專利名稱：一種基于圖像塊的狀態(tài)演變過程分析的停車事件檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于視頻檢測領(lǐng)域，具體涉及一種基于圖像塊的狀態(tài)演變過程分析的停車事件檢測方法。
背景技術(shù)：
隨著高速公路的快速發(fā)展和汽車數(shù)量的增多，在高速公路上由于違章停車所造成的交通事故不斷上升。由于高速公路的封閉性以及行駛的車輛速度快等特點(diǎn)，如果有違章停車而沒有及時(shí)處理，就很容易導(dǎo)致車輛的碰撞而引發(fā)交通事故，不僅影響交通的正常進(jìn)行甚至造成人身的傷亡和財(cái)產(chǎn)的損失。因此,需要實(shí)時(shí)地檢測出高速公路上的停車事件。常用的停車事件檢測方法主要有環(huán)形線圈檢測、微波檢測以及數(shù)字視頻檢測，但環(huán)形線圈檢測需要破壞路面，安裝維護(hù)不便；微波檢測在交通流量大的情況下，檢測精度不高；數(shù)字視頻檢測系統(tǒng)不需破壞路面，且安裝維護(hù)時(shí)無需中斷交通，同時(shí)可以對多個(gè)車道進(jìn)行檢測，檢測的功能多，且能實(shí) 時(shí)地反映道路的運(yùn)行狀況。因此，在實(shí)際的交通事件檢測系統(tǒng)中數(shù)字視頻檢測技術(shù)得到了廣泛的應(yīng)用。目前常用的視頻停車事件檢測方法主要有減背景法，該方法不僅對背景要求較高，而且需要對圖像中的所有目標(biāo)進(jìn)行長時(shí)間的跟蹤。處理過程復(fù)雜且很難滿足實(shí)時(shí)性的要求。

發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)的不足和缺陷，本發(fā)明的目的在于，提供一種基于圖像塊的狀態(tài)演變過程分析的停車事件檢測方法，該方法可以對視頻范圍內(nèi)的所有停車事件實(shí)現(xiàn)實(shí)時(shí)、可靠的檢測。為了實(shí)現(xiàn)上述任務(wù)，本發(fā)明采用如下技術(shù)方案予以實(shí)現(xiàn):—種基于圖像塊的狀態(tài)演變過程分析的停車事件檢測方法，該方法按照以下步驟進(jìn)行:步驟一，選取視頻中的第一幀圖像作為參考幀；步驟二，將圖像的每一幀和參考幀在相同的坐標(biāo)系下都劃分為多個(gè)塊，同時(shí)為每個(gè)塊設(shè)定一個(gè)計(jì)數(shù)器CT并將其初始化為O ;步驟三，對于第二幀圖像的每個(gè)塊，計(jì)算該塊與其在相應(yīng)的參考?jí)K中對應(yīng)像素灰度差的絕對值之和，當(dāng)所得的絕對值之和小于設(shè)定的閾值A(chǔ)時(shí)，將該塊對應(yīng)的計(jì)數(shù)器加一；否則，將該塊對應(yīng)的計(jì)數(shù)器清零，同時(shí)用當(dāng)前幀對應(yīng)的塊替換該參考?jí)K，即將當(dāng)前幀對應(yīng)的塊作為下一步的參考?jí)K，其中:所述的閾值A(chǔ)的取值范圍為500 600 ；步驟四，重復(fù)步驟三的處理方法對從第三幀圖像起的所有連續(xù)的圖像進(jìn)行處理；步驟五，當(dāng)某塊的計(jì)數(shù)器CT達(dá)到給定的閾值B時(shí)，將當(dāng)前塊的像素灰度值保存起來，第一次時(shí)保存在SP中，以后的各次保存在SC中，其中:
