专利名称：一种道路交通视频检测方法及装置的利记博彩app
技术领域：
本发明属于安全监控领域，尤其涉及一种道路交通视频检测方法及装置。
背景技术：
智能交通监控系统是基于现代电子信息技术面向交通运输的服务系统，该智能交通监控系统利用计算机视觉技术，通过分析、处理视频画面来检测视频的道路车辆。随着计算机技术，图像处理技术和模式识别技术的发展，基于视频的道路交通检测技术也越来越受到产学界的关注和普及。目前，道路交通的视频检测方法都是基于单个摄像机的，该方法首先在需要监控的道路上安装一个摄像机，再分析该摄像机拍摄的道路车辆内容、行人来达到交通监控的目的。但基于单个摄像机的视频交通检测方法在受到光照变化干扰或者阴影干扰或者密集的车辆、行人干扰时，容易导致误检测。
发明内容
本发明实施例提供了一种道路交通视频检测方法，旨在解决现有的检测方法在受到光照变化干扰或者阴影干扰或者密集的车辆和行人干扰时，容易导致检测结果错误的问题。本发明实施例是这样实现的，一种道路交通视频检测方法，所述方法包括下述步骤通过两个摄像机采集两路视频图像，并分别在采集的两路视频图像中指定检测区域；根据任一路采集到的视频图像中的指定检测区域内的视频图像检测出模糊运动目标区域；根据采集的两路视频图像检测出场景的深度信息；根据模糊运动目标区域以及场景的深度信息检测出清晰目标区域。本发明实施例的另一目的在于提供一种道路交通视频检测装置，所述装置包括视频采集单元，用于通过两个摄像机采集两路视频图像，并分别在采集的两路视频图像中指定检测区域；模糊运动目标区域检测单元，用于根据任一路采集到的视频图像中的指定检测区域内的视频图像检测出模糊运动目标区域；深度信息检测单元，用于根据采集的两路视频图像检测出场景的深度信息；清晰目标区域检测单元，用于根据模糊运动目标区域以及场景的深度信息检测出清晰目标区域。本发明实施例通过双摄像机采集道路交通的两路视频图像，并根据采集的两路视频图像获取模糊运动目标区域和场景的深度信息，最后根据获取的模糊运动目标区域和场景的深度信息确定清晰目标区域。由于深度信息在受到光照变化干扰或者阴影干扰或者密集的车辆、行人干扰时变化不大，因此本发明能够有效提高运动目标检测的准确性。
图1是本发明第一实施例提供的道路交通视频检测方法的流程图；图2是本发明第一实施例提供的两个摄像机结构示意图；图3是本发明第一实施例提供的双CXD摄像机的技术原理示意图；图4是本发明第二实施例提供的道路交通视频检测装置的结构示意图。
具体实施例方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。本发明实施例通过双摄像机采集道路交通的两路视频图像，并根据采集的两路视频图像获取模糊运动目标区域和场景的深度信息，最后根据获取的模糊运动目标区域和场景的深度信息确定清晰目标区域。本发明实施例提供了一种道路交通视频检测方法及装置。所述方法包括通过两个摄像机采集两路视频图像，并分别在采集的两路视频图像中指定检测区域；根据任一路采集到的视频图像中的指定检测区域内的视频图像检测出模糊运动目标区域；根据采集的两路视频图像检测出场景的深度信息；根据模糊运动目标区域以及场景的深度信息检测出清晰目标区域。所述装置包括视频采集单元，用于通过两个摄像机采集两路视频图像，并分别在采集的两路视频图像中指定检测区域；模糊运动目标区域检测单元，用于根据任一路采集到的视频图像中的指定检测区域内的视频图像检测出模糊运动目标区域；深度信息检测单元，用于根据采集的两路视频图像检测出场景的深度信息；清晰目标区域检测单元，用于根据模糊运动目标区域以及场景的深度信息检测出清晰目标区域。