论文部分内容阅读
【摘 要】利用计算机视觉对运动车辆进行检测和跟踪，并对其中突然停靠的车辆进行标记，利用图像平均法提取视频的背景图，用背景差分方法分离运动车辆像素点得到前景图。在此基础上提出将连续的前景图像二次平均的方法，通过阈值的设置，滤掉前景图中运动目标，分离出前景图中静止的目标来实现停车检测。
【关键词】背景差分 停车检测 OpenCV
一、引言
在图像序列中进行目标检测一直是计算机视觉领域非常活跃的话题。道路停车检测就是筛选出运动过程中停车的车辆，实现利用计算机视觉自动检测道路停车的功能，是智能交通的重要部分。OpenCV是Intel开源计算机视觉库。它由一系列C函数和少量C++类构成，实现了图像处理和计算机视觉方面的很多通用算法，应用广泛。
二、系统流程图
对图像序列进行前期处理后，利用背景差分方法将运动车辆与背景加以分离；在此基础上针对运动车辆进一步利用求平均法找出运动车辆中突然临时停靠的车辆加以标记和提示。图1是基于OpenCV实现的系统流程。
三、平均法获取图像序列背景
（一）图像灰度化。图像灰度化就是将彩色图像中彩色信息剔除，只包含亮度信息。计算机中表示灰度图是把亮度值进行量化等分成0～255共256个级别，0最暗（全黑），255最亮（全白）。而在RGB模型中，如果R=G=B，则颜色（R，G，B）就表示灰度色。
（二）平均法获取图像序列背景。由于视频检测器固定不动，所以图像中每一个像点都有一个对应的背景值，取n幅连续灰度图像，求取平均值，由于车辆相对于背景几何尺寸小且运动速度比较快，当n比较大且车流量不大的时候，可以忽略运动车辆，得到满意的背景图。
四、背景差分法获取运动目标
（一）背景差分。背景差分法是采用图像序列中的当前帧和背景参考模型做减法来检测运动物体的方法，滤掉与背景相同的像素点，剩下的就是闯入视频画面中的车辆信息，下文称之为前景图，与之对应的称之为背景图。
（二）图像形态学处理。形态学的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。文中主要进行了图像的二值化，开运算和闭运算操作。设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。大于T的像素群强制置1，小于T则强制置0。A与B的形态学闭运算记做A·B，是先膨胀后腐蚀的结果；A与B的形态学开运算记做AB，是先腐蚀再膨胀的结果。腐蚀是一种消除边界点，使边界向内部收缩的过程。膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。
（三）二次平均捕获马路停靠车辆。二次平均是相对于第一次平均求取图像背景而言的。前景图中如果目标都是运动的，在取某个小的时间段[t，t+Δt]内所有图像进行平均处理后，t时刻灰度为255的像素点的灰度小于255，假设某个目标是静止的，由于Δt比较小，一般大于车辆停止时间，平均处理后t时刻灰度为255的像素点灰度仍然是255。基于这样的判断，只要选取合适的Δt和灰度阈值，就能够把静止车辆分离出来根据经验Δt选取25帧图像播放时间，T选择150，得到了检测效果。具体算法如下：
求取n幅连续的前景图像的平均图像
（四）实验结果分析
根据文中算法采用vs2005配置OpenCV 1.0编程实现，图2中（a）（b）（c）三幅图像分别为三个不同时刻的显示，其中画面左侧出租车为停靠车辆，由图中可以清楚地看到，静止目标车辆被标记，而一直运动的电动车则没有被标记，实际应用中，待出租车离开停止停车地点开始运动时标记消失。
五、结论
平均法提取背景已经广泛应用，但平均法检测道路停车方面的研究还比较少，该算法简单易懂，检测准确度高，结合OpenCV中图像处理函数使得编程简单化，应用前景广泛。
参考文献：
[1]刘睿祯 于仕琪.OpenCV教程.背景：北京航空航天大学出版社，2008
[2]STEFANO MESSLODI，CARLA MARIA MODEN.Vision-based bicycle and motorcycle classification[J].Pattern Recognition Letters，2007（28）：1719-1726
