CN101777263A - 一种基于视频的交通车流量检测方法 - Google Patents

Abstract

一种基于视频的交通车流量检测方法，包括以下步骤：信息采集；图像预处理；虚拟检测区域的设置：读取整个视频数据，针对首帧图像设置虚拟区域虚拟检测区域，选取合适大小的与车辆行驶方向相垂直的区域作为车辆检测的处理分析的虚拟检测区域；坐标标定：找到实际道路图像与所拍摄的视频图像所对应的透视关系，对虚拟检测区域进行坐标转换；目标提取：对目标区域进行二值化分割，对得到的二值化特征图进行分析；利用车辆边缘的二维信息对车辆进行判断：在虚拟检测区域内检测每一个目标的侧边界和车尾位置，如果检测到目标同时具有侧边界和车尾则为车辆，进入下一步，否则返回继续提取目标；车辆计数；检测结束。

Description

一种基于视频的交通车流量检测方法

技术领域

本发明属于智能交通领域，主要用于高速公路、国道及城市干道的交通事件自动检测和交通参数采集系统中，尤其涉及一种基于视频的交通车流量检测方法。

背景技术

作为智能交通领域(ITS)的基础部分，车流量检测在ITS中占有很重要的地位。近年来，逐渐发展起来了多种交通流量检测技术，如感应线圈检测技术、雷达技术、超声波技术、视频检测技术等等；而常用的传统的交通流量信息的采集方法主要有地埋感应线圈法、超声波探测器法和红外线检测法。

地埋感应线圈法是在地面埋设感应线圈(或感应棒)，通过感应车辆的电磁信号来检测车辆的存在，从而通过对不同车辆发出的不同感应信号统计来进行车辆的统计。

超声波探测器法是由架设在车道(或监测区域)上方或侧面的超声波探头与控制、通讯电路组成。超声波检测器是根据声波的传播和反射原理，通过对发射波和反射波的时差来判断有无车辆通过。由于探头与地面的距离是一定的，所以探头发出超声波并接收反射波的时间也是固定的。当有车辆通过时，由于车辆本身的高度，使探头接收到反射波的时间缩短，就表明有车辆通过或存在。

红外线检测法的工作原理是由调制脉冲发生器产生调制脉冲，经红外探头向道路上辐射，当有车辆通过时，红外线脉冲从车体反射回来，被探头的接收管接收，经红外解调器解调，再通过选通、放大、整流和滤波后触发驱动器输出一个检测信号。

上面这些传统方法的设备成本高、建立和维护也比较困难。随着计算机视觉技术的飞速发展，交通流量的视频检测技术正以其安装简单、操作容易、维护方便等特点逐渐取代传统的方法。

视频检测方法是通过闭路电视系统或数字照相机、摄像机进行现场数据采集，采用视频识别技术、计算机视觉技术、图像处理技术和数字化技术分析交通数据，通过对连续视频图像的分析，跟踪车辆行为过程，来实现车辆的分类统计。

发明内容

本发明的目的是提供一种基于视频的交通车流量检测方法。

为了实现上述目的，本发明采取如下的技术解决方案：

一种基于视频的交通车流量检测方法，其特征在于，包括以下步骤：

步骤一、信息采集：采用摄像机采集交通视频信息；

步骤二、图像预处理：将摄像机采集的视频数据进行图像预处理，将采集的交通视频数据处理成所需像素数量的视频序列；

步骤三、虚拟检测区域的设置：以帧为单位读取整个视频数据，针对首帧图像设置虚拟检测区域，选取合适大小的与车辆行驶方向相垂直的矩形区域作为车辆检测的处理分析区域；

步骤四、坐标标定：以实际道路上的标识点为参照，找到实际道路图像与所拍摄的视频图像所对应的透视关系，对虚拟检测区域进行坐标转换；

步骤五、目标提取：对目标区域进行二值化分割，对得到的二值化特征图进行分析；

步骤六、利用车辆边缘的二维信息对车辆进行判断：在虚拟检测区域内检测是否存在车辆侧边界和车尾的模式特征，如果检测到某目标同时具有侧边界和车尾的模式特征，则为检测到车辆，进入步骤七，否则返回步骤五；

步骤七、车辆计数，一个车辆的检测过程结束。

其中，所述步骤三中虚拟检测区域的设置包括以下步骤：

Step 301：取道路最外侧的车道线作为整个视频图像的参考边界；

Step 302：在道路上取与实际道路方向垂直的连线CD；

Step 303：在图像上取一个与CD为适当距离的点，经过该点取一条与连线CD平行的平行线AB，平行线AB、参考边界及连线CD所围成的区域为实际中与道路方向垂直的虚拟检测区域ABDC。

其中，所述步骤四中的坐标标定包括以下步骤：

Step 401：将虚拟检测区域ABDC的四个边界点分别对应到A’B’D’C’上；

Step 402：在虚拟检测区域中从平行线AB开始，等幅度的增加纵坐标所对应的像素，得到若干与平行线AB平行的直线，直到到达连线CD为止，将每一条直线上像素点对应的灰度值标定到区域A’B’D’C’中与A’B’平行的等间隔直线上，直到到达C’D’为止；

