CN103366578A - 一种基于图像的车辆检测方法 - Google Patents
一种基于图像的车辆检测方法 Download PDFInfo
- Publication number
- CN103366578A CN103366578A CN2013102594349A CN201310259434A CN103366578A CN 103366578 A CN103366578 A CN 103366578A CN 2013102594349 A CN2013102594349 A CN 2013102594349A CN 201310259434 A CN201310259434 A CN 201310259434A CN 103366578 A CN103366578 A CN 103366578A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- surveyed area
- imaging device
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像的车辆检测方法,包括设置成像设备的检测区域,所述检测区域包含注视目标;采集所述检测区域内的图像,分析所采集的图像,将所述图像信息作为先验结构信息保存于成像设备;使用所述成像设备高速对所述检测区域进行拍摄;将所拍摄的检测区域图像进行处理,提取图像信息,并与所述先验结构信息进行对比,如果两者完全匹配或部分匹配,则判定无车辆出现,如果图像中的边缘信息提取失败或者两者不匹配,则判定有车辆出现。采用了本发明的技术方案,通过变换检测目标,明显提高了车辆的检测率和降低了误检测率。
Description
技术领域
本发明涉及车辆检测领域,特别涉及一种基于图像的车辆检测方法。
背景技术
车辆检测通常的目的抓拍车辆或对车辆进行计数,常用的车辆检测技术包括埋地线圈检测、红外检测、雷达检测技术、视频检测等多种方式。采用视频检测可以避免破坏路面、不必附加外部检测设备、不需矫正触发位置、节省开支,而且更适合移动式、便携式应用的要求。
***进行视频车辆检测,需要具备很高的处理速度并采用优秀的算法,在基本不丢帧的情况下实现图像采集、处理。若处理速度慢,则导致丢帧,使***无法检测到行驶速度较快的车辆,同时也难以保证在有利于识别的位置开始识别处理,影响***识别率。视频车辆检测的关键性能指标包括在各种光照环境下和车流量条件下车辆检测率、误检测率、检测位置的准确性。视频车辆检测技术在智能交通领域已经成为热点,但相对于埋地线圈其检测率低、误检测率高和检测位置的准确性差,所以应用范围受到很大的限制。
现有的技术方案之一,虚拟线或虚拟线圈技术是视频车辆检测中最常用的检测手段,虚拟线和虚拟线圈的技术原理是相同的,均在图像中车辆经过的区域提取有限个像素,形成一个集合,统计每帧图像中集合内像素的某种统计特征值(例如灰度平均值、梯度分布特征等)。当特征值与背景特征值或相邻帧的特征值差距大于某一阈值时,认为在像素集合所覆盖的区域出现车辆。基于背景差分法、时间差分法的对象检测和基于光流的运动检测均在此范畴内。
虚拟线圈技术的缺陷有以下两点:
1由于虚拟线圈的原理是基于像素集合的统计特征值变化检测车辆,但实际应用中变化并不仅仅由车辆出现引起,造成某些情况下误检测率高,例如车辆的阴影,夜间的车辆灯光等因素都会造成误检测。
2判断是否存在车辆的阈值难以确定,该阈值与光照环境,路面的反光系数、相机性能参数有密切关系,造成算法的适应性较差。
使用车辆特征进行车辆检测是另一种技术方案,被经常选择的车辆特征包括车辆的形状、颜色、纹理、夜间车辆的车灯。使用车辆特征进行检测被称作基于模型的车辆检测,通常的步骤是在进行车辆检测之前,建立一个车辆特征模型,例如在夜间车灯的模型可能包括车灯的灰度特征、车灯的形状、车灯的对称型。在建立车辆特征模型后,在每一帧图像中分割出感兴趣区域,并提取特征值与特征模型进行匹配,当特征值符合特征模型时,认为分割出来的感兴趣区域包含车辆。实际的算法中往往采用多种特征融合在一起,才能获得比较好的鲁棒性。
基于特征的车辆检测相对于虚拟线圈具有较低的误检测率,但其也存在缺点:由于检测对象的多样性和光照环境、拍摄角度等因素的不确定性,造成模型建立的难度增加,算法的适应性差。
发明内容
本发明的目的是提供一种基于图像的车辆检测方法,能够明显提高车辆检测率和降低误检测率。
为达到上述目的,本发明采用如下技术方案:
一种基于图像的车辆检测方法,包括如下步骤:
设置成像设备的检测区域,所述检测区域包含注视目标;
采集所述检测区域内的图像,分析所采集的图像,将所述图像信息作为先验结构信息保存于成像设备;
使用所述成像设备高速对所述检测区域进行拍摄;
将所拍摄的检测区域图像进行处理,提取图像信息,并与所述先验结构信息进行对比,如果两者完全匹配或部分匹配,则判定无车辆出现,如果图像中的边缘信息提取失败或者两者不匹配,则判定有车辆出现。
作为一个本发明的优选实施例,所述图像信息包括所述注视目标的边缘信息。
作为一个本发明的优选实施例,所述方法还包括如下步骤:
当判定车辆出现时,将所述成像设备切换到全分辨率成像模式进行拍摄;
分析所拍摄的图像内的另外一处检测区域所包含的注视目标是否被遮挡,如果被遮挡,则判定所经过车辆为大型车,如果没有被遮挡,则判定所经过车辆为小型车。
作为一个本发明的优选实施例,还包括设置注视目标的步骤。
作为一个本发明的优选实施例,通过在路面上布置反光涂料或利用补光设备在路面上投射设置所述注视目标。
作为一个本发明的优选实施例,所述检测区域内包含的注视目标是车辆减速带或道路的标志标线。
