CN101615342A - 一种车辆检测方法 - Google Patents

Abstract

本发明公开了一种车辆检测方法，通过在待检测的现场图像上设置检测区域，对待检测现场进行视频监测，利用车辆经过所述检测区域的撞线记录完成对车辆的检测。本发明的车辆检测方法通过在待检测的现场图像上设置虚拟的检测区域来代替现有检测手段所采用的实体检测感应器，从而克服了现有检测手段所固有的可靠性差、使用寿命短、维护难度大、对周围环境破坏性大等缺点，具有检测快速、精确、计算量小、实时性好、测量精度高等显著优势，可以适应多种城市路况。

Description

一种车辆检测方法

技术领域

本发明属于车辆检测技术领域，具体地说，是涉及一种基于图像处理技术的视频车辆检测方法。

背景技术

公路交通运输在当代社会中起到日益重要的作用，交通管理与控制的措施是否得当会直接影响整个交通网络的工作效率。而车流量、车速和车型正确识别是在交通控制与管理中必须用到的三个重要指标。因此，对上述三个指标的精确测量就显得尤为重要。目前所采用的检测手段一般是在待检测的区域里设置两条检测线，通过车辆经过这个检测线的撞线记录来计算车辆的速度、车长和车流量。

在给交通信号控制系统提供检测信号的车辆检测技术中，目前应用的只有通过感应线圈检测技术来检测车辆的撞线记录，由视频检测技术来计算车辆的速度、车长和车流量。

感应线圈检测经过几十年的发展到现在已经标准化，技术成熟、易于掌握，同时，在可以正常工作期间系统非常稳定，不受环境的影响。它的缺点是：安装过程对系统可靠性和使用寿命影响很大；维修或安装时需要中断交通、破坏路面，从而影响路面的使用寿命；同时线圈易被重型车辆、路面修理等损坏，而且它的维护难度非常大。

在中国专利CN200310104580.0公开的用区域传感器确定车辆进退及拍摄违章车辆的方法和设备里面，采用的检测线就是实体存在的，可以在道路的两边或横跨路面设置检测感应器。检测感应器根据车辆通过时的遮光效果和透光效果来计算撞线时间。这种方式就存在了上述实体感应线圈存在的所有缺点。

发明内容

本发明为了克服现有车辆检测手段采用实体检测感应器进行检测所存在的可靠性差、使用寿命短、维护难度大、对周围环境破坏性大的缺点，提供了一种全新的车辆检测方法，通过在视频图像上设置虚拟检测区域来完成对过往车辆的检测，具有检测快速、精确、实时性好的特点。

为解决上述技术问题，本发明采用以下技术方案予以实现：

一种车辆检测方法，通过在待检测的现场图像上设置检测区域，对待检测现场进行视频监测，利用车辆经过所述检测区域的撞线记录完成对车辆的检测。

进一步地，在对所述待检测现场进行视频监测的过程中，通过预处理算法提取出待检测现场的运动目标，即车辆，当表示运动目标的像素点落入所述检测区域内的数量达到设定的阈值时认为车辆撞线。

其中，所述预处理算法包括背景差分法、二值化和图像滤波法，所述背景差分法是用当前帧与提取的背景帧做差值后再取绝对值；对差分后的图像进行二值化处理及图像滤波，通过二值化处理将表示运动目标的像素点设置成一种颜色，表示背景的像素点设置成另外一种颜色，以方便后续对运动目标点的正确统计。

由于图像底部接近摄像机，图像中物体接近真实状态，因此，所述检测区域应尽量设置在靠近所述现场图像的底部位置处，但不要设置在底部的边界上，否则会导致系统无法进行后续处理。

又进一步地，所述检测区域包括上检测区域和下检测区域，所述两个检测区域相互平行且与车流方向垂直。

本发明的车辆检测包括车速检测、车流量检测和车长检测三部分。其中，所述车速检测在本发明中又提供了两种备选测量方法：一种是快速测量方法；另一种是精确测量方法。

快速测量方法的具体过程是：当表示运动目标的像素点落入所述上检测区域内的数量达到设定的阈值时，记录系统时间Ti；当表示运动目标的像素点落入所述下检测区域内的数量达到设定的阈值时，记录系统时间To；计算车辆通过时间T＝To-Ti；利用两个所述检测区域的上边界距离D除以时间T，即得到车辆的运行速度。

精确测量方法的具体过程是：当表示运动目标的像素点落入所述上检测区域内的数量达到设定的阈值时，记录系统时间Ti，并执行一次车头位置检测；当表示运动目标的像素点落入所述下检测区域内的数量达到设定的阈值时，记录系统时间To，并再执行一次车头位置检测；计算车辆通过时间T＝To-Ti；利用两次车头位置的距离除以时间T，即得到车辆的精确运行速度。

