一種智能斑馬線護欄的制作方法
【專利摘要】本發明提供一種智能斑馬線護欄，包括智能斑馬線護欄和安裝在智能斑馬線護欄上的視頻監控裝置，其中，視頻監控裝置包括：(1)圖像采集模塊，用于采集視頻監控圖像；(2)圖像初處理模塊，用于對所述原視頻圖像序列信息進行運動目標的初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息；(3)濾波模塊，用于接收所述有效視頻圖像序列信息并對有效視頻圖像序列信息的背景形狀進行濾波處理；(4)背景建模模塊，用于建立濾波后的背景模型，所述背景模型設定由N個帶權重的表示邊緣點的形狀上下文直方圖組成；(5)背景消減模塊，用于對當前幀圖像上的邊緣點進行屬性分類并消減屬于背景的邊緣點；(6)特征匹配模塊。本發明能最大程度的減少由于背景噪聲和攝像機抖動造成的對運動目標的誤檢，且實時性好。
【專利說明】
-種智能斑馬線護欄
技術領域
[0001] 本發明設及智能交通領域，具體設及一種智能斑馬線護欄。
【背景技術】
[0002] 相關技術中的視頻監控裝置，存在W下問題：（1)在視頻監控系列圖像中由于背景 噪聲的存在而將背景誤檢為運動目標；（2)在視頻監控過程中存在輕微抖動，會將背景誤檢 為運動目標；（3)在對運動目標的檢測過程中，存在計算量大，實時性差的問題而不能及時 檢測到運動目標。
【發明內容】
[0003] 針對上述問題，本發明提供一種智能斑馬線護欄，該裝置中的視頻監控裝置能最 大程度的減少由于背景噪聲和攝像機抖動造成的對運動目標的誤檢，且實時性好。
[0004] 本發明的目的采用W下技術方案來實現：
[0005] 提供了一種智能斑馬線護欄，包括智能斑馬線護欄和安裝在智能斑馬線護欄上的 視頻監控裝置，其中，視頻監控裝置包括：
[0006] (1)圖像采集模塊，用于采集視頻監控圖像，其連接至視頻監控設備并采集其中的 原視頻圖像序列信息；
[0007] (2)圖像初處理模塊，與圖像采集模塊連接，用于對所述原視頻圖像序列信息進行 運動目標的初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息；
[000引（3)濾波模塊，與圖像初處理模塊連接，用于接收所述有效視頻圖像序列信息并對 有效視頻圖像序列信息的背景形狀進行濾波處理，包括采用維納波對所述背景形狀進行初 次濾波的一級濾除子模塊和采用高斯濾波對初次濾波后的背景形狀再次進行濾波的二級 濾除子模塊；
[0009] (4)背景建模模塊，與濾波模塊連接，用于建立濾波后的背景模型，所述背景模型 設定由N個帶權重的表示邊緣點的形狀上下文直方圖組成，背景模型上邊緣點的形狀上下 文直方圖表示為：
[0010]
[0011] 其中，X為背景邊緣點坐標，N表示所包含的形狀上下文直方圖的個數，N的取值范 圍為[5,10]，wn,X表示第n個形狀上下文直方圖對應的權重，Bi表示對W背景邊緣點X為極坐 標圓屯、、半徑為R的圓按照對數距離建立的同屯、圓個數，Be表示對圓周角劃分的等份數；
[0012] (5)背景消減模塊，與背景建模模塊連接，用于對當前帖圖像上的邊緣點進行屬性 分類并消減屬于背景的邊緣點，包括匹配度計算子模塊、約束條件計算子模塊、屬性判定子 模塊和消減子模塊，所述匹配度計算子模塊、約束條件計算子模塊皆連接至所述屬性判定 子模塊，所述屬性判定子模塊連接至所述消減子模塊，其中：
[0013] a、匹配度計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所述 背景模型上相對應邊緣點的形狀上下文直方圖之間的匹配度，所述匹配度的計算公式為：
[0014]
[0015] 式中，成,X表示當前帖圖像上的邊緣點X的形狀上下文直方圖，W,,點，表示背景模 型上相對應邊緣點X的形狀上下文直方圖，n=l，.. .N;&表示邊緣點X的鄰域， 峰知J用來衡量兩邊緣點的形狀上下文直方圖的差異，馬€化1] * 0,;知,:義成J 越小，表明兩邊緣點的形狀上下文直方圖差異越小；
[0016] b、約束條件計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所 述背景模型上相對應的形狀上下文直方圖的差異之間的約束條件，約束條件公式為：
[0017]
[0018] C、屬性判定子模塊，所述屬性判定子模塊用于判定當前帖圖像上的邊緣點的屬 性，所述當前帖圖像上的邊緣點為屬于背景的邊緣點的判定條件為：
[0019]
[0020] 其中，Tp為根據背景模型設定的匹配度闊值，Ty為根據背景模型設定的約束條件闊 值；
[0021] d、消減子模塊，用于剔除由屬性判定子模塊判定為屬于背景的邊緣點并輸出屬于 運動目標的區域圖像；
