CN101510358A - 采用视频图像处理实时统计车流量的方法及装置 - Google Patents

Abstract

本发明公开了一种采用视频图像处理实时统计车流量的方法及装置。旨在克服要么方法复杂，要么准确性差的问题。该方法的步骤是：1)在视频图像中的车道上设置虚拟检测线圈；2)对经过虚拟检测线圈的由视频图像采集装置捕获的每一帧视频图像中的像素进行处理，获取运动车辆目标；3)检测并抑制被分割出的运动车辆目标的阴影；4)分析经过虚拟检测线圈的视频图像中像素值的变化来统计车辆的个数。其中，车道上设置的虚拟检测线圈的形状为一矩形，虚拟检测线圈的长度为车道宽度，虚拟检测线圈的宽度为3至6个像素，虚拟检测线圈的个数为检测车流量车道的数量，相邻车道上的两个虚拟检测线圈在车道方向的距离小于最小机动车车身长度的二分之一。

Description

采用视频图像处理实时统计车流量的方法及装置

技术领域

本发明涉及一种应用于智能交通系统领域的对视频图像处理获取交通车流量信息的方法，更具体地说，它涉及一种应用计算机程序的采用视频图像处理实时统计车流量的方法及装置。

背景技术

交通自古以来就与人们的生活和社会的发展紧密相连。如今随着世界经济快速发展，城市化、汽车化迅猛发展，这使交通需求急剧增加。在享受现代文明给我们生活带来方便的同时，我们面临着这样的问题——交通拥挤和进而导致环境的污染。这种车与路的矛盾、路与环境的矛盾已经成为制约社会和经济正常运转的重要因素之一。

智能交通系统被科学家们认为是目前解决这一问题的最有效的方法。智能交通系统(简称ITS)是将先进的信息技术、数据通信传输技术、电子传感技术、电子控制技术及计算机处理技术等有效地集成运用于整个交通管理而建立的一种在大范围内、全方位发挥作用的、实时、准确、高效的综合交通运输管理系统。智能交通系统的基础是交通信息的采集，包括车的流量、速度等。目前的采集方法有磁感应线圈、雷达、超声波、红外线、微波、声频以及基于视频图像处理技术的悬挂式摄像头等。其中，与其他的采集方式相比，基于视频的采集方式有着明显的优势：

1.采集的信息量大，不仅仅局限于车的流量、速度，还包括车型、交通违章等等的信息。

2.检测范围广。

3.易于安装和调试，其软件可以在线升级，可扩展性好，成本低、使用寿命长。

目前，基于视频的交通信息采集的方法有很多，但是其中大部分要么方法复杂，要么准确性差。

经检索得知中国专利公开号CN 101329815A，公开日2008年12月24号，发明创造名称为一种新型的交通路口四相位车流量检测系统与方法，申请号200810138157.5。该申请公开了一种基于视频信息处理的车流量及车速数据检测的系统与方法，该方法首先在视频图像的最底端设置宽为20像素的检测带，然后对检测带像素进行相关处理以获得运动车辆目标信息，并根据所获得的信息给出车辆个数及车速数据。最后，当系统只有在连续150帧持续判断无车通过检测带时，才更新背景。在这种方法中检测带设置在视频图像的最底端，其宽度为20像素，长度为整幅视频图像的长度，这样检测带就会不仅覆盖车道，而且还很容易覆盖如人行道和道路两旁的设施等非机动车行驶区域，由于这些所覆盖的额外区域的噪声干扰，系统很容易误判车辆，从而导致计数精度的下降。同时检测带设置过宽，虽然这样可以获得更多的车辆信息，但是却限制了车辆间的间隔，当车辆间的间隔过小时(即车流量较大时)系统会漏检车辆，降低了车辆计数精度。此外，该方法中背景更新的条件也限制车流量的大小。当车流量大时，系统不会更新背景，这样会导致运动车辆目标检测结果恶化，运动车辆目标检测精度下降最终导致计数精度的下降。该方法车辆检测准确度在80％以上，运行速度为15帧/秒。

发明内容

本发明所要解决的技术问题是克服了现有技术存在的要么方法复杂，要么准确性差的问题，采用计算机程序，提供了一种基于虚拟检测线圈的采用视频图像处理技术实时统计车流量的方法及装置。

