视频检测方法及其系统的制作方法.docx

视频检测方法及其系统的制作方法专利名称：视频检测方法及其系统的制作方法技术领域：本发明涉及交通管理系统，特别涉及交通控制系统中的视频检测技术背景技术：伴随着世界各国车辆数量的急剧增加，交通状况日益受到人们的重视如何有效 地进行交通管理，越来越成为世界各国政府和有关部门所关注的焦点针对此问题，各种智 能交通管理系统相继产生或者已在研发之中，而对违规车辆进行监控、处罚是其中一个极 其重要的环节传统上对交通违章车辆检测主要是通过埋在地下的感应线圈或车轴感应器来实 现然而，随着视频技术的飞速发展和计算机运算速度的成倍增加，基于计算机视频检测技 术的交通监控系统的实现已成为可能视频检测的优点主要有以下几点(1)工业摄像机 的安装简单方便，且安装时不破损路面，不影响公路交通；(2)可以有效利用现有公路网上 已有视频设备，用一套视频检测器能够同时检测多条车道，将大大节省开支；C3)计算机视 觉能够提取丰富的交通信息可以获取常规检测器无法得到的车牌号码、车辆运行轨迹，以 及大范围交通现场信息等等；(4)可以实现更多的交通管理功能，这是其它检测设备无法 做到的车辆检测器按类型可大体分为硬件检测和视频检测两大类，硬件检测常用的有地 感线圈车辆检测器，车辆检测器通过分析地感线圈感应系数的变化，实时的判断和提供触 发信号；视频检测利用摄像机提供的视频信息，实时检测车辆是否到达，从而产生触发信 号，目前常用的方法是基于车辆触发和基于车牌触发。

基于车辆触发是不断地判断在视野范围内是否有车辆存在，发现有车辆时则启动 触发，即输出抓拍信号，进行抓拍常用的方式有基于目标跟踪的方式和基于虚拟线圈的方 式基于目标跟踪的方式是通过对车辆或非机动车辆等目标进行数学建模，从而检测出运 动目标，当发现有运动目标时则触发输出；基于虚拟线圈的方式通过在视频图像中设置一 个类似于地感线圈功能的检测区域，通过计算该区域内的灰度或颜色等图像信息的变化来 判断是否有物体进入该区域，当发现有运动目标进入该区域时启动触发，这种方式可以检 测运动的物体，也可以检测经由运动停止在检测区域内的目标基于车牌触发是不断地在视频图像中检测是否存在车牌，一旦寻找到车牌区域并 经后续确认之后输出触发信号，例如，申请号为CN1798333A的中国发明专利申请公开的 “基于快速车牌定位算法的车辆视频触发装置和方法”然而，本发明的发明人发现，在目前的视频检测中，存在以下问题在基于车辆触发的检测方式中，基于运动目标检测和跟踪的方式由于要进行运动 目标的检测和运动目标的跟踪，其中目标检测的效果和跟踪效果的起了决定性的作用，在 较为复杂的场景下(如市区公路)，跟踪效果很难保证，因为在市区场景下，行人、机动车 辆、电动车等非机动车辆、车辆变道，跟车等情况往往会导致运动的混乱和跟踪的不稳定； 目前的较为简单的跟踪方式在复杂场景下很难达到较好的跟踪效果，较为复杂的一些检测和跟踪方法由于受计算量和运行效率的限制，对其实用性带来了较大的影响；且该方式下 需要基于像素点对图像中的各个像素点进行建模和处理，运算量较大和运行效率较差，如 果采用高清相机，运算量和运行效果会大打折扣，从而影响产品的整体性能。

