基于最优阈值和随机标号法的多车辆分割方法技术

本发明专利技术涉及一种基于最优阈值和随机标号法的多车辆分割方法，所述方法包括图像采集、图像色彩空间变换、图像阈值粗分割、图像细分割、背景提取及更新等步骤。所述图像粗分割根据与阈值相关的约束关系建立能量函数，运用模拟退火算法计算最优双阈值以对图像进行分割，提高了分割效率。所述背景提取和更新中通过相似度决定背景更新速度的选择性背景更新方法，减少了分割计算量，提高了实时性。所述方法对光照极强和极弱或者是在横向和纵向阴影干扰环境下，都能够准确对多车辆进行分割与检测，适用于较为复杂的室外环境下道路交通管理或其它类似场合，本方法的实施主要使用摄像机和计算机系统，可用于交通监控及相近领域。

【技术实现步骤摘要】

本专利技术涉及一种基于机器视觉的车辆检测方法，更进一步地，涉及一种机器视觉 结合最优阈值和随机标号法的多车辆分割方法。
技术介绍
随着车辆的日益增多，有关交通控制问题的研究已经成为了近年来的热点。其中 最为核心的车辆识别技术受到了广大研究人员的极大关注。车辆识别技术在自主导航车、 助驾系统、智能交通监控系统和自动泊车系统中都起着非常关键的作用。在自下而上的识 别过程中，车辆分割的好坏直接影响着车辆识别的质量。由于车辆行驶在室外环境中，车辆 的分割受到了光照变化、阴影、运动背景(比如摇动的树枝)等干扰的影响，使得车辆分割 问题成为了一个极富挑战性的问题。一般而言，优秀的车辆分割方法需要满足以下要求1) 适应不同的光线、天气变化，如雾天、严重阴影和区域光线剧烈变化等。2)克服不同的交通 流状况对检测的影响。幻具有足够高的实时性和鲁棒性。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于最优阈值和随机标号法的 多车辆分割方法，减少了环境因素对室外车辆检测过程的干扰，提高了在复杂环境下对运 动目标检测的鲁棒性和实时性。为了达到上述目的，本专利技术所采用的技术方案是一种，包括以下步骤(1)图像采集；(2)图像色彩空间变换；(3)图像阈值粗分割；(4)图像细分割；(5)背景提取及更新；所述图像阈值粗分割中，选取双阈值消除前景与背景相减可能出现正负的情况， 根据与阈值相关的约束关系建立能量函数，运用模拟退火算法循环迭代计算出全局能量最 小的分割阈值，进而得到最优双阈值以对图像进行分割，以上循环迭代过程和背景提取更 新过程共同组成双循环结构。进一步地，所述图像色彩空间变换采用K-L变换，具体方法如下将图像色彩从(R，G，B)空间域转换到一个新(U，ν)空间域，提取出图像颜色的主 要分量，减小色彩空间的维数，使得车辆颜色积聚在一个较小的范围内，用以消除光照强度 变化引起的颜色剧烈变化；K-L变换的规则如下 U =2ZW-GW-GB/ZW权利要求1.一种，包括以下步骤(1)图像采集；(2)图像色彩空间变换；(3)图像阈值粗分割；(4)图像细分割；(5)背景提取及更新；其特征在于所述图像阈值粗分割中，选取双阈值消除前景与背景相减可能出现正负 的情况，根据与阈值相关的约束关系建立能量函数，运用模拟退火算法循环迭代计算出全 局能量最小的分割阈值，进而得到最优双阈值以对图像进行分割，以上循环迭代过程和背 景提取更新过程共同组成双循环结构。2.如权利要求1所述的，其特征在于， 所述图像色彩空间变换采用K-L变换，具体方法如下将图像色彩从(R，G，B)空间域转换到一个新(u，ν)空间域，提取出图像颜色的主要分 量，减小色彩空间的维数，使得车辆颜色积聚在一个较小的范围内，用以消除光照强度变化 引起的颜色剧烈变化；K-L变换的规则如下3.