一种基于视频分析的道路行人及非机动车检测方法技术

本发明专利技术公开了一种基于视频分析的道路行人及非机动车检测方法，包括：设置检测区域步骤，尺度模型标定步骤，包括：（1）、对当前帧图像进行运动区域检测，获取各个运动区域；（2）、对运动区域进行目标检测及跟踪：若运动区域位于目标进入区域，首先采用跟踪目标匹配法，将已有跟踪目标与该运动区域进行匹配计算，对于匹配失败的运动区域采用模式识别算法检测，检测出运动目标类型和运动目标位置信息；若运动区域位于目标跟踪区域，利用已有跟踪目标与该运动区域进行匹配计算，匹配出跟踪目标在当前帧的位置；（3）、目标预测。本发明专利技术的检测方法，有效减少计算复杂度，计算量小，计算速度快，检测精度高。

【技术实现步骤摘要】
一种基于视频分析的道路行人及非机动车检测方法
本专利技术属于视频分析处理
，具体地说，是涉及一种基于视频分析的道路行人及非机动车检测方法。
技术介绍
行人和非机动车是道路交通重要的组成部分，行人检测技术已有较多的研究，其中以利用梯度直方图（HOG）特征结合模式识别的检测方法，已经取得很好的检测效果，但其计算复杂度太高，很难达到实时。在此基础上，衍生出其他优化的方法，一种是利用背景建模技术或利用行人特征，获取初步定位区域，减少检测范围，由于交通道路背景复杂、环境多变，此类方法很难获得较好的检测效果。公开号为CN102043953的专利申请文件中记载了利用背景差分，获取运动区域，然后提取头肩特征，利用模式识别检测行人，其问题在于，利用未检出行人的某一帧作为背景，如果背景中其他运动物体较多，利用背景差分方法则存在大量干扰信息，导致行人检测区域过大；另外，利用行人头肩特征，会把道路中非机动车误抓为行人，检测误差较大。公开号为CN102682304的专利申请文件中记载了利用简单行人特征初步定位行人区域，然后利用行人梯度特征和线性边缘特征训练分类器，然后利用模式识别最终判别行人，其问题在于本文档来自技高网...

【技术保护点】
一种基于视频分析的道路行人及非机动车检测方法，其特征在于，包括：设置检测区域步骤，并将所述的检测区域划分为目标进入区域和目标跟踪区域，尺度模型标定步骤，标定获取行人及非机动车尺度模型；检测步骤，包括以下步骤：（1）、对当前帧图像进行运动区域检测，获取各个运动区域；（2）、对运动区域进行目标检测及跟踪：判断各个运动区域位于所述检测区域中的位置，?若运动区域位于目标进入区域，首先采用跟踪目标匹配法，将已有跟踪目标与该运动区域进行匹配计算，若匹配成功，并将该运动目标作为跟踪目标进行更新，对于匹配失败的运动区域采用模式识别算法检测，检测出运动目标类型和运动目标位置信息，所述的运动目标类型包括机动车、行...

【技术特征摘要】
1.一种基于视频分析的道路行人及非机动车检测方法，其特征在于，包括：设置检测区域步骤，并将所述的检测区域划分为目标进入区域和目标跟踪区域，尺度模型标定步骤，标定获取行人及非机动车尺度模型；检测步骤，包括以下步骤：（1）、对当前帧图像进行运动区域检测，获取各个运动区域；在检测步骤的步骤（1）中，利用三帧间差分法获取运动区域，所述的三帧间差分法为：对连续的三帧图像进行抽样，并将抽样的后一帧图像与前一帧图像做差分处理，得到两幅帧间差分图像，将所述的两幅帧间差分图像做与运算，得到三帧间差分图像，将所述的三帧间差分图像做二值化处理，得到二值化图像；将所述的二值化图像标记连通区域，对所述的连通区域做合并、分割处理，获取运动区域；（2）、对运动区域进行目标检测及跟踪：判断各个运动区域位于所述检测区域中的位置，若运动区域位于目标进入区域，首先采用跟踪目标匹配法，将已有跟踪目标与该运动区域进行匹配计算，若匹配成功，并将该运动目标作为跟踪目标进行更新，对于匹配失败的运动区域采用模式识别算法检测，检测出运动目标类型和运动目标位置信息，所述的运动目标类型包括机动车、行人、非机动车三种类型，并将所检测出的行人、非机动车创建为新的跟踪目标；若运动区域位于目标跟踪区域，利用已有跟踪目标与该运动区域进行匹配计算，匹配出跟踪目标在当前帧的位置；（3）、目标预测，对跟踪目标，利用其在当前帧的位置和在前一帧的位置预测出其在下一帧的位置，也即目标预测点。2.根据权利要求1所述的基于视频分析的道路行人及非机动车检测方法，其特征在于，在步骤（3）之后还包括：步骤（4）、对跟踪目标进行消失判断，若已有的跟踪目标未匹配出，首先根据其所在位置判断是否满足消失条件，若符合消失条件，则进行目标分析，分析出该跟踪目标的运动轨迹以及运动速度，再次对该跟踪目标的类型进行判断并输出。3.根据权利要求2所述的基于视频分析的道路行人及非机动车检测方法，其特征在于，所述的目标分析方法为：首先，分析目标运行轨迹，当跟踪目标横向移动时，根据非机动车宽高比和行人的宽高比的属性特征，再次判断该目标为非机动车还是行人，当跟踪目标符合消失条件时,也即跟踪目标在目标跟踪区域消失、或跟踪目标要离开检测区域时，通过目标运行轨迹，分析目标跳跃和轨迹震荡，得出目标可信度，当低于设定目标可信度阈值时，去除目标，其次，分析目标运行速度，速度高于设定阈值的，判别为非机动车。4.根据权利要求2所述的基于视频分析的道路行人及非机动车检测方法，其特征在于，在所述的检测步骤之前还包括训练步骤，训练机动车和行人非机动车分类模型，以及训练行人和非机动车分类模型；在检测步骤的步骤（2）中，对于匹配失败的运动区域采用模式识别算法检测，所述的模式识别算法包括采用梯度方向直方图方法和支持向量机的方法,具有以下步骤：（211）、根据尺度变换级别进行尺度变换，所述尺度变换级别的确定是根据匹配失败的运动区域在图像中的位置，设定最大高度Hmax和最小高度Hmin，依据预先设定的缩放步长step，利用公式scaleLevel=（Hmax-Hmin）/step得到缩放次数，该缩放次数也即尺度变换级别；（212）、采用梯度方向直方图方法和支持向量机的方法将机动车和行人非机动车进行二分类，首先计算梯度方向直方图特征，然后将其输入机动车和行人非机动车分类模型将两者进行分类，过滤掉机动车；（213）、将上一步的分类为行人非机动...

【专利技术属性】
技术研发人员：付廷杰，王彬，孙婷婷，王晓曼，
申请(专利权)人：青岛海信网络科技股份有限公司，
类型：发明
国别省市：