为解决上述技术问题，本发明是采用如下技术方案实现的：一种采用视频图像处理实时统计车流量的方法包括下列步骤：

1.在视频图像中的车道上设置虚拟检测线圈；

2.对经过虚拟检测线圈的由视频图像采集装置捕获的每一帧视频图像中的像素进行处理，获取运动车辆目标；

3.检测并抑制被分割出的运动车辆目标的阴影；

4.分析经过虚拟检测线圈的视频图像中像素值的变化来统计运动车辆目标的个数，判断是否有下一帧视频图像，确定是否对背景图像进行更新。

技术方案中所述的车道上设置的虚拟检测线圈的形状为矩形，虚拟检测线圈的长度为车道的宽度，虚拟检测线圈的宽度为3至6个像素，虚拟检测线圈的个数为需要检测车流量的车道的数量，相邻车道上的两个虚拟检测线圈在车道方向的距离小于最小机动车车身长度的二分之一；所述的获取运动车辆目标需采用下列步骤：

1.捕获多帧视频图像，采集并记录这些帧视频图像中各像素的值，然后对于同一位置像素将记录的像素值按大小排列，选取中值作为这个像素的背景像素值，若选取的帧数为偶数，则取中间两个值的平均值作为这个像素的背景像素值。

公式为： $B_n(x,y)=\underset{1<k<n}{\mathrm{med}}\{f_1(x,y),f_2(x,y),\&CenterDot;\&CenterDot;\&CenterDot;f_k(x,y),\&CenterDot;\&CenterDot;\&CenterDot;,f_n(x,y)\}$

其中，B_n(x，y)为背景图像中像素点(x，y)的像素值，f_k(x，y)为视频图像第k帧中像素点(x，y)的像素值，med为取中值。

2.将当前帧与在第1步骤中获得的背景图像灰度化处理，公式为：

Gray(x，y)＝0.114B(x，y)+0.587G(x，y)+0.299R(x，y)

其中：Gray(x，y)为像素点(x，y)的灰度值，B(x，y)、G(x，y)、R(x，y)分别为像素点(x，y)的蓝色分量、绿色分量和红色分量。

3.将在第2步骤中所得的当前帧与背景图像的灰度图进行差分，然后运用具有自适应性的OTSU法选取的阈值将所得差分结果二值化，公式为：

$g(x,y)=\left\{\begin{array}{ccc}0& \mathrm{Foreground}& f(x,y)\&GreaterEqual;T_{\mathrm{threshold}}\\ 255& \mathrm{Background}& f(x,y)<T_{\mathrm{threshold}}\end{array}\right.$

其中：g(x，y)为输出图像，f(x，y)为差分图像，T_threshold为OTSU法获得的阈值，这里Foreground即为运动车辆目标；所述的检测并抑制被分割出的运动车辆目标的阴影需采用下列步骤：

1.分析虚拟检测线圈内的像素，当像素被确定为运动车辆目标像素时，将像素由在RGB空间下表示转换到在HSV空间表示。

2.运用经典的HSV颜色空间阴影检测算法进行阴影检测并判断像素是否为阴影点。

3.在当前帧与背景图象差分所得的二值化图形中将阴影抑制；所述的分析经过虚拟检测线圈的视频图像中像素值的变化来统计运动车辆目标的个数并判断是否有下一帧视频图像来确定是否对背景图像进行更新需采用下列步骤：

1.将阴影抑制后的运动车辆目标进行先膨胀后腐蚀的数学形态学处理。

2.在设置的虚拟检测线圈中设定一阈值，并实时检测虚拟检测线圈中的像素，当二值化运动车辆目标的像素个数大于阈值时，判定虚拟检测线圈中出现被检测运动车辆目标，反之，则判定为没有出现被检测运动车辆目标。运动车辆目标计数过程包括以下步骤：

1)上一帧中虚拟检测线圈没有检测到运动车辆目标，当前帧中虚拟检测线圈检测到运动车辆目标，说明有运动车辆目标到来，此时计数器加1。

2)上一帧中虚拟检测线圈检测到运动车辆目标，当前帧中虚拟检测线圈检测到运动车辆目标，由于两帧时间间隔很小，说明没有新运动车辆目标到来，此时计数器不变。

3)上一帧中虚拟检测线圈没有检测到运动车辆目标，当前帧中虚拟检测线圈没检测到运动车辆目标，说明没有运动车辆目标到来，此时计数器不变。

4)上一帧中虚拟检测线圈检测到运动车辆目标，当前帧中虚拟检测线圈没有检测到运动车辆目标，说明运动车辆目标已经过，此时计数器不变。

5)上一帧为视频第一帧并且检测到运动车辆目标，而当前帧无论是否检测到运动车辆目标，计数器都加1。

6)由车流量统计模块显示运动车辆目标个数。

3.判断是否有下一帧视频图像，若没有则停止；若有则对背景图像进行更新，背景图像更新可以通过更改计算机程序来设置是实时进行背景图像更新，还是定时进行背景图像更新。背景图像更新公式为：

