法律状态公告日
法律状态信息
法律状态
2015-10-21
授权
授权
2013-09-04
实质审查的生效 IPC(主分类):G08G1/01 申请日:20130326
实质审查的生效
2013-08-07
公开
公开
技术领域
本发明属于视频检测领域,具体涉及一种基于图像块的状态演变过程分 析的停车事件检测方法。
背景技术
随着高速公路的快速发展和汽车数量的增多,在高速公路上由于违章停 车所造成的交通事故不断上升。由于高速公路的封闭性以及行驶的车辆速度 快等特点,如果有违章停车而没有及时处理,就很容易导致车辆的碰撞而引 发交通事故,不仅影响交通的正常进行甚至造成人身的伤亡和财产的损失。 因此,需要实时地检测出高速公路上的停车事件。
常用的停车事件检测方法主要有环形线圈检测、微波检测以及数字视频 检测,但环形线圈检测需要破坏路面,安装维护不便;微波检测在交通流量 大的情况下,检测精度不高;数字视频检测系统不需破坏路面,且安装维护 时无需中断交通,同时可以对多个车道进行检测,检测的功能多,且能实时 地反映道路的运行状况。因此,在实际的交通事件检测系统中数字视频检测 技术得到了广泛的应用。
目前常用的视频停车事件检测方法主要有减背景法,该方法不仅对背景 要求较高,而且需要对图像中的所有目标进行长时间的跟踪。处理过程复杂 且很难满足实时性的要求。
发明内容
针对现有技术的不足和缺陷,本发明的目的在于,提供一种基于图像块 的状态演变过程分析的停车事件检测方法,该方法可以对视频范围内的所有 停车事件实现实时、可靠的检测。
为了实现上述任务,本发明采用如下技术方案予以实现:
一种基于图像块的状态演变过程分析的停车事件检测方法,该方法按照 以下步骤进行:
步骤一,选取视频中的第一帧图像作为参考帧;
步骤二,将图像的每一帧和参考帧在相同的坐标系下都划分为多个块, 同时为每个块设定一个计数器CT并将其初始化为0;
步骤三,对于第二帧图像的每个块,计算该块与其在相应的参考块中对 应像素灰度差的绝对值之和,当所得的绝对值之和小于设定的阈值A时,将 该块对应的计数器加一;否则,将该块对应的计数器清零,同时用当前帧对 应的块替换该参考块,即将当前帧对应的块作为下一步的参考块,其中:
所述的阈值A的取值范围为500~600;
步骤四,重复步骤三的处理方法对从第三帧图像起的所有连续的图像进 行处理;
步骤五,当某块的计数器CT达到给定的阈值B时,将当前块的像素灰 度值保存起来,第一次时保存在SP中,以后的各次保存在SC中,其中:
所述的阈值B的取值范围为100~120;
步骤六,分别计算SP和SC内所有像素的均值和方差,当其均值的差小 于给定的阈值C1且方差的差小于给定的阈值C2时,将该块标记为不变的块, 转到步骤四继续处理;否则将该块标记为变化的块;不论差值的结果如何, 都用SC替换SP,重复上述步骤直到视频结束为止,其中:
所述的阈值C1和阈值C2的取值均为2.5;
步骤七,对变化的块进行连通域检测,如果某连通域内块的个数大于阈 值D,则该连通域为停车事件;否则不是停车事件,检测完毕,其中:
所述的阈值D的取值范围为6~18。
本发明的基于图像块的状态演变过程分析的停车事件检测方法,与现有 技术相比,不受背景提取效果的限制,具有较高的稳定性和检测精度,且易 于实现,能有效地检测出场景中的所有停车事件,因此具有广阔的应用前景。
附图说明
图1为视频序列中的一帧图像;
图2是块计数器的值第一次达到阈值B的一个稳定状态的图像块。
图3是图2的图像块所对应的块计数器的值第二次达到阈值B的一个稳 定状态的图像块。
图4为对视频图像中的所有块进行分析,比较每个块相邻的两个稳定状 态后得出的图像结果,其中的白色区域为检测到的状态变化的图像块;黑色 区域为检测到的状态不变的图像块。
图5为对图3中状态变化的块进行连通域分析的结果图,其中方框表示 连通域的最小外接矩形。
图6为在原视频图像原始视频图像中将检测到的停车用最小外接矩形 框起来;
图7为停车报警示意图。
以下结合附图和实施例对本发明的内容作进一步详细说明。
具体实施方式
本实施例给出一种基于图像块的状态演变过程分析的停车事件检测方 法,演变为停车的块与原来的道路块是两个完全不同的状态,通过分析图像 块的状态演变过程,从而实现对停车事件的检测,需要说明的是,本发明的 方法过程中所处理的图像是视频中的沿正时间序列的第一帧图像、第二帧图 像、第三帧图像、…、第m(m为自然数)帧图像。
