一种道路静止小抛洒物品的重定位方法及系统

技术领域

本发明属于自动驾驶的障碍物识别技术领域，具体涉及一种道路静止小抛洒物品的重定位方法及系统。

背景技术

随着交通的快速发展，车流量的增长间接导致了车窗垃圾和抛洒物的增长，不仅对环境造成了污染，也存在对来往高速行驶的车辆上的司乘人员造成了安全隐患。在复杂道路下的小目标抛洒物品的定位成为了智慧交通领域的一个比较困难但十分有意义的问题。现有技术中，也有根据实时茶几跟踪物体图像进而进行定位的技术，如申请号为202210222744.2的中国专利申请文件公开了一种基于deepstream的抛洒物识别方法，以车载流媒体相机为输入源，获取抛洒物的外部图像，视频信号以rtsp流的形式传输，在视频实时传输到微型计算机后，采用Yolov4算法，使用基于gstream的deepstream技术对rtsp流进行实时处理，通过建立管道对视频信号完成解析，再通过在管道上建立的插件，完成对抛洒物的检测。但是抛洒物落地静止一段时间后会被更新至背景中，丧失了空中运动时独立物影轮廓的条件，无法在前景中进行匹配。

发明内容

本发明针对上述缺陷，提供一种道路静止小抛洒物品的重定位方法及系统。本发明提供的道路静止小抛洒物品的重定位方法为一种基于感兴趣区域(ROI)的区域前景与预留影模板匹配的方法，对已静止物体再次变动后的重定位。

本发明提供如下技术方案：一种道路静止小抛洒物品的重定位方法，所述方法用于对高速路上小目标抛洒物品重定位，包括以下步骤：

步骤一、采集多帧图像，采用大津法求取动态阈值；

步骤二、再进行二值化处理，得到第n帧的二值化图像；

步骤三、继续采集j帧图像，判断第n+j帧图像的感兴趣区域是否被标定，若被标定，则继续以下步骤，否则计算第j帧图像的平均中心点的偏移距离，并判断第j帧图像的平均中心点的偏移距离是否小于阈值X，若小于，则判定目标进入静止状态；保留目标中心点与轮廓并对其进行感兴趣区域划分，在接下来的帧中更加关注该区域中的前景目标变化；

步骤四、若第n+j帧图像的感兴趣区域已经被标定，判断第n+j帧图像的感兴趣区域内有无目标，若存在目标，则预存中心与轮廓框标定，并进入步骤六；

步骤五、若所述步骤四判断第n+j帧图像的感兴趣区域不存在目标，则对第n+j图像进行Hu矩计算，当第n+j帧图像的感兴趣区域再次出现前景轮廓时，根据计算得到的Hu矩采用影模板轮廓比对的方法来判定目标是否为该抛洒物并对其中心与轮廓进行更新，实现目标前景因静止被划分为背景后跟踪丢失的问题；并进入步骤六；

步骤六、进入下一帧图像，重复所述步骤一至步骤五。

进一步地，所述步骤五中计算Hu矩的包括以下步骤：

1)、根据像素点(x,y)处的像素强度I(x,y)计算该时刻原始矩M

2)根据所述步骤1)计算得到的该时刻原始矩M

其中，M

3)根据所述步骤2)计算得到的中心矩的横纵坐标，计算该时刻中心矩μ

4)根据所述步骤3)计算得到的该时刻中心矩μ

5)根据所述步骤4)计算得到的该时刻中心矩归一化值η

Hu＝(η

其中，η

进一步地，所述像素点(x,y)处的像素强度I(x,y)为0或者1。

进一步地，所述步骤一种采集多帧图像为采集长为1min、分辨率为1920×1080的视频中帧率为30帧/s的每一帧图像。

本发明还提供采用根据如上所述的方法的一种道路静止小抛洒物品的重定位系统，包括摄像头和主控制CPU，还包括执行所述步骤一至六的远程图像处理计算机。

进一步地，所述远程图像处理计算为Windows 10操作系统的计算机。

进一步地，所述主控制CPU的CPU英特尔使用i7-6700HQ，内存为8.00GB。

进一步地，所述主控制CPU的编程语言使用Python。

本发明的有益效果为：本发明提供的方法中当ROI区域再次出现前景轮廓时，根据计算出来的Hu矩采用影模板轮廓比对的方法判定目标是否为该抛洒物并对其中心与轮廓进行更新。Hu矩越小说明该时刻图像与模板图像相关性越高越相似，反之该时刻图像与模板图像相关性越低越不相似。Hu矩用来判定是否为该抛洒物并对其中心与轮廓进行更新；实现目标前景因静止被划分为背景后跟踪丢失的问题。