所述车流量检测方法是：对通过所述上检测区域或者下检测区域的车辆进行计数，以统计车流量；或者在所述待检测的现场图像上设置专门的计数检测区域，通过对车辆经过所述计数检测区域的撞线次数进行计数，以完成对车流量的统计。

所述车长检测方法是：利用车辆通过所述上检测区域或者下检测区域的时间乘以该车辆的速度，以得到当前车辆的车长。所述车长信息可作为后续车型识别的重要指标。

与现有技术相比，本发明的优点和积极效果是：本发明的车辆检测方法通过在待检测的现场图像上设置虚拟的检测区域来代替现有检测手段所采用的实体检测感应器，从而克服了现有检测手段所固有的可靠性差、使用寿命短、维护难度大、对周围环境破坏性大等缺点，具有检测快速、精确、计算量小、实时性好、测量精度高等显著优势，可以适应多种城市路况。

结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。

附图说明

图1是本发明所提出的车辆检测方法中车辆通过检测部分的流程框图；

图2是两检测区域上边界距离与车头经过两检测区域时车头位置距离的示意图；

图3是本发明所提出的车辆检测方法中车速测量部分的流程框图。

具体实施方式

下面结合附图对本发明的具体实施方式进行详细地描述。

本发明的车辆检测方法采用一种视频检测技术来完成对过往车辆速度、车长和车流量的检测，其设计原理是：根据用户需要上传一幅待检测的现场图像；在所述待检测的现场图像上设置虚拟的检测区域，即所述检测区域只在图像上有显示，并无具体的实体；对待检测现场进行视频监测，根据车辆经过所述检测区域的撞线记录(即视频图像中表示车辆的像素点落入检测区域的数量首次达到设定的阈值时，认为车辆撞线)来完成对车辆的检测。采用这种视频车辆检测技术可以克服现有车辆检测方法必须在实际路面上铺设实体感应线圈所存在的所有缺陷。

下面具体阐述本发明所提出的车辆检测方法的具体实现过程。

一、检测区域的设置：

检测区域的设置由用户在上位机上完成。在用户设置检测区域时，首先要求下位机传送一帧待检测的现场图像显示在上位机上，然后用户通过专用工具在所述现场图像上设置检测区域。所述检测区域包括上检测区域和下检测区域两部分，其设置位置应尽量靠近现场图像的底部。这是因为图像底部接近摄像机，因此，图像中的物体更接近真实状态，经过系统计算后得到的结果更精确。但是，应注意不要设置在图像底部的边界上，否则会导致系统无法进行后续处理。两个检测区域应相互平行地设置在同一个行车道内，不能横跨两个行车道，并且两个检测区域应与车流方向垂直。

上位机根据用户在现场图像上设定的上、下检测区域，利用“标定”步骤计算出两个检测区域之间对应的实际路面距离，并连同用户的设置信息传送至下位机。

二、提取运动目标：

对车辆速度、流量和车型的检测需要以正确提取出运动目标(即车辆)为前提，若要准确地检测到运动目标，采用背景差分是最佳方法。所谓背景差分，就是用当前帧与提取的背景帧做差值后再取绝对值。当然，这需要一个精确的背景图像作为支持，目前普遍采用高斯模型背景提取法来获得所述的背景图像。

运动目标的提取在下位机中完成，下位机控制摄像机对待检测的现场进行视频监测，通过预处理算法提取出待检测现场的运动目标，即车辆。在本实施例中，所述的预处理算法可以包括背景差分法、二值化法和图像滤波法等。下位机将检测区域内的图像进行背景差分处理后提取出车辆的全部信息，包括车头、车身、车尾等等，再经过二值化和图像滤波处理后得到一幅运动目标用白点表示，其余用黑点表示的二值化图像，以方便在后续的车辆通过检测过程中对表示运行目标的点进行统计，即统计白点的数量；这里的点指的是像素点。所述二值化、图像滤波算法可以采用目前业界流行的算法实现，比如：二值化方法可以采用最大类间差法；图像滤波算法可以采用形态学滤波法等等。由于背景差分法、二值化法和图像滤波法都是目前比较成熟的算法，因此，本发明在此不再进行详细描述。

对于运动目标的提取，在现有的图像处理技术中还存在很多比较成熟的计算方法，因此，本发明对于运动目标的提取方法并不仅限于上述举例，只要是能正确地提取出现场图像中的运动车辆，以方便在后续的车辆通过检测中准确地检测出车辆是否“撞线”即可。