作为一个本发明的优选实施例,将所述成像设备设定为开窗工作模式,使用所述成像设备高速对检测区域进行拍摄。
作为一个本发明的优选实施例,所述检测区域内的注视目标是固定设置的。
本发明所提供的基于图像的车辆检测方法,通过变换检测目标,明显提高了车辆的检测率和降低了误检测率,还通过提高检测帧率提高检测的位置精度。
附图说明
图1是本发明的一个具体实施例的示意图;
图2是在本发明的一个具体实施例中无车状态时示意图;
图3是在本发明的一个具体实施例中车辆出现时示意图;
图4本发明的另一个具体实施例的示意图。
附图标记:1,注视目标;2,成像设备;3,检测区域一;4,车辆;5,抓拍区域;6,检测区域图像;7,先验结构信息;8,提取的结构信息;9,检测区域二。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图及实施例,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用以解释本发明,并不用于限定本发明。
该基于图像的车辆检测方法,包括如下步骤:
设置成像设备的检测区域,该检测区域包含注视目标。
可以通过在路面上布置反光涂料或利用补光设备在路面上投射设置注视目标;注视目标也可以是车辆减速带或道路的标志标线。
检测区域内的注视目标是固定设置的。
采集检测区域内的图像,分析所采集的图像,将图像信息作为先验结构信息保存于成像设备,这个图像信息包括该注视目标的边缘信息。
使用成像设备高速对所述检测区域进行拍摄,当判定车辆出现时,将成像设备切换到全分辨率成像模式进行拍摄。
也可以将成像设备设定为开窗工作模式,使用该成像设备高速对检测区域进行拍摄。
将所拍摄的检测区域图像进行处理,提取图像信息,并与所述先验结构信息进行对比,如果两者完全匹配或部分匹配,则判定无车辆出现,如果图像中的边缘信息提取失败或者两者不匹配,则判定有车辆出现。
分析所拍摄的图像内的另外一处检测区域所包含的注视目标是否被遮挡,如果被遮挡,则判定所经过车辆为大型车,如果没有被遮挡,则判定所经过车辆为小型车。
如图1所示,在车辆必然经过的区域布置若干注视目标1,目标的形状包含丰富的结构信息,例如三角形或大写大英文字符。注视目标1的材料应为反光材料且耐磨,以提高夜间的可见度,例如使用目前广泛采用的热熔划线法在路面上布设。
固定成像设备2,成像设备2工作于全分辨率模式,使注视目标1在摄像机的视野内,并设置检测区域一3包含注视目标1。
图像处理算法对检测区域一3内的图像进行分析,提取注视目标1的边缘,作为先验结构信息7保存在成像设备2内部。先验结构信息7可以利用应用场合已有的设施,例如车辆减速带或道路的标志标线,也可以使用反光涂料按照设计的形状在路面上布置,还可以利用补光设备(例如激光器)在路面上投射。反光涂料和激光器不限于使用可见光范围,也可以使用红外光反光涂料和激光器。
成像设备2工作于开窗工作模式,开始高速对检测区域一3进行拍摄。其中,开窗成像是相对于全分辨率成像而言的,基于图像传感器的成像技术,指对整个传感器的成像区域中的一个矩形区域进行成像或读取。将成像设备内的传感器开窗操作用于车辆检测的方法,通过其他方式降低分辨率以提高帧速的方法与此方法本质相同。提高检测帧率的方法不限于开窗操作,其他通过降低图像尺寸的方法与开窗操作视为同样的方法。
图像处理算法对检测区域图像6进行处理,提取图像中的边缘信息,并与先验结构信息7进行对比,如果提取的结构信息8完全匹配或部分匹配则认为注视目标1没有被遮挡,说明当前无车辆出现,如图2所示;如果结构信息提取失败或者提取到的结构信息8与先验结构信息7不匹配则认为注视目标被遮挡,有车辆出现,如图3所示。其中,注视目标不限于被完全遮挡,注视目标形状和产生方法与检测方法无关,均应视为同样的检测方法。
当车辆出现时,成像设备2切换到全分辨率成像模式对抓拍区域5进行拍摄。
分析全分辨率图像内的检测区域二9内的注视目标是否被遮挡,判断车辆的长度,对小型车和大型车进行分类,如果被遮挡,则判定所经过车辆为大型车,如果没有被遮挡,则判定所经过车辆为小型车,如图4所示。还可以使用更多个注视目标用于更多车辆尺寸分类。
通过实现确定的结构信息将不确定的对象检测转换为确定的对象检测,结构信息的检测准确率可以达到99%以上,能够明显的提高各种光照环境下检测率并降低误检测率。
由于使用高帧率进行车辆检测,可以明显提高检测的位置精度,能够在合适的位置抓拍车辆,同时能够适应高速通过的车辆。
成像设备与车辆的相对位置变化不影响算法的工作,所以对摄像机的安装要求低,实施方便。
由于注视目标是固定的,所以延长成像设备的曝光时间不会对检测算法造成影响,延长成像设备的曝光时间后,夜间补光设备的功率可以相应降低,以达到降低能耗减少光污染的目的。
以上所述仅为本发明的较佳实施例,并非用来限定本发明的实施范围;如果不脱离本发明的精神和范围,对本发明进行修改或者等同替换,均应涵盖在本发明权利要求的保护范围当中。
Claims (8)
1.一种基于图像的车辆检测方法,其特征在于,包括如下步骤:
设置成像设备的检测区域,所述检测区域包含注视目标;
采集所述检测区域内的图像,分析所采集的图像,将所述图像信息作为先验结构信息保存于成像设备;
使用所述成像设备高速对所述检测区域进行拍摄;
将所拍摄的检测区域图像进行处理,提取图像信息,并与所述先验结构信息进行对比,如果两者完全匹配或部分匹配,则判定无车辆出现,如果图像中的边缘信息提取失败或者两者不匹配,则判定有车辆出现。
2.根据权利要求1所述的基于图像的车辆检测方法,其特征在于,所述图像信息包括所述注视目标的边缘信息。