[0022] (6)特征匹配模塊，與消減子模塊連接，用于將所述屬于運動目標的區域圖像與數 據庫中預定模板進行特征匹配，若匹配則打開智能斑馬線護欄。
[0023] 優選地，所述圖像初處理模塊包括：
[0024] a、參考有效度設定子模塊，用于存儲含運動目標的視頻圖像樣本的有效度參考闊 值，所述有效度表示用于判定原視頻圖像序列信息中第m帖視頻圖像是否為所述有效視頻 圖像的判定因子，所述有效度參考闊值包括亮度變化率參考闊值和目標尺寸參考闊值；
[0025] b、實際有效度計算子模塊，用于計算原視頻圖像序列信息中第m帖視頻圖像的有 效度，有效度的計算公式為：
[0026]
[0027] 具甲，V巧不巧
效巧，U刃弟m頓視頻圖像的亮度變化率，M表示原視頻圖像序列信 息中所包含的視頻圖像總帖數，m=l, .. .M,mv為原視頻圖像序列f目息中見度變化率大于見 度變化率參考闊值的視頻圖像的總帖數，d為第m帖視頻圖像的目標尺寸，dp為目標尺寸參 考闊值；
[0028] C、輸出子模塊，用于輸出屬于有效視頻圖像序列的圖像信息，當所述當前帖圖像 的有效度大于所述有效度參考闊值時，所述輸出子模塊輸出所述當前帖圖像。
[0029] 本發明的有益效果為：
[0030] I、設置圖像初處理模塊，用于對所述原視頻圖像序列信息進行運動目標的初步檢 測處理并輸出包含有運動目標的有效視頻圖像序列信息，能夠大大節約存儲空間，提高檢 測的速度；
[0031] 2、設置濾波模塊，對局部形狀進行濾波處理，能夠有效地濾出環境噪聲，避免將噪 聲誤檢為運動目標；
[0032] 3、設置背景建模模塊，采用加權形狀上下文直方圖對由濾波模塊濾波后的背景進 行建模，最大程度的減少了由于背景噪聲和攝像機抖動造成的對運動目標的誤檢；
[0033] 4、在建模過程中，僅對邊緣點的形狀上下文直方圖進行計算，大大節約了存儲空 間，提高了運算速度，系統的實時性得到增強；
[0034] 5、設置背景消減模塊，引入匹配度和匹配約束條件對背景進行消減，能夠快速準 確的對運動目標進行配準，完成檢測。
【附圖說明】
[0035] 利用附圖對本發明作進一步說明，但附圖中的實施例不構成對本發明的任何限 審IJ，對于本領域的普通技術人員，在不付出創造性勞動的前提下，還可W根據W下附圖獲得 其它的附圖。
[0036] 圖1是本發明各模塊的連接示意圖。
【具體實施方式】
[0037] 結合W下實施例對本發明作進一步描述。
[003引實施例1
[0039] 參見圖1，本實施例的智能斑馬線護欄包括智能斑馬線護欄和安裝在智能斑馬線 護欄上的視頻監控裝置，其中，視頻監控裝置包括：
[0040] (1)圖像采集模塊，用于采集視頻監控圖像，其連接至視頻監控設備并采集其中的 原視頻圖像序列信息；
[0041] (2)圖像初處理模塊，與圖像采集模塊連接，用于對所述原視頻圖像序列信息進行 運動目標的初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息，所述圖像初處 理模塊包括：
[0042] a、參考有效度設定子模塊，用于存儲含運動目標的視頻圖像樣本的有效度參考闊 值，所述有效度表示用于判定原視頻圖像序列信息中第m帖視頻圖像是否為所述有效視頻 圖像的判定因子，所述有效度參考闊值包括亮度變化率參考闊值和目標尺寸參考闊值；
[0043] b、實際有效度計算子模塊，用于計算原視頻圖像序列信息中第m帖視頻圖像的有 效度，有效度的計算公式為：
[0044]
[0045] 其中，V表示有效度，Lm為第m帖視頻圖像的亮度變化率，M表示原視頻圖像序列信 息中所包含的視頻圖像總帖數，m=l, .. .M,mv為原視頻圖像序列f目息中見度變化率大于見 度變化率參考闊值的視頻圖像的總帖數，d為第m帖視頻圖像的目標尺寸，dp為目標尺寸參 考闊值；
[0046] C、輸出子模塊，用于輸出屬于有效視頻圖像序列的圖像信息，當所述當前帖圖像 的有效度大于所述有效度參考闊值時，所述輸出子模塊輸出所述當前帖圖像；
[0047] (3)濾波模塊，與圖像初處理模塊連接，用于接收所述有效視頻圖像序列信息并對 有效視頻圖像序列信息的背景形狀進行濾波處理，包括采用維納波對所述背景形狀進行初 次濾波的一級濾除子模塊和采用高斯濾波對初次濾波后的背景形狀再次進行濾波的二級 濾除子模塊；
[0048] (4)背景建模模塊，與濾波模塊連接，用于建立濾波后的背景模型，所述背景模型 設定由N個帶權重的表示邊緣點的形狀上下文直方圖組成，背景模型上邊緣點的形狀上下 文直方圖表示為：
[0049]
[0化0] 其中，X為背景巧緣點坐標，N表不所包曾的形狀上下文直方圖的個數，N的取值范 圍為[5,10]，wn,X表示第n個形狀上下文直方圖對應的權重，Bi表示對W背景邊緣點X為極坐 標圓屯、、半徑為R的圓按照對數距離建立的同屯、圓個數，說表示對圓周角劃分的等份數；
