视频采集技术

《视频采集技术》由会员分享，可在线阅读，更多相关《视频采集技术（46页珍藏版）》请在金锄头文库上搜索。

1、交通控制技术基础,2.2 视频检测技术,第二节视频检测技术主要内容： 视频检测系统概述 数字图像处理基础 基于视频处理技术的交通量检测 视频检测技术的特点,2.2.1.1 视频检测系统组成结构 视频采集检测以视频图像为分析对象，通过对图像分析得到交通信息，在视频检测的过程中一般是将电视监控系统和交通信号控制有机地集合在一起的。其工作流程如下： 1、摄像机安装在合适高度（一般为520m） 2、摄像机输出接到视频检测器 3、在摄像机画面上设置检测线和检测区 4、通过图像处理板，经特殊算法得到交通数据 5、经压缩后，视频检测器得到的图像和数据传到控制中心 6、最后得到的是叠加有交通数据的视频图像，交

2、通数据则 可通过通信口输出。,2.2.1 视频检测系统概述,2.2.1.1 视频检测系统组成结构,该视频检测系统基于图像处理技术，以虚拟的图像传感器代替传统的感应线圈。摄像机捕捉多个监测点图像然后通过电缆传送给视频检测系统进行数字化处理。,2.2.1 视频检测系统概述,视频检测系统的核心组成部分为其视频图像处理模块。它完成系统的图像及交通数据的处理工作。它首先将采集到的视频信号数字化，然后检测在检测区的车辆并跟踪被检车辆，处理实时交通信息。 视频检测系统可以通过传输设备与中央控制中心里的交通数据管理系统连接，传输交通信息，同时操作员可以通过此系统进行远程的控制和设置，实现两端的交互。 交通数据

3、管理系统实际上是一个数据库系统，用于存放和管理各监测点的交通信息和数据，同时提供用户交通数据的查询、分析和报表打印的功能。,2.2.1 视频检测系统概述,2.2.1.1 视频检测系统组成 以下是从采集的视频图像获取交通量的一种信息处理过程： 摄像机对车辆进行拍摄，将拍摄到的图像进行存储并数字化（预处理）；接着对图像分区；对各分区进行处理，提取特征信息；根据特征信息进行车辆计数、分类；根据相邻图片计算车速；最后在拍摄区内跟踪所辨识的车辆。视频检测除可提供常规交通参数统计外，还可检测事件（如堵塞、超速、非法停车、逆行等）。,视频信息处理过程框图,2.2.1.1 视频检测系统的功能 1、 能够提供包

4、括实时交通数据、统计性交通数 据以及交通事故等三类交通信息。 2、能够直接探测在摄像机焦距范围内的交通异常 状况，如交通拥挤、交通阻塞和交通事故等。 3、某监测点交通出现异常时可发出警报信息。 4、检测系统可提供一个广域事故探测模块供用户 选择。用AI算法对焦距以外的事故进行探测,2.2.1 视频检测系统概述,2.2.1.3 智能交通系统中视频检测技术的应用 1）在交通动态信息检测系统中的应用 在实际的应用中，为更好达到交通检测的目的，一般可以将视频检测技术为主，并与其他采集技术一起使用共同完成交通动态信息采集任务，构成相互补充的综合性交通信息采集技术。 下图为视频检测技术的交通动态信息采集系

5、统工作图和示意图：,2.2.1 视频检测系统概述,2）在交通违章检测系统中的应用,智能视频卡口系统示意图,此系统能够进行图像处理和识别，记录车辆图像，提取车速、车型特征、车色特征、车牌号码等。,2.2.1 视频检测系统概述,系统在违章检测应用中，可在检测路口对车辆进行抓拍，记录车辆特征和车牌号码等，抓拍的图片可经过处理保存，在违章记录和管理中起着重要的作用。抓拍系统结构图如下：,违章抓拍系统结构图 抓拍效果图,2.2.1 视频检测系统概述,3）在交通信号控制系统中的应用 视频采集可以为信号控制提供有力的依据，可以将视频采集来检测路口的交通状况与信号控制有机结合起来，使得信号控制的方案更加适合相