设每一帧视频图像的大小为W*H,每个块的面积大小为w*h,其中W为 每一帧视频图像水平方向的像素,H为每一帧视频图像垂直方向的像素,w 为每个块区域的宽度,h为每个块区域的高度。
本实施例的方法具体采用以下步骤实现:
步骤一,选取视频中的第一帧图像作为参考帧;
步骤二,将图像的每一帧和参考帧在相同的坐标系下都划分为多个块,
则一帧图像中块的个数T=W*H/(w*h),同时为每个块设定一个计数器CT 并将其初始化为0;
步骤三,对于第二帧图像的每个块,计算该块与其在相应的参考块中对 应像素灰度差的绝对值之和,当所得的绝对值之和小于设定的阈值A时,将 该块对应的计数器加一;否则,将该块对应的计数器清零,同时用当前帧对 应的块替换该参考块,即将当前帧对应的块作为下一步的参考块,其中:
所述的阈值A的取值范围为500~600;
步骤四,重复步骤三的处理方法对从第三帧图像起的所有连续的图像进 行处理;
步骤五,当某块的计数器CT达到给定的阈值B时,将当前块的像素灰 度值保存起来,第一次时保存在SP中,以后的各次保存在SC中,其中:
所述的阈值B的取值范围为100~120;
步骤六,分别计算SP和SC内所有像素的均值和方差,当其均值的差小 于给定的阈值C1且方差的差小于给定的阈值C2时,将该块标记为不变的块, 转到步骤四继续处理;否则将该块标记为变化的块;不论差值的结果如何, 都用SC替换SP,重复上述步骤直到视频结束为止,其中:
所述的阈值C1和阈值C2的取值均为2.5。
步骤七,对变化的块进行连通域检测,如果某连通域内块的个数大于阈 值D,则该连通域为停车事件;否则不是停车事件,检测完毕,其中:
所述的阈值D的取值范围为6~18。
以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具 体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范 围。
实施例:
实施例采用西安市南二环某一路段的实时路况视频图像,视频采样频率 是25帧/秒,图像大小为720×288,每个块图像的大小为8×6,将一帧图 像分成90×48个块区域,遵从上述方法依次对视频序列中的各帧图像进行 处理。
如图1所示为视频序列中的一帧图像;将视频序列中的第一帧图像作为 参考帧,并将视频图像的每一帧和参考帧按大小为8×6的块进行划分,同 时为每个块设定一个计数器CT,并初始化为0;对于第二帧图像的每个块, 计算该块与其在相应的参考块中对应像素灰度差的绝对值之和,将绝对值之 和小于设定的阈值A的块,阈值A的取值为550,所对应的计数器加一;将 绝对值之和大于设定的阈值A的块所对应的计数器清零,同时用当前帧对应 的块替换该参考块,即将当前帧对应的块作为下一步的参考块;从第三帧图 像开始对每一帧图像均做上述处理;图2所示为块计数器的值第一次达到阈 值B的一个稳定状态的图像块,阈值B的取值为100,将此时该块的灰度信 息保存到SP中;图3所示为该图像块所对应的计数器的值第二次达到阈值 B,将此时该块的灰度信息保存到SC中;经过计算得SP中所有像素点灰度 值的平均值为146,所有像素点的灰度值与平均值相减并取所有差值的平均 值即得方差为0.9;SC中所有像素点灰度值的平均值为49,方差为3.7; 此时SP与SC内所有像素的均值的差值大于给定的阈值C1,且方差的差值 也大于给定的阈值C2,阈值C1和阈值C2的取值均为2.5,故将该块标记为 状态变化的块,并将该块的灰度值赋为255;用SC替换SP,按照上述方法 重复以上步骤遍历图像帧中的每一块,直到视频结束为止;图4所示为检测 到的视频图像中所有状态变化的图像块,其中状态变化的图像块为图中的白 色区域;对图像中的所有状态变化的块进行连通域检测,图5为连通域检测 结果,并用最小外接矩形框将连通域框起来,此时连通域内块的个数大于阈 值D,阈值D的取值为12,说明该连通域为停车,在原始视频中将检测到的 停车用图5中所示的最小外接矩形框框起来,如图6所示;进行实时报警, 如图7所示。
机译: 停车状态车辆的产生区域检测程序,停车状态车辆的产生区域检测装置以及停车状态车辆的产生区域检测方法
机译: 用于数据处理领域的事件检测方法,涉及选择处于与阈值类型选择标准相对应的一种状态的客户端,并根据与客户端相对应的标识符的状态和时间段生成消息。
机译: 用于确定执行跟踪块的输入/输出关系以检测潜在恶意软件的过程分析装置,过程分析方法和过程分析