基于视频检测技术的高速公路隧道停车检测方法技术

本发明专利技术涉及交通检测技术领域，尤其涉及一种基于视频检测技术的高速公路隧道停车检测方法，包括如下步骤：1）从高速公路隧道摄像头获取的视频中按帧抽取图片；2）利用步骤1）中抽取的图片，提取前景目标；3）获取前景目标轮廓面积、质心位置和外接矩形宽高比；4）采用多特征匹配方法对车辆进行跟踪；5）得出车辆目标的跟踪结果J，只有轮廓面积、外接矩形宽高比和质心位置都满足要求时，J为1，否则为0；6）重复步骤1-5），并根据车辆在场景中被跟踪的视频帧数，并结合跟踪结果的统计情况，来判断是否出现停车事件。

【技术实现步骤摘要】

本专利技术涉及交通检测
，尤其涉及一种。
技术介绍
随着我国高速公路建设的快速发展，高速公路隧道大量投入运营。高速公路隧道使交通高效联通的同时，由于其特殊的行车环境，又成为高速公路的交通瓶颈。由于高速公路隧道内车速较快且环境封闭，发生停车事件后，如不及时处理，极易导致二次交通事故的发生，引起车辆碰撞或引发交通拥堵，严重影响高速公路的正常运营。通过查找专利和论文，发现基于视频的停车检测方法主要有两类，即基于网格模型的方法和基于目标跟踪的方法。基于网格模型进行停车检测的方法主要感知图像区域的变化，从而判断是否出现停车。长安大学申请的“一种基于块累积的高速公路车辆停车检测方法”(CN: 102110366)，通过将视频图像分割成多个块区域，并采用二值化方法将目标与背景图像进行分割，然后通过统计相邻块区域的个数确定是不是停车事件。这种方法在视频条件较好的场景下能够快速准确地判断出停车事件，但在高速公路隧道中，由于车辆灯光和系统照明的干扰，有时会在图像中形成局部光斑，导致二值化分割的效果不理想，容易引起误检。基于目标跟踪进行停车检测的方法，即通过车辆跟踪获取车辆运动信息，依据车辆停止时位置固定这一特点来判断停车事件。该方法目前大部分学者都选在高速公路露天路段且天气晴朗、光照基本保持不变或者缓慢变化的情况下进行的研究，这种外部环境稳定干扰因素很少的情况确实能够获得较好的检测准确率，但是在高速公路隧道中，会出现影响车辆跟踪的灯光干扰，并且车辆停止时会经常出现车灯闪烁的现象，导致检测出的车辆位置发生跳变，所以直接采用这种方法无法正确地检测出停车事件。正因如此，需要一种能够准确、实时、有效的停车检测方法，为高速公路隧道的交通安全提供有用的数据信息。
技术实现思路
有鉴于此，本专利技术提供一种，运算开销小、实时性强。本专利技术通过以下技术手段解决上述技术问题:，包括如下步骤:I)从高速公路隧道摄像头获取的视频中按帧抽取图片；2)利用步骤I)中抽取的图片，提取前景目标；3)获取前景目标轮廓面积、质心位置和外接矩形宽高比；4)采用多特征匹配方法对车辆进行跟踪；5)得出车辆目标的跟踪结果J，只有轮廓面积、外接矩形宽高比和质心位置都满足要求时，J为1，否则为O ;6)重复步骤1-5)，并根据步骤5)获得的车辆跟踪结果，最终判断是否出现停车事件:统计车辆目标累积成功跟踪的帧数T ;当跟踪结果J为I时，T加1，J为O时，T不变；统计车辆目标连续跟踪失败的帧数F ;当跟踪结果J为O时，F加1，J为I时，F置O ；当车辆目标累积成功跟踪的帧数T ^ Alert时，判断出现停车；其中AlertX)，为停车检测报警阈值。进一步，所述步骤I)中，还根据隧道特征确定图片中的感兴趣区域；步骤2-6)为对感兴趣区域进行的处理。进一步，所述步骤2)中，具体包括如下步骤:21)建立背景模型；22)对背景模型实时更新；23)将当前帧图像与背景图像作差；24)将背景差分的图像进行二值化； 25)将二值化的图像进行形态学处理。进一步，所述步骤21)中，采用高斯法建立背景模型；所述步骤22 )中，采用基于像素变化率的背景更新方法；所述步骤24)中二值化阈值的选取采用最大类间方差法；所述步骤25)中，选择开运算法进行形态学处理。