專利名稱：一種基于塊累積的高速公路車輛停車事件檢測方法
技術領域：
本發明屬于視頻檢測領域，具體涉及一種基于塊累積的高速公路車輛停車事件檢 測的方法。
背景技術：
隨著社會經濟的發展，我國高速公路的通車里程和車流量增長迅速。然而高速公 路交通事故數量和傷亡率也有逐年增加的趨勢。如何降低高速公路的事故率和死亡率已成 為交通管理部門亟待解決的問題。而車輛停車是高速公路交通中最關鍵的事件表現形式。 其一是因為交通事故發生后，事故車輛最終會滯留在高速公路上，停車意味著事故已經發 生，需要馬上處理避免二次事故。其二是因為車輛出了故障或者違規行駛時，也會出現停車 或者慢行的現象，此時同樣需要處理，以免引起交通事故。因此，對停車事件的實時檢測是 降低高速公路交通事故傷亡和損失的有效手段。自從20世紀60年代陸續出現了一些交通異常事件檢測方法和技術，如環形線圈、 微波、紅外線視頻、數字視頻、超聲波等。由于環形線圈可擴展性差，安裝維護時必須中斷交 通、破壞路面；微波檢測缺少直觀性且檢測設備的維護和管理費用相對較高；紅外線本身 容易受到熱輻射的干擾，因此紅外線車檢器會受到車輛自身熱源的影響，從而減低檢測精 度和靈敏度；超聲波雷達檢測的一個顯著缺點是檢測具有單一性，目前大部分只用于車速 檢測，因此不能滿足人們對道路交通狀況的信息量要求。這些方法在實際生活中并不能得 到廣泛應用。目前的新建項目越來越多地采用安裝、維護不需要破壞路基、檢測區域大、實 施方便靈活的基于視頻的交通信息檢測技術。該方法幾乎不受光照以外其他因素影響；同 時，視頻序列清晰直觀，信息量大，不但便于管理人員主動干預，也有利于車檢器從中分離 有用信息，對道路交通狀況實施寬口徑，大容量的全方位檢測，同時視頻檢測系統采用實時 視頻信號，因此具有最快的響應速度。
發明內容
針對現有技術的不足和缺陷，本發明提出基于塊累積視頻車輛停車檢測方法，它 能有效的檢測出高速公路上的車輛停車事件。為了實現上述目的，本發明采用的如下技術方案
一種基于塊累積的車輛停車檢測的方法主要包括目標區域的二值化分割以及停車檢 測，具體包括以下步驟
步驟一將視頻圖像的第一幀分割成多個塊區域；
步驟二 對第一幀的每一塊區域進行初始化變量設置，即為每一塊區域設置一個計數 器并將其初始化為0 ；
步驟三對第一幀各個塊區域內的視頻圖像進行灰度拉升處理；步驟四統計經過灰度拉升處理后任意一個塊區域內各像素與背景中對應位置像素差 的絕對值之和，若該值大于設定的閾值A時，所述的閾值A為(1廣18)*塊區域面積值，則將 該塊區域標記為目標塊區域，將該塊區域內的所有視頻圖像的像素值賦值為255，并且將該 目標塊區域位置處的計數器數值加一；否則將該塊區域標記為非目標塊區域，將該塊區域 的視頻圖像內的所有像素值設置為0，并將該非目標塊區域位置處的計數器數值清零；從 而將目標塊區域從背景中分割出來。重復上述步驟直至第一幀視頻圖像所劃分的各塊區域 內視頻圖像均完成了上述判斷處理為止；
步驟五重復步驟一、步驟三至步驟四的處理方法對整個視頻圖像中除第一幀以外的 所有連續的幀進行處理；
步驟六判斷經過處理后的整個視頻圖像中的各目標塊區域所在位置的計數器的累積 值是否大于設定的閾值B，其中閾值B為8(Γ240 ；當計數器的累積值大于設定的閾值B時， 統計該目標塊區域相鄰的塊區域的計數器的值大于閾值B的塊區域個數，當大于該閾值的 塊區域個數大于設定的閾值C時，所述的閾值C為3 10，則判斷為停車事件，否則計數器所 有記數清零，判斷完畢。本發明的車輛停車檢測是基于塊進行的，基于塊的二值化分割可以準確的將目標 與背景圖像進行分割，減少陰影、光照等的影響，提高后續事件判斷的準確性；同時基于塊 處理，該算法具有檢測時間短，易于實現等優點，該算法可以實現對高速公路異常停車的實 時檢測，有效地防止二次事故的發生。
圖1為目標區域二值化分割流程圖2為重慶高速公路停車事件視頻分析圖像(圖加)，該事件塊計數器的累積值示 意圖(圖2b)。圖3為西安科技大學西安市南二環上停車事件視頻分析圖像(圖3a)，該事件塊計 數器的累積值示意圖(圖北)。以下結合附圖對本發明的內容作進一步詳細說明。