$b^{,}(x,y)=\left\{\begin{array}{cc}\frac{b(x,y)+F(x,y)}{2}& \mathrm{if}(x,y)\mathrm{isBackground}\\ \mathrm{\&theta;}\&CenterDot;b(x,y)+(1-\mathrm{\&theta;})F(x,y)& \mathrm{if}(x,y)\mathrm{isForeground}\end{array}\right.$

其中：b′(x，y)为更新后背景图像像素灰度值，b(x，y)为更新前背景图像像素灰度值，F(x，y)为前景灰度值，θ为更新速度因子，它的大小决定背景图像的更新速度，取值范围为0～1。

一种能够执行采用视频图像处理实时统计车流量的方法的功能模块架构装置。它包括：

1.在视频图像中的车道上设置矩形的虚拟检测线圈并且使虚拟检测线圈的长度为车道的宽度、虚拟检测线圈的宽度为3-6个像素、虚拟检测线圈的个数为需要检测车流量车道的数量和相邻车道上的两个虚拟检测线圈在车道方向的距离小于最小机动车车身长度二分之一的装置。

2.对经过虚拟检测线圈的由视频图像采集装置捕获的每一帧视频图像中的像素进行处理获取运动车辆目标的装置。包括：

1)根据输入的背景提取所需视频图像n帧，再提取这n帧视频图像中每个像素点的像素值，采取中值运算得背景图像中各像素点的像素值的装置。

2)将所提取出来的彩色背景图像和当前帧灰度化的装置。

3)将灰度化后的当前帧与已提取好的背景图像灰度化后的图像做差分和将所得差分结果二值化获取运动车辆目标的装置。

3.检测并抑制被分割出的运动车辆目标的阴影的装置。包括：

1)分析虚拟检测线圈内的像素，将运动车辆目标的像素由在RGB空间下表示转换到在HSV空间表示的装置。

2)运用经典的HSV颜色空间阴影检测算法进行阴影检测并判断像素是否为阴影点的装置。

3)在当前帧与背景图象差分所得的二值化图形中将阴影抑制的装置。

4.分析经过虚拟检测线圈的视频图像中像素值的变化来统计运动车辆目标的个数并判断是否有下一帧视频图像来确定是否对背景图像进行更新的装置。包括：

1)将阴影抑制后的运动车辆目标进行先膨胀后腐蚀的数学形态学处理的装置。

2)实时检测虚拟检测线圈中的像素数，根据虚拟检测线圈中检测到二值化运动车辆目标的像素数和阈值的关系，判断虚拟检测线圈中是否检测到被检运动车辆目标和统计运动车辆目标数的装置。包括：

a.上一帧中虚拟检测线圈没有检测到运动车辆目标而当前帧中虚拟检测线圈检测到运动车辆目标时计数器加1的装置。

b.上一帧中虚拟检测线圈检测到运动车辆目标而当前帧中虚拟检测线圈检测到运动车辆目标时计数器不变的装置。

c.上一帧中虚拟检测线圈没有检测到运动车辆目标而当前帧中虚拟检测线圈没检测到运动车辆目标时计数器不变的装置。

d.上一帧中虚拟检测线圈检测到运动车辆目标而当前帧中虚拟检测线圈没有检测到运动车辆目标时计数器不变的装置。

e.上一帧为视频第一帧并且视频图像中虚拟检测线圈检测到运动车辆目标而当前帧中虚拟检测线圈无论是否检测到运动车辆目标时计数器都加1的装置。

f.由车流量统计模块显示运动车辆目标个数的装置。

3)判断是否有下一帧视频图像来确定是否对背景图像进行更新的装置。

与现有技术相比本发明的有益效果是：

1.本发明所述的采用视频图像处理实时统计车流量的方法中采用了虚拟检测线圈，其设置灵活，能够通过显示在显示器上的计算机程序界面进行调整，所以很好地解决现有技术中所存在的问题；

2.本发明所述的采用视频图像处理实时统计车流量的方法中背景图像可实时更新，增强了背景图像的鲁棒性；

3.参阅表1，通过对天气晴朗条件下视频图像采集装置所采集的交通视频进行处理试验，结果表明本发明所述的采用视频图像处理实时统计车流量的方法检测的准确度平均在97％以上，运行速度仍可达15帧/秒。