如权利要求1所述的，其特征在于， 所述图像阈值粗分割包括以下步骤得到(1)设粗分割图Mt中包含了k个分割块，由Sr表示，每一个Sr在图像/；和背景图Bt中 对应的区域用分别用和Λ^表示，函数Ψ(Γ\)表示求块中像素点的个数，其中r = 1,2,6, k ；(2)选取双阈值7；1和f，并且满足C-f=7，由中值Τ；确定，其中Y由聚合区域的大小 决定；(3)结合与阈值相关的约束关系生成能量函数^AtMi,代).4.如权利要求1所述的，其特征在于， 所述图像细分割采用以下方法得到最优阈值分割已将图像粗分成多个块，针对每个粗分割的块运用标号法区分出每个像 素的类型(前景、背景、阴影3种类型)，从而完全去除车辆分割图中的阴影和背景，其中每 一个像素点的标号利用最大后验概率来确定，即计算出每个像素点在三种像素类型下的后 验概率再由最大的后验概率确定标号； 后验概率由下式确定5.其中6.如权利要求1或4所述的，其特征在 于，所述图像细分割中采用如下方法确定标号的先验概率在t时刻，如果给定图像&，标号域It满足马尔科夫属性，则标记域的分布可以近似为 一个Gibbs分布，即Pih (ω)) oc exp{- ^ Wm Ht (ω)) + ^ (h (ω\ It {ξ))]}9其中‘ '/(O) = O)νω( {(ω)) =-In ρ( ((ω)),//(OX1O) ，νωξ( χω)Μξ)) = -瞧务ψ》ο7.如权利要求1所述的，其特征在于， 所述背景提取与更新采用平均帧法进行背景更新每当重新采集到t时刻并经色彩空间变换的帧图像A，在t-Ι时刻背景图像Bw的基础 上，根据不同的更新权重计算出t时刻的背景图像Bt，原理如下 Bt =(1-0^+(Jt .9 其中Bt为t时刻背景，4Bt^1为t-Ι时刻背景，I为t时刻通过色彩空间转换后的视频帧，α为更新因子，根据像素点与真实背景的相似程度可以分成3类，决定更新因子α的 取值(1)粗分割图Mt中被去除的背景像素与真实背景的差异很小，则认为这些背景就是真 实背景，可以直接替换背景图像Bt中的对应像素点，即更新因子α为1，(2)粗分割图Mt中未被去除的背景像素与真实背景差异较大，可根据该点与真实背景 的相似程度尸化( ))决定Bt中对应像素点的更新因子α，(3)粗分割图Mt中保留的车辆和阴影图像，即更新因子α为0； 联立上述表述得到决定背景更新速度的公式全文摘要本专利技术涉及一种，所述方法包括图像采集、图像色彩空间变换、图像阈值粗分割、图像细分割、背景提取及更新等步骤。所述图像粗分割根据与阈值相关的约束关系建立能量函数，运用模拟退火算法计算最优双阈值以对图像进行分割，提高了分割效率。所述背景提取和更新中通过相似度决定背景更新速度的选择性背景更新方法，减少了分割计算量，提高了实时性。所述方法对光照极强和极弱或者是在横向和纵向阴影干扰环境下，都能够准确对多车辆进行分割与检测，适用于较为复杂的室外环境下道路交通管理或其它类似场合，本方法的实施主要使用摄像机和计算机系统，可用于交通监控及相近领域。文档编号G08G1/017GK102073852SQ20111000742公开日2011年5月25日 申请日期2011年1月14日 优先权日2011年1月14日专利技术者何银强, 戚其丰, 邓军 申请人:华南理工大学本文档来自技高网...

【技术保护点】
一种基于最优阈值和随机标号法的多车辆分割方法，包括以下步骤：（１）图像采集；（２）图像色彩空间变换；（３）图像阈值粗分割；（４）图像细分割；（５）背景提取及更新；其特征在于：所述图像阈值粗分割中，选取双阈值消除前景与背景相减可能出现正负的情况，根据与阈值相关的约束关系建立能量函数，运用模拟退火算法循环迭代计算出全局能量最小的分割阈值，进而得到最优双阈值以对图像进行分割，以上循环迭代过程和背景提取更新过程共同组成双循环结构。

【技术特征摘要】

【专利技术属性】
技术研发人员：戚其丰，何银强，邓军，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：81