本发明引入感兴趣区域(ROI)划分与多权重影模板匹配方法，能较好解决静止物体由外界因素造成再次移动的跟踪定位。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中：

图1为本发明提供的方法流程示意图；

图2为本发明跟踪过程中抛洒物进入静止，目标像素融入背景的图像；

图3为本发明提供的方法感兴趣区域标定结果示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，为本发明提供的一种道路静止小抛洒物品的重定位方法，本发明提供的方法用于对高速路上小目标抛洒物品重定位，包括以下步骤：

步骤一、采集多帧图像，采用大津法求取动态阈值；

步骤二、再进行二值化处理，得到第n帧的二值化图像；

我们二值化处理的目的是将图片分割成两个部分(前景和背景)，使前景中目标小物品与背景分别开。

步骤三、继续采集j帧图像，判断第n+j帧图像的感兴趣区域(RO I区域)是否被标定，若被标定，则继续以下步骤，否则计算第j帧图像的平均中心点的偏移距离，并判断第j帧图像的平均中心点的偏移距离是否小于阈值X，若小于，则判定目标进入静止状态；保留目标中心点与轮廓并对其进行感兴趣区域划分，在接下来的帧中更加关注该区域中的前景目标变化；

步骤四、若第n+j帧图像的感兴趣区域已经被标定，判断第n+j帧图像的感兴趣区域内有无目标，若存在目标，则预存中心与轮廓框标定，并进入步骤六；

步骤五、若所述步骤四判断第n+j帧图像的感兴趣区域不存在目标，则对第n+j图像进行Hu矩计算，Hu矩的优点在于其具有平移不变性和旋转不变性，当第n+j帧图像的感兴趣区域再次出现前景轮廓时，根据计算得到的Hu距采用影模板轮廓比对的方法来判定目标是否为该抛洒物并对其中心与轮廓进行更新，实现目标前景因静止被划分为背景后跟踪丢失的问题；并进入步骤六；

Hu矩越小说明该时刻图像与模板图像相关性越高越相似，反之该时刻图像与模板图像相关性越低越不相似。

步骤六、进入下一帧图像，重复所述步骤一至步骤五。

优选地，所述步骤五中计算Hu矩包括以下步骤：

1)、根据像素点(x,y)处的像素强度I(x,y)计算该时刻原始矩M

2)根据所述步骤1)计算得到的该时刻原始矩M

其中，M

3)根据所述步骤2)计算得到的中心矩的横纵坐标，计算该时刻中心矩μ

其平移不变的，就是说在图像中只要形状相同，则其相同；

4)根据所述步骤3)计算得到的该时刻中心矩μ

5)根据所述步骤4)计算得到的该时刻中心矩归一化值η

Hu＝(η

其中，η

进一步优选地，因为本申请中的多帧图像在步骤二时经过二值化处理均转化为二进制图像，所述像素点(x,y)处的像素强度I(x,y)只能为0或者1。

进一步优选地，所述步骤一种采集多帧图像为采集长为1min、分辨率为1920×1080的视频中帧率为30帧/s的每一帧图像。

本发明还提供采用如上所述的方法的一种道路静止小抛洒物品的重定位系统，包括摄像头和主控制CPU，具体还包括执行所述步骤一至六的远程图像处理计算机。

优选地，本发明提供的道路静止小抛洒物品的重定位系统中的远程图像处理计算为Windows 10操作系统的计算机。

优选地，本发明提供的道路静止小抛洒物品的重定位系统中的主控制CPU的CPU英特尔使用i7-6700HQ，内存为8.00GB。

优选地，本发明提供的道路静止小抛洒物品的重定位系统中的主控制CPU的编程语言使用Python。

如图2所示，跟踪过程中抛洒物进入静止，目标像素融入背景的图像；图2(c)中抛洒物前景像素已完全融入背景；图2(d)中外界环境风等变换，造成的静止物体再次移动，预测框未能准确跟踪到静止物体再次移动的变化。

如图3所示，本发明提供的方法中引入感兴趣区域(ROI)划分与多权重影模板匹配方法，图3(a)中显示抛洒物前景像素已融入背景，ROI区域标定后，对该区域再次出现的抛洒物前景，利用影模板类加权平均法再次对前景目标匹配；实现目标再现的重定位跟踪。

因此，本发明能较好解决静止物体由外界因素造成再次移动的跟踪定位。

虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。