基于车牌触发检测的方式因为采用的特征信息较为单一，只有对悬挂了车牌且车 牌区域较明显的车辆方能实现较好的触发和捕获，对于没有悬挂车牌，随意遮挡，涂改车 牌，“遥控翻牌器”等，对于一些摩托车，农用车等很难较好的检测到车牌信息，从而导致漏 触发的上升和捕获率的下降，且受车身，路面等周围环境的干扰误触发较多；其次，车牌信 息的可靠程度受光照情况的影响较大，如何保证全天候M小时达到较好的成像效果也是 一件较为困难的事情，因此同样会对视频检测的捕获率和漏报率造成影响发明内容本发明的目的在于提供一种视频检测方法及其系统，提高视频检测的捕获率，降 低漏报率为解决上述技术问题，本发明的实施方式提供了一种视频检测方法，包含以下步 骤在视频图像中所设的虚拟线圈内进行物体特征的检测；如果在虚拟线圈中检测到物体特征，则触发抓拍信号，进行抓拍；其中，物体特征包括车前最黑阴影特征本发明的实施方式还提供了一种视频检测系统，包含检测模块，用于在视频图像中所设的虚拟线圈内进行物体特征的检测；触发模块，用于在检测模块在虚拟线圈中检测到物体特征时，触发抓拍信号；抓拍模块，用于在抓拍信号被触发后，进行抓拍；其中，物体特征包括车前最黑阴影特征，检测模块包含车前最黑阴影特征检测子 模块，用于在虚拟线圈中进行车前最黑阴影特征的检测。

本发明实施方式与现有技术相比，主要区别及其效果在于在视频图像中所设的虚拟线圈中进行物体特征的检测，该物体特征包括车前最黑 阴影特征当检测到物体特征时，触发抓拍信号，进行抓拍通过将车前最黑阴影等一些稳 定的车辆信息特征，作为需要检测的一种物体特征，可以有效提高视频检测的捕获率，降低 漏报率，实现了较准确较鲁棒的视频检测功能进一步地，自动计算黄昏结束时间和黎明起始时间如果检测的实时时间晚于黎 明起始时间且早于黄昏结束时间，则采用白天检测模式；如果检测的实时时间晚于黄昏结 束且早于黎明起始时间，则采用夜晚检测模式由于不同时间段内的图像质量会有所不同， 因此各个时段采用相对应的检测模式进行检测，以提高在全天候M小时时间范围内的检 测效果而且随着时间的推移，季节的变化，地域的差异，各时各地的白天时段范围和夜晚 时段范围都在不断变化当中，而不是固定的，因此通过自动计算黄昏结束时间和黎明起始 时间，进而得到选择白天检测模式或夜晚检测模式的选择依据，可以有效的解决因为天气 变化，时间推移，地域不同等因素的差异带来的影响，具有较强的稳健性，从而保证较高的 准确率白天检测模式中检测的物体特征还包括以下之一或其任意组合运动信息特征、运 动颜色特征、车身结构特征、车牌特征。

采用多种特征信息融合的方法，可以进一步提高视频检测的准确性和鲁棒性进一步地，在进行车牌特征的检测时，先对视频图像进行包括降噪处理在内的预 处理，然后提取体现有原始图像垂直边缘分布状况的能量图由于车牌区域就是一种垂直 边缘比较密集的区域，因此基于该能量图能够对车牌的位置进行高效的检测与定位在通 过对能量图的搜索得到车牌的候选区域后，就进行后续的候选车牌处理，即通过车牌特征 校验对车牌的候选区域中的局部图像进行车牌定位，如果车牌定位成功，则判定存在车牌 特征通过校验该特征值来确定候选车牌是否为真实的车牌；通过候选车牌水平校验，能够 有效的过滤大部分的虚假候选区域，提高车牌位置检测的准确率进一步地，在完成车前最黑阴影特征、运动信息特征、运动颜色特征、车身结构特 征、车牌特征的检测后，根据多种特征信息的检测结果，判断是否满足车辆分割条件，如果 满足车辆分割条件，则进行车辆分割其中，车辆分割条件为在检测到运动信息特征的同 时，还检测到车前最黑阴影特征或运动颜色特征；或者，车辆分割条件为同时检测到车前 最黑阴影特征和运动颜色特征由于视频检测应用场景中的多样性和复杂性，将对高捕获 率和低误触发率造成影响，其中主要的有车流密集，车流拥堵等情况下的高捕获率和低误 触发率，在车流密集甚至车流拥堵的情况下，一般的视频检测方法的捕获率会有严重下降。