表1 实验数据

附图说明

下面结合附图对本发明作进一步的说明：

图1是表示采用视频图像处理实时统计车流量的方法的硬件系统连接关系和自编计算机程序在显示器上的界面。

图2是表示采用视频图像处理实时统计车流量的方法的流程框图。

图3是表示采用视频图像处理实时统计车流量的方法时在视频图像中的车道上设置虚拟检测线圈的交通模拟图。

具体实施方式

下面结合附图对本发明作详细的描述：

参阅图1与图2，本发明的目的在于提供一种在保证统计车流量方法的实时性的要求下，尽量提高采集车流量信息准确性的采用视频图像处理的方法。为了达到上述目的，基于虚拟检测线圈的采用视频图像处理技术实时统计交通车流量信息的方法采用以下步骤：

1.首先在所需检测车流量信息的道路上安装视频图像采集装置(摄像头)，或者利用现有的合适的视频图像采集装置，并通过USB接口与装有自编计算机程序的计算机连接，建立一个完整的视频图像的采集与处理系统，为基于视频图像处理技术实时统计交通车流量信息的方法提供应有的硬件基础。系统正常工作后将视频图像采集装置采集到的视频图像通过USB接口传输到计算机中。接下来利用本发明所述的视频图像处理技术对采集到的视频图像实时地按以下步骤进行处理，最后将分析处理结果通过显示在显示器上的计算机程序界面显示出来。

2.在视频图像中的车道上设置虚拟检测线圈

参阅图3，所述的在视频图像中设置的虚拟检测线圈应为矩形区域，即在视频图像中的车道上设置的虚拟检测线圈的形状为矩形，被检测的运动车辆目标从虚拟检测线圈的中间通过，设置的虚拟检测线圈的长度为车道的宽度，虚拟检测线圈的宽度为3-6个像素，若需要检测多个车道的车流量时，则应该在每个车道上设置一个相应的虚拟检测线圈，同时这些虚拟检测线圈在视频图像里尽可能保持在同一水平线上，更确切地说，它应满足相邻两车道上的两个虚拟检测线圈在车道方向的距离d应该是小于最小机动车车身长度L的二分之一，避免对运动车辆目标的重复统计。

3.对经过虚拟检测线圈的由视频图像采集装置捕获的每一帧视频图像中的像素进行处理，获取运动车辆目标；

1)根据输入的背景图像提取所需视频图像的帧数，设所需的视频图像的帧数为n，n为正整数，实际应用中n选30至100帧，帧数多精度高但运算时间长，帧数少运算时间短但精度低，提取这n帧视频图像中每个像素点的像素值(包括R、G、B)，然后将每一帧视频图像对应的同一像素点的像素值按大小排列，取中间值作为这一像素点的像素值，若选取的帧数n为偶数，则取中间两个值的平均值。

公式为： $B_n(x,y)=\underset{1\&le;k\&le;n}{\mathrm{med}}\{f_1(x,y),f_2(x,y),\&CenterDot;\&CenterDot;\&CenterDot;f_k(x,y),\&CenterDot;\&CenterDot;\&CenterDot;,f_n(x,y)\}---\left(1\right)$

其中，B_n(x，y)为背景图像中像素点(x，y)的像素值，f_k(x，y)为视频图像第k帧中像素点(x，y)的像素值，med为取中值运算。

2)为了提高处理速度，将所提取出来的彩色背景图像灰度化，每一像素点由0～255数值表示，转换公式为：

Gray(x，y)＝0.114B(x，y)+0.587G(x，y)+0.299R(x，y)     (2)

其中：Gray(x，y)为背景视频图像中像素点(x，y)的灰度值，B(x，y)、G(x，y)、R(x，y)分别为背景图像中像素点(x，y)的蓝色分量、绿色分量和红色分量；

然后，提取下一帧视频图像(为当前帧)，并根据公式(2)将其灰度化。

3)将灰度化后的视频图像(当前帧)与已提取好的背景图像灰度化后的图像做差分，运用具有自适应性的OTSU法选取阈值将所得差分结果二值化，公式为：

$g(x,y)=\left\{\begin{array}{ccc}0& \mathrm{Foreground}& f(x,y)\&GreaterEqual;T_{\mathrm{threshold}}\\ 255& \mathrm{Background}& f(x,y)<T_{\mathrm{threshold}}\end{array}\right.$

其中：g(x，y)为输出图像，f(x，y)为差分图像，T_threshold为OTSU法获得的阈值，这里Foreground即为运动车辆目标。

4.检测并抑制被分割出的运动车辆目标的阴影；

为了消除运动车辆目标阴影对运动车辆目标检测的影响，在已设置好的虚拟检测线圈中对以检测出来的运动车辆目标进行阴影检测并抑制，具体步骤为：

1)分析虚拟检测线圈内的像素，将在原彩色图像中被确定为运动车辆目标的像素，为了提高事实性，通过RGB到HSV的转换公式，将像素由在RGB空间下表示转换到在HSV空间表示。