本发明实施例通过双摄像机采集道路交通的两路视频图像，并根据采集的两路视频图像获取模糊运动目标区域和场景的深度信息，最后根据获取的模糊运动目标区域和场景的深度信息确定清晰目标区域。由于深度信息在受到光照变化干扰或者阴影干扰或者密集的车辆、行人干扰时变化不大，因此本发明能够有效提高运动目标检测的准确性。为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。实施例一图1示出了本发明第一实施例提供的道路交通视频检测方法的流程图，在本实施例中，在需要检测车辆的区域安装两个摄像机，并根据拍摄的任一路视频图像检测出模糊运动目标区域，再根据拍摄的两路视频图像检测出场景深度信息，最后结合模糊运动目标区域以及场景的深度信息检测出清晰的目标区域。
在步骤Sll中，通过两个摄像机采集两路视频图像，并分别在采集的两路视频图像中指定检测区域。在本实施例中，选取两个焦距相等、各内部参数也相等的摄像机，并用这两个摄像机采集两路视频图像。其中，选取的两个摄像机的图像传感器可以为电荷耦合元件 (Charge-coupled Device, CCD)图像传感器，在安装这两个具有CCD图像传感器的摄像机时，首先保证这两个摄像机的光轴相互平行，再根据实际情况确定两个摄像机的光心距离。 通常，将两个摄像机的光心距离取值为6. 5cm。例如，如图2所示，在摄像机外壳21内分别安装第一摄像机211和第二摄像机212，使第一摄像机211和第二摄像机212的光轴相互平行，且第一摄像机211和第二摄像机212的光心距离为6. 5cm。在确定了摄像机之后，根据实际情况的需要指定检测区域，比如，若安装的摄像机主要用于检测车辆运行情况的，则根据车辆主要是在车道内行走的情况，可以选择车道区域作为检测区域，并根据预设的规则，在采集的两路视频图像中勾画出检测区域。若安装的摄像机主要用于检测行人情况的，则选择人行道区域作为检测区域。在步骤S12中，根据任一路采集到的视频图像中的指定检测区域内的视频图像检测出模糊运动目标区域。进一步地，根据任一路采集到的视频图像中的指定检测区域内的视频图像检测出模糊运动目标区域的步骤之前，进一步包括下述步骤获取两个摄像机的内参数和外参数， 并将获取的两个摄像机的内参数和外参数统一到同一个世界坐标系下。在本实施例中，采用TSAI两步标定法获取两个摄像机的内参数和外参数，再根据两个摄像机的位置，将获取的两个摄像机的内参数和外参数统一到同一个世界坐标系下。其中，获取的摄像机的内参数包括摄像机的焦距、拍摄的实际图像中心坐标；获取的摄像机外参数包括旋转矩阵、平移向量。图像可以分为背景区域和前景区域，在本实施例中，前景区域为运动区域。分析任一路采集到的视频图像的检测区域，并根据该路视频图像的检测区域检测出模糊运动目标区域，其中，根据任一路采集到的视频图像中的指定检测区域内的视频图像检测出模糊运动目标区域的步骤具体为对任一路采集到的视频图像中的指定检测区域内的视频图像中的每个像素建立背景模型，并根据该背景模型确定对应背景区域的背景模型部分以及模糊运动目标区域。在本实施例中，对视频图像的指定检测区域内的视频图像中的每个像素建立背景模型，根据建立的背景模型判定视频图像的背景区域，进而获取视频图像的模糊运动目标区域。其中，对任一路采集到的视频图像中的指定检测区域内的视频图像中的每个像素建立背景模型，并根据该背景模型确定对应背景区域的背景模型部分以及模糊运动目标区域的步骤具体为对图像中的每个像素点用多个高斯分布构成的混合高斯模型建立背景模型，选用的高斯分布越多，越能描述复杂的场景，通常选用3到5个高斯分布构成的混合高斯模型对图像的像素点建模。