CN102637360A - 一种基于视频的道路停车事件检测方法 - Google Patents

Abstract

本发明公开了一种基于视频的道路停车事件检测方法，主要包括基于块图像分割，通过提取三个不同的背景，然后进行两两比较确定是否为可疑块，然后再通过相邻块区域的个数确定是不是停车事件。该方法能够进行实时检测，运算速率较快，以块为单位进行处理可以提供运算速率，减少阴影、光照的影响，而通过背景相减进行比较，又可以提高检测的准确性，很适合高速公路停车事件的实时检测。

Description

一种基于视频的道路停车事件检测方法

技术领域

本发明属于视频检测领域，具体涉及一种基于视频的道路停车事件检测方法。

背景技术

近年来，随着交通量的不断增加，交通拥挤问题变得日益突出。交通事件包括停驻车辆、货物散落、交通事故等，具有偶发性和随机性，不易及时发现和排除，一旦发生事故，不但会造成拥挤和交通延误，影响公路正常的通行能力，而且容易造成后继事故的发生，形成恶性事故，殃及车辆多，伤亡人数大，以致酿成非常严重的后果。所以建立道路停车检测***尤为重要和必要。

目前，世界上已经开发了多种交通事件自动检测算法。总体可分为直接检测方法和间接检测方法两大类。

在当前实际运用的大多方法属于前一种，即通过设置在道路上的交通检测器采集到的交通参数进行分析，来间接判断交通事件的发生，这种方法具有反应速度慢、可靠性低、不利于监控的缺点，不是未来检测方法的发展方向。

而直接检测方法是指使用图像处理技术来发现车辆行驶异常的方法，在检测速度和可靠性方面远远胜于间接检测方法，是一种新的交通事件自动检测方法，因此，采用数字图像处理技术，结合我国道路状况，对基于视频图像的交通事件检测算法进行研究和开发，通过实时检测交通道路事件并报警，从而可以及时有效地进行交通事故的救援和处理，防止二次事故发生，进而保障道路运行的安全是本领域技术人员研究的重点，也是将来的发展方向。

发明内容

本发明的目的在于，提供一种基于视频的道路停车事件检测方法。

为了实现上述任务，本发明采取如下的技术解决方案：

一种基于视频的道路停车事件检测方法，其特征在于，通过下列步骤实现：

步骤一，将第一帧图像分割成多个块区域，则分割的块区域的个数为N＝(W/w)×(H/h)；其中，W为图像水平方向的像素，H为图像垂直方向的像素，w为块区域的宽度，h为块区域的高度；

步骤二，对第一帧图像按照以下公式进行灰度拉伸处理：

F＝F*128/U，其中，F为当前帧像素的灰度值，U为该块区域内所有像素灰度的平均值；

步骤三，从第一帧图像开始，对视频图像进行动态背景提取，每隔m帧记录一个背景，m的范围为800～1200，总共记录三个；

步骤四，从第二帧到第n帧，n为大于2m的自然数，重复步骤一、步骤二和步骤三进行处理；

步骤五，若出现了两个稳定的背景，统计两个背景对应各个块区域内像素差的绝对值之和是否大于设定的阈值A，所述阈值A的范围为10×块的面积～18×块的面积；如果该值大于阈值A，则标记为目标块；否则跳到步骤四继续执行；若出现了三个稳定的背景，将出现的三个背景两两进行比较，统计两个背景对应各个块区域内像素差的绝对值之和是否大于设定的阈值A，如果有两个值都大于阈值A，则标记为目标块，否则跳到步骤四继续执行；重复上述步骤直至图像所划分的各块区域内视频图像均完成了上述判断处理为止；

步骤六，统计相邻目标块区域的个数，如果该个数大于设定的阈值B，该阈值B的范围为5～15，则判定为停车事件，否则不是停车事件。

本发明的基于视频的停车事件检测方法与传统技术相比，不受环境限制，能够进行实时在线检测，并且结合基于块的背景相减法能够更好的去除阴影、光照及偶发性事件的影响，提高运算的速率，该算法可以实现对道路异常停车事件的实时准确的检测，具有广阔的应用前景。

附图说明

图1a为西安南二环某路段视频原始图像；

图1b为该视频的第一个稳定背景；

图1c为该视频的第二个稳定背景；

图1d为该视频所报的停车事件。

图2a为重庆高速公路某路段视频原始图像；

图2b为该视频的第一个稳定背景；

图2c为该视频的第二个稳定背景；

图2d为该视频的第三个稳定背景；

图2e为该视频所报的停车事件。

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

本实施例给出一致基于视频的停车事件检测方法，该方法将视频图像分割成多个块，并以块为单位进行处理，通过背景相减对停车事件进行检测，视频图像是从第一帧到最后一帧连续播放，假如视频图像的大小为W×H，块的面积大小为w×h，其中W为图像水平方向的像素，H为图像垂直方向的像素，w为块区域的宽度，h为块区域的高度。具体实施步骤如下：

