專利名稱：一種基于運(yùn)動軌跡分析的道路行人事件檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于視頻檢測領(lǐng)域，具體涉及一種基于運(yùn)動軌跡分析的道路行人事件檢測方法。
背景技術(shù)：
道路行人事件是指行人在機(jī)動車道上沒有任何保護(hù)措施的情況下進(jìn)入，干擾機(jī)動車正常行駛的行為。雖然交管部門已經(jīng)采取措施，但行人闖入機(jī)動車道的情況時有發(fā)生，其危險性非常大，容易造成交通擁堵，甚至釀成交通事故，給人們正常生活造成嚴(yán)重的影響。傳統(tǒng)的行人事件檢測方法主要有溫度檢測方法、電子線圈檢測方法、數(shù)字視頻檢測方法，其中溫度檢測方法容易受到車輛干擾；電子線圈可擴(kuò)展性差，安裝維護(hù)時必須中斷交通、破壞路面，這些方法在實際生活中并不能得到廣泛應(yīng)用。目前的新建項目越來越多地采用安裝、維護(hù)不需要破壞路基、檢測區(qū)域大、實施方便靈活的基于視頻的交通信息檢測技術(shù)。基于視頻的行人檢測方法成為研究的熱點(diǎn)，現(xiàn)有的方法主要有基于神經(jīng)網(wǎng)絡(luò)行人檢測，基于小波變換的模板匹配檢測方法等。這些方法雖然能夠?qū)崿F(xiàn)行人事件報警，但視頻數(shù)據(jù)的處理過程復(fù)雜，可靠性差，不能滿足檢測的實時性要求，無法滿足實際應(yīng)用的要求。

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，提供一種基于運(yùn)動軌跡分析的道路行人事件檢測方法，該方法可以對視頻范圍內(nèi)所有行人事件實現(xiàn)實時、可靠的檢測。為了實現(xiàn)上述任務(wù)，本發(fā)明采用如下技術(shù)方案予以實現(xiàn):一種基于運(yùn)動軌跡分析的道路行人事件檢測方法，該方法按照以下步驟進(jìn)行:步驟一，建立圖像像素到路面實際距離的映射關(guān)系，即映射表；步驟二，將第一幀圖像和背景圖像在相同的塊坐標(biāo)系下都劃分成多個塊區(qū)域，背景的大小為W*H，劃分的塊大小為w*h，劃分的塊區(qū)域個數(shù)TST= (ff/w) * (H/h)，第i個塊內(nèi)所有像素值用Bi表示，第i個塊內(nèi)像素點(diǎn)的總個數(shù)N = w*h，Bi中保存w*h個像素值，以第i個塊的左下角為原點(diǎn)建立直角二維坐標(biāo)系Y，第i個塊內(nèi)(m，η)點(diǎn)的像素值用BiOn, η)表示，其中:W為背景水平方向的像素；H為背景豎直方向的像素；w為第i個塊的寬度方向的像素；h為第i個塊的高度方向的像素；i = I, 2, 3—T ；m代表第i個塊中任一像素點(diǎn)在坐標(biāo)系Y下的橫坐標(biāo)，m = 0，1，2...wl ；η代表第i個塊中任一像素點(diǎn)在坐標(biāo)系Y下的縱坐標(biāo)，η = O, 1,2...h_l ；步驟三，對第一幀圖像中的每個塊，在背景圖像中找到與該塊位置相同的背景塊，并計算該塊與其相應(yīng)的背景塊之間各相同像素位置處的灰度差值的絕對值之和；當(dāng)所得的絕對值之和大于設(shè)定的閾值A(chǔ)，則該塊為目標(biāo)塊，將該目標(biāo)塊內(nèi)所有像素的灰度值賦值為255，當(dāng)所得的絕對值之和小于或等于設(shè)定的閾值A(chǔ)，則該塊為背景塊，將背景塊內(nèi)所有像素的灰度值賦值為0，其中:所述的閾值A(chǔ)的取值范圍為(10 20) X塊的面積；