[0051] (5)背景消減模塊，與背景建模模塊連接，用于對當前帖圖像上的邊緣點進行屬性 分類并消減屬于背景的邊緣點，包括匹配度計算子模塊、約束條件計算子模塊、屬性判定子 模塊和消減子模塊，所述匹配度計算子模塊、約束條件計算子模塊皆連接至所述屬性判定 子模塊，所述屬性判定子模塊連接至所述消減子模塊，其中：
[0052] a、匹配度計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所述 背景模刑^了^吉韋'勵^|巧6向^*^度，所述匹配度的計算公式為：
[0化3]
[0化4] 式中，兩表示當前帖圖像上的邊緣點X的形狀上下文直方圖，W,,,、電表示背景模 型上相對應邊緣點X的形狀上下文直方圖，n=l，.. .N;熱表示邊緣點X的鄰域， 用來衡量兩邊緣點的形狀上下文直方圖的差異，S [04】，A (成Wm哀J越 小，表明兩邊緣點的形狀上下文直方圖差異越小；
[0055] b、約束條件計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所 述背景模型上相對應的形狀上下文直方圖的差異之間的約束條件，約束條件公式為：
[0化6]
[0057] C、屬性判定子模塊，所述屬性判定子模塊用于判定當前帖圖像上的邊緣點的屬 性，所述當前帖圖像上的邊緣點為屬于背景的邊緣點的判定條件為：
[0化引
[0059]其中，Tp為根據背景模型設定的匹配度闊值，Ty為根據背景模型設定的約束條件闊 值；
[0060] d、消減子模塊，用于剔除由屬性判定子模塊判定為屬于背景的邊緣點并輸出屬于 運動目標的區域圖像；
[0061] (6)特征匹配模塊，與消減子模塊連接，用于將所述屬于運動目標的區域圖像與數 據庫中預定模板進行特征匹配，若匹配則打開智能斑馬線護欄。
[0062] 本實施例設置圖像初處理模塊，用于對所述原視頻圖像序列信息進行運動目標的 初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息，能夠大大節約存儲空間， 提高檢測的速度;設置濾波模塊，對局部形狀進行濾波處理，能夠有效地濾出環境噪聲，避 免將噪聲誤檢為運動目標;設置背景建模模塊，采用加權形狀上下文直方圖對由濾波模塊 濾波后的背景進行建模，最大程度的減少了由于背景噪聲和攝像機抖動造成的對運動目標 的誤檢;在建模過程中，僅對邊緣點的形狀上下文直方圖進行計算，大大節約了存儲空間， 提高了運算速度，系統的實時性得到增強;設置背景消減模塊，引入匹配度和匹配約束條件 對背景進行消減，能夠快速準確的對運動目標進行配準，完成檢測;其中，N值越大對背景的 動態性適應能力越強，但會占用更多地存儲資源，增加計算量，實時性也會變差，本實施例 取值N=5，與相對技術中的視頻監控裝置相比，誤檢率降低了 1 %，運算速度提高了5%。
[0063] 實施例2
[0064] 參見圖1，本實施例的智能斑馬線護欄包括智能斑馬線護欄和安裝在智能斑馬線 護欄上的視頻監控裝置，其中，視頻監控裝置包括：
[0065] (1)圖像采集模塊，用于采集視頻監控圖像，其連接至視頻監控設備并采集其中的 原視頻圖像序列信息；
[0066] (2)圖像初處理模塊，與圖像采集模塊連接，用于對所述原視頻圖像序列信息進行 運動目標的初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息，所述圖像初處 理模塊包括：
[0067] a、參考有效度設定子模塊，用于存儲含運動目標的視頻圖像樣本的有效度參考闊 值，所述有效度表示用于判定原視頻圖像序列信息中第m帖視頻圖像是否為所述有效視頻 圖像的判定因子，所述有效度參考闊值包括亮度變化率參考闊值和目標尺寸參考闊值；
[0068] b、實際有效度計算子模塊，用于計算原視頻圖像序列信息中第m帖視頻圖像的有 效度，有效度的計算公式為：
[0069：
[0070] 其中，V表示有效度，Lm為第m帖視頻圖像的亮度變化率，M表示原視頻圖像序列信 息中所包含的視頻圖像總帖數，m=l, .. .M,mv為原視頻圖像序列f目息中見度變化率大于見 度變化率參考闊值的視頻圖像的總帖數，d為第m帖視頻圖像的目標尺寸，dp為目標尺寸參 考闊值；
[0071] C、輸出子模塊，用于輸出屬于有效視頻圖像序列的圖像信息，當所述當前帖圖像 的有效度大于所述有效度參考闊值時，所述輸出子模塊輸出所述當前帖圖像；
[0072] (3)濾波模塊，與圖像初處理模塊連接，用于接收所述有效視頻圖像序列信息并對 有效視頻圖像序列信息的背景形狀進行濾波處理，包括采用維納波對所述背景形狀進行初 次濾波的一級濾除子模塊和采用高斯濾波對初次濾波后的背景形狀再次進行濾波的二級 濾除子模塊；
