[发明专利]基于LK局部差分光流法的车流量检测方法

说明书

本发明涉及一种基于LK局部差分光流法的车流量检测方法，包括以下步骤：车辆前景提取、车辆前景提取包括图像灰度化、图像去噪、光流法生成车辆前景图、形态学修补；粘连车辆分割；车流量统计。本发明的有益效果是：对现有的光流法进行改进，结合分水岭算法与卡尔曼滤波器实现对车流量检测；通过改进的分水岭算法，对各种实际存在的车辆粘连情况，本发明都有较好的分割处理效果；采用的LK局部差分光流法对于不同道路视频图像片段均有较好的检测效果，且提高了检测的准确率。

技术领域

本发明涉及车流量检测技术领域，具体的说是基于LK局部差分光流法的车流量检测方法。

背景技术

1985年，Adelson与Heeher建立能量光流法的基本理论。基本思想是认为与运动物体有关的所有非零功率均处于一个通过频率空间原点的平面上。本发明提到的基于光流法的道路视频车流量检测，在原理上就是通过光流法对运动目标进行检测。光流法因其可控性与较强的抗干扰能力在视频检测中得到快速发展，成为目前主要的运动目标检测方法之一。

谢红等人提出一种通过使用光流法获得运动目标区域，然后使用三帧差分法进行阈值分割，最后把阈值分割结果与区域分割结果相结合的办法，运动目标检测结果得到了提升，但同时增大了计算量，提升了算法的时间复杂度。王佳等人将光流特征与3D Harris时空兴趣点结合起来，采用积分视频的方式对运动区域进行估计，一定程度上抑制背景干扰，但在复杂的背景下引入了大量噪声，使得计算量较大。在不同种类的光流法当中，基于区域的方法运算速度快、计算量较少，但是计算精度较差；基于能量的方法抗干扰能力强、有较好的生物合理性，但其运算量极大，无法实时处理问题。基于差分的方法相对于其他种类光流法计算量适中、所得光流较为稠密。所以本发明提出了基于LK局部差分光流法的检测方法，提高运动目标的检测正确率。

发明内容

针对上述现有技术不足，本发明提供一种基于LK局部差分光流法的车流量检测方法，对车流量统计时使用的道路视频的特点，为保证车流量检测的正确率，不增加算法的时间复杂度，采用LK局部差分光流法对车辆前景提取，然后针对出现的车辆粘连与车流量统计时因噪声导致重复计数问题，进行了相应研究，最终实现高正确率低复杂度的车流量检测。

本发明提供的基于LK局部差分光流法的车流量检测方法是通过以下技术方案实现的：

一种基于LK局部差分光流法的车流量检测方法，包括以下步骤：

（1）车辆前景提取

车辆前景提取包括图像灰度化、图像去噪、光流法生成车辆前景图、形态学修补，其中：

图像灰度化：摄像机采集的图像为RGB图像，在图像处理中，为减少处理的数据量，提高算法速度，会把RGB图像转变成灰度图像进行后续处理，采用的灰度化方法是利用加权平均法对图像进行灰度化处理；

图像去噪：为保证道路图像中车辆边缘信息的完整性，采用高斯滤波器对灰度化的图像进行去噪处理，以避免边缘信息的缺失；

光流法生成车辆前景图：根据道路视频特点，结合算法时间复杂度，选择LK局部差分光流法对图像进行处理后，光流数据通过滤波和筛选，生成二值车辆前景图；

形态学修补：生成的二值车辆前景图内部存在断层与孔洞，采用形态学方法中的线形元素对断层进行修补结合孔洞填充对图像进行填充，得到效果完整的二值车辆前景图；

（2）粘连车辆分割

光流法生成的车辆前景图中，因车距过近时车辆前景图产生粘连，直接对前景图像进行连通域检测，计算车辆数量，会导致多辆车辆被检测成一辆；对于前景图像中出现的车辆粘连的状况，使用欧氏距离筛选出车辆中每辆车的位置后，根据筛选位置构建注水口及集水盆地后，使用分水岭算法进行分割；分割的结果表明，粘连车辆使用改进的算法进行分割后，粘连车辆分割充分，车辆的位置准确无变化，且能够对多种情况的粘连车辆进行处理；