基于3维结构张量各向异性流驱动的场景流车流量统计与测速方法技术

本发明专利技术提供的是一种基于3维结构张量各向异性流驱动的场景流车流量统计与测速方法。利用多目立体相机获取图像序列；构建场景流能量泛函；构建基于HSV空间的色彩梯度恒常假设,多视角约束的数据项；设计基于3维扩散张量各向异性流驱动的场景流平滑项；极小化能量函数，得到对应的欧拉‑拉格朗日方程；将得到的场景流分量组合成一组幅度图，利用基于变分全局熵自适应水平集图像分割方法，对图像进行分割处理，得到运动目标轮廓；根据前后帧计算得到的闭合曲线及场景流，判断前后帧中分割得到的目标是否为同一个，并进行目标数量统计；根据移动目标的形心和计算出的场景流，计算对应的实际速度。本发明专利技术的方法主要用于智能交通管理。

【技术实现步骤摘要】
基于3维结构张量各向异性流驱动的场景流车流量统计与测速方法
本专利技术涉及的是一种基于场景流的车流量统计与测速方法。
技术介绍
随着我国经济发展人们的生活水平不断提高，我国的家用汽车每年以2000万的数量增长，随着路上车辆不断增多，城市道路及高速公路的扩建，交通状况变得越来越复杂，车辆在给我们的出行带来便利的同时也带来了一定的交通问题。智能交通管理是目前世界上正在研究和广泛关注的课题，相对人力监管的有限性，智能交通系统的应用对交通运输业带来了很大的效益，对道路车辆管理起到了越来越大的作用。而视频车辆检测技术具有安装方便，成本低的特点。目前存在的车辆检测技术应用最多的是基于单目摄像机的，而使用的检测车辆的方法为帧间差分法，背景建模法，光流法等。帧间差分法对环境噪声较为敏感，对阈值选择有很强的依赖性，还可能产生目标空洞，背景差需要实时更新背景图像，易受光照变化的影响，光流法不需要事先知道场景的任何信息，被证明是较好的检测方法，但是它是一种2维空间的速度场。根据机器视觉原理，由双目或多目摄像机的空间关系，可以得到物体的空间位置和3维结构信息。而场景流充分利用了多目相机获取的图像序列之间的立体对应关系，能通过计算得到运动目标的速度信息和结构信息。
技术实现思路
本专利技术的目的在于提供一种使用多目相机的基于3维结构张量各向异性流驱动的场景流车流量统计与测速方法。本专利技术的目的是这样实现的：步骤一：利用多目立体相机获取图像序列，利用相机参数将像素坐标转换成实际的物理坐标；步骤二：根据多目摄像机获取的立体图像序列之间的对应关系，将HSV空间中色彩梯度约束方法与基于3维扩散张量各向异性流驱动平滑相结合，构建场景流能量泛函，E(u,v,w)＝÷Ω(EHSV+αEsmooth)dx，其中u,v,w分别为场景流在水平、竖直和深度方向的速度分量，EHSV为数据项,Esmooth为平滑项，参数α为平衡因子；步骤三：构建基于HSV空间的色彩梯度恒常假设,多视角约束的数据项；步骤四：将场景流用(u,v,w)的形式表示，设计基于3维扩散张量各向异性流驱动的场景流平滑项；步骤五：极小化能量函数，得到对应的欧拉-拉格朗日方程，利用金子塔分层细化的方案迭代计算场景流，采样因子选择0.9，在每一层中，使用超松弛迭代方案迭代计算；步骤六：将得到的场景流分量u、v、w组合成一组幅度图利用基于变分全局熵自适应水平集图像分割方法，对图像进行分割处理，得到运动目标轮廓；步骤七：根据前后帧计算得到的闭合曲线及场景流，判断前后帧中分割得到的目标是否为同一个，并进行目标数量统计；步骤八：根据步骤七得到的移动目标的形心Olt(x,y)和计算出的场景流，计算对应的实际速度本专利技术还可以包括：1、步骤三具体包括：步骤3.1数据项满足HSV空间中彩色梯度恒常假设，将t时刻和t+1时刻的RGB图像转换为HSV格式的彩色图像；将t时刻多视角图像序列的彩色梯度用Iθ0、Iθ1…IθN表示，t+1时刻图像序列的梯度用I'θ0、I'θ1…I'θN表示，基于HSV空间色彩梯度恒常假设的数据项由如下的形式。