[3]（美）冈萨雷斯（美）伍兹著 阮秋琦译.数字图像处理.电子工业出版社，2011
【关键词】背景差分 停车检测 OpenCV
一、引言
在图像序列中进行目标检测一直是计算机视觉领域非常活跃的话题。道路停车检测就是筛选出运动过程中停车的车辆，实现利用计算机视觉自动检测道路停车的功能，是智能交通的重要部分。OpenCV是Intel开源计算机视觉库。它由一系列C函数和少量C++类构成，实现了图像处理和计算机视觉方面的很多通用算法，应用广泛。
二、系统流程图
对图像序列进行前期处理后，利用背景差分方法将运动车辆与背景加以分离；在此基础上针对运动车辆进一步利用求平均法找出运动车辆中突然临时停靠的车辆加以标记和提示。图1是基于OpenCV实现的系统流程。
三、平均法获取图像序列背景
（一）图像灰度化。图像灰度化就是将彩色图像中彩色信息剔除，只包含亮度信息。计算机中表示灰度图是把亮度值进行量化等分成0～255共256个级别，0最暗（全黑），255最亮（全白）。而在RGB模型中，如果R=G=B，则颜色（R，G，B）就表示灰度色。
（二）平均法获取图像序列背景。由于视频检测器固定不动，所以图像中每一个像点都有一个对应的背景值，取n幅连续灰度图像，求取平均值，由于车辆相对于背景几何尺寸小且运动速度比较快，当n比较大且车流量不大的时候，可以忽略运动车辆，得到满意的背景图。
四、背景差分法获取运动目标
（一）背景差分。背景差分法是采用图像序列中的当前帧和背景参考模型做减法来检测运动物体的方法，滤掉与背景相同的像素点，剩下的就是闯入视频画面中的车辆信息，下文称之为前景图，与之对应的称之为背景图。
（二）图像形态学处理。形态学的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。文中主要进行了图像的二值化，开运算和闭运算操作。设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。大于T的像素群强制置1，小于T则强制置0。A与B的形态学闭运算记做A·B，是先膨胀后腐蚀的结果；A与B的形态学开运算记做AB，是先腐蚀再膨胀的结果。腐蚀是一种消除边界点，使边界向内部收缩的过程。膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。
（三）二次平均捕获马路停靠车辆。二次平均是相对于第一次平均求取图像背景而言的。前景图中如果目标都是运动的，在取某个小的时间段[t，t+Δt]内所有图像进行平均处理后，t时刻灰度为255的像素点的灰度小于255，假设某个目标是静止的，由于Δt比较小，一般大于车辆停止时间，平均处理后t时刻灰度为255的像素点灰度仍然是255。基于这样的判断，只要选取合适的Δt和灰度阈值，就能够把静止车辆分离出来根据经验Δt选取25帧图像播放时间，T选择150，得到了检测效果。具体算法如下：
求取n幅连续的前景图像的平均图像
（四）实验结果分析
根据文中算法采用vs2005配置OpenCV 1.0编程实现，图2中（a）（b）（c）三幅图像分别为三个不同时刻的显示，其中画面左侧出租车为停靠车辆，由图中可以清楚地看到，静止目标车辆被标记，而一直运动的电动车则没有被标记，实际应用中，待出租车离开停止停车地点开始运动时标记消失。
五、结论
平均法提取背景已经广泛应用，但平均法检测道路停车方面的研究还比较少，该算法简单易懂，检测准确度高，结合OpenCV中图像处理函数使得编程简单化，应用前景广泛。
参考文献：
[1]刘睿祯 于仕琪.OpenCV教程.背景：北京航空航天大学出版社，2008
[2]STEFANO MESSLODI，CARLA MARIA MODEN.Vision-based bicycle and motorcycle classification[J].Pattern Recognition Letters，2007（28）：1719-1726
[3]（美）冈萨雷斯（美）伍兹著 阮秋琦译.数字图像处理.电子工业出版社，2011