[0073] (4)背景建模模塊，與濾波模塊連接，用于建立濾波后的背景模型，所述背景模型 設定由N個帶權重的表示邊緣點的形狀上下文直方圖組成，背景模型上邊緣點的形狀上下 文直方圖表示為：
[0074]
[0075] 其中，X為背景邊緣點坐標，N表示所包含的形狀上下文直方圖的個數，N的取值范 圍為[5,10]，wn,X表示第n個形狀上下文直方圖對應的權重，Bi表示對W背景邊緣點X為極坐 標圓屯、、半徑為R的圓按照對數距離建立的同屯、圓個數，說表示對圓周角劃分的等份數；
[0076] (5)背景消減模塊，與背景建模模塊連接，用于對當前帖圖像上的邊緣點進行屬性 分類并消減屬于背景的邊緣點，包括匹配度計算子模塊、約束條件計算子模塊、屬性判定子 模塊和消減子模塊，所述匹配度計算子模塊、約束條件計算子模塊皆連接至所述屬性判定 子模塊，所述屬性判定子模塊連接至所述消減子模塊，其中：
[0077] a、匹配度計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所述 背景模型上相對應邊緣點的形狀上下文直方圖之間的匹配度，所述匹配度的計算公式為：
[007引
[0079] 式中，兩表示當前帖圖像上的邊緣點X的形狀上下文直方圖，W,,..點表示背景模 型上相對應邊緣點X的形狀上下文直方圖，n = 1，... N ;敎表示邊緣點X的鄰域， (聽也.、,)用來衡量兩邊緣點的形狀上下文直方圖的差異，公e [0,W，。1..(而件人 小，表明兩邊緣點的形狀上下文直方圖差異越小；
[0080] b、約束條件計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所 述背景模型上相對應的形狀上下文直方圖的差異之間的約束條件，約束條件公式為：
[0081]
[0082] C、屬性判定子模塊，所述屬性判定子模塊用于判定當前帖圖像上的邊緣點的屬 性，所述當前帖圖像上的邊緣點為屬于背景的邊緣點的判定條件為：
[0083]
[0084] 其中，Tp為根據背景模型設定的匹配度闊值，Ty為根據背景模型設定的約束條件闊 值；
[0085] d、消減子模塊，用于剔除由屬性判定子模塊判定為屬于背景的邊緣點并輸出屬于 運動目標的區域圖像；
[0086] (6)特征匹配模塊，與消減子模塊連接，用于將所述屬于運動目標的區域圖像與數 據庫中預定模板進行特征匹配，若匹配則打開智能斑馬線護欄。
[0087] 本實施例設置圖像初處理模塊，用于對所述原視頻圖像序列信息進行運動目標的 初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息，能夠大大節約存儲空間， 提高檢測的速度;設置濾波模塊，對局部形狀進行濾波處理，能夠有效地濾出環境噪聲，避 免將噪聲誤檢為運動目標;設置背景建模模塊，采用加權形狀上下文直方圖對由濾波模塊 濾波后的背景進行建模，最大程度的減少了由于背景噪聲和攝像機抖動造成的對運動目標 的誤檢;在建模過程中，僅對邊緣點的形狀上下文直方圖進行計算，大大節約了存儲空間， 提高了運算速度，系統的實時性得到增強;設置背景消減模塊，引入匹配度和匹配約束條件 對背景進行消減，能夠快速準確的對運動目標進行配準，完成檢測;其中，N值越大對背景的 動態性適應能力越強，但會占用更多地存儲資源，增加計算量，實時性也會變差，本實施例 取值N=6,與相對技術中的視頻監控裝置相比，誤檢率降低了2%，運算速度提高了4.5%。
[0088] 實施例3
[0089] 參見圖1，本實施例的智能斑馬線護欄包括智能斑馬線護欄和安裝在智能斑馬線 護欄上的視頻監控裝置，其中，視頻監控裝置包括：
[0090] (1)圖像采集模塊，用于采集視頻監控圖像，其連接至視頻監控設備并采集其中的 原視頻圖像序列信息；
[0091] (2)圖像初處理模塊，與圖像采集模塊連接，用于對所述原視頻圖像序列信息進行 運動目標的初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息，所述圖像初處 理模塊包括：
[0092] a、參考有效度設定子模塊，用于存儲含運動目標的視頻圖像樣本的有效度參考闊 值，所述有效度表示用于判定原視頻圖像序列信息中第m帖視頻圖像是否為所述有效視頻 圖像的判定因子，所述有效度參考闊值包括亮度變化率參考闊值和目標尺寸參考闊值；
[0093] b、實際有效度計算子模塊，用于計算原視頻圖像序列信息中第m帖視頻圖像的有 效度，有效度的計算公式為：
[0094]
[0095] 其中，V表示有效度，Lm為第m帖視頻圖像的亮度變化率，M表示原視頻圖像序列信 息中所包含的視頻圖像總帖數，m=l，.. .M，mv為原視頻圖像序列信息中亮度變化率大于亮 度變化率參考闊值的視頻圖像的總帖數，d為第m帖視頻圖像的目標尺寸，dp為目標尺寸參 考闊值；