三、车辆通过检测：

对车辆是否通过检测区域的检测在下位机中完成。车辆通过检测即车辆“撞线”检测，下位机根据车辆经过上、下检测区域的“撞线”记录来完成对车辆速度、流量和车长的检测。所谓“撞线”，即在待检测的现场图像中表示车辆的像素点落入检测区域的数量首次达到设定的阈值时，认为车辆撞线了。在本实施例中，即对白点数量进行统计，当进入上检测区域或者下检测区域的白点数量首次达到设定的阈值时，认为车辆撞线了。所述阈值需要通过大量实验统计后确定，其范围在0～max之间；其中，max为上检测区域或者下检测区域的面积。

下面结合图1所示的程序流程框图来进一步阐述本实施例中车辆通过检测的具体步骤：

S101、程序初始化；计数器清零；定义状态变量、数据变量等，并对其赋初始值；其中，定义一个表示车辆首次撞线的状态变量Tab，并置Tab＝0；通过观测状态变量来控制程序流程；

S102、读取用户通过上位机输入的阈值；

S103、对检测区域内的各像素点进行逐点判断，并统计目标点的数量；即对检测区域内的各像素点的像素值进行判断，所述检测区域可以是上检测区域，也可以是下检测区域，当像素值为白色对应的像素值时，我们认为该点为目标点；

S104、判断检测区域内目标点的数量是否大于阈值；若是，则执行后续步骤；否则，刷新状态变量，置Tab＝0，并返回步骤S103；

S105、判断车辆是否首次撞线，即判断状态变量Tab的值是否为0；若为0，则认为车辆首次撞线，执行后续步骤；否则，返回步骤S103；

S106、刷新状态变量，置Tab＝1；

S107、计数器加1；计数器中的值即为系统此次从开始运行到当前统计到的通过检测区域的车辆数目，将此结果上传至上位机，以便用户统计车流量；

S108、判断是否退出检测，即用户是否触发了结束车辆检测的指令；若是，则执行后续步骤；否则，返回步骤S103；

S109、结束检测。

当然，也可以通过在行车道上设置专门的计数检测区域来完成对车流量的检测。这里的计数检测区域也是虚拟的，即也是只在待检测的现场图像上有显示，并无具体的实体。所述计数检测区域通过记录车辆的撞线次数来完成对车流量的检测，其具体程序流程与图1类似，本实施例在此不再赘述。

四、计算车速、车长：

在本实施例的车辆检测技术中提供两种车速测量方法：一种是快速测量方法；另一种是精确测量方法。

首先介绍一下两种测量方法的原理：假设待测车辆通过两个检测区域所用时间为T，两个检测区域上边界距离为D，则可得速度为V＝D/T，参见图2所示。当用户在上位机上设置完上、下检测区域后，距离D为固定值。此车速计算方法为快速测量方法，计算量小，系统运行速度块。工程中，每个待检测车辆触发检测区域(或者说是撞线)时，车头在检测区域的位置并不相同，用距离D计算速度精度不高。因此，在精确测量方法中增加了对车头位置的检测，即当车辆触发上检测区域和下检测区域(或者说是撞线)时，分别对车头位置进行检测，将两次车头位置的距离记为d，由于d值较真实地反映了时间T内待检测车辆的行进距离，所以用d代替D计算速度，即V＝d/T，则得到较精确的结果。精确测量方法精度高，但计算量大，系统运行速度慢。

有了待检测车辆的行驶速度，我们可以很容易地得到该车辆的车长信息。即利用待检测车辆通过上检测区域或者下检测区域的时间乘以该车辆的速度，以得到当前车辆的车长。所述车长信息可作为后续车型识别的重要指标。

下面结合图3所示的程序流程框图来进一步阐述本实施例中车速检测和车长检测的具体步骤：

S301、程序初始化；在此过程中可以对程序中用到的状态变量和数据变量进行定义并赋初始值；

S302、读取上、下两个检测区域的上边界距离D；所述距离D即上位机根据用户在现场图像上设定的上、下检测区域，利用“标定”步骤计算出的两个检测区域之间对应的实际路面距离；

S303、执行车辆通过检测；即执行图1中的步骤S101～S107；

S304、判断上检测区域是否触发，即车辆是否通过上检测区域；若是，执行步骤S305；否则，执行步骤S308；

S305、记录系统时间，并赋值给变量Ti；此处的系统时间Ti是运动目标在上检测区域内的撞线时间，即表示运动目标的像素点落入上检测区域的数量第一次达到设定阈值的时间；因为待测车辆撞线进入检测区到离开检测区的这段期间，运动目标(即待检车辆)的像素点落入检测区域的数量会一直大于设定阈值，所以只有记录“撞线”时的系统时间才有意义；