在建立的高斯模型中，按照各高斯分布本身的权值与对应标准差的比值从大到小排列各高斯分布，并根据预设的权值阈值确定对应背景区域的背景模型部分；将当前帧与该当前帧对应背景区域的背景模型部分相减以获取该当前帧的运动区域，并对获取的运动区域进行二值化和形态学处理，获取模糊运动目标区域。其中，当前帧的背景模型由描述该当前帧所有像素的背景区域的高斯分布组成，当前帧的运动区域由描述该当前帧所有像素的运动区域的高斯分布所对应的区域组成。在本实施例中，采用多模态高斯背景模型对已固定安装的摄像机拍摄的视频图像进行背景建模，比如对每个像素点定义3 5个区域，每个区域用一个高斯分布表示。其中， 对每个像素点建立高斯模型的步骤具体为假设输入的第t帧图像的像素点为It，μ 为第(t-Ι)帧图像的第i个高斯分布的像素值的均值，像素值的均值等于各个像素值相加的和除以像素点的个数，σ Μ—为第(t-1)帧图像的第i个高斯分布的像素值的标准差，D为满足公式Ilt-Pi^l ^D. OiI1的固定参数，该参数可通过实际经验获取，其中，Piit = (1-α) μ ,^+Ρ lt,alt={\-aflt+p{It-^t)2 , ρ = α/ω"，α 是学习率，O 彡 α 彡 1，ρ 是参数学习率，ω i,t是第t帧图像的第i个高斯分布的权值。归一化计算得到的所有权值，并把各个高斯分布函数按ω J σ i,t从大到小排列，如果if· ik表示各个高斯分布，将
“…、按照ω^/σ i,t从大到小的次序排列，若前M个高斯分布满足公式
权利要求
1.一种道路交通视频检测方法，其特征在于，所述方法包括下述步骤通过两个摄像机采集两路视频图像，并分别在采集的两路视频图像中指定检测区域； 根据任一路采集到的视频图像中的指定检测区域内的视频图像检测出模糊运动目标区域；根据采集的两路视频图像检测出场景的深度信息；根据模糊运动目标区域以及场景的深度信息检测出清晰目标区域。
2.如权利要求1所述的方法，其特征在于，所述根据任一路采集到的视频图像中的指定检测区域内的视频图像检测出模糊运动目标区域的步骤具体为对任一路采集到的视频图像中的指定检测区域内的视频图像中的每个像素建立背景模型，并根据所述背景模型确定对应背景区域的背景模型部分以及模糊运动目标区域。
3.如权利要求2所述的方法，其特征在于，所述对任一路采集到的视频图像中的指定检测区域内的视频图像中的每个像素建立背景模型的步骤具体为对任一路采集到的视频图像中的指定检测区域内的视频图像中的每个像素点用多个高斯分布构成的混合高斯模型建立背景模型；所述根据所述背景模型确定对应背景区域的背景模型部分以及模糊运动目标区域的步骤具体为按照各高斯分布本身的权值与对应标准差的比值从大到小排列各高斯分布，以根据预设的权值阈值确定对应背景区域的背景模型部分，再将当前帧与所述当前帧对应背景区域的背景模型部分相减以获取所述当前帧的运动区域，并对获取的运动区域进行二值化和形态学处理，获取模糊运动目标区域。
4.如权利要求1所述的方法，其特征在于，所述根据采集的两路视频图像检测出场景的深度信息的步骤具体为获取并匹配两路视频图像的目标区域特征点，根据匹配成功的目标区域特征点的信息检测出场景的深度信息。
5.如权利要求4所述的方法，其特征在于，所述获取并匹配两路视频图像的目标区域特征点的步骤具体为 根据采集的两路视频图像的像素值变化分别确定两路视频图像的目标区域特征点，并对所述两路视频图像的目标区域特征点进行立体匹配，获得对应同一场景点的两个目标区域特征点的空间坐标；所述根据匹配成功的目标区域特征点的信息检测出场景的深度信息的步骤具体为 根据所述对应同一场景点的两个目标区域特征点的空间坐标确定所述同一场景点在两路视频图像的视差，并根据两个摄像机的光心距离、摄像机的焦距以及同一场景点在两路视频图像的视差确定所述同一场景点的深度信息。