Edata＝∫Ω(Ef+Es1+Es2)dx其中：Ef为t时刻和t+1时刻的能量约束，Es1和Es2分别为t时刻和t+1时刻不同视角之间的能量约束；步骤3.2利用多目相机拍摄到的图像序列，在数据项中采用多视角约束，令Δi＝I'θi(pi,t)-Iθ0(p0,t)(5)Δi和指的是在t和t+1时刻相机在不同角度拍摄同一位置的点，图像的彩色梯度保持一致，Δti指的是在同一角度下，物体经过t到t+1时刻的微小位移彩色梯度保持一致，根据等式Edata＝∫Ω(Ef+Es1+Es2)dx，数据项该写作：2、步骤四具体包括：将像素表示的2维图像坐标u-v扩展为3维坐标系u-v-z，设计3维结构张量J其中，为对变量求3维方向的梯度，结构张量J为一个3X3的矩阵，含有3个相互正交的矢量v1、v2、v3，它们对应的特征值为μ1、μ2、μ3；设计基于3维结构张量各向异性，场景流驱动的平滑项：ψ为鲁棒惩罚函数，经最速下降法得到扩散项：由于每一项对应特征值ψ'(μ1)、ψ'(μ2)、ψ'(μ3)不同，所以为3维各向异性扩散。3、步骤六具体包括：步骤6.1将得到的场景流分量u、v、w组合成一组3维向量W＝(u,v,w)，将场景流3维向量W看做目标图像，建立基于变分全局熵自适应水平集能量泛函模型：其中，H为流场W的2维熵：步骤6.2计算场景流图像W的熵值，根据等式构建基于变分全局熵自适应水平集图像分割能量泛函E，根据数值大小，自适应调整CV模型和GAC模型对整个能量泛函的贡献度，其中数值较大时，GAC模型起主要的作用，当较小时，CV模型起主要的作用；步骤6.3对能量泛函模型极小化，得到基于变分全局熵自适应水平集能量泛函对应的欧拉-拉格朗日方程：本专利技术使用多目相机，设计基于3维结构张量各向异性流驱动的场景流车流量统计与测速方法，解决了现有车辆测速和计数技术中的不足。本专利技术的方法主要用于智能交通管理。附图说明图1为本专利技术的流程图。图2为多目摄像机采集到图像序列的立体对应关系。具体实施方式下面结合附图举例对本专利技术作进一步描述。结合图1，基于多目立体视觉的道路车流量统计与测速方法，包括以下步骤：S1利用多目立体相机获取图像序列，利用相机参数将像素坐标转换成实际的物理坐标。其中[Mi]1,2是变换矩阵M的前两行，M是[Mi]3的第3行，pi(x,y,z)为图中像的像素点，P(X,Y,Z)是实际得物理坐标。S2.根据多目摄像机获取的立体图像序列之间的对应关系，将HSV空间中色彩梯度约束方法与自适应全变分平滑相结合，构建场景流能量泛函：E(u,v,w)＝∫Ω(EHSV+αEsmooth)dx(2)等式(1)中EHSV为数据项,Esmooth为平滑项，参数α为平衡因子。S3.构建基于HSV空间的色彩梯度恒常假设的数据项。具体步骤如下：S3.1将多目立体相机系统进行标定，得到参数矩阵。用多目立体相机获取立体图像序列，将t时刻和t+1时刻的RGB图像变换为与人类感知接近的HSV色度图。在RGB彩色空间中，取最大的像素记为Cmax，取最小的像素记为Cmin。Cmax＝max(R,G,B)(3)Cmin＝min(R,G,B)(4)HSV空间中H、S、V有以下形式：V＝Cmax(7)将梯度扩展成向量的形式：令h、s、v分别为HSV空间沿着H、S、V轴的单位向量，并将它们投影到x，y轴组成新的向量a、b。HSV空间中，单位像素的角度θ(x,y)和此角度下的梯度值Fθ(x,y)在x-y坐标系下定义为：此处由于tan(θ+π)＝tanθ，规定θ(x,y)只在[0,π)内计算。等式(11)中gxx、gxy、gyy为向量a、b的点积。彩色梯度相对于灰色梯度包含更多的颜色信息，根据附图1所示的立体图像序列之间的对应关系，将t时刻多视角图像序列的梯度用Iθ0、Iθ1…IθN表示，t+1时刻图像序列的梯度用I'θ0、I'θ1…I'θN表示，基于HSV空间色彩梯度恒常假设的数据项有如下的形式。Edata＝∫Ω(Ef+Es1+Es2)dx(15)S3.2利用多目相机拍摄到的图像序列，在数据项中利用多视角约束。令Δi＝I'θi(Pi,t)-Iθ0(P0本文档来自技高网...