S306、判断是否需要进行精确测量；若是，则执行步骤S307；否则，执行步骤S308；

S307、进行车头位置检测，并将车头位置赋值给变量d1；对于车头位置的检测可以采用以下步骤实现：

a、通过Sobel边缘检测算子获得边缘；

b、通过轮廓跟踪算法获得边缘点链表信息；

c、利用边缘点链表信息及形状匹配算法检测出车头位置；

由于以上车头位置检测步骤均为现有成熟技术，因此，本发明在此不作具体说明；

S308、判断下检测区域是否触发，即车辆是否通过下检测区域；若是，执行步骤S309；否则，执行步骤S317；

S309、记录系统时间，并赋值给变量To；同样的，此处的系统时间To是运动目标在下检测区域内的撞线时间；

S310、判断是否需要进行精确测量；若是，则执行步骤S311；否则，执行步骤S313；

S311、进行车头位置检测，并将车头位置赋值给变量d2；

S312、D＝d2-d1；即在精确测量过程中，利用两次车头位置的距离代替上、下两个检测区域的上边界距离D进行车速计算；

S313、计算车速V＝D/T，并将结果上传至上位机；其中，T＝To-Ti；

S314、判断当前车辆是否离开下检测区域；即表示运动目标的像素点落入下检测区域的数量小于设定的阈值时，我们认为车辆离开了下检测区域；在这里，即通过统计白点的数量来判断车辆是否离开下检测区域；若是，则执行后续步骤；否则，执行步骤S317；

S315、记录系统时间，并赋值给变量T1；同样的，此处的系统时间T1是表示运动目标的像素点落入下检测区域内的数量首次小于设定阈值的时间；

S316、计算车长L＝V*(T1-To)，根据车长信息判断车辆型号，并将结果上传至上位机；

S317、判断是否退出检测，即用户是否触发了结束车辆检测的指令；若是，则执行后续步骤；否则，返回步骤S303；

S318、结束检测。

这样，用户便可以通过上位机实时地观察待检测现场的车辆运行情况，以做出相应处理。

本发明针对中国城市路况复杂的特点开发的视频车辆检测方法，计算量小、精度高、鲁棒性强、实时性好，可以适应多种城市路况。

当然，以上所述仅是本发明的一种优选实施方式而已，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1、一种车辆检测方法，其特征在于：在待检测的现场图像上设置检测区域，对待检测现场进行视频监测，利用车辆经过所述检测区域的撞线记录完成对车辆的检测。

2、根据权利要求1所述的车辆检测方法，其特征在于：在对所述待检测现场进行视频监测的过程中，通过预处理算法提取出待检测现场的运动目标，即车辆，当表示运动目标的像素点落入所述检测区域内的数量达到设定的阈值时认为车辆撞线。

3、根据权利要求2所述的车辆检测方法，其特征在于：所述预处理算法为背景差分法，即用当前帧与提取的背景帧做差值后再取绝对值。

4、根据权利要求3所述的车辆检测方法，其特征在于：在所述预处理算法中还包括对背景差分法获得的图像进行二值化的步骤，以将表示运动目标的像素点设置成一种颜色，表示背景的像素点设置成另外一种颜色。

5、根据权利要求1至4中任一项所述的车辆检测方法，其特征在于：所述检测区域设置在靠近所述现场图像的底部位置处。

6、根据权利要求5所述的车辆检测方法，其特征在于：所述检测区域包括上检测区域和下检测区域，所述两个检测区域相互平行且与车流方向垂直。

7、根据权利要求6所述的车辆检测方法，其特征在于：当表示运动目标的像素点落入所述上检测区域内的数量达到设定的阈值时，记录系统时间Ti；当表示运动目标的像素点落入所述下检测区域内的数量达到设定的阈值时，记录系统时间To；计算车辆通过时间T＝To-Ti；利用两个所述检测区域的上边界距离D除以时间T，即得到车辆的运行速度。

8、根据权利要求6所述的车辆检测方法，其特征在于：当表示运动目标的像素点落入所述上检测区域内的数量达到设定的阈值时，记录系统时间Ti，并执行一次车头位置检测；当表示运动目标的像素点落入所述下检测区域内的数量达到设定的阈值时，记录系统时间To，并再执行一次车头位置检测；计算车辆通过时间T＝To-Ti；利用两次车头位置的距离除以时间T，即得到车辆的精确运行速度。

9、根据权利要求6所述的车辆检测方法，其特征在于：对通过所述上检测区域或者下检测区域的车辆进行计数，以完成车流量的统计；或者在所述待检测的现场图像上设置专门的计数检测区域，通过对车辆经过所述计数检测区域的撞线次数进行计数，以完成对车流量的统计。

10、根据权利要求7所述的车辆检测方法，其特征在于：利用车辆通过所述上检测区域或者下检测区域的时间乘以该车辆的速度，以得到当前车辆的车长。

Images