部件划分方式，然后设计和训练公交车辆检测模型，再检测交通视频中的公交车辆目标，最后进行公交车辆遮挡处理。本发明专利技术具有易于实现、鲁棒性强、精确度高等优点，可以用于智能公交管理系统中，如公交优先、智能公交调度等服务。

【技术实现步骤摘要】

本专利技术属于智能公交系统领域，尤其是， 用于定位交通视频中的公交车辆。
技术介绍
公共交通系统对于提高城市道路利用率、缓解交通拥堵、节约自然资源，起到了至 关重要的作用。近年来，为了进一步实现公交车辆运营调度的智能化、信息化和可视化，各 国大力发展智能公交系统，对缓解城市交通拥堵、促进市民选择公交出行具有重要的意义。 而智能公交车辆监控作为智能公交系统的关键技术之一，尤其是有效用于"公交优先"服 务，可以实现公交站点、站场、交通路口的公交车辆自动检测，为智能公交系统提供实时、准 确的车辆跟踪和定位信息。 经过对现有技术文献的检索发现，目前公交车辆检测方式主要包括：地磁线圈、 GPS定位检测、RFID射频检测、视频检测方式。本专利技术属于第四类检测方式中的一种。地磁 线圈方式具有原理简单、精度高的特点，但在布设和维护时都会破坏路面，安装和维修过程 会影响交通正常通行。GPS公交车辆检测方式具有维护方便、定位精度高的优点，弥补了地 磁线圈破坏路面、影响交通的不足。但是，GPS在密集的高层建筑群路段信号衰减严重，因此 使用过程中容易受到周边环境的限制。RFID检测方式通过在公交车辆上安装车载射频卡， 将卡号、时间、地址等信息发送给射频读卡器和前置通信模块，再以无线方式发送给远端服 务器。这种方式具有稳定可靠、穿透力和绕射力强的特点，在公交优先系统中应用最为广 泛。但是，该方式需要在车辆和道路安装射频收发装置，安装和维护的成本比较高。视频检 测方式通过摄像机采集交通图像序列，再利用视频处理和模式识别算法在图像序列中检测 公交车辆。肖敬文等人发表在《中山大学学报》上的文章"基于几何与颜色特征的公交车辆 视频检测算法"，利用公交车的车体宽度和车牌颜色特征来检测公交车辆。然而，该方法只 能用于单一尺度的公交车辆检测，而且其提取的颜色特征对光照变化比较敏感，容易导致 误检测。北方工业大学凌利的硕士学位论文"基于视频的公交车辆检测技术研究"，通过背 景建模的方式检测车辆目标，进一步利用车辆面积、宽度和车窗位置特征识别公交车辆。然 而，该方法容易漏检测长期静止的公交车辆，如拥堵交通或排队等信号灯时的公交车辆。
技术实现思路
(一）要解决的技术问题 本专利技术的目的在于，提供，能够适用于车 辆遮挡、车辆静止、光照变化等复杂交通环境，准确地获取交通视频中的公交车辆位置。 (二）技术方案 本专利技术提供，包括： 步骤S1，通过分析交通场景和车辆目标的特性，为公交车辆目标选取层次部件划 分方式； 步骤S2,使用人工标记的样本，设计和训练公交车辆检测模型； 步骤S3,利用公交车辆模型，检测交通视频中的公交车辆目标； 步骤S4,分析交通场景中的车辆遮挡方式，进行公交车辆遮挡处理，得到公交车辆 检测结果。 (三）有益效果 本专利技术提供的公交车辆检测方法，将公交车辆目标划分为多个层次，可以自动检 测视频序列中的公交车辆位置，能够有效解决实际交通视频中出现的车辆遮挡、光照变化、 摄像机晃动等问题，因此，提高了公交车辆检测的鲁棒性和准确性。【附图说明】 图1是本专利技术实施例提供的基于层次结构的公交车辆检测方法流程图。 图2是本专利技术实施例中前视公交车辆的层次部件划分图。 图3是根据本专利技术实施例中左前姿态公交车辆语义部件外观模型图。 图4是根据本专利技术实施例的公交车辆检测结果图。【具体实施方式】 本专利技术提供，首先为公交车辆目标选取合 理的层次部件划分方式，然后设计和训练公交车辆检测模型，再检测交通视频中的公交车 辆目标，最后进行公交车辆遮挡处理。本专利技术具有易于实现、鲁棒性强、精确度高等优点，可 以用于智能公交管理系统中，如公交优先、智能公交调度等服务。 