[0096] C、輸出子模塊，用于輸出屬于有效視頻圖像序列的圖像信息，當所述當前帖圖像 的有效度大于所述有效度參考闊值時，所述輸出子模塊輸出所述當前帖圖像；
[0097] (3)濾波模塊，與圖像初處理模塊連接，用于接收所述有效視頻圖像序列信息并對 有效視頻圖像序列信息的背景形狀進行濾波處理，包括采用維納波對所述背景形狀進行初 次濾波的一級濾除子模塊和采用高斯濾波對初次濾波后的背景形狀再次進行濾波的二級 濾除子模塊；
[0098] (4)背景建模模塊，與濾波模塊連接，用于建立濾波后的背景模型，所述背景模型 設定由N個帶權重的表示邊緣點的形狀上下文直方圖組成，背景模型上邊緣點的形狀上下 文直方圖表示為：
[0099]
[0100] 具甲，X刃肯京巧綠點坐稱，IN巧不所化宵的化W上下文直方圖的個數，N的取值范 圍為[5,10]，wn,X表示第n個形狀上下文直方圖對應的權重，Bi表示對W背景邊緣點X為極坐 標圓屯、、半徑為R的圓按照對數距離建立的同屯、圓個數，說表示對圓周角劃分的等份數；
[0101] (5)背景消減模塊，與背景建模模塊連接，用于對當前帖圖像上的邊緣點進行屬性 分類并消減屬于背景的邊緣點，包括匹配度計算子模塊、約束條件計算子模塊、屬性判定子 模塊和消減子模塊，所述匹配度計算子模塊、約束條件計算子模塊皆連接至所述屬性判定 子模塊，所述屬性判定子模塊連接至所述消減子模塊，其中：
[0102] a、匹配度計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所述 背景模型上相對應邊緣點的形狀上下文直方圖之間的匹配度，所述匹配度的計算公式為：
[0103
[0104] 式中，辦,.K表示當前帖圖像上的邊緣點X的形狀上下文直方圖，w",A、.表示背景模 型上相對應邊緣點X的形狀上下文直方圖，n = 1，... N ;說表示邊緣點X的鄰域， 0,:(而,,足，)用來衡量兩邊緣點的形狀上下文直方圖的差異，凸、e [0，1]，0、:(而W,,,屯,,)越 小，表明兩邊緣點的形狀上下文直方圖差異越小；
[0105] b、約束條件計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所
^胃^片^井Ii ^壬口疋+抗故化、沁^了古古古勵故單己今I巧故娩擊么化娩擊么
[0106]
[0107] C、屬性判定子模塊，所述屬性判定子模塊用于判定當前峽圖像上的邊緣點的屬 性，所述當前帖圖像上的邊緣點為屬于背景的邊緣點的判定條件為：
[010 引
[0109] 其甲，Tp刃化據背景候型巧足的化配巧網值，Ty為根據背景模型設定的約束條件闊 值；
[0110] d、消減子模塊，用于剔除由屬性判定子模塊判定為屬于背景的邊緣點并輸出屬于 運動目標的區域圖像；
[0111] (6)特征匹配模塊，與消減子模塊連接，用于將所述屬于運動目標的區域圖像與數 據庫中預定模板進行特征匹配，若匹配則打開智能斑馬線護欄。
[0112] 本實施例設置圖像初處理模塊，用于對所述原視頻圖像序列信息進行運動目標的 初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息，能夠大大節約存儲空間， 提高檢測的速度;設置濾波模塊，對局部形狀進行濾波處理，能夠有效地濾出環境噪聲，避 免將噪聲誤檢為運動目標;設置背景建模模塊，采用加權形狀上下文直方圖對由濾波模塊 濾波后的背景進行建模，最大程度的減少了由于背景噪聲和攝像機抖動造成的對運動目標 的誤檢;在建模過程中，僅對邊緣點的形狀上下文直方圖進行計算，大大節約了存儲空間， 提高了運算速度，系統的實時性得到增強;設置背景消減模塊，引入匹配度和匹配約束條件 對背景進行消減，能夠快速準確的對運動目標進行配準，完成檢測;其中，N值越大對背景的 動態性適應能力越強，但會占用更多地存儲資源，增加計算量，實時性也會變差，本實施例 取值N=7,與相對技術中的視頻監控裝置相比，誤檢率降低了3.5%，運算速度提高了4%。 [011引實施例4
[0114] 參見圖1，本實施例的智能斑馬線護欄包括智能斑馬線護欄和安裝在智能斑馬線 護欄上的視頻監控裝置，其中，視頻監控裝置包括：
[0115] (1)圖像采集模塊，用于采集視頻監控圖像，其連接至視頻監控設備并采集其中的 原視頻圖像序列信息；
[0116] (2)圖像初處理模塊，與圖像采集模塊連接，用于對所述原視頻圖像序列信息進行 運動目標的初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息，所述圖像初處 理模塊包括：
[0117] a、參考有效度設定子模塊，用于存儲含運動目標的視頻圖像樣本的有效度參考闊 值，所述有效度表示用于判定原視頻圖像序列信息中第m帖視頻圖像是否為所述有效視頻 圖像的判定因子，所述有效度參考闊值包括亮度變化率參考闊值和目標尺寸參考闊值；
