隧道环境下视频稳像方法的研究

发布时间：2020-05-04 17:48

【摘要】：隧道内交通目标的准确提取,是隧道异常事件检测的关键。而在隧道场景中监控设备存在抖动,使得提取的车辆目标畸形、行人目标与背景连通,严重干扰了交通目标的有效提取。同时隧道图像存在画质模糊、车辆灯光等干扰也加大了隧道抖动视频稳像的难度,导致传统的稳像方法效果一般、针对性不强。因此,研究针对隧道环境特性的抖动视频稳像方法,对提高隧道内车辆、行人等交通目标的检测精度,具有重要的理论和实际意义。本文通过分析常见抖动矢量估计方法的优劣,综合考虑各类方法的实时性与稳像精度,选取实时性较高的灰度投影法与精度较高的特征点匹配法作为本文的基本稳像方法。在此基础上,分别对隧道图像中存在的画质模糊、车辆灯光等干扰抑制展开了重点研究,同时,为了进一步提高改进稳像方法的精度和实时性,又分别在灰度投影窗口、特征点距离、匹配对选取策略等方面进行了改善,最终形成了两种适于隧道环境特性的视频稳像方法。在基于灰度投影的稳像方法方面,针对画质模糊、车辆灯光干扰等问题,提出了一种结合局部相位特征(Local Phase Quantization,LPQ)加权和多尺度高斯估计的改进灰度投影稳像方法。该方法首先通过模糊鲁棒的LPQ量化编码值加权以增大模糊图像行列间的投影差,其次采用多尺度高斯估计的方法逼近并消除隧道图像的亮度分量,从而减小光照干扰下参考帧与背景帧投影曲线上的局部差异,最后基于多子区域窗口和样本统计的方法降低了局部运动目标对灰度投影稳像精度的影响。实验结果表明,该方法能有效克服画质模糊、车辆灯光等干扰,在保证较高实时性的同时可得到平滑、流畅、稳定的视频流。在基于特征点匹配的稳像方法方面,考虑到传统鲁棒特征实时性差,本文选择实时性较强的二进制描述子FREAK(Fast Retina Keypoint)作为基本特征。针对该特征在画质模糊、车辆灯光等干扰下误匹配率高的问题,提出了一种融合模糊鲁棒和光照鲁棒重组Hu不变矩的改进二进制特征点匹配稳像方法。首先,该方法在FREAK特征四级匹配的基础上计算匹配对邻域内重组Hu不变矩的距离,并剔除相似度较低的误匹配对,其次,考虑到邻域内特征点存在高聚集性和低分辨性,采取距离约束的方式限制特征点数量以降低计算量,最后基于顺序抽样一致性算法(Progressive Sample Consensus,PROSAC)和Hamming距离比的方式进一步提高了抖动矢量估计的准确性。实验结果表明,该方法能有效克服画质模糊、车辆灯光等干扰,在保证一定时效性的同时可获得较高的稳像精度。最后,综合上述研究结果,形成了两种适于隧道环境特性的视频稳像方法,并利用实地采集的隧道抖动视频数据进行了对比实验验证。与传统方法相比,在隧道环境下,本文提出的方法均具有更高的帧间变换保真度,稳像效果更好。同时,本文还比较了两种改进的稳像方法,结果表明基于灰度投影的改进方法在稳像实时性上更快,而后者在稳像精度上更优。在实际应用方面,两种稳像方法均可有效对提高隧道环境内目标检测的检出率、并降低误检率。
【图文】：

隧道环境,视频流

(c1) 背景差分帧 1 (c2) 背景差分帧 2 (c3) 背景差分帧 3图 2.1 隧道环境下抖动视频流分析Fig. 2.1 Analysis of jitter video streaming in tunnel environment由于抖动视频流的干扰，隧道场景中的背景物体如车道线、墙体以及路边缘线均相对于背景帧发生了抖动偏移，当执行背景差分操作时，这些原本属于背景的物体目标同实际运动车辆、行走行人共同构成前景区域，严重影响了前景目标的提取，若采用分割方法也难以将前景目标完全分割，不仅降低了检测效率也降低了目标提取正确率。通过实验发现，抖动的隧道视频流主要造成以下三类问题：行人目标连通、出现伪车辆目标、车辆目标畸形扩展。图 2.1 中，从上到下分别展示了隧道抖动视频中的三个背景帧、当前帧以及背景差分帧。如图 2.1(b1)和 2.1(c1)，当隧道视频流不稳定时，隧道停车带两侧路边缘线均在背景差分帧中凸显，同时，当前帧中的弱小行人目标与凸显的前景相连，造成弱小行人目标前景区域扩大，难以再用经验的特征阈值方法实现准确检测，从而造成行人目标漏检；由于隧道监控摄像头安装高度相对较低，大车经过时将占据

隧道环境,稳像

2 隧道环境下视频稳像方法关键问题及研究思路图 2.2(b1)与 2.2(b2)为灯光干扰前后相隔 8 帧的两帧图像。隧道异常事件检测系统是日常实时检测系统，为了保证检测实时性，需要对视频流抽帧，对于 25 帧/s 的视频流，1 秒仅抽取 2 至 3 帧进行处理，故这里抽取相隔 8 帧的图像进行分析。灯光干扰前帧中仅仅存在车辆目标，而灯光干扰后帧中不仅仅存在严重的车辆闪烁灯光干扰，还存在车辆目标的局部运动，这种情况下既需要削弱灯光对隧道视频稳像的干扰，也需要考虑局部运动对抖动估计矢量的影响。依托于隧道异常事件检测系统，隧道环境视频稳像方法需要具有高实时性与长时准确稳像的能力。对于第一点，由于稳像后的视频帧需要进行后续的实时处理与分析，理论上每帧稳像时间需保证在 130ms 以内；对于第二点，隧道视频流属于实时长时视频流，，不准确的抖动矢量估计可能会影响后续所有帧的稳像精度，因此需要一种帧间独立性高的稳像策略。
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41

【参考文献】