步骤一，将第一帧图像分割成多个块区域，则分割的块区域的个数为N＝(W/w)×(H/h)；

步骤二，对第一帧图像按照以下公式进行灰度拉伸处理：

F＝F*128/U，其中，F为当前帧像素的灰度值，U为该块区域内所有像素灰度的平均值；

步骤三，从第一帧图像开始，对视频图像进行动态背景提取，每隔m帧记录一个背景，总共记录三个；

步骤四，从第二帧到第n帧，n为大于2m的自然数，重复步骤一、步骤二和步骤三进行处理；

步骤五，若出现了两个稳定的背景，则统计两个背景对应各个块区域内像素差的绝对值之和是否大于设定的阈值A，如果该值大于阈值A，则标记为目标块，否则跳到步骤四继续执行；

若出现了三个稳定的背景，将出现的三个背景两两进行比较，统计两个背景对应各个块区域内像素差的绝对值之和是否大于设定的阈值A，如果有两个值都大于阈值A，则标记为目标块，否则跳到步骤四继续执行；

重复上述步骤，直至图像所划分的各块区域内视频图像均完成了上述判断处理为止；

步骤六，统计相邻目标块区域的个数，如果该个数大于设定的阈值B，则判断为停车事件，否则不是停车事件；

其中：

步骤三中m的范围为800～1200。

步骤五中阈值A的范围为10×块的面积～18×块的面积。

步骤六中阈值B的范围为5～15。

以下给出本发明的具体实例。

实施例1：

参照图1a，该图是陕西省西安市南二环某一段路实际实时路况视频图像，该视频的采样频率是25帧每秒，图像大小为720×288，每块的大小为8×6，则图像分成90×48个块，此路车辆较多，没有过多的干扰，选取的背景更新帧数m为500，目标分割阈值A为600，相邻目标块的个数B为10；

图1b和1c是更新出来的两个稳定背景，检测停车时把两个背景进行比较，图1a中方框内的车辆为实际检测到的停车，图1d为检测到的停车事件。

实施例2：

参照图2a，该图是重庆高速公路某一段路实际实时路况视频图像，该视频的采样频率是25帧每秒，图像大小为720*288，每块的大小为8*6，则图像分成90*48个块，此路车辆较少，没有过多的干扰，选取的背景更新帧数m为800，目标分割阈值A为700，相邻目标块的个数B为6；

图2b、2c和2d是分别是更新出来的三个稳定背景，将2b和2c、2b和2d及2c和2d分别进行比较，结果2b和2d及2c和2d比较的值符合条件，再通过判断区域块的个数确定停车事件，图2a中方框内的车辆为实际检测到的停车，图2e为检测到的停车事件。

Claims (1)

1.一种基于视频的道路停车事件检测方法，其特征在于，通过下列步骤实现：

步骤一，将第一帧图像分割成多个块区域，则分割的块区域的个数为N＝(W/w)×(H/h)；其中，W为图像水平方向的像素，H为图像垂直方向的像素，w为块区域的宽度，h为块区域的高度；

步骤二，对第一帧图像按照以下公式进行灰度拉伸处理：

F＝F*128/U，其中，F为当前帧像素的灰度值，U为该块区域内所有像素灰度的平均值；

步骤三，从第一帧图像开始，对视频图像进行动态背景提取，每隔m帧记录一个背景，m的范围为800～1200，总共记录三个；

步骤四，从第二帧到第n帧，n为大于2m的自然数，重复步骤一、步骤二和步骤三进行处理；

步骤五，若出现了两个稳定的背景，统计两个背景对应各个块区域内像素差的绝对值之和是否大于设定的阈值A，所述阈值A的范围为10×块的面积～18×块的面积；如果该值大于阈值A，则标记为目标块；否则跳到步骤四继续执行；若出现了三个稳定的背景，将出现的三个背景两两进行比较，统计两个背景对应各个块区域内像素差的绝对值之和是否大于设定的阈值A，如果有两个值都大于阈值A，则标记为目标块，否则跳到步骤四继续执行；重复上述步骤直至图像所划分的各块区域内视频图像均完成了上述判断处理为止；

步骤六，统计相邻目标块区域的个数，如果该个数大于设定的阈值B，该阈值B的范围为5～15，则判定为停车事件，否则不是停车事件。

Images