[0118] b、實際有效度計算子模塊，用于計算原視頻圖像序列信息中第m帖視頻圖像的有 效度，有效度的計算公式為：
[0119]
[0120] AT，V作/J、/円；W叉，Lm/ii巧圖像的見度變化率，M表不原視頻圖像序列f目 息中所包含的視頻圖像總帖數，m=l, .. .M,mv為原視頻圖像序列f目息中見度變化率大于見 度變化率參考闊值的視頻圖像的總帖數，d為第m帖視頻圖像的目標尺寸，dp為目標尺寸參 考闊值；
[0121] C、輸出子模塊，用于輸出屬于有效視頻圖像序列的圖像信息，當所述當前帖圖像 的有效度大于所述有效度參考闊值時，所述輸出子模塊輸出所述當前帖圖像；
[0122] (3)濾波模塊，與圖像初處理模塊連接，用于接收所述有效視頻圖像序列信息并對 有效視頻圖像序列信息的背景形狀進行濾波處理，包括采用維納波對所述背景形狀進行初 次濾波的一級濾除子模塊和采用高斯濾波對初次濾波后的背景形狀再次進行濾波的二級 濾除子模塊；
[0123] (4)背景建模模塊，與濾波模塊連接，用于建立濾波后的背景模型，所述背景模型 設定由N個帶權重的表示邊緣點的形狀上下文直方圖組成，背景模型上邊緣點的形狀上下 文直方圖表示為：
[0124]
[0125] 其中，X為背景邊緣點坐標，N表示所包含的形狀上下文直方圖的個數，N的取值范 圍為[5,10]，wn,X表示第n個形狀上下文直方圖對應的權重，Bi表示對W背景邊緣點X為極坐 標圓屯、、半徑為R的圓按照對數距離建立的同屯、圓個數，說表示對圓周角劃分的等份數；
[0126] (5)背景消減模塊，與背景建模模塊連接，用于對當前帖圖像上的邊緣點進行屬性 分類并消減屬于背景的邊緣點，包括匹配度計算子模塊、約束條件計算子模塊、屬性判定子 模塊和消減子模塊，所述匹配度計算子模塊、約束條件計算子模塊皆連接至所述屬性判定 子模塊，所述屬性判定子模塊連接至所述消減子模塊，其中：
[0127] a、匹配度計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所述 背景模型上相對應邊緣點的形狀上下文直方圖之間的匹配度，所述匹配度的計算公式為：
[012 引
[0129] 式中，?兩,.、表示當前帖圖像上的邊緣點X的形狀上下文直方圖，W,,、兩、表示背景模 型上相對應邊緣點X的形狀上下文直方圖，n = l，.. .N;勤表示邊緣點X的鄰域， 人<4用來衡量兩邊緣點的形狀上下文直方圖的差異，
越 小，表明兩邊緣點的形狀上下文直方圖差異越小；
[0130] b、約束條件計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所 述背景模型上相對應的形狀上下文直方圖的差異之間的約束條件，約束條件公式為：
[0131]
[0132] C、屬性判定子模塊，所述屬性判定子模塊用于判定當前帖圖像上的邊緣點的屬 性，所述當前帖圖像上的邊緣點為屬于背景的邊緣點的判定條件為：
[0133]
[0134] 其中，Tp為根據背景模型設定的匹配度闊值，Ty為根據背景模型設定的約束條件闊 值；
[0135] d、消減子模塊，用于剔除由屬性判定子模塊判定為屬于背景的邊緣點并輸出屬于 運動目標的區域圖像；
[0136] (6)特征匹配模塊，與消減子模塊連接，用于將所述屬于運動目標的區域圖像與數 據庫中預定模板進行特征匹配，若匹配則打開智能斑馬線護欄。
[0137] 本實施例設置圖像初處理模塊，用于對所述原視頻圖像序列信息進行運動目標的 初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息，能夠大大節約存儲空間， 提高檢測的速度;設置濾波模塊，對局部形狀進行濾波處理，能夠有效地濾出環境噪聲，避 免將噪聲誤檢為運動目標;設置背景建模模塊，采用加權形狀上下文直方圖對由濾波模塊 濾波后的背景進行建模，最大程度的減少了由于背景噪聲和攝像機抖動造成的對運動目標 的誤檢;在建模過程中，僅對邊緣點的形狀上下文直方圖進行計算，大大節約了存儲空間， 提高了運算速度，系統的實時性得到增強;設置背景消減模塊，引入匹配度和匹配約束條件 對背景進行消減，能夠快速準確的對運動目標進行配準，完成檢測;其中，N值越大對背景的 動態性適應能力越強，但會占用更多地存儲資源，增加計算量，實時性也會變差，本實施例 取值N=8,與相對技術中的視頻監控裝置相比，誤檢率降低了4%，運算速度提高了3.7%。
[013引實施例5
[0139] 參見圖1，本實施例的智能斑馬線護欄包括智能斑馬線護欄和安裝在智能斑馬線 護欄上的視頻監控裝置，其中，視頻監控裝置包括：
[0140] (1)圖像采集模塊，用于采集視頻監控圖像，其連接至視頻監控設備并采集其中的 原視頻圖像序列信息；