2)运用经典的HSV颜色空间阴影检测算法进行阴影检测，根据下列公式判断像素是否为阴影点：

$f_{\mathrm{shadow}}(x,y)=\left\{\begin{array}{cc}1& \mathrm{if\&alpha;}\&le;\frac{f^V(x,y)}{B^V(x,y)}\&le;\mathrm{\&beta;}\&cap;|f^S(x,y)-B^S(x,y)|\\ & \&cap;|f^H(x,y)-B^H(x,y)|\&le;{\mathrm{\&sigma;}}^H\\ 0& \mathrm{otherwise}\end{array}\right.$

其中，f_shadow(x，y)＝1表示像素(x，y)为阴影点，否则反之；f^H(x，y)、f^S(x，y)、f^V(x，y)分别表示(x，y)点在前景中的H、S、V分量值；B^H(x，y)、B^S(x，y)、B^V(x，y)分别表示(x，y)在背景图象中的H、S、V分量值；α、β、σ^S、σ^H各参数由实验获得。

3)根据前第2)步骤中所的结果，在当前帧与背景图象差分所得的二值化图形中将阴影抑制。

5.分析经过虚拟检测线圈的视频图像中像素值的变化来统计车辆的个数，判断是否有下一帧视频图像，确定是否对背景图像进行更新。

1)将阴影抑制后的运动车辆目标进行先膨胀后腐蚀的数学形态学处理。即对前第4步骤中的第3)步骤所得的二值化图形进行后处理，其中包括数学形态学处理中的膨胀与腐蚀，这里先运用3×3的形态学膨胀，然后再运用3×3的形态学腐蚀。

2)经过上述步骤处理后，所得图像为运动车辆目标和背景共存的二值化图像，这里只需根据前面设置的虚拟检测线圈中包含像素的个数，设置一阈值，并实时检测虚拟检测线圈中的像素数，当在虚拟检测线圈中检测到二值化运动车辆目标的像素数大于这个阈值时，则判断为虚拟检测线圈中检测到被检运动车辆目标，反之，则判定为没有出现被检测的运动车辆目标。运动车辆目标计数过程包括以下步骤：

(1)上一帧中虚拟检测线圈没有检测到运动车辆目标，当前帧中虚拟检测线圈检测到运动车辆目标，说明有运动车辆目标到来，此时计数器加1。

(2)上一帧中虚拟检测线圈检测到运动车辆目标，当前帧中虚拟检测线圈检测到运动车辆目标，由于两帧时间间隔很小，说明没有新运动车辆目标到来，此时计数器不变。

(3)上一帧中虚拟检测线圈没有检测到运动车辆目标，当前帧中虚拟检测线圈没检测到运动车辆目标，说明没有运动车辆目标到来，此时计数器不变。

(4)上一帧中虚拟检测线圈检测到运动车辆目标，当前帧中虚拟检测线圈没有检测到运动车辆目标，说明运动车辆目标已经过，此时计数器不变。

(5)上一帧为视频第一帧并且视频图像中虚拟检测线圈检测到运动车辆目标，而当前帧中虚拟检测线圈无论是否检测到运动车辆目标，计数器都加1。

(6)由车流量统计模块显示运动车辆目标个数。

3)判断是否有下一帧视频图像，若没有则停止；若有则对背景图像进行更新，背景更新可以通过更改计算机程序来设置是实时进行背景更新，还是定时进行背景更新，背景更新公式为：

$b^{,}(x,y)=\left\{\begin{array}{cc}\frac{b(x,y)+F(x,y)}{2}& \mathrm{if}(x,y)\mathrm{isBackground}\\ \mathrm{\&theta;}\&CenterDot;b(x,y)+(1-\mathrm{\&theta;})F(x,y)& \mathrm{if}(x,y)\mathrm{isForeground}\end{array}\right.$

其中：b′(x，y)为更新后背景图像像素灰度值，b(x，y)为更新前背景图像像素灰度值，F(x，y)为前景灰度值，θ为更新速度因子，它的大小决定背景图像的更新速度，取值范围为0～1。