所述的閾值B的取值范圍為100 120 ；步驟六，分別計(jì)算SP和SC內(nèi)所有像素的均值和方差，當(dāng)其均值的差小于給定的閾值Cl且方差的差小于給定的閾值C2時(shí)，將該塊標(biāo)記為不變的塊，轉(zhuǎn)到步驟四繼續(xù)處理；否則將該塊標(biāo)記為變化的塊；不論差值的結(jié)果如何，都用SC替換SP，重復(fù)上述步驟直到視頻結(jié)束為止，其中:所述的閾值Cl和閾值C2的取值均為2.5 ；

步驟七，對變化的塊進(jìn)行連通域檢測，如果某連通域內(nèi)塊的個(gè)數(shù)大于閾值D，則該連通域?yàn)橥＼囀录?；否則不是停車事件，檢測完畢，其中:所述的閾值D的取值范圍為6 18。本發(fā)明的基于圖像塊的狀態(tài)演變過程分析的停車事件檢測方法，與現(xiàn)有技術(shù)相t匕，不受背景提取效果的限制，具有較高的穩(wěn)定性和檢測精度，且易于實(shí)現(xiàn)，能有效地檢測出場景中的所有停車事件，因此具有廣闊的應(yīng)用前景。


圖1為視頻序列中的一幀圖像；圖2是塊計(jì)數(shù)器的值第一次達(dá)到閾值B的一個(gè)穩(wěn)定狀態(tài)的圖像塊。圖3是圖2的圖像塊所對應(yīng)的塊計(jì)數(shù)器的值第二次達(dá)到閾值B的一個(gè)穩(wěn)定狀態(tài)的圖像塊。圖4為對視頻圖像中的所有塊進(jìn)行分析，比較每個(gè)塊相鄰的兩個(gè)穩(wěn)定狀態(tài)后得出的圖像結(jié)果，其中的白色區(qū)域?yàn)闄z測到的狀態(tài)變化的圖像塊；黑色區(qū)域?yàn)闄z測到的狀態(tài)不變的圖像塊。圖5為對圖3中狀態(tài)變化的塊進(jìn)行連通域分析的結(jié)果圖，其中方框表示連通域的最小外接矩形。圖6為在原視頻圖像原始視頻圖像中將檢測到的停車用最小外接矩形框起來；圖7為停車報(bào)警示意圖。以下結(jié)合附圖和實(shí)施例對本發(fā)明的內(nèi)容作進(jìn)一步詳細(xì)說明。
具體實(shí)施例方式本實(shí)施例給出一種基于圖像塊的狀態(tài)演變過程分析的停車事件檢測方法，演變?yōu)橥＼嚨膲K與原來的道路塊是兩個(gè)完全不同的狀態(tài)，通過分析圖像塊的狀態(tài)演變過程，從而實(shí)現(xiàn)對停車事件的檢測，需要說明的是，本發(fā)明的方法過程中所處理的圖像是視頻中的沿正時(shí)間序列的第一幀圖像、第二幀圖像、第三幀圖像、…、第m(m為自然數(shù))幀圖像。設(shè)每一幀視頻圖像的大小為W*H，每個(gè)塊的面積大小為w*h，其中W為每一幀視頻圖像水平方向的像素，H為每一幀視頻圖像垂直方向的像素，w為每個(gè)塊區(qū)域的寬度，h為每個(gè)塊區(qū)域的高度。本實(shí)施例的方法具體采用以下步驟實(shí)現(xiàn):步驟一，選取視頻中的第一幀圖像作為參考幀；步驟二，將圖像的每一幀和參考幀在相同的坐標(biāo)系下都劃分為多個(gè)塊，則一幀圖像中塊的個(gè)數(shù)T=W*H/ (w*h)，同時(shí)為每個(gè)塊設(shè)定一個(gè)計(jì)數(shù)器CT并將其初始化為O ;步驟三，對于第二幀圖像的每個(gè)塊，計(jì)算該塊與其在相應(yīng)的參考?jí)K中對應(yīng)像素灰度差的絕對值之和，當(dāng)所得的絕對值之和小于設(shè)定的閾值A(chǔ)時(shí)，將該塊對應(yīng)的計(jì)數(shù)器加一；否則，將該塊對應(yīng)的計(jì)數(shù)器清零，同時(shí)用當(dāng)前幀對應(yīng)的塊替換該參考?jí)K，即將當(dāng)前幀對應(yīng)的塊作為下一步的參考?jí)K，其中:所述的閾值A(chǔ)的取值范圍為500 600 ；步驟四，重復(fù)步驟三的處理方法對從第三幀圖像起的所有連續(xù)的圖像進(jìn)行處理；步驟五，當(dāng)某塊的計(jì)數(shù)器CT達(dá)到給定的閾值B時(shí)，將當(dāng)前塊的像素灰度值保存起來，第一次時(shí)保存在SP中，以后的各次保存在SC中，其中:所述的閾值B的取值范圍為100 120 ；步驟六，分別計(jì)算SP和SC內(nèi)所有像素的均值和方差，當(dāng)其均值的差小于給定的閾值Cl且方差的差小于給定的閾值C2時(shí)，將該塊標(biāo)記為不變的塊，轉(zhuǎn)到步驟四繼續(xù)處理；否則將該塊標(biāo)記為變化的塊；不論差值的結(jié)果如何，都用SC替換SP，重復(fù)上述步驟直到視頻結(jié)束為止，其中:所述的閾值Cl和閾值C2的取值均為2.5。步驟七，對變化的塊進(jìn)行連通域檢測，如果某連通域內(nèi)塊的個(gè)數(shù)大于閾值D，則該連通域?yàn)橥＼囀录?；否則不是停車事件，檢測完畢，其中:所述的閾值D的取值范圍為6 18。

以下給出本發(fā)明的具體實(shí)施例，需要說明的是本發(fā)明并不局限于以下具體實(shí)施例，凡在本申請技術(shù)方案基礎(chǔ)上做的等同變換均落入本發(fā)明的保護(hù)范圍。實(shí)施例:實(shí)施例采用西安市南二環(huán)某一路段的實(shí)時(shí)路況視頻圖像，視頻采樣頻率是25幀/秒，圖像大小為720 X 288，每個(gè)塊圖像的大小為8 X 6，將一幀圖像分成90 X 48個(gè)塊區(qū)域，遵從上述方法依次對視頻序列中的各幀圖像進(jìn)行處理。如圖1所示為視頻序列中的一幀圖像；將視頻序列中的第一幀圖像作為參考幀，并將視頻圖像的每一幀和參考幀按大小為8X6的塊進(jìn)行劃分，同時(shí)為每個(gè)塊設(shè)定一個(gè)計(jì)數(shù)器CT，并初始化為O ;對于第二幀圖像的每個(gè)塊，計(jì)算該塊與其在相應(yīng)的參考?jí)K中對應(yīng)像素灰度差的絕對值之和，將絕對值之和小于設(shè)定的閾值A(chǔ)的塊，閾值A(chǔ)的取值為550，所對應(yīng)的計(jì)數(shù)器加一；將絕對值之和大于設(shè)定的閾值A(chǔ)的塊所對應(yīng)的計(jì)數(shù)器清零，同時(shí)用當(dāng)前幀對應(yīng)的塊替換該參考?jí)K，即將當(dāng)前幀對應(yīng)的塊作為下一步的參考?jí)K；從第三幀圖像開始對每一幀圖像均做上述處理；圖2所示為塊計(jì)數(shù)器的值第一次達(dá)到閾值B的一個(gè)穩(wěn)定狀態(tài)的圖像塊，閾值B的取值為100，將此時(shí)該塊的灰度信息保存到SP中；圖3所示為該圖像塊所對應(yīng)的計(jì)數(shù)器的值第二次達(dá)到閾值B，將此時(shí)該塊的灰度信息保存到SC中；經(jīng)過計(jì)算得SP中所有像素點(diǎn)灰度值的平均值為146，所有像素點(diǎn)的灰度值與平均值相減并取所有差值的平均值即得方差為0.9 ；SC中所有像素點(diǎn)灰度值的平均值為49，方差為3.7 ;此時(shí)SP與SC內(nèi)所有像素的均值的差值大于給定的閾值Cl，且方差的差值也大于給定的閾值C2，閾值Cl和閾值C2的取值均為2.5，故將該塊標(biāo)記為狀態(tài)變化的塊，并將該塊的灰度值賦為255 ;用SC替換SP，按照上述方法重復(fù)以上步驟遍歷圖像幀中的每一塊，直到視頻結(jié)束為止；圖4所示為檢測到的視頻圖像中所有狀態(tài)變化的圖像塊，其中狀態(tài)變化的圖像塊為圖中的白色區(qū)域；對圖像中的所有狀態(tài)變化的塊進(jìn)行連通域檢測，圖5為連通域檢測結(jié)果，并用最小外接矩形框?qū)⑦B通域框起來，此時(shí)連通域內(nèi)塊的個(gè)數(shù)大于閾值D，閾值D的取值為12，說明該連通域?yàn)橥＼嚕谠家曨l中將檢測到的停車用圖5中所示的最小外接矩形框框起來，如圖6所示；進(jìn)行實(shí) 時(shí)報(bào)警，如圖7所示。