[0141] (2)圖像初處理模塊，與圖像采集模塊連接，用于對所述原視頻圖像序列信息進行 運動目標的初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息，所述圖像初處 理模塊包括：
[0142] a、參考有效度設定子模塊，用于存儲含運動目標的視頻圖像樣本的有效度參考闊 值，所述有效度表示用于判定原視頻圖像序列信息中第m帖視頻圖像是否為所述有效視頻 圖像的判定因子，所述有效度參考闊值包括亮度變化率參考闊值和目標尺寸參考闊值；
[0143] b、實際有效度計算子模塊，用于計算原視頻圖像序列信息中第m帖視頻圖像的有 效度，有效度的計算公式為：
[0144]
[0145] 其中，V表示有效度，Lm為第m帖視頻圖像的亮度變化率，M表示原視頻圖像序列信 息中所包含的視頻圖像總帖數，m=l，.. .M，mv為原視頻圖像序列信息中亮度變化率大于亮 度變化率參考闊值的視頻圖像的總帖數，d為第m帖視頻圖像的目標尺寸，dp為目標尺寸參 考闊值；
[0146] C、輸出子模塊，用于輸出屬于有效視頻圖像序列的圖像信息，當所述當前帖圖像 的有效度大于所述有效度參考闊值時，所述輸出子模塊輸出所述當前帖圖像；
[0147] (3)濾波模塊，與圖像初處理模塊連接，用于接收所述有效視頻圖像序列信息并對 有效視頻圖像序列信息的背景形狀進行濾波處理，包括采用維納波對所述背景形狀進行初 次濾波的一級濾除子模塊和采用高斯濾波對初次濾波后的背景形狀再次進行濾波的二級 濾除子模塊；
[0148] (4)背景建模模塊，與濾波模塊連接，用于建立濾波后的背景模型，所述背景模型 設定由N個帶權重的表示邊緣點的形狀上下文直方圖組成，背景模型上邊緣點的形狀上下 文直方圖表示為：
[0149]
[0150] 其中，X為背景邊緣點坐標，N表示所包含的形狀上下文直方圖的個數，N的取值范 圍為[5,10]，wn,X表示第n個形狀上下文直方圖對應的權重，Bi表示對W背景邊緣點X為極坐 標圓屯、、半徑為R的圓按照對數距離建立的同屯、圓個數，說表示對圓周角劃分的等份數；
[0151] (5)背景消減模塊，與背景建模模塊連接，用于對當前帖圖像上的邊緣點進行屬性 分類并消減屬于背景的邊緣點，包括匹配度計算子模塊、約束條件計算子模塊、屬性判定子 模塊和消減子模塊，所述匹配度計算子模塊、約束條件計算子模塊皆連接至所述屬性判定 子模塊，所述屬性判定子模塊連接至所述消減子模塊，其中：
[0152] a、匹配度計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所述 背景模型上相對應邊緣點的形狀上下文直方圖之間的匹配度，所述匹配度的計算公式為：
[0153]
[0154] 式中，而，,，表示當前帖圖像上的邊緣點X的形狀上下文直方圖，W,,、/；"1表示背景模 型上相對應邊緣點X的形狀上下文直方圖，n = l，.. .N;獻表示邊緣點X的鄰域， 公>(兩^；.，襪。_^^；?^.)：用來衡量兩邊緣點的形狀上下文直方圖的差異，0，,￡[0,1]，1>^:(兩.,,,11,,人、） 越小，表明兩邊緣點的形狀上下文直方圖差異越小；
[0155] b、約束條件計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所 述背景模型上相對應的形狀上下文直方圖的差異之間的約束條件，約束條件公式為：
[0156]
[0157] C、屬性判定子模塊，所述屬性判定子模塊用于判定當前帖圖像上的邊緣點的屬 性，所述巧前帖閣像h的巧緣占為屬干背景的巧緣點的判定條件為：
[015 引
[0159] 其中，Tp為根據背景模型巧定的匹配度閥值，Ty為根據背景模型設定的約束條件闊 值；
[0160] d、消減子模塊，用于剔除由屬性判定子模塊判定為屬于背景的邊緣點并輸出屬于 運動目標的區域圖像；
[0161] (6)特征匹配模塊，與消減子模塊連接，用于將所述屬于運動目標的區域圖像與數 據庫中預定模板進行特征匹配，若匹配則打開智能斑馬線護欄。
[0162] 本實施例設置圖像初處理模塊，用于對所述原視頻圖像序列信息進行運動目標的 初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息，能夠大大節約存儲空間， 提高檢測的速度;設置濾波模塊，對局部形狀進行濾波處理，能夠有效地濾出環境噪聲，避 免將噪聲誤檢為運動目標;設置背景建模模塊，采用加權形狀上下文直方圖對由濾波模塊 濾波后的背景進行建模，最大程度的減少了由于背景噪聲和攝像機抖動造成的對運動目標 的誤檢;在建模過程中，僅對邊緣點的形狀上下文直方圖進行計算，大大節約了存儲空間， 提高了運算速度，系統的實時性得到增強;設置背景消減模塊，引入匹配度和匹配約束條件 對背景進行消減，能夠快速準確的對運動目標進行配準，完成檢測;其中，N值越大對背景的 動態性適應能力越強，但會占用更多地存儲資源，增加計算量，實時性也會變差，本實施例 取值N= 10,與相對技術中的視頻監控裝置相比，誤檢率降低了 4.2%，運算速度提高了 3.5%。
