一种融合多种特征的高速公路隧道停车事件分级识别方法技术

本发明专利技术公开了一种融合多种特征的高速公路隧道停车事件分级识别方法，通过研究隧道场景下停车目标的静态动态特点，分析实际停车目标和伪停车目标的特征差异，设计了一种融合多特征的高速公路隧道场景下的停车目标分级识别方法。该方法首先结合修正后的各车道感兴趣区域，利用分车道方法以及多帧前景融合方式提取前景的周期性特征并分析、处理，进而以动态质心特征为首、静态颜色、面积特征为辅逐级判断是否有停车事件发生，实现对停车目标的有效识别，提高现有高速公路隧道停车事件检测的准确率。

【技术实现步骤摘要】
一种融合多种特征的高速公路隧道停车事件分级识别方法
本专利技术涉及高速公路隧道停车事件检测
，特别是一种融合多种特征的高速公路隧道停车事件分级识别方法。
技术介绍
伴随着高速公路建设在我国快速持续的发展，越来越多的高速公路隧道已经投入到实际的运行中。高速公路隧道能够使交通环境复杂的地区实现高效快速地连接，与此同时，由于完全不同的交通环境，又成为了制约高速公路持续健康发展的瓶颈。由于场景的封闭性和行车速度高的特点，隧道内发生停车事故后如果不能及时发现并有效处理，就容易导致二次事故的发生，甚至引起重特大交通事故，严重影响高速公路的正常运行。阅读现有专利和论文，发现基于视频的停车检测方法主要有两类，即基于目标跟踪和基于网格模型的方法。基于目标跟踪的停车检测方法，如昆明理工大学申请的“一种基于核密度估计的高速公路违章停车检测方法”(CN：105513371)和重庆大学申请的“基于视频检测技术的高速公路隧道停车检测方法”(CN：103617410，这类方法主要是获取车辆目标的运动信息，通过跟踪车辆运动轨迹的质心变化来确定是否是停车事件。但在隧道环境中，会出现影响车辆跟踪的环境灯光和车辆灯本文档来自技高网...

【技术保护点】
一种融合多种特征的高速公路隧道停车事件分级识别方法，其特征在于：包括以下步骤：步骤一：从高速公路隧道摄像头获取视频图像，标定各车道的感兴趣区域并建立各车道0‑1模板图；步骤二：利用视频图像建立隧道环境背景模型并提取前景目标；步骤三：获取单周期T内视频图像特征以及各行车道前景图像像素占比；步骤四：根据各行车道前景像素占比情况修正相应0‑1模板图，剔除伪前景目标；步骤五：分别提取各车道实际感兴趣区域内的面积、轮廓和质心；分车道匹配前一周期与后一周期间的质心并记录满足阈值的质心、面积以及车道号；步骤六：计算前景目标的质心方差、平均面积以及色度信息并根据对应阈值进行分级识别是否有停车事件发生。

【技术特征摘要】
1.一种融合多种特征的高速公路隧道停车事件分级识别方法，其特征在于：包括以下步骤：步骤一：从高速公路隧道摄像头获取视频图像，标定各车道的感兴趣区域并建立各车道0-1模板图；步骤二：利用视频图像建立隧道环境背景模型并提取前景目标；步骤三：获取单周期T内视频图像特征以及各行车道前景图像像素占比；步骤四：根据各行车道前景像素占比情况修正相应0-1模板图，剔除伪前景目标；步骤五：分别提取各车道实际感兴趣区域内的面积、轮廓和质心；分车道匹配前一周期与后一周期间的质心并记录满足阈值的质心、面积以及车道号；步骤六：计算前景目标的质心方差、平均面积以及色度信息并根据对应阈值进行分级识别是否有停车事件发生。2.如权利要求1所述的融合多种特征的高速公路隧道停车事件分级识别方法，其特征在于：所述步骤一中感兴趣区域的标定，按照以下步骤进行：首先从高速公路隧道摄像头获取视频图像，并标定各车道的感兴趣区域；然后建立各车道的感兴趣区域0-1模板图。3.如权利要求1所述的融合多种特征的高速公路隧道停车事件分级识别方法，其特征在于：所述步骤二中前景目标的提取按照以下步骤进行：利用步骤一中获取的图片序列，建立背景模型；对背景模型实时更新；采用背景差分获取前景目标。4.如权利要求1所述的融合多种特征的高速公路隧道停车事件分级识别方法，其特征在于：所述步骤三中单周期T内视频图像特征的提取按照以下步骤进行：获取单周期T内图像；将单周期内前景图像像素按比例缩放并叠加，产生图像ImgFor...

【专利技术属性】
技术研发人员：赵敏，孙棣华，孙健，王荣斌，唐毅，蒋陈虎，
申请(专利权)人：重庆大学，重庆首讯科技股份有限公司，
类型：发明
国别省市：重庆,50