最后將第一幀圖像中的背景與目標(biāo)分離開，得到第一幀圖像的二值化圖像；步驟四，對得到的二值化圖像按照從左到右，從上到下的順序以塊為單位掃描，將相鄰的目標(biāo)塊標(biāo)記為同一目標(biāo)，同時計算每個標(biāo)記目標(biāo)的高度和寬度，當(dāng)高度/寬度的值在閾值B范圍內(nèi)時，對該二值化圖像進(jìn)行邊緣檢測，尋找最佳角點(diǎn)，即當(dāng)橫向檢測數(shù)據(jù)與縱向檢測數(shù)據(jù)同時大于閾值T時，判定該點(diǎn)為候選角點(diǎn)，其中:所述的閾值B的范圍為2 10 ;所述的閾值T的取值為180 ；步驟五，選擇這些角點(diǎn)中橫向檢測數(shù)據(jù)與縱向檢測數(shù)據(jù)和最小的點(diǎn)作為目標(biāo)的特征點(diǎn)，同時創(chuàng)建一個目標(biāo)結(jié)構(gòu)體，記錄這些目標(biāo)的特征點(diǎn)位置以及匹配跟蹤計數(shù)器信息，匹配跟蹤計數(shù)器R第一次初始化為零，特征點(diǎn)坐標(biāo)為(Xl，Y1)，同時記錄以該特征點(diǎn)為中心一個塊大小的圖像作為模板，該模板內(nèi)所有像素點(diǎn)的像素值用二維數(shù)組Bt[N]表示，該塊內(nèi)像素點(diǎn)(m, η)的像素值為Bt (m, η)；步驟六，在第二幀圖像中，以第一幀記錄的圖像塊Bt[N]為模板，以該模板的特征點(diǎn)位置(Xl，yi)為中心，在當(dāng)前幀圖像中選取4個塊大小的正方形區(qū)域作為搜索區(qū)域，按照從左到右，從上到下的方法，逐個搜索，待搜索塊的個數(shù)記為N，用BjN]表示當(dāng)前搜索區(qū)域中的任意一個搜索塊，得到兩者絕對值差和SAD，其中:
w—1 h-lSAD -,{m,n) - B,(m, η)
w=0 n=0j = 1，2，3____N以絕對差值和最小作為匹配準(zhǔn)則，選取N個絕對值差和中最小的塊為匹配塊，記為BS[N]，即在當(dāng)前幀中找到了匹配特征點(diǎn)，同時記錄新的匹配特征點(diǎn)的位置(χ2，γ2)，并用以新的特征點(diǎn)為中心的塊圖像1間作為新的模板Bt [N]，同時匹配跟蹤計數(shù)器R加I ;步驟七，從第三幀圖像到第M幀圖像，M為大于60的正整數(shù)，重復(fù)步驟六，當(dāng)R等于閾值C時，執(zhí)行步驟八；步驟八，當(dāng)匹配跟蹤計數(shù)器R等于閾值C時，所有的特征點(diǎn)(Xl，yi)...(x60, y60)構(gòu)成目標(biāo)的跟蹤軌跡，通過查找步驟一中建立的映射表，得到跟蹤軌跡對應(yīng)的實際距離，相鄰點(diǎn)的間隔為每幀時間，如此可以得到一組時間和實際距離的數(shù)組，利用最小二乘法擬合可求得跟蹤軌跡的速度，當(dāng)該速度滿足閾值D的范圍時，即確定該目標(biāo)為行人，其中:所述的閾值C的取值為60 ；所述的閾值D的范圍為(0.3 2.0) m/s。本發(fā)明的基于視頻的道路行人事件檢測方法，與現(xiàn)有技術(shù)相比，可對視頻范圍內(nèi)所有行人目標(biāo)進(jìn)行檢測，不受環(huán)境限制，能夠?qū)崟r視頻進(jìn)行檢測，且檢測時間短、易于實現(xiàn)、準(zhǔn)確性較高，很適合于實時檢測行人事件，具有廣闊的應(yīng)用前景。


