[发明专利]基于航拍视频图像的运动车辆检测方法

摘要

本发明基于航拍视频图像的运动车辆检测方法，涉及图像数据处理中的图像运动分析，步骤是：对输入运动车辆彩色序列图像匹配，进一步得到背景补偿后的图像：包括基于SURF特征点的图像匹配和估计摄像机的全局运动参数得到背景补偿后的图像；运动车辆位置的粗检测；运动车辆位置的精确检测：包括自适应道路检测、提取候选车辆区域的CHLBP特征和利用SVM分类器对CHLBP特征进行判断获取运动车辆位置的精确检测。该方法融合时间和空间特性，克服了现有技术存在只适用于简单的单一场景运动车辆检测，难以适用于不同场景下的多运动车辆检测，检测的准确率容易受到尺度变化、复杂环境和摄像头运动的影响的缺陷。

主权项

基于航拍视频图像的运动车辆检测方法，该方法融合时间和空间特性，适应对不同场景的运动车辆进行精确检测，具体步骤如下：第一步，对输入运动车辆彩色序列图像匹配，进一步得到背景补偿后的图像：(1.1)基于SURF特征点的图像匹配：分别用简单航拍场景采集简单航拍场景运动车辆彩色序列图像和复杂航拍场景采集复杂航拍场景运动车辆彩色序列图像，将采集到的所有运动车辆彩色序列图像F输入计算机中，并由RGB空间转化到灰度空间，采用的公式(1)如下：I＝0.299R+0.587G+0.114B   (1)，在获得的灰度序列图像I上进行SURF特征点检测，然后在相邻的两帧灰度图像之间进行基于SURF特征点的图像匹配，得到匹配特征点对，用于下面进行摄相机的全局运动参数的估计；(1.2)估计摄像机的全局运动参数，得到背景补偿后的图像：摄像机的运动状态主要包括平移、旋转和缩放，采用六参数仿射模型近似表示，以估计全局运动参数，估计的过程如公式(2)所示：xikyik=a1xik-1+a2yik-1+t1a3xik-1+a4yik-1+t2---(2),]]>其中(a1,a2,a3,a4)表示摄像机的旋转和缩放运动，(t1,t2)表示摄像机的平移运动，分别为第k‑1帧和第k帧的第i个特征点对(pi,qi)的坐标，i＝1,…,N，利用公式(3)计算得到第i个特征点对(pi,qi)对应的摄像机的全局运动参数H，qiT=AiH---(3),]]>其中，T为转置，且有，Ai=xik-1yik-1001000xik-1yik-101,H=(a1,a2,a3,a4,t1,t2)T---(4),]]>根据相邻两帧灰度图像的N个特征点对，则有：F＝AH   (5)，其中F＝(q1,q2,...,qN)T，将上述(1.1)步匹配得到的特征点对代入公式(5)，利用最小二乘法计算得到全局运动参数，并且根据公式(2)得到第k‑1帧背景补偿后的灰度图像和第k+1帧背景补偿后的灰度图像第二步，运动车辆位置的粗检测：采用对“鬼影”现象不敏感的三帧差分法进行运动车辆的粗检测，三帧差分法的过程如下：D1(x,y)=|Ik(x,y)-I^k-1(x,y)|D2(x,y)=|I^k+1(x,y)-Ik(x,y)|---(6),]]>其中，和分别为上述第一步中得到的第k‑1帧背景补偿后的灰度图像的灰度值和k+1帧帧背景补偿后的灰度图像的灰度值，Ik(x,y)代表上述第一步中得到的第k帧灰度图像Ik的灰度值，D1(x,y)、D2(x,y)代表差分的结果，对差分结果二值化并进行“与”运算，得到粗略检测的运动车辆的候选区域和运动车辆位置R(x,y)，如公式(7)、(8)和(9)所示，R(x,y)＝R1(x,y)∧R2(x,y)   (9)，其中，R1(x,y)，R2(x,y)代表二值化结果，T为阈值，∧表示“与”运算，R(x,y)值为1的区域为粗略检测的运动车辆的候选区域；第三步，运动车辆位置的精确检测：在上述第二步运动车辆位置的粗检测的基础上，首先采用自适应的方法检测道路，得到感兴趣区域，然后对位于感兴趣区域的候选运动车辆进行验证，得到运动车辆位置的的精确检测，具体过程如下：(3.1)自适应道路检测：将上述第一步中航拍采集到的运动车辆彩色序列图像F由RGB空间转换为HSV空间，其中H代表色调，S代表饱和度，V代表明暗程度，将S分量图提取出来，利用大津算法计算出S分量的每一帧图像的阈值，根据该自适应的阈值将S分量图转换为二值图像，从而分割出道路区域，分别采用第一步中的简单航拍场景采集简单航拍场景运动车辆彩色序列图像和复杂航拍场景采集复杂航拍场景运动车辆彩色序列图像两种实验数据进行实验，分别得到两种航拍场景下的自适应道路检测结果，即道路区域图；(3.2)提取候选车辆区域的CHLBP特征：将上述步骤(3.1)得到的道路区域外的图像区域判定为非车辆候选区域，并在上述第二步得到的粗略检测的运动车辆的候选区域中去除这些非车辆候选区域，得到位于道路区域的候选车辆区域U，然后对这些区域进行CHLBP特征提取，得到CHLBP特征直方图；(3.3)利用SVM分类器对CHLBP特征进行判断获取运动车辆位置的的精确检测：利用SVM分类器对上述步(3.2)得到的CHLBP特征直方图进行训练并分类，判断是否为车辆，具体过程是：首先在离线情况下，利用SVM分类器进行训练，正样本为航拍场景下的车辆，负样本为除车辆外随机选取的背景，对正负样本提取CHLBP特征，然后将特征数据输入到SVM分类器中训练，构造SVM分类器，再对经过道路区域得到的候选车辆区域进行CHLBP特征提取，利用构造好的SVM分类器进行验证，当判断为正样本时则为车辆，当判断为负样本时则定为非车辆；至此完成运动车辆位置的精确检测。