[发明专利]一种基于视频的公交车检测与识别方法及系统

说明书

技术领域

本发明涉及视频检测方法，更具体地，涉及一种基于视频的公交车检测与识别方法及系统。

背景技术

公共交通成为人们日常出行的主要方式，在各个城市的客运交通中，公共交通占据重要地位，优先发展公共交通对缓解道路交通拥挤、提高道路利用率、节省能源和加快城市发展具有重要意义。“公交优先”是实现公共交通事业优先发展的重要一步，对智能交通系统的发展起着重要作用。

公交车由于具有固定的站台便于人们寻找、固定的时间点发车、线路明确机动灵活、乘车费用廉价等特点，成为大多数人出行的首选交通工具，而公交车辆检测技术是实现公交优先的重要技术。近年来，电子信息技术、图像处理技术、计算机视觉和计算机性能的增强与发展较为迅速，使得基于视频的车辆检测技术得以实现，从而能够更多的运用于智能交通系统中。

基于视频的公交车辆检测技术就是从视频序列中将公交车辆与其它车型的车辆进行分类，公交车辆和小汽车、两轮车、货车这三种车型的区别较为明显，使用分类器检测能较好地区分小汽车、两轮车、货车这三种非目标车辆，但是要区分公交车辆和大客车车辆这两种颇为相似的车型，分类器很难取得满意的效果。

关于公交车辆视频检测与识别的方法，目前只有少数论文和专利中有涉及，如题为《基于视频的公交车辆检测技术研究》的学术论文、题为《基于几何与颜色特征的公交车辆视频检测》期刊以及专利号为201210337115、专利名称为一种公交车车型识别方法的专利。

论文《基于视频的公交车辆检测技术研究》所述具体内容如下：使用单高斯模型从视频中捕获前景中运动的车辆；对获得的前景二值图进行区域填充，区域填充包括：形态学处理、轮廓检测、图像置零、轮廓内像素填充；计算前景二值图中面积比符合公交车辆的运动车辆，以区分小汽车等非目标车辆；采用LSD 直线检测法和亮度曲线的分布情况来判断前景中的车辆是否为公交车辆。此方案使用LSD宽度检测，在车窗区域亮度曲线中计算车窗高度的方法来检测公交车辆，这种方法对区分宽度接近的大客车和公交车辆很难达到理想效果，而且文中没有涉及怎样通过亮度变化来区分公交车辆和大客车。

论文《基于几何与颜色特征的公交车辆视频检测》则是使用直线检测和车牌黄色像素个数阈值相结合的方法，对公交车站的公交车进行检测。该方案由于基于车牌黄色像素进行公交车识别，但是混合交通道路上和公交车车型相近似的大客车也同样具备黄色车牌，故该方案针对于公交车站的公交车辆的识别较为实用，对混合交通道路上的公交车辆识别，则很难达到理想效果。

201210337115专利则是采用3D模式和LSD特征线段相结合的方式识别出公交车。该专利方案同样未能很好地对公交车和大客车进行区别。

可见，由于大客车车辆和公交车辆极为相似，它们具有接近的宽度、长度和面积比、丰富的直线信息，以及都具有黄色的车牌信息，想要通过车牌检测和面积比、直线等几何方法来区分大客车车辆与公交车辆，很难取得良好效果，这些方法很难运用到混合交通道路上。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷(不足)，提供一种在混合交通道路上识别出公交车的基于视频的公交车检测与识别方法。

本发明还提供一种基于视频的公交车检测与识别系统。

为解决上述技术问题，本发明的技术方案如下：

一种基于视频的公交车检测与识别方法，包括：

对采集的视频序列中的运动前景进行检测，标记运动的区域；

利用分类器对前景中标记的运动区域进行识别，将公交车、大客车车辆与其他类型车辆进行分类；

将分类器分类得到的公交车、大客车车辆分类结果进行车窗定位；

通过车窗的颜色特征对公交车、大客车车辆进行识别得到公交车识别结果。

本发明对在混合交通道路中车窗区域有区别的公交车和大客车车辆进行检测和分类，通过车窗定位和车窗区域颜色特征区分混合交通道路上的公交车和大客车车辆，实现公交车的视频检测，具有较高的实用性。

上述方案中，对采集的视频序列中的运动前景进行检测，标记运动的区域的具体步骤为：

对采集的视频序列进行预处理；

对预处理后的视频序列分别采用三帧差分法和混合高斯法获取运动的前景图像，记为M和N；

对前景图像M进行形态学膨胀操作得到图像M₁；

对前景图像N进行去阴影处理得到N₁；

对N₁进行二值化处理得到混合高斯模型前景图N₂；