因此，通过对多种特征信息进行融合和联合判断，检测是否是车流密集，车辆跟车较紧的情 形，若是，则进行车辆分割，可以大大提高捕获率，降低误报率进一步地，在判定满足车辆分割条件后，检测是否存在车牌特征，如果检测到车牌 特征，则再对车辆进行分割；如果未检测到车牌特征，则不对车辆进行分割由于车辆分割 条件的判定也有可能存在误判，因此为避免因车辆分割条件的误判所引起的误触发率的上 升，需要采用车牌特征校验的方式进行车辆分割校验，保证了该种情况下的高触发率，低误 触发率进一步地，在对车灯特征进行检测时，在由车灯像素点组成车灯像素块后，根据路 面反光特征来对得到的车灯像素块进行检测，滤除因反光导致的车灯像素块通过采用车 灯反光团块滤波的方法，有效的解决了车灯反光造成的误报，进一步提高了视频检测的准 确性进一步地，根据两车灯像素块之间的间距，判断车辆类型，对大车类型的车辆进行 对报警间隔帧数、搜索范围参数的调整通过车辆判断，对大车的特殊处理机制，可有效降 低大车引起的二次触发，进一步保证了检测的准确性图1是根据本发明第一实施方式的视频检测方法流程图；图2是根据本发明第一实施方式中的车牌特征的检测流程图；图3是根据本发明第二实施方式中的车辆分割流程图；图4是根据本发明第三实施方式中的车灯特征的检测流程图；图5是根据本发明第四实施方式的视频检测系统结构图。

具体实施例方式在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化 和修改，也可以实现本申请各权利要求所要求保护的技术方案为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施 方式作进一步地详细描述本发明第一实施方式涉及一种视频检测方法，在本实施方式中，采用虚拟线圈技 术，基于运动信息特征、运动颜色特征、车身结构特征、车前最黑阴影特征，车灯特征，车牌 特征等多种特征，对多种特征进行信息融合，最终在全天候M小时时间范围内均达到了较 好的检测效果，由于受一天M小时各个时段光线不同等因素的影响，所以需要在不同的时 段采用适应的特征和算法，以解决各个时段内可能遇到的各种问题，同时，由于虚拟线圈的 方式目前只处理虚拟线圈内部或者周围区域的图像数据，所以计算量和实时性得到了很好 的保证，不但可以自动的检测和抓拍通过设定虚拟线圈的机动车辆，而且可以自动检测和 抓拍通过设定虚拟线圈区域的自行车、电动车、摩托车等非机动车辆和行人具体流程如图1所示，在步骤101中，获取当前的视频图像数据，本步骤与现有的 视频检测中，获取视频图像数据的方式相同，在此不再赘述。

接着，在步骤102中，设置图像数据的检测模式在本实施方式中，检测模式分为 白天检测模式和夜晚检测模式在白天时段范围内，采用白天检测模式，在视频图像中所设 的虚拟线圈中进行物体特征的检测；在夜晚时段范围内，采用夜晚检测模式，在视频图像中 所设的虚拟线圈中进行物体特征的检测具体地说，自动计算黄昏结束时间和黎明起始时 间，如使用当地的经纬度，时区，日期，时间等信息自动的计算出当地当时的日出日落时间， 从而使用日出日落时间自动的计算出此时此地的黄昏结束时间和黎明起始时间如果检测 的实时时间晚于黎明起始时间且早于黄昏结束时间，则将检测模式设置为白天检测模式 如果检测的实时时间晚于黄昏结束且早于黎明起始时间，则将检测模式设置为夜晚检测模 式由于不同时间段内的图像质量会有所不同，因此各个时段采用相适应的检测模式 进行检测，以提高在全天候M小时时间范围内的检测效果而且随着时间的推移，季节的 变化，地域的差异，各时各地的白天时段范围和夜晚时段范围都在不断变化当中，而不是固 定的，因此通过自动计算黄昏结束时间和黎明起始时间，进而得到选择白天检测模式或夜 晚检测模式的选择依据，可以有效的解决因为天气变化，时间推移、季节变化、地域不同等 因素的差异带来的影响，具有较强的稳健性，从而保证较高的准确率。

接着，在步骤103中，判断设置的检测模式是否为白天检测模式，如果是白天检测 模式，则进入步骤104，如果是夜晚检测模式，则进入步骤105在步骤104中，采用白天检测模式对获取的视频图像数据进行检测在本实施方 式中，白天检测模式中检测的物体特征包括车前最黑阴影特征、运动信息特征、运动颜色 特征、车身结构特征、车牌特征也就是说，如果在虚拟线圈中检测到车前最黑阴影特征、运 动信息特征、运动颜色特征、车身结构特征或车牌特征时，则说明在视频图像的所设的虚拟 线圈中有机动车辆或非机动车辆等物体，进入步骤106，触发抓拍信号，即输出抓拍信号通 过采用多种特征信息融合的方法，可以进一步提高视频检测的。