[0163] 最后應當說明的是，W上實施例僅用W說明本發明的技術方案，而非對本發明保 護范圍的限制，盡管參照較佳實施例對本發明作了詳細地說明，本領域的普通技術人員應 當理解，可W對本發明的技術方案進行修改或者等同替換，而不脫離本發明技術方案的實 質和范圍。
【主權項】
1. 一種智能斑馬線護欄，其特征是，包括智能斑馬線護欄和安裝在智能斑馬線護欄上 的視頻監控裝置，其中，視頻監控裝置包括： (1) 圖像采集模塊，用于采集視頻監控圖像，其連接至視頻監控設備并采集其中的原視 頻圖像序列信息； (2) 圖像初處理模塊，與圖像采集模塊連接，用于對所述原視頻圖像序列信息進行運動 目標的初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息； (3) 濾波模塊，與圖像初處理模塊連接，用于接收所述有效視頻圖像序列信息并對有效 視頻圖像序列信息的背景形狀進行濾波處理，包括采用維納波對所述背景形狀進行初次濾 波的一級濾除子模塊和采用高斯濾波對初次濾波后的背景形狀再次進行濾波的二級濾除 子模塊； (4) 背景建模模塊，與濾波模塊連接，用于建立濾波后的背景模型，所述背景模型設定 由N個帶權重的表示邊緣點的形狀上下文直方圖組成，背景模型上邊緣點的形狀上下文直 方圖表示為：其中，X為背景邊緣點坐標，N表示所包含的形狀上下文直方圖的個數，N的取值范圍為 [5,10]，wn,x表示第η個形狀上下文直方圖對應的權重，Bi表示對W背景邊緣點X為極坐標圓 屯、、半徑為R的圓按照對數距離建立的同屯、圓個數，表示對圓周角劃分的等份數； (5) 背景消減模塊，與背景建模模塊連接，用于對當前帖圖像上的邊緣點進行屬性分類 并消減屬于背景的邊緣點，包括匹配度計算子模塊、約束條件計算子模塊、屬性判定子模塊 和消減子模塊，所述匹配度計算子模塊、約束條件計算子模塊皆連接至所述屬性判定子模 塊，所述屬性判定子模塊連接至所述消減子模塊，其中： a、 匹配度計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所述背景 模型上相對應邊緣點的形狀上下文直方圖之間的匹配度，所述匹配度的計算公式為：式中，瑪W表示當前帖圖像上的邊緣點X的形狀上下文直方圖，W,,、店,，表示背景模型上相 對應邊緣點X的形狀上下文直方圖，n=l, . . .N;敎表示邊緣點X的鄰域，D ,(而,，.，?Γ ../j 用 來衡量兩邊緣點的形狀上下文直方圖的差異，0、，G[0，。，Df:(成,.氣,,兩,..)越小，表明兩邊 緣點的形狀上下文直方圖差異越小； b、 約束條件計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所述背 景模型上相對應的形狀上下文直方圖的差異之間的約束條件，約束條件公式為：C、屬性判定子模塊，所述屬性判定子模塊用于判定當前帖圖像上的邊緣點的屬性，所 述當前帖圖像上的邊緣點為屬于背景的邊緣點的判定條件為：其中，Tp為根據背景模型設定的匹配度闊值，Ty為根據背景模型設定的約束條件闊值； d、消減子模塊，用于剔除由屬性判定子模塊判定為屬于背景的邊緣點并輸出屬于運動 目標的區域圖像； (6)特征匹配模塊，與消減子模塊連接，用于將所述屬于運動目標的區域圖像與數據庫 中預定模板進行特征匹配，若匹配則打開智能斑馬線護欄。2.根據權利要求1所述的一種智能斑馬線護欄，其特征是，所述圖像初處理模塊包括： a、 參考有效度設定子模塊，用于存儲含運動目標的視頻圖像樣本的有效度參考闊值， 所述有效度表示用于判定原視頻圖像序列信息中第m帖視頻圖像是否為所述有效視頻圖像 的判定因子，所述有效度參考闊值包括亮度變化率參考闊值和目標尺寸參考闊值； b、 實際有效度計算子模塊，用于計算原視頻圖像序列信息中第m帖視頻圖像的有效度， 有效度的計算公式為：其中，V表示有效度，Lm為第m帖視頻圖像的亮度變化率，Μ表示原視頻圖像序列信息中所 包含的視頻圖像總帖數，m=l，.. .M，mv為原視頻圖像序列信息中亮度變化率大于亮度變化 率參考闊值的視頻圖像的總帖數，d為第m帖視頻圖像的目標尺寸，dp為目標尺寸參考闊值； C、輸出子模塊，用于輸出屬于有效視頻圖像序列的圖像信息，當所述當前帖圖像的有 效度大于所述有效度參考闊值時，所述輸出子模塊輸出所述當前帖圖像。
【文檔編號】H04N7/18GK105847692SQ201610239194
【公開日】2016年8月10日
【申請日】2016年4月15日
【發明人】張志華
【申請人】張志華