6、应路口状况，达到良好的交通控制效果。 4）在交通安全方面的应用 在交通安全方面主要有两方面：一是用于检测交通事故以便于交警及时地处理；另一个是检测交通拥堵以便于交警及时地疏导交通。,2.2.1 视频检测系统概述,主要内容,2.2.2 数字图像处理基础,2.2.2 数字图像处理基础,在实际使用中经摄像头采集到的交通图像信号为彩色模拟信号，在经过图像采集卡数字化后得到的图像为RGB彩色序列图像。 首先对视频图像进行空间映射，将视频图像由RGB色彩系统转换到YIQ色彩系统。经过空间映射变换后得到相应的灰度序列图像。 这样处理主要是因为视频交通检测算法要求的实时性较高，将RGB彩色图像转换为灰度图像可

7、以大大的减少需要处理的数据量。,2.2.2.1 彩色图像灰度化及去噪,去除彩色涉及RGB和YIQ两种色彩系统的转换。RGB色彩系统是最常用的表示颜色的方式，计算机屏幕的显示即是使用RGB色彩系统，它是通过颜色的相加来产生其他的颜色，这样的方式称为加色合成法。 YIQ色彩系统被北美的电视系统所采用，Y是指颜色的明视度，也就是亮度。实际上，Y代表的就是灰度值，而I和Q则是指色度，即描述图像色彩及饱和度的属性。从RGB到YIQ的转换可以把亮度信息与色度信息分开，分别独立进行处理。,2.2.2.1 彩色图像灰度化及去噪,2.2.2 数字图像处理基础,灰度化即取其中的Y分量：,2.2.2.1 彩色图像灰

8、度化及去噪,2.2.2 数字图像处理基础,RGB与YIQ的关系如下：,通常将得到的灰度值进行量化，分成0到255共256个级别。,由于噪声源很多，噪声的种类复杂，所以去噪平滑的方法也多种多样。 现有的图像去噪方法主要分两类，一类是空域的方法，主要采用各种图像平滑模板与图像进行卷积处理，从而达到抑制或消除噪声的目的; 另一类是频域的方法，主要通过对图像进行变换后，用合适的滤波器进行滤波处理，再经过反变换后得到去噪后的图像。 常用的空域滤波有均值滤波、中值滤波等。它们对不同的噪声有不同的去噪特性，均值滤波可以有效的滤除高斯噪声，而中值滤波对脉冲噪声和椒盐噪声的去噪能力很好。,2.2.2.1 彩色图

9、像灰度化及去噪,2.2.2 数字图像处理基础,中值滤波器是基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波器。基本原理：把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近真实值，从而消除孤立的噪声点。 中值滤波过程如下（选用33的模板）： 1)、使模板在图像中的每个象素上移动，并使模板中心与该象素位置重合，最终完成对图像中所有象素的遍历。 2)、读取模板对应下的各个象素的灰度值，并将这些值进行排序(考虑到算法的实时性，使用快速排序)。 3)、取排序后的中间值，将其赋给模板中心位置的象素。,2.2.2.1 彩色图像灰度化及去噪,2.2.2 数字图像处理基础,

10、2.2.2.1 彩色图像灰度化及去噪,2.2.2 数字图像处理基础,图像的二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。 将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。 所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。,2.2.2.2 灰度图像的二值化,2.2.2 数字图像处理基础,图像的二值化处理是将图

11、像简单的分成背景和目标物体。也就是选取一个合适的阈值T，用T将图像分成两大部分，大于T的区域(通常为目标物体)和小于T的区域(通常为背景)，若输入图像为f (x ,y)，输出图像为g (x ,y)，则,2.2.2.2 灰度图像的二值化,2.2.2 数字图像处理基础,2.2.2.2 灰度图像的二值化,（a）灰度图像,（b）二值化的图像,2.2.2 数字图像处理基础,数学形态学(Mathematical Morphology)是分析几何形状和结构的数学方法，是建立在代数集合基础上，用集合论方法定量描述几何结构的科学。 数学形态学是由一组形态学的代数运算子组成的，如：腐蚀(Erosion)膨胀(Di