圖1為第一幀視頻圖像。圖2為連通域標(biāo)記示意圖，圖中a為第一塊連通域，b為第二塊連通域。圖3為第一幀圖像二值化標(biāo)記結(jié)果圖像，圖中白色區(qū)域為當(dāng)前幀的二值化標(biāo)記目標(biāo)。圖4為第二幀視頻圖像，圖中的白色十字點(diǎn)為求取的目標(biāo)特征點(diǎn)。圖5為滑動搜索示意圖，實線矩形框為待搜索塊，虛線舉行表示搜索區(qū)域，其中心點(diǎn)A為上一幀特征點(diǎn)的位置，實線矩形框依一個像素為步長，按照從左到右，從上到下滑動搜索。圖6為第60幀二值化標(biāo)記圖，圖中的白色線條為跟蹤軌跡線。圖7為圖6中跟蹤軌跡對應(yīng)的實際運(yùn)動軌跡曲線圖，圖中的橫坐標(biāo)為時間，單位時間為0.04s,縱坐標(biāo)為實際距離,單位為cm。圖8為行人事件檢測結(jié)果。以下結(jié)合附圖和實施例對本發(fā)明的內(nèi)容作進(jìn)一步詳細(xì)說明。
具體實施例方式本實施例給出一種基于運(yùn)動軌跡分析的道路行人事件檢測方法，通過基于塊的二值化分割、基于塊的連通域標(biāo)記、特征點(diǎn)選取、目標(biāo)軌跡匹配跟蹤以及用最小二乘法擬合求取行人目標(biāo)速度從而判斷是否為行人事件。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間序列的第一幀圖像、第二幀圖像、第三幀圖像、…、第M(M為正整數(shù))幀圖像。設(shè)每一幀視頻圖像的大小為W*H，每個塊的面積大小為w*h，其中W為每一幀視頻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為每個塊區(qū)域的寬度，h為每個塊區(qū)域的高度。需要說明的是本實施例中的映射表采用發(fā)明專利“一種線性模型下的攝像機(jī)幾何標(biāo)定方法”(公開(公告)號:CN102222332A)中所述的攝像機(jī)幾何標(biāo)定方法得到。本實施例的方法具體采用以下步驟實現(xiàn):步驟一，建立圖像像素到路面實際距離的映射關(guān)系，即映射表；步驟二，將第一幀圖像和背景圖像在相同的塊坐標(biāo)系下都劃分成多個塊區(qū)域，背景的大小為W*H，劃分的塊大小為w*h，劃分的塊區(qū)域個數(shù)TST= (ff/w) * (H/h)，第i個塊內(nèi)所有像素值用Bi表示，第i個塊內(nèi)像素點(diǎn)的總個數(shù)N = w*h，Bi中保存w*h個像素值，以第i個塊的左下角為原點(diǎn)建立直角二維坐標(biāo)系Y，第i個塊內(nèi)(m，η)點(diǎn)的像素值用BiOn, η)表示，其中:W為背景水平方向的像素；H為背景豎直方向的像素；w為第i個塊的寬度方向的像素；h為第i個塊的高度方向的像素；
i = I, 2, 3—T ；m代表第i個塊中任一像素點(diǎn)在坐標(biāo)系Y下的橫坐標(biāo)，m = O, 1,2...wl ；η代表第i個塊中任一像素點(diǎn)在坐標(biāo)系Y下的縱坐標(biāo)，η = O, 1,2...h_l ；步驟三，對第一幀圖像中的每個塊，在背景圖像中找到與該塊位置相同的背景塊，并計算該塊與其相應(yīng)的背景塊之間各相同像素位置處的灰度差值的絕對值之和，當(dāng)所得的絕對值之和大于設(shè)定的閾值A(chǔ)，則該塊為目標(biāo)塊，將該目標(biāo)塊內(nèi)所有像素的灰度值賦值為255，