重复上的步骤，即可对视频图像中的运动车辆目标进行计数，再由程序算出从开始到结束所用时间，根据运动车辆目标个数除以所用时间即可得出运动车辆目标的流量即车流量。

计算机程序也能够采用功能模块集合的方式来表述。所以和以方法形式相对应我们采用装置的形式来表达本发明所述的同一计算机程序。这样，执行采用视频图像处理实时统计车流量的方法的功能模块架构装置包括：

1.在视频图像中的车道上设置矩形的虚拟检测线圈并且使虚拟检测线圈的长度为车道的宽度、虚拟检测线圈的宽度为3-6个像素、虚拟检测线圈的个数为需要检测车流量的车道的数量和相邻车道上的两个虚拟检测线圈在车道方向的距离小于最小机动车车身长度二分之一的装置。

2.对经过虚拟检测线圈的由视频图像采集装置捕获的每一帧视频图像中的像素进行处理获取运动车辆目标的装置，包括：

1)根据输入的背景提取所需视频图像n帧，再提取这n帧视频图像中每个像素点的像素值，采取中值运算得背景图像中各像素点的像素值的装置。

2)将所提取出来的彩色背景图像和当前帧灰度化的装置。

3)将灰度化后的当前帧与已提取好的背景图像灰度化后的图像做差分和将所得差分结果二值化获取运动车辆目标的装置。

3.检测并抑制被分割出的运动车辆目标的阴影的装置。包括：

1)分析虚拟检测线圈内的像素，将运动车辆目标的像素由在RGB空间下表示转换到在HSV空间表示的装置。

2)运用经典的HSV颜色空间阴影检测算法进行阴影检测并判断像素是否为阴影点的装置。

3)根据前面所得的结果，在当前帧与背景图象差分所得的二值化图形中将阴影抑制的装置。

4.分析经过虚拟检测线圈的视频图像中像素值的变化来统计运动车辆目标的个数并判断是否有下一帧视频图像来确定是否对背景图像进行更新的装置。包括：

1)将阴影抑制后的运动车辆目标进行先膨胀后腐蚀的数学形态学处理的装置。

2)实时检测虚拟检测线圈中的像素数，根据虚拟检测线圈中检测到二值化运动车辆目标的像素数和阈值的关系，判断虚拟检测线圈中是否检测到被检运动车辆目标和统计运动车辆目标数的装置。包括：

(1)上一帧中虚拟检测线圈没有检测到运动车辆目标而当前帧中虚拟检测线圈检测到运动车辆目标时计数器加1的装置。

(2)上一帧中虚拟检测线圈检测到运动车辆目标而当前帧中虚拟检测线圈检测到运动车辆目标时计数器不变的装置。

(3)上一帧中虚拟检测线圈没有检测到运动车辆目标而当前帧中虚拟检测线圈没检测到运动车辆目标时计数器不变的装置。

(4)上一帧中虚拟检测线圈检测到运动车辆目标而当前帧中虚拟检测线圈没有检测到运动车辆目标时计数器不变的装置。

(5)上一帧为视频第一帧并且视频图像中虚拟检测线圈检测到运动车辆目标而当前帧中虚拟检测线圈无论是否检测到运动车辆目标时计数器都加1的装置。

(6)由车流量统计模块显示运动车辆目标个数的装置。

3)判断是否有下一帧视频图像来确定是否对背景图像进行更新的装置。

能够执行采用视频图像处理实时统计车流量的方法的功能模块架构装置具体操作步骤为：

参阅图1，在显示器上显示的为计算机程序的界面，该界面是由背景提取模块、参数设置模块、视频播放模块及车流量统计模块组成。它包括如下内容和使用方法：

1.背景提取

在“提取帧数”输入框中输入提取背景图像所需帧数，点击“背景提取”按钮，在弹出对话框中选择要处理的视频，所提取的背景图像将显示在左侧图框内。

2.参数设置

将需要设置的虚拟检测线圈信息输入相应的编辑框内。每个虚拟检测线圈有两个参数，这两个参数分别是左上像素点的X，Y坐标和右下像素点的X，Y坐标。根据参数设置提示(见程序界面的右下角)完成参数设置，点击“设置确定”按钮，将会在左边图框内看到所设置的虚拟检测线圈在视频第一帧中的位置，这里虚拟检测线圈数可根据具体车道数通过更改计算机程序来满足。

3.视频播放

最后点击“视频播放”按钮，开始对视频中车流量进行统计。与此同时，车流量信息会在“流量统计”框中实时显示。

本发明中所涉及的几个概念

当前帧：计算机程序当前从视频中获取的一帧图像。

背景图像：不含运动车辆目标的图像。

前景：当前帧中运动车辆目标区域。

背景：当前帧中非运动车辆目标区域。

Claims (6)