12、lation)开(Opening)、闭(Closing)。 基本的数学形态学运算是将结构元素在图像范围内平移，同时作交并等基本几何运算。用不同的结构元素可以完成不同的功能。腐蚀和膨胀是两个基本的形态学运算子。,2.2.2.3 二值化图像的形态学滤波处理,2.2.2 数字图像处理基础,腐蚀是数学形态学的两种最为基本的运算之一，腐蚀在数学形态学中的作用是消除物体边界点，使边界向内部收缩的过程，可以把小于结构元素的物体去除。 选取不同大小的结构元素，就可以去除不同大小的物体。如两个物体间有细小的连通，通过腐蚀可将两个物体分开。腐蚀的数学表达式是：,2.2.2.3 二值化图像的形态学滤波处理,2.2.

13、2 数字图像处理基础,膨胀是数学形态学中除腐蚀之外的另一种基本算子。膨胀在数学形态学中的作用与腐蚀的作用正好相反，它是对二值化物体边界点进行扩充，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。 如果两个物体之间的距离比较近，则膨胀运算可能会把两个物体连通到一起，膨胀对填补图像分割后物体中的空洞很有用。膨胀的数学表达式是：,2.2.2.3 二值化图像的形态学滤波处理,2.2.2 数字图像处理基础,2.2.2.3 二值化图像的形态学滤波处理,2.2.2 数字图像处理基础,2.2.2 数字图像处理的基础,数学形态学处理增加边缘检测的精度,（a）原始图像,（b）膨胀帧差结果,(c)

14、腐蚀帧差结果,（d）数学形态学处理之后,基于视频的运动检测方法主要有： 帧间差分法 背景消减法 光流法,2.2.2.4 常用的运动物体的检测,2.2.2 数字图像处理基础,2.2.2.4 常用的运动物体的检测帧差法,帧间差分法是指将相邻两帧灰度或彩色图像相减，通过差图像中各像素的灰度或颜色分量与阈值的比较判断是否有运动物体以及运动目标的位置。,表示第t帧图像，,表示t时刻相邻两帧图像的差分图像。,2.2.2 数字图像处理基础,2.2.2.4 常用的运动物体的检测帧差法,将差分图像二值化可得：,1表示对应像素属于运动目标区域， 否则对应像素属于静止背景区域,为差分图像二值化的分割阈值， 可以预先

15、人工设定或者通过自适应算法获得该阈值。,2.2.2 数字图像处理基础,2.2.2.4 常用的运动物体的检测帧差法,(a) 第一帧图像 (b) 第二帧图像,(c) 差分图像 (d) 差分图像二值化,2.2.2 数字图像处理基础,帧间差分法存在以下几个缺点： （1）、它不能检测出静止或运动速度过慢的物体，因此当路口发生拥堵时，同一运动物体在两帧之间位置变化很小或处于静止状态，帧间差分法失效； （2）、对于高速运动的物体，两帧之间位置距离很大，此方法又会使得分割区域远远大于真实目标，其分割区域实际上是运动目标在相邻两帧中区域的并集。因此分割区域的面积与目标运动速度相关； （3）、如果物体内部的灰度比

16、较均匀，相邻帧差可能在目标重叠部分形成较大空洞，严重时造成分割结果不连通，导致车辆检测失误 。,2.2.2.4 常用的运动物体的检测帧差法,2.2.2 数字图像处理基础,2.2.2.4 常用的运动物体的检测帧差法,(a) 帧差图像 (b) 二值化图像,物体高速运动时分割出运动区域较大,2.2.2 数字图像处理基础,2.2.2.4 常用的运动物体的检测背景差法,背景消减法的基本思想是先形成观测场景的背景图像（背景像素：指较长时间保持像素值不变或变化很小的像素点），然后将当前帧图像与背景图像逐像素相减（理想情况下，差值图像中非零像素点就表示了运动物体），进而就可运用阈值方法将运动物体从背景中分离出来 ，即计算：,分别为t时刻当前帧图像和背景图像,为背景差图像,2.2.2 数字图像处理基础,2.2.2.4 常用的运动物体的检测背景差法,2.2.2 数字图像处理基础,背景提取： 可以采用多帧累加求平均值的方法初始化背景参考帧，即把图像序列中对应