3.根据权利要求1或者2所述的基于图像的车辆检测方法,其特征在于,所述方法还包括如下步骤:
当判定车辆出现时,将所述成像设备切换到全分辨率成像模式进行拍摄;
分析所拍摄的图像内的另外一处检测区域所包含的注视目标是否被遮挡,如果被遮挡,则判定所经过车辆为大型车,如果没有被遮挡,则判定所经过车辆为小型车。
4.根据权利要求1或者2所述的基于图像的车辆检测方法,其特征在于,还包括设置注视目标的步骤。
5.根据权利要求4所述的基于图像的车辆检测方法,其特征在于,通过在路面上布置反光涂料或利用补光设备在路面上投射设置所述注视目标。
6.根据权利要求1或2所述的基于图像的车辆检测方法,其特征在于,所述检测区域内包含的注视目标是车辆减速带或道路的标志标线。
7.根据权利要求1或2所述的基于图像的车辆检测方法,其特征在于,将所述成像设备设定为开窗工作模式,使用所述成像设备高速对检测区域进行拍摄。
8.根据权利要求1或2所述的基于图像的车辆检测方法,其特征在于,所述检测区域内的注视目标是固定设置的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102594349A CN103366578A (zh) | 2013-06-27 | 2013-06-27 | 一种基于图像的车辆检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102594349A CN103366578A (zh) | 2013-06-27 | 2013-06-27 | 一种基于图像的车辆检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103366578A true CN103366578A (zh) | 2013-10-23 |
Family
ID=49367822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013102594349A Pending CN103366578A (zh) | 2013-06-27 | 2013-06-27 | 一种基于图像的车辆检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103366578A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839415A (zh) * | 2014-03-19 | 2014-06-04 | 重庆攸亮科技有限公司 | 基于路面图像特征识别的交通流量和占有率信息获取方法 |
CN105117693A (zh) * | 2015-08-12 | 2015-12-02 | 杜宪利 | 基于光学标识的视频检测方法 |
CN105575125A (zh) * | 2015-12-15 | 2016-05-11 | 上海微桥电子科技有限公司 | 一种车流视频侦测分析*** |
CN110896449A (zh) * | 2019-11-10 | 2020-03-20 | 张晓东 | 实时相机分辨率调整***以及方法 |
CN112602127A (zh) * | 2019-03-22 | 2021-04-02 | 深圳市大疆创新科技有限公司 | 用于车道监控和提供车道偏离警告的***和方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003023716A2 (en) * | 2001-09-11 | 2003-03-20 | Pips Technology Limited | Dtermining occupancy of a region monitored by a video apparatus |
EP1744292A2 (en) * | 2005-07-08 | 2007-01-17 | Van de Weijdeven, Everhardus Franciscus | Method for determining data of vehicles |
CN101765527A (zh) * | 2007-07-31 | 2010-06-30 | 株式会社丰田自动织机 | 停车辅助装置、停车辅助装置的车辆侧装置、停车辅助方法及停车辅助程序 |
CN102610103A (zh) * | 2012-01-13 | 2012-07-25 | 深圳市黄河数字技术有限公司 | 智能压黄线分析识别方法 |
CN102682602A (zh) * | 2012-05-15 | 2012-09-19 | 华南理工大学 | 一种基于视频技术的道路交通参数采集方法 |
-
2013
- 2013-06-27 CN CN2013102594349A patent/CN103366578A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003023716A2 (en) * | 2001-09-11 | 2003-03-20 | Pips Technology Limited | Dtermining occupancy of a region monitored by a video apparatus |
EP1744292A2 (en) * | 2005-07-08 | 2007-01-17 | Van de Weijdeven, Everhardus Franciscus | Method for determining data of vehicles |