權(quán)利要求
1.一種基于圖像塊的狀態(tài)演變過程分析的停車事件檢測方法，其特征在于，該方法按照以下步驟進(jìn)行: 步驟一，選取視頻中的第一幀圖像作為參考幀； 步驟二，將圖像的每一幀和參考幀在相同的坐標(biāo)系下都劃分為多個(gè)塊，同時(shí)為每個(gè)塊設(shè)定一個(gè)計(jì)數(shù)器CT并將其初始化為O ; 步驟三，對于第二幀圖像的每個(gè)塊，計(jì)算該塊與其在相應(yīng)的參考?jí)K中對應(yīng)像素灰度差的絕對值之和，當(dāng)所得的絕對值之和小于設(shè)定的閾值A(chǔ)時(shí)，將該塊對應(yīng)的計(jì)數(shù)器加一；否貝U，將該塊對應(yīng)的計(jì)數(shù)器清零，同時(shí)用當(dāng)前幀對應(yīng)的塊替換該參考?jí)K，即將當(dāng)前幀對應(yīng)的塊作為下一步的參考?jí)K，其中: 所述的閾值A(chǔ)的取值范圍為500 600 ； 步驟四，重復(fù)步驟三的處理方法對從第三幀圖像起的所有連續(xù)的圖像進(jìn)行處理；步驟五，當(dāng)某塊的計(jì)數(shù)器CT達(dá)到給定的閾值B時(shí)，將當(dāng)前塊的像素灰度值保存起來，第一次時(shí)保存在SP中，以后的各次保存在SC中，其中: 所述的閾值B的取值范圍為100 120 ； 步驟六，分別計(jì)算SP和SC內(nèi)所有像素的均值和方差，當(dāng)其均值的差小于給定的閾值Cl且方差的差小于給定的閾值C2時(shí)，將該塊標(biāo)記為不變的塊，轉(zhuǎn)到步驟四繼續(xù)處理；否則將該塊標(biāo)記為變化的塊；不論差值的結(jié)果如何，都用SC替換SP，重復(fù)上述步驟直到視頻結(jié)束為止，其中: 所述的閾值Cl和閾 值C2的取值均為2.5 ； 步驟七，對變化的塊進(jìn)行連通域檢測，如果某連通域內(nèi)塊的個(gè)數(shù)大于閾值D，則該連通域?yàn)橥＼囀录?；否則不是停車事件，檢測完畢，其中:所述的閾值D的取值范圍為6 18。
全文摘要
本發(fā)明一種基于圖像塊的狀態(tài)演變過程分析的停車事件檢測方法，通過選取參考幀，劃分為多個(gè)塊，計(jì)算每一塊與其在相應(yīng)的參考?jí)K中對應(yīng)像素灰度差的絕對值之和，對從第三幀圖像起的所有連續(xù)的圖像進(jìn)行處理；確定穩(wěn)定狀態(tài)的塊并將當(dāng)前塊的像素灰度值保存起來，第一次時(shí)保存在SP中，以后的各次保存在SC中，分別計(jì)算SP和SC內(nèi)所有像素的均值和方差，確定不變的塊或者變化的塊，對變化的塊進(jìn)行連通域檢測，確定該連通域是否為停車事件。本發(fā)明與現(xiàn)有技術(shù)相比，不受背景提取效果的限制，具有較高的穩(wěn)定性和檢測精度，且易于實(shí)現(xiàn)，能有效地檢測出場景中的所有停車事件，因此具有廣闊的應(yīng)用前景。
文檔編號(hào)G08G1/01GK103236157SQ20131009960
公開日2013年8月7日 申請日期2013年3月26日 優(yōu)先權(quán)日2013年3月26日
發(fā)明者宋煥生, 趙倩倩, 李潔, 楊孟拓, 李建成, 李東方, 張鵬, 宋鵬飛 申請人:長安大學(xué), 中國公路工程咨詢集團(tuán)有限公司