【技术保护点】
一种基于3维结构张量各向异性流驱动的场景流车流量统计与测速方法，其特征是：步骤一：利用多目立体相机获取图像序列，利用相机参数将像素坐标转换成实际的物理坐标；步骤二：根据多目摄像机获取的立体图像序列之间的对应关系，将HSV空间中色彩梯度约束方法与基于3维扩散张量各向异性流驱动平滑相结合，构建场景流能量泛函，E(u,v,w)＝∫

【技术特征摘要】
1.一种基于3维结构张量各向异性流驱动的场景流车流量统计与测速方法，其特征是：步骤一：利用多目立体相机获取图像序列，利用相机参数将像素坐标转换成实际的物理坐标；步骤二：根据多目摄像机获取的立体图像序列之间的对应关系，将HSV空间中色彩梯度约束方法与基于3维扩散张量各向异性流驱动平滑相结合，构建场景流能量泛函，E(u,v,w)＝∫Ω(EHSV+αEsmooth)dx，其中u,v,w分别为场景流在水平、竖直和深度方向的速度分量，EHSV为数据项,Esmooth为平滑项，参数α为平衡因子；步骤三：构建基于HSV空间的色彩梯度恒常假设,多视角约束的数据项；步骤四：将场景流用(u,v,w)的形式表示，设计基于3维扩散张量各向异性流驱动的场景流平滑项；步骤五：极小化能量函数，得到对应的欧拉-拉格朗日方程，利用金子塔分层细化的方案迭代计算场景流，采样因子选择0.9，在每一层中，使用超松弛迭代方案迭代计算；步骤六：将得到的场景流分量u、v、w组合成一组幅度图利用基于变分全局熵自适应水平集图像分割方法，对图像进行分割处理，得到运动目标轮廓；步骤七：根据前后帧计算得到的闭合曲线及场景流，判断前后帧中分割得到的目标是否为同一个，并进行目标数量统计；步骤八：根据步骤七得到的移动目标的形心和计算出的场景流，计算对应的实际速度2.根据权利要求1所述的基于3维结构张量各向异性流驱动的场景流车流量统计与测速方法，其特征是步骤三具体包括：步骤3.1数据项满足HSV空间中彩色梯度恒常假设，将t时刻和t+1时刻的RGB图像转换为HSV格式的彩色图像；将t时刻多视角图像序列的彩色梯度用Iθ0、Iθ1…IθN表示，t+1时刻图像序列的梯度用I'θ0、I'θ1…I'θN表示，基于HSV空间色彩梯度恒常假设的数据项由如下的形式。Edata＝∫Ω(Ef+Es1+Es2)dx其中：Ef为t时刻和t+1时刻的能量约束，Es1和Es2分别为t时刻和t+1时刻不同视角之间的能量约束；步骤3.2利用多目相机拍摄到的图像序列，在数据项中采用多视角约束，令Δi＝I'θi(pi,t)-Iθ0(p0,t)(5)Δi和指的是在t和t+1时刻相机在不同角度拍摄同一位置的点，图像的彩色梯度保持一致，Δti指的是在同一角度下，物体经过t到t+1时刻的微小位移彩色梯度保持一致，根据等式Edata＝∫Ω(Ef+Es1+Es2)dx，数据项该写作：3.根据权利要求2所述的基于3维结构张量各向异性流驱动的场景流车流量统计与测速方法，其特征是步骤四具体包括：将像素表示的2维图像坐标u-v扩展为3维坐标系u-v-z，设计3维结构张量JJ＝▽3u▽3uT+▽3v▽3vT+▽3w▽3wT其中，▽3为对变量求3维方向的梯度，结构...

【专利技术属性】
技术研发人员：项学智，白二伟，翟明亮，徐旺旺，颜子轲，肖德广，盛玉娇，吕宁，郭鑫立，尹力，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23