1.一种应用计算机程序的采用视频图像处理实时统计车流量的方法，其特征是采用视频图像处理实时统计车流量的方法包括下列步骤：

1)在视频图像中的车道上设置虚拟检测线圈；

2)对经过虚拟检测线圈的由视频图像采集装置捕获的每一帧视频图像中的像素进行处理，获取运动车辆目标；

3)检测并抑制被分割出的运动车辆目标的阴影；

4)分析经过虚拟检测线圈的视频图像中像素值的变化来统计运动车辆目标的个数，判断是否有下一帧视频图像，确定是否对背景图像进行更新。

2.按照权利要求1所述的采用视频图像处理实时统计车流量的方法，其特征是所述的车道上设置的虚拟检测线圈的形状为矩形，虚拟检测线圈的长度为车道的宽度，虚拟检测线圈的宽度为3至6个像素，虚拟检测线圈的个数为需要检测车流量的车道的数量，相邻车道上的两个虚拟检测线圈在车道方向的距离(d)小于最小机动车车身长度(L)的二分之一。

3.按照权利要求1所述的采用视频图像处理实时统计车流量的方法，其特征是所述的获取运动车辆目标需采用下列步骤：

1)捕获多帧视频图像，采集并记录这些帧视频图像中各像素的值，然后对于同一位置像素将记录的像素值按大小排列，选取中值作为这个像素的背景像素值，若选取的帧数为偶数，则取中间两个值的平均值作为这个像素的背景像素值，

公式为：

$B_n(x,y)=\underset{1\&le;k\&le;n}{\mathrm{med}}\{f_1(x,y),f_2(x,y),\&CenterDot;\&CenterDot;\&CenterDot;f_k(x,y),\&CenterDot;\&CenterDot;\&CenterDot;,f_n(x,y)\}$

其中，B_n(x，y)为背景图像中像素点(x，y)的像素值，f_k(x，y)为视频图像第k帧中像素点(x，y)的像素值，med为取中值；

2)将当前帧与在第1)步骤中获得的背景图像灰度化处理，公式为：

Gray(x，y)＝0.114B(x，y)+0.587G(x，y)+0.299R(x，y)

其中，Gray(x，y)为像素点(x，y)的灰度值，B(x，y)、G(x，y)、R(x，y)分别为像素点(x，y)的蓝色分量、绿色分量和红色分量；

3)将在第2)步骤中所得的当前帧与背景图像的灰度图进行差分，然后运用具有自适应性的OTSU法选取的阈值将所得差分结果二值化，公式为：

$g(x,y)=\left\{\begin{array}{ccc}0& \mathrm{Foreground}& f(x,y)\&GreaterEqual;T_{\mathrm{threshold}}\\ 255& \mathrm{Background}& f(x,y)<T_{\mathrm{threshold}}\end{array}\right.$

其中，g(x，y)为输出图像，f(x，y)为差分图像，T_threshold为OTSU法获得的阈值，这里Foreground即为运动车辆目标。

4.按照权利要求1所述的采用视频图像处理实时统计车流量的方法，其特征是所述的检测并抑制被分割出的运动车辆目标的阴影需采用下列步骤：

1)分析虚拟检测线圈内的像素，当像素被确定为运动车辆目标像素时，将像素由在RGB空间下表示转换到在HSV空间表示；

2)运用经典的HSV颜色空间阴影检测算法进行阴影检测并判断像素是否为阴影点；

3)在当前帧与背景图象差分所得的二值化图形中将阴影抑制。

5.按照权利要求1所述的采用视频图像处理实时统计车流量的方法，其特征是所述的分析经过虚拟检测线圈的视频图像中像素值的变化来统计运动车辆目标的个数并判断是否有下一帧视频图像来确定是否对背景图像进行更新需采用下列步骤：

1)将阴影抑制后的运动车辆目标进行先膨胀后腐蚀的数学形态学处理；

2)在设置的虚拟检测线圈中设定一阈值，并实时检测虚拟检测线圈中的像素，当二值化运动车辆目标的像素个数大于阈值时，判定虚拟检测线圈中出现被检测运动车辆目标，反之，则判定为没有出现被检测运动车辆目标，运动车辆目标计数过程包括以下步骤：