具體實施例方式本發明采用基于塊的減背景法對目標區域進行二值化分割，設視頻圖像的大小為 W*H，塊的面積大小為w*h，其中W為圖像的水平方向的像素，H為圖像豎直方向的像素，w為 塊區域的寬度，h為塊的高度。步驟一將視頻圖像的第一幀分割成多個塊區域，則第一幀圖像能夠劃分的塊區 域個數 T 為T= (ff/w)* (H/h)0步驟二 對第一幀的每一塊區域進行初始化變量設置，即為每一塊區域設置一個 計數器并將其初始化為0。步驟三對第一幀分割成的多個塊區域中任意一個塊區域E進行分析，將該塊區 域內各像素進行灰度值拉升處理，遵循F=F*U8/U，其中F為當前幀像素的灰度值，U為該塊 區域內所有像素灰度的平均值。步驟四統計經過灰度拉升處理后任意一個塊區域E內各像素與背景中對應位置像素差的絕對值之和，若該值大于設定的閾值A時，所述的閾值A為(1廣18)*w*h則將該塊 區域標記為目標塊區域，將該塊區域內的所有視頻圖像的像素值賦值為255，并且將該目標 塊區域位置處的計數器數值加一；否則將該塊區域標記為非目標塊區域，將該塊區域的視 頻圖像內的所有像素值設置為0，將該非目標塊區域位置處的計數器數值清零；從而將目 標塊區域從背景中分割出來。重復上述步驟直至第一幀視頻圖像所劃分的T塊區域內視頻 圖像均完成了上述判斷處理為止。步驟五重復步驟一、步驟三至步驟四的處理方法對整個視頻圖像中除第一幀以 外的所有連續的幀進行處理。步驟六判斷經過處理后的整個視頻圖像中的各目標塊區域所在位置的計數器的 累積值是否大于設定的閾值B，其中閾值B為8(Γ240 ；當計數器的累積值大于設定的閾值 B時，則表示該塊區域處于滯留狀態統，進一步統計該目標塊區域相鄰的塊區域的計數器的 值大于閾值B的塊區域個數，當大于該閾值的塊區域個數大于設定的閾值C時，所述的閾值 C為3 10，則判斷為停車事件，否則計數器所有記數清零，判斷完畢。以下是發明人給出的具體實施例，需要說明的是本發明并不限于以下實施例，凡 是在以下實施例基礎上的等同變換或者替換均屬于本發明的保護范圍。實施例1
參照圖2，該圖為重慶高速公路的實時路況視頻，該視頻的采樣頻率是25幀每秒，圖像 大小為720拉88，將圖像分成90*48個塊區域，即每塊區域的大小為8*6，目標區域二值化分 割閾值A為700，停車判斷的計數器閾值B為150，滿足停車狀態的鄰域面積，即閾值C為6 個塊區域。圖加在視頻第3169幀檢測出第2車道有停車事件，圖2b的白色區域所示是該 事件塊的計數器在事件序列上的累計值。實施例2
參照圖3所示，該圖為西安科技大學門前立交上拍攝的南二環實際實時路況視頻圖 像，該視頻的采樣頻率是25幀每秒，圖像大小為720*觀8，將圖像分成90*48個塊，即每塊的 大小為8*6，此視頻數據路況平整，樹影及其他干擾較少，觀測結果較為理想，目標區域二值 化分割閾值為600，停車判斷的計數器閾值為200，滿足停車狀態的鄰域面積為5個塊。圖 3a在視頻第3473幀檢測出第3車道有停車事件，圖北的白色區域所示是該事件塊的計數 器在事件序列上的累計值。
權利要求
1. 一種基于塊累積的高速公路車輛停車事件檢測方法，其特征在于該方法包括以下 步驟步驟一將視頻圖像的第一幀分割成多個塊區域；步驟二 對第一幀的每一塊區域進行初始化變量設置，即為每一塊區域設置一個計數 器并將其初始化為0 ；步驟三對第一幀每個塊區域內的視頻圖像進行灰度拉升處理； 步驟四統計經過灰度拉升處理后任意一個塊區域內各像素與背景中對應位置像素差 的絕對值之和，若該值大于設定的閾值A時，所述的閾值A為(1廣18)*塊區域的面積值，則 將該塊區域標記為目標塊區域，將該塊區域內的所有視頻圖像的像素值賦值為255，并且將 該目標塊區域位置處的計數器數值加一；否則將該塊區域標記為非目標塊區域，將該塊區 域的視頻圖像內的所有像素值設置為0，將該非目標塊區域位置處的計數器數值清零，從而 將目標塊區域從背景中分割出來；重復上述步驟直至第一幀視頻圖像所劃分的各塊區域內 視頻圖像均完成了上述判斷處理為止；步驟五重復步驟一、步驟三至步驟四的處理方法對整個視頻圖像中除第一幀以外的 所有連續的幀進行處理；步驟六判斷經過處理后的整個視頻圖像中的各目標塊區域所在位置的計數器的累積 值是否大于設定的閾值B，其中閾值B為8(Γ240 ；當計數器的累積值大于設定的閾值B時， 統計該目標塊區域相鄰的塊區域的計數器的值大于閾值B的塊區域個數，當大于該閾值的 塊區域個數大于設定的閾值C時，其中閾值C為3 10，則判斷為停車事件，否則計數器所有 記數清零，判斷完畢。
全文摘要
本發明公開了一種基于塊累積的車輛停車檢測的方法，該方法主要包括目標區域的二值化分割以及停車檢測判斷。本發明的車輛停車檢測是基于塊進行的，基于塊的二值化分割可以準確的將目標與背景圖像進行分割，減少陰影、光照等的影響，提高后續事件判斷的準確性；同時基于塊處理，該算法具有檢測時間短，易于實現等優點，該算法可以實現對高速公路異常停車的實時檢測，有效地防止二次事故的發生。
文檔編號G06K9/00GK102110366SQ201110075090
公開日2011年6月29日 申請日期2011年3月28日 優先權日2011年3月28日
發明者嚴玍伻, 付洋, 劉童, 周婷潔, 夏波, 宋煥生, 張靜, 朱小平, 袁彬, 趙倩, 郭玲玲, 馬銳安 申請人:長安大學