根据本专利技术的一种实施方式，公交车辆检测方法包括： 步骤S1，通过分析交通场景和车辆目标的特性，为公交车辆目标选取层次部件划 分方式； 步骤S2,使用人工标记的样本，设计和训练公交车辆检测模型； 步骤S3,利用公交车辆模型，检测交通视频中的公交车辆目标； 步骤S4,分析交通场景中的车辆遮挡方式，进行公交车辆遮挡处理，得到公交车辆 检测结果。 根据本专利技术的一种实施方式，步骤S1包括： 步骤SI 1，定义公交车辆的三层结构，其中，第一层为公交车辆目标，第二层为语义 部件，第三层为语义部件的子部件； 步骤S12,建立公交车辆层次部件的外观模型； 步骤S13,确定部件的组合规则，以定义自底向上由子部件组合得到公交车辆目标 的得分计算方式。 根据本专利技术的一种实施方式，在步骤S11中： 对于前视公交车辆目标，第一层结构包括左侧前、正前及右侧前，第二层结构包括 一个前部模型和三个后部模型，第三层结构包括语义部件的多个子部件； 对于后视公交车辆目标，三层结构均采用同样的分解方式。 根据本专利技术的一种实施方式，在步骤S12中： 对于子部件，采用有向梯度直方图（H0G)特征表示外观模型； 对于语义部件，采用其得分图像进行表示外观模型； 对于公交车辆目标，采用公交车辆目标的得分表示外观模型。 根据本专利技术的一种实施方式，公交车辆目标的得分S(P)计算方式如下： score(V) =Fsvm ?<i>(S,p) 其中，s(r)表示形变和结构语法产生式的得分，sc〇re(A，《)表示子部件A放置在 位置《处的得分，F svni为每对语义部件所对应的滤波器，巾（S，p)是语义部件所对应的得分 特征的级联向量。 根据本专利技术的一种实施方式，在所述步骤S2中，整个训练过程采用自举 (Bootstrapping)策略来迭代地优化模型。 根据本专利技术的一种实施方式，步骤S2包括： 步骤S21，人工标记训练样本，在交通图像中分别获取公交车辆图像样本和语义部 件样本； 步骤S22,通过公交车辆的语义部件样本训练语义部件的检测模型； 步骤S23,利用语义部件模型计算语义部件的得分响应图像，然后依据语义部件的 标记结果，在得分响应图像中获取语义部件样本，训练语义部件组合模型。 根据本专利技术的一种实施方式，步骤S21中，公交车辆图像样本为包含公交车辆目 标的矩形图像区域，语义部件样本为包含相应部件的矩形图像区域。 根据本专利技术的一种实施方式，步骤S23中，将成对的得分响应图像作为语义部件 组合模型的输入，并采用支持向量机模型进行训练。 根据本专利技术的一种实施方式，步骤S3包括： 步骤S31，检测交通视频中的语义部件，计算语义部件的得分响应图像； 步骤S32,采用滑动窗口，检测图像中的公交车前部位置； 步骤S33,依据所述公交车前部位置，以及前后两个部件之间的结构关系，检测公 交车后部位置； 步骤S34,对于不同姿态的公交车辆检测结果，根据得分值的大小，采用局部极大 值策略选取得分最大者作为最终结果。 根据本专利技术的一种实施方式，步骤S33中前后两个部件之间的结构关系包括： 对于所有姿态的公交车辆，两个部件的距离约束均为7m至18m之间； 对于左前姿态车辆，两个部件的中心连线与水平线之间的角度约束为30度至90 之间；对于正前姿态车辆，所述角度约束为60度至120度之间；对于右前姿态车辆，所述角 度约束为90度至150度之间。 根据本专利技术的一种实施方式，在步骤S4中，遮挡方式包括图像边缘遮挡和其他公 交车辆遮挡，其中： 针对图像边缘遮挡，本文档来自技高网...

【技术保护点】
一种基于层次结构的公交车辆检测方法，其特征在于，包括：步骤S1，通过分析交通场景和车辆目标的特性，为公交车辆目标选取层次部件划分方式；步骤S2，使用人工标记的样本，设计和训练公交车辆检测模型；步骤S3，利用所述公交车辆模型，检测交通视频中的公交车辆目标；步骤S4，分析交通场景中的车辆遮挡方式，进行公交车辆遮挡处理，得到公交车辆检测结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：田滨，唐明，王飞跃，杨柳青，
申请(专利权)人：苏州派瑞雷尔智能科技有限公司，青岛智能产业技术研究院，江苏中科智能工程有限公司，天问汇科北京技术有限公司，
类型：发明
国别省市：江苏;32