當(dāng)所得的絕對值之和小于或等于設(shè)定的閾值A(chǔ)，則該塊為背景塊，將背景塊內(nèi)所有像素的灰度值賦值為0，其中:所述的閾值A(chǔ)的取值范圍為(10 20) X塊的面積；最后將第一幀圖像中的背景與目標(biāo)分離開，得到第一幀圖像的二值化圖像；步驟四，對得到的二值化圖像按照從左到右，從上到下的順序以塊為單位掃描，將相鄰的目標(biāo)塊標(biāo)記為同一目標(biāo)，同時計算每個標(biāo)記目標(biāo)的高度和寬度，當(dāng)高度/寬度的值在閾值B范圍內(nèi)時，對該二值化圖像進(jìn)行邊緣檢測，尋找最佳角點(diǎn)，即當(dāng)橫向檢測數(shù)據(jù)與縱向檢測數(shù)據(jù)同時大于閾值T時，所述的閾值T的取值為180，就判定該點(diǎn)為候選角點(diǎn)，其中:所述的閾值B的范圍為2 10 ;步驟五，選擇這些角點(diǎn)中橫向檢測數(shù)據(jù)與縱向檢測數(shù)據(jù)和最小的點(diǎn)作為目標(biāo)的特征點(diǎn)，同時創(chuàng)建一個目標(biāo)結(jié)構(gòu)體，記錄這些目標(biāo)的特征點(diǎn)位置以及匹配跟蹤計數(shù)器信息，匹配跟蹤計數(shù)器R第一次初始化為零，特征點(diǎn)坐標(biāo)為(Xl，Y1)，同時記錄以該特征點(diǎn)為中心一個塊大小的圖像作為模板，該模板內(nèi)所有像素點(diǎn)的像素值用二維數(shù)組Bt[N]表示，該塊內(nèi)像素點(diǎn)(m, η)的像素值為Bt (m, η)；步驟六，在第二幀圖像中，并以第一幀記錄的圖像塊Bt[N]為模板，以該模板的特征點(diǎn)位置(Xl，yi)為中心，在當(dāng)前幀圖像選取4個塊大小的正方形區(qū)域作為搜索區(qū)域，按照從左到右，從上到下的方法，逐個搜索，待搜索塊的個數(shù)記為N，用BjN]表示當(dāng)前搜索區(qū)域中的任意一個搜索塊，得到兩者絕對值差和SAD，其中:
權(quán)利要求
1.一種基于運(yùn)動軌跡分析的道路行人事件檢測方法，其特征在于，該方法按照以下步驟進(jìn)行: 步驟一，建立圖像像素到路面實際距離的映射關(guān)系，即映射表； 步驟二，將第一幀圖像和背景圖像在相同的塊坐標(biāo)系下都劃分成多個塊區(qū)域，背景的大小為W*H，劃分的塊大小為w*h，劃分的塊區(qū)域個數(shù)TST= (W/w)*(H/h)，第i個塊內(nèi)所有像素值用Bi表示，第i個塊內(nèi)像素點(diǎn)的總個數(shù)N = w*h，Bi中保存w*h個像素值，以第i個塊的左下角為原點(diǎn)建立直角二維坐標(biāo)系Y，第i個塊內(nèi)(m，η)點(diǎn)的像素值用Bi (m, η)表示，其中: W為背景水平方向的像素； H為背景豎直方向的像素； w為第i個塊的寬度方向的像素； h為第i個塊的高度方向的像素； i = 1，2，3...T ； m代表第i個塊中任一像素點(diǎn)在坐標(biāo)系Y下的橫坐標(biāo)，m = 0,1,2...w-Ι ； η代表第i個塊中任一像素點(diǎn)在坐標(biāo)系Y下的縱坐標(biāo)，η = 0,1,2...h_l ； 步驟三，對第一幀圖像中的每個塊，在背景圖像中找到與該塊位置相同的背景塊，并計算該塊與其相應(yīng)的背景塊之間各相同像素位置處的灰度差值的絕對值之和， 