CN101765527A (zh) * | 2007-07-31 | 2010-06-30 | 株式会社丰田自动织机 | 停车辅助装置、停车辅助装置的车辆侧装置、停车辅助方法及停车辅助程序 |
CN102610103A (zh) * | 2012-01-13 | 2012-07-25 | 深圳市黄河数字技术有限公司 | 智能压黄线分析识别方法 |
CN102682602A (zh) * | 2012-05-15 | 2012-09-19 | 华南理工大学 | 一种基于视频技术的道路交通参数采集方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839415A (zh) * | 2014-03-19 | 2014-06-04 | 重庆攸亮科技有限公司 | 基于路面图像特征识别的交通流量和占有率信息获取方法 |
CN103839415B (zh) * | 2014-03-19 | 2016-08-24 | 重庆攸亮科技股份有限公司 | 基于路面图像特征识别的交通流量和占有率信息获取方法 |
CN105117693A (zh) * | 2015-08-12 | 2015-12-02 | 杜宪利 | 基于光学标识的视频检测方法 |
CN105575125A (zh) * | 2015-12-15 | 2016-05-11 | 上海微桥电子科技有限公司 | 一种车流视频侦测分析*** |
CN105575125B (zh) * | 2015-12-15 | 2018-05-29 | 上海微桥电子科技有限公司 | 一种车流视频侦测分析*** |
CN112602127A (zh) * | 2019-03-22 | 2021-04-02 | 深圳市大疆创新科技有限公司 | 用于车道监控和提供车道偏离警告的***和方法 |
CN110896449A (zh) * | 2019-11-10 | 2020-03-20 | 张晓东 | 实时相机分辨率调整***以及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809679B (zh) | 一种基于视觉分析的山区铁路边坡落石检测方法 | |
CN104392224B (zh) | 一种公路路面裂纹检测方法 | |
CN105373135B (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及*** | |
CN102231236B (zh) | 车辆计数方法和装置 | |
CN100545867C (zh) | 航拍交通视频车辆快速检测方法 | |
US8798314B2 (en) | Detection of vehicles in images of a night time scene | |
CN105203552A (zh) | 一种360°踏面图像检测***及其检测方法 | |
CN109489724B (zh) | 一种隧道列车安全运行环境综合检测装置及检测方法 | |
CN109242035B (zh) | 车底故障检测装置及方法 | |
CN103366578A (zh) | 一种基于图像的车辆检测方法 | |
JP4987826B2 (ja) | ナンバプレート認識方法およびナンバプレート認識装置 | |
CN103983426B (zh) | 一种基于机器视觉的光纤缺陷检测及分类方法 | |
JP6139088B2 (ja) | 車両検知装置 | |
CN102496281A (zh) | 一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法 | |
CN103010258A (zh) | 一种高铁和地铁扣件裂缝检测***和方法 | |
CN104378539A (zh) | 场景自适应的视频结构化语义提取摄像机及其方法 | |
CN202058221U (zh) | 一种基于双目视觉的客流统计装置 | |
CN102779348A (zh) | 无标识运动目标跟踪测量方法 | |
KR101089029B1 (ko) | 광류를 이용한 방범용 차량 감지 시스템 | |
Ryu et al. | Feature-based pothole detection in two-dimensional images | |
Shafie et al. | Smart video surveillance system for vehicle detection and traffic flow control | |
Saha et al. | Development of an automated red light violation detection system (RLVDS) for Indian vehicles | |
CN105117693A (zh) | 基于光学标识的视频检测方法 | |
Li et al. | A fog level detection method based on grayscale features | |
CN102519983B (zh) | 光伏铝型材压痕在线检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131023 |
|
RJ01 | Rejection of invention patent application after publication |