进一步，所述步骤3)中，具体包括如下步骤:31)处理前景目标，获得目标的轮廓面积Area ；32)处理前景目标，获得目标的质心横坐标Cen_X和纵坐标Cen_Y ；33)获取前景目标的外接矩形，计算目标的外接矩形的宽高比W_H;采用公式 WideW H=-;一 Height其中Wide表示目标外接矩形的宽度，Height表示目标外接矩形的高度。进一步，所述步骤4)具体包括如下步骤:[0031 ] 41)选择初始跟踪目标。初始跟踪目标的纵坐标Cen_Y需满足:I Cen_Y-Bot ( Dis_i,其中Bot表示步骤一当中所选择的车辆检测区域的最小纵坐标，Dis_i表示初始目标选择的阈值。42)判断目标轮廓面积是否匹配。Af*0Q tQT计算当前目标和跟踪目标的轮廓面积之比Area~diV=\rea~ jni其中Area_tar … — ，表示当前目标的轮廓面积，Area_ini表示跟踪目标的轮廓面积。判断当前目标和跟踪目标的轮廓面积之比Area_div是否满足:Area_min ( Area_div ( Area_max,其中Area_min表示轮廓面积之比的下限,Area_max表示轮廓面积之比的上限，且 0〈Area_min〈Area_max。43)判断目标外接矩形的宽高比是否匹配。计算当前目标和跟踪目标的外接矩形宽高比之比y — —其中 —— ，ff_H_tar表示当前目标的宽高比，ff_H_ini表示跟踪目标的宽高比。判断当前目标和跟踪目标的外接矩形宽高比之比W_H_diV是否满足:W_H_min < ff_H_div ^ W_H_max,其中W_H_min表示宽高比之比的下限，ff_H_max表示宽高比之比的上限，且 0〈W_H_min〈W_H_max。44)判断目标质心位置是否匹配。计算当前目标和初始目标的质心位置距离Cen _dis - J( ('en _X _ tar - (' 'en _X _ ini f ^{Cen _Y _ a1-Cen_Y _'πι?\ 其中 Cen_ X_tar、Cen_Y_tar表示当前目标的质心坐标，Cen_X_ini, Cen_Y_ini表示跟踪目标的质心坐标。判断当前目标和初始目标的质心位置距离Cen_dis是否满足:Cen_dis_min ^ Cen_dis ^ Cen_dis_max,其中 Cen_dis_min 表不质心位置距离的下限，Cen_dis_max表示质心位置距离的上限，且0<Cen_dis_min〈Cen_dis_max。45)得出车辆目标的跟踪结果J。只有轮廓面积、外接矩形宽高比和质心位置都满足要求时，J为1，否则为O。本专利技术的，本专利技术针对高速公路隧道场景，选择目标的轮廓面积、质心位置和外接矩形宽高比，采用基于多特征融合的车辆跟踪方法，根据车辆在场景中被跟踪的视频帧数，并结合跟踪结果的统计情况，来判断是否出现停车事件。运算开销小、实时性强可准确、高效地解决高速公路隧道内的停车事件的自动检测问题，提升高速公路隧道的交通运行安全水平。【具体实施方式】图1示出了的流程示意图。【具体实施方式】以下将结合附图，对本专利技术进行详细说明。参见图1，本实施例的，包括如下步骤“I)从高速公路隧道摄像头获取的视频中按帧抽取图片；还根据隧道特征确定图片中的感兴趣区域，即标定停车检测区域；步骤2-6)为对感兴趣区域进行的处理。标定感兴趣区域能够使处理的图像范围变小，从而减少处理的数据量，提高算法的高效性。此外标定感兴趣区域还可以避免一些干扰因素对检测结果的影响。感兴趣区域一般选择高速公路隧道内车辆可到达区域，包括正常的行车道和紧急停车道。2)利用步骤I)中抽取的图片，提取前景目标；具体包括如下步骤:21)建立背景模型。采用高斯法建立背景模型。22)对背景模型实时更新。采用基于像素变化率的背景更新方法，即连续三帧图像中变化率小于某一阈值的像素点以一定的更新率实本文档来自技高网...

