一种基于图像处理的异常车辆的检测方法技术

本发明专利技术涉及一种基于图像处理的异常车辆的检测方法，包括以下步骤：对本车拍摄的车辆图像通过模版匹配识别含有目标车辆的目标区域；对目标区域进行粒子滤波得到目标车辆在当前图像中的位置；将当前图像进行透视变换得到当前图像中目标车辆与本车的距离；连接当前图像中目标车辆的位置以及前一帧图像中目标车辆的位置得到目标车辆的运动轨迹；根据目标车辆的运动轨迹和与本车的距离判断出异常车辆。本发明专利技术基于图像处理技术，对车辆周围车辆进行跟踪检测，及时发现异常并进行预警或处理，有效的降低了由于其他车辆的意外驾驶造成本车的意外发生的概率。

【技术实现步骤摘要】

本专利技术涉及一种异常车辆的检测方法，具体说是一种基于图像处理的其他车辆异常的检测方法。
技术介绍
对于如今的交通事故中，有相当一部分是非本车的驾驶失误造成的，而是由于其他车辆的错误操作给本车带来了不必要的损失和生命危险，如何避免这一部分的交通事故，保护车内人员的生命财产的安全，也是汽车生产商非常重视的一个环节。目标自动识别技术是利用成像系统进来的图像，自动地提取目标并识别出来，目前的目标自动识别算法有经典的统计模式识别方法，基于知识的自动目标识别方法，基于模型的自动目标识别方法，基于多传感器信息融合的自动目标识别方法，基于统计学习的自动目标识别方法，运动目标识别方法。而目标跟踪技术可以分为基于模版的跟踪、基于区域的跟踪、基于轮廓的跟踪，基于特征匹配的跟踪和基于运动特性的跟踪。目前基于图像的自动识别和跟踪技术已经发展多年，车辆交通事故预防也已经有多项措施，这些异常以及预防措施大多针对本车的驾驶员设计的，但是没有检测其他车辆的，目前没有基于图像的其他车辆的实时检测并判断是否异常的专利技术，本专利技术具有一定的实际意义，也具有一定的理论基础。
技术实现思路
针对上述技术不足，本专利技术的目的提供一种基于图像处理的异常车辆的检测方法。本专利技术解决其技术问题所采用的技术方案是：一种基于图像处理的异常车辆的检测方法，包括以下步骤：对本车拍摄的车辆图像通过模版匹配识别含有目标车辆的目标区域：对目标区域进行粒子滤波得到目标车辆在当前图像中的位置；将当前图像进行透视变换得到当前图像中目标车辆与本车的距离；连接当前图像中目标车辆的位置以及前一帧图像中目标车辆的位置得到目标车辆的运动轨迹；根据目标车辆的运动轨迹和与本车的距离判断出异常车辆。所述对本车拍摄的车辆图像通过模版匹配识别含有目标车辆的目标区域包括以下步骤：分别将从本车前后左右拍摄的各种车辆图像形成预设模版；将本车实时采集的四个方向的原始车辆图像分别与对应方向的模板进行差值运算： D ( x , y ) = Σ x ′ Σ y ′ [ T ( x ′ , y ′ ) - F ( x ′ + x , y ′ + y ) ] 2 ]]>D(x,y)为差值测度，(x,y)为车辆图像的坐标，T()是模版，F()是目标车辆，(x’,y’)是预设模版图像的坐标系上的点；在图像中选取差值小于阈值的区域为含有目标车辆的目标区域。所述对目标区域进行粒子滤波得到目标车辆在当前图像中的位置包括以下步骤：1)将车辆图像中目标区域的RGB转换为HSV中的h空间，将h空间转换为直方图作为目标特征向量V；2)采用高斯分布设置与目标区域相同尺寸的搜索粒子，对当前图像进行搜索得到所有搜索粒子的直方图向量Vi与目标特征向量V的相似度；3)对各搜索粒子获取的相似度加权得到目标区域的位置。所述将原始车辆图像中目标区域的RGB转换为HSV中的h空间通过以下公式实现：其中，R、G、B为原始图像的RGB空间中的信息，max为RGB中的最大值，min为RGB中的最小值。所述采用高斯分布设置与目标区域相同尺寸的搜索粒子具体为：在原始图像中目标区域的若干倍范围内设置总搜索粒子的80％，若干倍范围以外的区域放置其余20％搜索粒子。所述对当前图像进行搜索得到所有搜索粒子的直方图向量Vi与目标特征向量V的相似度包括以下步骤：计算每个搜索粒子的h直方图，进而得到色调直方图，即向量Vi；计算每个搜索粒子的向量Vi与目标特征向量V的相似度sum(abs(Vi-V))；将所有搜索粒子对应的相似度进行归一化，使所有相似度的和为1。所述对各搜索粒子获取的相似度加权得到目标区域的位置具体为：对各搜索粒子的相似度分别对于横纵坐标做加权处理，得到目标区域的位置：X＝sum(Xn×Wn)Y＝sum(Yn×Wn)其中Xn、Yn表示搜索粒子的横、纵坐标，Wn为该搜索粒子对应的相似度。所述对各搜索粒子获取的相似度加权得到目标区域的位置后，进入重采样阶段：当目标图像区域的差值测度与模版的差值测度的相似度小于设定值时，返回步骤2)，直到目标图像区域的差值测度与模版的差值测度的差值小于设定差时，得到的粒子中心的坐标为目标区域在当前图像中的位置。所述根据目标车辆的运动轨迹和与本车的距离判断出异常车辆具体为：当运动轨迹的延长线是朝向本车时，则为一级预警，将目标车辆作为异常车辆；当一级预警且距离小于设定距离时，则为二级预警，进行声音报警；当二级预警且本车的速度仍不变或增加时，则自动刹车。本专利技术具有以下有益效果及优点：1.本专利技术基于图像处理技术，对车辆周围车辆进行跟踪检测，及时发现异常并进行预警或处理，有效的降低了由于其他车辆的意外驾驶造成本车的意外发生的概率。2.本专利技术实时的以本车为圆心，一定半径内的车辆进行实时行车状态的监督，以发现异常车辆，并及时的采取措施，防患于未然。3.本专利技术采用粒子滤波等一系列图像处理手段，目的在于能够有效的基于图像的对本车周围一定范围内的车辆进行时时的监控，并判断是否会出现异常危害到本车的安全。附图说明图1是本专利技术的方法流程图；图2是本专利技术的透视效果图。具本文档来自技高网...

