[发明专利]基于运动分析的车辆分类方法及系统

说明书

本发明提供了一种基于运动分析的车辆分类方法及系统，该方法包括：获取图像中的前景目标区域；针对前景目标区域，提取其中的连通区域的几何特征，进行目标的初步分类；基于初步分类的结果，对二值边缘图像提取直线，基于横向直线、纵向直线及第二类阈值，进行目标的二次分类；基于二次分类的结果，估计目标的运动方向，进行目标的三次分类，将目标区分为车辆和非车辆。本方案对复杂交通场景中的车辆和非车辆的识别准确率明显提高，整体方案对硬件资源的消耗小，识别速度快，在交通监控视频等场景有广泛的应用前景。

技术领域

本发明涉及智能交通领域，以及物联网通信与智能交通的结合领域，尤其 涉及一种基于运动分析的车辆的智能分类相关的方法以及系统。

背景技术

交通监控场景的摄像头位置大多固定，拍摄的场景背景变化相对缓慢。一 般系统常采用构建背景模型，然后利用当前帧图像和背景模型进行差值，得到 前景区域的方法来检测运动前景信息。但是不同于高速路，或者交通主干道的 车辆信息，交通路口场景相对更复杂，运动目标除车辆之外还有行人、自行车、 电动车、摩托车等，对不同运动物体的交通规范是不同的。因此，迅速准确的 对运动目标分类识别是后续目标跟踪和智能分析的前提，例如，只有将人和车 分类识别后才能判断是否有错道行驶、闯红灯或者车辆逆行等违反交通规则的 行为。

目前对运动目标分类识别的方法有基于几何特征的分类方法、基于直线特 征的分类方法和基于运动特征的分类方法，这三种方法各自有不同的局限性， 例如：基于几何特征的方法不能处理粘连的人群；基于Hough线性特征的方法 不能很好地处理横向运动的摩托尤其不能处理当两辆摩托或自行车相向行驶发 生粘连的情况；基于运动特征的方法所不能处理的纵向行驶的非车辆目标。

因此，针对复杂路口的交通监控场景视频，更加需要一种高效准确的车辆 分类识别相关的检测分析方法，以有效区分场景中的不同目标。

发明内容

有鉴于此，综合考虑运动目标的几何特征、边缘直线特征和运动特征，本 发明将基于几何特征的分类方法、基于直线特征的分类方法和基于运动特征的 分类方法三种方法有机的结合，提出了基于分层特征的目标分类方法，对交通 路口运动目标进行分类，相对于基于单特征的分类方法，该方法提高了分类的 准确性。能有效地区分车辆和非车辆目标，比如行人，摩托车等。具体而言， 本发明提供了以下技术方案：

一方面，本发明实施例提供了一种基于运动分析的车辆分类方法，该方法 包括：

S1、获取图像中的前景目标区域；

S2、针对所述前景目标区域，提取其中的连通区域的几何特征，基于所述 几何特征及预设的第一类阈值，进行目标的初步分类；

S3、基于所述初步分类的结果，提取前景目标区域的灰度子图像，针对灰 度子图像提取图像的边缘，得到二值边缘图像，对所述二值边缘图像提取直线， 将所述直线分类为横向直线和纵向直线，基于所述横向直线、纵向直线及第二 类阈值，进行目标的二次分类；

S4、基于所述二次分类的结果，针对前景目标区域，基于当前帧和前一帧 图像，估计前景目标区域中目标的运动方向，基于所述运动方向，进行目标的 三次分类，将目标区分为车辆和非车辆。

优选的，所述S2中，所述几何特征包括前景目标区域的面积、宽度、长宽 比；所述第一类阈值包括面积阈值、宽度阈值、长宽比阈值。

优选的，所述初步分类的方式为：

其中，area，width，ratio依次为运动目标的面积、宽度和长宽比；V为 分类结果：V＝1为车辆，否则为非车辆；T1为面积阈值，T2为宽度阈值，T3为 长宽比阈值。

优选的，所述S3中，所述纵向直线为与纵向方向的夹角在一定范围内的直 线，所述横向直线为与横向方向的夹角在一定范围内的直线；