當(dāng)所得的絕對值之和大于設(shè)定的閾值A(chǔ)，則該塊為目標(biāo)塊，將該目標(biāo)塊內(nèi)所有像素的灰度值賦值為255 ； 當(dāng)所得的絕對值之和小于 或等于設(shè)定的閾值A(chǔ)，則該塊為背景塊，將背景塊內(nèi)所有像素的灰度值賦值為0，其中: 所述的閾值A(chǔ)的取值范圍為(10 20) X塊的面積； 最后將第一幀圖像中的背景與目標(biāo)分離開，得到第一幀圖像的二值化圖像； 步驟四，對得到的二值化圖像按照從左到右，從上到下的順序以塊為單位掃描，將相鄰的目標(biāo)塊標(biāo)記為同一目標(biāo)，同時計算每個標(biāo)記目標(biāo)的高度和寬度，當(dāng)高度/寬度的值在閾值B范圍內(nèi)時，對該二值化圖像進(jìn)行邊緣檢測，尋找最佳角點(diǎn)，即當(dāng)橫向檢測數(shù)據(jù)與縱向檢測數(shù)據(jù)同時大于閾值T時，判定該點(diǎn)為候選角點(diǎn)，其中: 所述的閾值B的范圍為2 10 ; 所述的閾值T的取值為180 ； 步驟五，選擇這些角點(diǎn)中橫向檢測數(shù)據(jù)與縱向檢測數(shù)據(jù)和最小的點(diǎn)作為目標(biāo)的特征點(diǎn)，同時創(chuàng)建一個目標(biāo)結(jié)構(gòu)體，記錄這些目標(biāo)的特征點(diǎn)位置以及匹配跟蹤計數(shù)器信息，匹配跟蹤計數(shù)器R第一次初始化為零，特征點(diǎn)坐標(biāo)為(Xl，yi)，同時記錄以該特征點(diǎn)為中心一個塊大小的圖像作為模板，該模板內(nèi)所有像素點(diǎn)的像素值用二維數(shù)組Bt[N]表示，該塊內(nèi)像素點(diǎn)(m, η)的像素值為Bt (m, η)； 步驟六，在第二幀圖像中，以第一幀記錄的圖像塊Bt[N]為模板，以該模板的特征點(diǎn)位置(X1^1)為中心，在當(dāng)前幀圖像中選取4個塊大小的正方形區(qū)域作為搜索區(qū)域，按照從左到右，從上到下的方法，逐個搜索，待搜索塊的個數(shù)記為N，用BjN]表示當(dāng)前搜索區(qū)域中的任意一個搜索塊，得到兩者絕對值差和SAD， 其中:
全文摘要
本發(fā)明提供了一種基于運(yùn)動軌跡分析的道路行人事件檢測方法，通過劃分成多個塊區(qū)域圖像中的每個塊，在背景圖像中找到與該塊位置相同的背景塊，計算灰度差值的絕對值之和并賦值，確定目標(biāo)塊，尋找最佳角點(diǎn)，得到特征點(diǎn)，同時創(chuàng)建一個目標(biāo)結(jié)構(gòu)體，記錄這些目標(biāo)的特征點(diǎn)位置以及匹配跟蹤計數(shù)器信息，用模板在當(dāng)前幀圖像中搜索，重復(fù)上述過程，得到目標(biāo)的跟蹤軌跡，通過查找映射表，得到跟蹤軌跡對應(yīng)的實際距離，求得跟蹤軌跡的速度，判斷該目標(biāo)是否為行人。本發(fā)明的檢測方法，可對視頻范圍內(nèi)所有行人目標(biāo)進(jìn)行檢測，不受環(huán)境限制，能夠?qū)崟r視頻進(jìn)行檢測，且檢測時間短、易于實現(xiàn)、準(zhǔn)確性較高，很適合于實時檢測行人事件，具有廣闊的應(yīng)用前景。
文檔編號G06T7/20GK103150550SQ20131004553
公開日2013年6月12日 申請日期2013年2月5日 優(yōu)先權(quán)日2013年2月5日
發(fā)明者宋煥生, 張驍, 徐曉娟, 李文敏, 閆國偉, 劉冬妹 申請人:長安大學(xué)