【技术保护点】
一种基于图像处理的异常车辆的检测方法，其特征在于包括以下步骤：对本车拍摄的车辆图像通过模版匹配识别含有目标车辆的目标区域：对目标区域进行粒子滤波得到目标车辆在当前图像中的位置；将当前图像进行透视变换得到当前图像中目标车辆与本车的距离；连接当前图像中目标车辆的位置以及前一帧图像中目标车辆的位置得到目标车辆的运动轨迹；根据目标车辆的运动轨迹和与本车的距离判断出异常车辆。

【技术特征摘要】
1.一种基于图像处理的异常车辆的检测方法，其特征在于包括以下步骤：
对本车拍摄的车辆图像通过模版匹配识别含有目标车辆的目标区域：
对目标区域进行粒子滤波得到目标车辆在当前图像中的位置；
将当前图像进行透视变换得到当前图像中目标车辆与本车的距离；连接当前图像中目
标车辆的位置以及前一帧图像中目标车辆的位置得到目标车辆的运动轨迹；
根据目标车辆的运动轨迹和与本车的距离判断出异常车辆。
2.根据权利要求1所述的一种基于图像处理的异常车辆的检测方法，其特征在于所述
对本车拍摄的车辆图像通过模版匹配识别含有目标车辆的目标区域包括以下步骤：
分别将从本车前后左右拍摄的各种车辆图像形成预设模版；
将本车实时采集的四个方向的原始车辆图像分别与对应方向的模板进行差值运算：
D ( x , y ) = Σ x ′ Σ y ′ [ T ( x ′ , y ′ ) - F ( x ′ + x , y ′ + y ) ] 2 ]]>D(x,y)为差值测度，(x,y)为车辆图像的坐标，T()是模版，F()是目标车辆，(x’,y’)是
预设模版图像的坐标系上的点；
在图像中选取差值小于阈值的区域为含有目标车辆的目标区域。
3.根据权利要求1所述的一种基于图像处理的异常车辆的检测方法，其特征在于所述
对目标区域进行粒子滤波得到目标车辆在当前图像中的位置包括以下步骤：
1)将车辆图像中...

【专利技术属性】
技术研发人员：田雨农，范玉涛，周秀田，于维双，陆振波，
申请(专利权)人：大连楼兰科技股份有限公司，
类型：发明
国别省市：辽宁;21