(1)上一帧中虚拟检测线圈没有检测到运动车辆目标，当前帧中虚拟检测线圈检测到运动车辆目标，说明有运动车辆目标到来，此时计数器加1；

(2)上一帧中虚拟检测线圈检测到运动车辆目标，当前帧中虚拟检测线圈检测到运动车辆目标，由于两帧时间间隔很小，说明没有新运动车辆目标到来，此时计数器不变；

(3)上一帧中虚拟检测线圈没有检测到运动车辆目标，当前帧中虚拟检测线圈没检测到运动车辆目标，说明没有运动车辆目标到来，此时计数器不变；

(4)上一帧中虚拟检测线圈检测到运动车辆目标，当前帧中虚拟检测线圈没有检测到运动车辆目标，说明运动车辆目标已经过，此时计数器不变；

(5)上一帧为视频第一帧并且检测到运动车辆目标，而当前帧无论是否检测到运动车辆目标，计数器都加1；

(6)由车流量统计模块显示运动车辆目标个数；

3)判断是否有下一帧视频图像，若没有则停止；若有则对背景图像进行更新，背景图像更新可以通过更改计算机程序来设置是实时进行背景图像更新，还是定时进行背景图像更新，背景图像更新公式为：

$b\&prime;(x,y)=\left\{\begin{array}{cc}\frac{b(x,y)+F(x,y)}{2}& \mathrm{if}(x,y)\mathrm{is\; Background}\\ \mathrm{\&theta;}\&CenterDot;b(x,y)+(1-\mathrm{\&theta;})F(x,y)& \mathrm{if}(x,y)\mathrm{is\; Foreground}\end{array}\right.$

其中：b'(x，y)为更新后背景图像像素灰度值，b(x，y)为更新前背景图像像素灰度值，F(x，y)为前景灰度值，θ为更新速度因子，它的大小决定背景图像的更新速度，取值范围为0～1。

6.一种能够执行采用视频图像处理实时统计车流量的方法的功能模块架构装置，其特征在于它包括：

1)在视频图像中的车道上设置矩形的虚拟检测线圈并且使虚拟检测线圈的长度为车道的宽度、虚拟检测线圈的宽度为3-6个像素、虚拟检测线圈的个数为需要检测车流量车道的数量和相邻车道上的两个虚拟检测线圈在车道方向的距离小于最小机动车车身长度的二分之一的装置；

2)对经过虚拟检测线圈的由视频图像采集装置捕获的每一帧视频图像中的像素进行处理获取运动车辆目标的装置，包括：

(1)根据输入的背景提取所需视频图像n帧，再提取这n帧视频图像中每个像素点的像素值，采取中值运算得背景图像中各像素点的像素值的装置；

(2)将所提取出来的彩色背景图像和当前帧灰度化的装置；

(3)将灰度化后的当前帧与已提取好的背景图像灰度化后的图像做差分和将所得差分结果二值化获取运动车辆目标的装置；

3)检测并抑制被分割出的运动车辆目标的阴影的装置，包括：

(1)分析虚拟检测线圈内的像素，将运动车辆目标的像素由在RGB空间下表示转换到在HSV空间表示的装置；

(2)运用经典的HSV颜色空间阴影检测算法进行阴影检测并判断像素是否为阴影点的装置；

(3)在当前帧与背景图象差分所得的二值化图形中将阴影抑制的装置；

4)分析经过虚拟检测线圈的视频图像中像素值的变化来统计运动车辆目标的个数并判断是否有下一帧视频图像来确定是否对背景图像进行更新的装置，包括：

(1)将阴影抑制后的运动车辆目标进行先膨胀后腐蚀的数学形态学处理的装置；

(2)实时检测虚拟检测线圈中的像素数，根据虚拟检测线圈中检测到二值化运动车辆目标的像素数和阈值的关系，判断虚拟检测线圈中是否检测到被检运动车辆目标和统计运动车辆目标数的装置，包括：

a.上一帧中虚拟检测线圈没有检测到运动车辆目标而当前帧中虚拟检测线圈检测到运动车辆目标时计数器加1的装置；

b.上一帧中虚拟检测线圈检测到运动车辆目标而当前帧中虚拟检测线圈检测到运动车辆目标时计数器不变的装置；

c.上一帧中虚拟检测线圈没有检测到运动车辆目标而当前帧中虚拟检测线圈没检测到运动车辆目标时计数器不变的装置；

d.上一帧中虚拟检测线圈检测到运动车辆目标而当前帧中虚拟检测线圈没有检测到运动车辆目标时计数器不变的装置；

e.上一帧为视频第一帧并且视频图像中虚拟检测线圈检测到运动车辆目标而当前帧中虚拟检测线圈无论是否检测到运动车辆目标时计数器都加1的装置；

f.由车流量统计模块显示运动车辆目标个数的装置；

(3)判断是否有下一帧视频图像来确定是否对背景图像进行更新的装置。

Images