6.如权利要求1或2或4所述的方法，其特征在于，所述根据模糊运动目标区域以及场景的深度信息检测出清晰目标区域的步骤具体为逐个分析模糊运动目标区域的像素点的深度信息，判断像素点的深度信息是否大于预设的深度阈值；在像素点的深度信息大于预设的深度阈值时，判定所述像素点为目标区域点，获得的多个目标区域点组成了清晰的目标区域。
7.—种道路交通视频检测装置，其特征在于，所述装置包括视频采集单元，用于通过两个摄像机采集两路视频图像，并分别在采集的两路视频图像中指定检测区域；模糊运动目标区域检测单元，用于根据任一路采集到的视频图像中的指定检测区域内的视频图像检测出模糊运动目标区域；深度信息检测单元，用于根据采集的两路视频图像检测出场景的深度信息；清晰目标区域检测单元，用于根据模糊运动目标区域以及场景的深度信息检测出清晰目标区域。
8.如权利要求7所述的装置，其特征在于，所述模糊运动目标区域检测单元包括背景区域确定模块，用于对任一路采集到的视频图像中的指定检测区域内的视频图像中的每个像素点用多个高斯分布构成的混合高斯模型建立背景模型；模糊区域确定模块，用于按照各高斯分布本身的权值与对应标准差的比值从大到小排列各高斯分布，以根据预设的权值阈值确定对应背景区域的背景模型部分，再将当前帧与所述当前帧对应背景区域的背景模型部分相减以获取所述当前帧的运动区域，并对获取的运动区域进行二值化和形态学处理，获取模糊运动目标区域。
9.如权利要求7所述的装置，其特征在于，所述深度信息检测单元包括特征点信息获取模块，用于根据采集的两路视频图像的像素值变化分别确定两路视频图像的目标区域特征点，并对所述两路视频图像的目标区域特征点进行立体匹配，获得对应同一场景点的两个目标区域特征点的空间坐标；深度信息获取模块，用于根据所述对应同一场景点的两个目标区域特征点的空间坐标确定所述同一场景点在两路视频图像的视差，并根据两个摄像机的光心距离、摄像机的焦距以及同一场景点在两路视频图像的视差确定所述同一场景点的深度信息。
10.如权利要求7或8或9所述的装置，其特征在于，所述清晰目标区域检测单元包括深度判断模块，用于逐个分析模糊运动目标区域的像素点的深度信息，判断像素点的深度信息是否大于预设的深度阈值；目标区域判断模块，用于在像素点的深度信息大于预设的深度阈值时，判定所述像素点为目标区域点，获得的多个目标区域点组成了清晰的目标区域。
全文摘要
本发明适用于安全监控领域，提供了一种道路交通视频检测方法及装置。所述方法包括下述步骤通过两个摄像机采集两路视频图像，并分别在采集的两路视频图像中指定检测区域；根据任一路采集到的视频图像中的指定检测区域内的视频图像检测出模糊运动目标区域；根据采集的两路视频图像检测出场景的深度信息；根据模糊运动目标区域以及场景的深度信息检测出清晰目标区域。本发明实施例根据采集的两路视频图像获取模糊运动目标区域和场景的深度信息，再根据获取的模糊运动目标区域和场景的深度信息确定清晰目标区域。由于深度信息在受到光照变化干扰或者阴影干扰或者密集的车辆、行人干扰时变化不大，因此本发明能够有效提高运动目标检测的准确性。
文档编号H04N7/18GK102316307SQ20111024168
公开日2012年1月11日 申请日期2011年8月22日 优先权日2011年8月22日
发明者吴金勇, 王一科, 王军, 龚灼 申请人:上海诚丰数码科技有限公司, 安防科技(中国)有限公司