【技术保护点】
基于视频检测技术的高速公路隧道停车检测方法，其特征在于：包括如下步骤：?1）从高速公路隧道摄像头获取的视频中按帧抽取图片；?2）利用步骤1）中抽取的图片，提取前景目标；?3）获取前景目标轮廓面积、质心位置和外接矩形宽高比；?4）采用多特征匹配方法对车辆进行跟踪；?5）得出车辆目标的跟踪结果J，只有轮廓面积、外接矩形宽高比和质心位置都满足要求时，J为1，否则为0；?6）重复步骤1?5），并根据步骤5）获得的车辆跟踪结果，最终判断是否出现停车事件：?统计车辆目标累积成功跟踪的帧数T；当跟踪结果J为1时，T加1，J为0时，T不变；?统计车辆目标连续跟踪失败的帧数F；当跟踪结果J为0时，F加1，J为1时，F置0；?当车辆目标累积成功跟踪的帧数T≥Alert时，判断出现停车；其中Alert>0，为停车检测报警阈值。

【技术特征摘要】
1.基于视频检测技术的高速公路隧道停车检测方法，其特征在于:包括如下步骤: 1)从高速公路隧道摄像头获取的视频中按帧抽取图片； 2)利用步骤1)中抽取的图片，提取前景目标； 3)获取前景目标轮廓面积、质心位置和外接矩形宽高比； 4)采用多特征匹配方法对车辆进行跟踪； 5)得出车辆目标的跟踪结果J，只有轮廓面积、外接矩形宽高比和质心位置都满足要求时，J为1，否则为O ; 6)重复步骤1-5)，并根据步骤5)获得的车辆跟踪结果，最终判断是否出现停车事件: 统计车辆目标累积成功跟踪的帧数T ;当跟踪结果J为I时，T加1，J为O时，T不变； 统计车辆目标连续跟踪失败的帧数F ;当跟踪结果J为O时，F加1，J为I时，F置O; 当车辆目标累积成功跟踪的帧数T > Alert时，判断出现停车；其中Alert>0，为停车检测报警阈值。2.如权利要求1所述的基于视频检测技术的高速公路隧道停车检测方法，其特征在于:所述步骤I)中，还根据隧道特征确定图片中的感兴趣区域；步骤2-6)为对感兴趣区域进行的处理。3.如权利要求1所述的基于视频检测技术的高速公路隧道停车检测方法，其特征在于:所述步骤2)中，具体包括如下步骤: 21)建立背景模型； 22)对背景模型实时更新； 23)将当前帧图像与背景图像作差； 24)将背景差分的图像进行二值化； 25)将二值化的图像进行形态学处理。4.如权利要求3所述的基于视频检测技术的高速公路隧道停车检测方法，其特征在于:所述步骤21)中，采用高斯法建立背景模型；所述步骤22)中，采用基于像素变化率的背景更新方法；所述步骤24)中二值化阈值的选取采用最大类间方差法；所述步骤25)中，选择开运算法进行形态学处理。5.如权利要求1所述的基于视频检测技术的高速公路隧道停车检测方法，其特征在于:所述步骤3)中，具体包括如下步骤: 31)处理前景目标，获得目标的轮廓面积Area； 32)处理前景目标，获得目标的质心横坐标Cen_X和纵坐标Cen_Y； 33)获取前景目标的外接矩形，计算目标的外接矩形的宽高比W_H;采用公式 其中Wide表示目标外接矩形的宽度，Height表示目标外接矩形的高度。6.如权利要求5所述的基于视频检测...

【专利技术属性】
技术研发人员：赵敏，孙棣华，刘卫宁，郑林江，廖孝勇，唐毅，姚明明，
申请(专利权)人：重庆大学，
类型：发明
国别省市：