Step 403：二次线性插值，将A’B’D’C’中找不到在ABDC中所对应的像素点进行线性插值，将其灰度值进行填充，得到两次转换对应的坐标关系，完成坐标转换。

由以上可知，本发明的方法通过在图像上建立虚拟检测区域，在该虚拟检测区域内做数据处理和分析，采用侧边界和尾部对目标进行判定，只有同时满足具有侧边界和尾部的目标才判断为车辆，可有效降低误判率，避免外界因素的干扰，同时找到世界坐标和视频坐标的对应关系，将从摄像机获取的二维图像或图像位置之间的几何关系恢复或者重建其三维模型，通过透视转换坐标可以提高交通参数检测的精度。

附图说明

图1为本发明方法的流程图；

图2为虚拟检测区域设置示意图；

图3为坐标标定示意图。

以下结合附图对本发明的具体实施方式作进一步详细地说明。

具体实施方式

如图1所示，本发明的方法包括以下步骤：

步骤一、信息采集：采用摄像机采集交通视频信息；

步骤二、图像预处理：将摄像机采集的视频数据进行图像预处理，将采集的交通视频数据处理成所需像素数量的视频序列，如720*288个像素；

步骤三、虚拟检测区域的设置：以帧为单位读取整个视频序列，针对首帧图像设置虚拟检测区域，即在读取的首帧图像上选取合适大小的与车辆行驶方向相垂直的区域，作为车辆检测的处理分析的虚拟检测区域；

步骤四、坐标标定：以实际道路上的标识点为参照，如利用道路上的现有标识点或人为放置标志物，找到实际道路图像与所拍摄的视频图像所对应的透视关系，对虚拟检测区域进行坐标转换，以后每一帧图像的处理与分析都仅针对这个虚拟检测区域内的数据；

步骤五、目标提取：对目标区域进行二值化分割，对得到的二值化特征图进行分析，本步骤的二值化处理方法与现有常用的二值化处理方法相同，可采用基于背景跟踪和帧差法相结合的目标提取方法；

步骤六、利用车辆目标的边界形态模式信息对车辆进行判断：在虚拟检测区域内检测是否存在车辆侧边界和车尾的模式特征，如果检测到某目标同时具有侧边界和车尾的模式特征，则判断为检测到车辆，进入计数步骤；即通过目标的侧边界和车尾判断虚拟检测区域内的目标是否为车辆，如果同时检测到目标具有侧边界和车尾，则判断为一辆车，进入步骤七，否则返回步骤五继续提取目标；

步骤七、车辆计数，一个车辆的检测过程结束。

参照图2，以下对步骤三中虚拟检测区域的设置方法作说明，以下说明中以两车道举例说明：

Step 301：取道路最外侧的左车道线10和右车道线12两条车道线作为整个视频图像的参考边界；

Step 302：在道路上取与实际道路方向垂直的连线CD；例如，可以每个车道中间的白色虚线为参照物，分别取左车道线10与中车道线11之间的第一等距离点13以及和中车道线11与右车道线12之间的第二等距离点14，将第一等距点13和第二等距离点14连起来得到连线CD，在实际中第一等距点13和第二等距离点14这两点间的连线CD与实际道路的方向垂直，也可以利用道路上的其它参照物，如标号、箭头等找到垂直于实际道路方向的连线CD；

Step 303：在图像上取一个与连线CD在实际道路上具有一定距离(比如3米)的点15，经过该点15取一条与连线CD平行的平行线AB，平行线AB与左右边界(即左车道线10和右车道线12)以及连线CD所围成的区域就是在实际中与道路方向垂直的虚拟检测区域ABDC。

参照图3，以下对步骤四中的坐标标定的方法作进一步的说明，实际道路的视频图像由于透视关系为梯形，为了方便计算机处理，将虚拟检测区域ABCD通过坐标转化为矩形区域A’B’D’C’，包括以下步骤：

Step 401：将虚拟检测区域ABDC的四个边界点分别对应到A’B’D’C’上；

Step 402：根据所选虚拟检测区域的特点：平行线AB平行于连线CD，则在这个区域中从平行线AB开始，等幅度地增加纵坐标所对应的像素，得到若干与平行线AB平行的直线，直到到达连线CD为止，将每一条直线上像素点对应的灰度值标定到区域A’B’D’C’中与A’B’平行的等间隔直线上，直到到达C’D’为止；

Step 403：二次线性插值，将A’B’D’C’中找不到在ABDC中所对应的像素点进行线性插值，将其灰度值进行填充，得到两次转换对应的坐标关系，完成坐标转换。

得到区域A’B’D’C’后，所有图像的处理分析都在这个区域内进行，当检测区域内的目标同时具有侧边界和尾部时，判断为一辆车，侧边界可以是右侧边界也可以是左侧边界，根据摄像头的安装位置确定。

本发明具有以下优点：

1.虚拟检测区域的选取，考虑摄像机采集实际图像的特点，采用与实际道路方向相垂直和车道边界相结合的选取方法除了可以节省数据处理的内存资源，还可以体现系统设计的直观性；

2.透视转换，找到世界坐标和视频坐标的对应关系，即从摄像机获取的二维图像或图像位置之间的几何关系恢复或者重建其三维模型，通过透视转换坐标可以提高交通参数检测的精度；

3.目标二值化分割，在原来帧差法的基础上做了改进，结合背景目标二值化提取方法从根本上解决了二值化以后的车辆信息丢失问题，使整个方法的检测准确度有了很明显的提高；

4.基于车辆侧边界和车尾模式检测车辆，使整个方法的抗干扰性有很大提高，而且准确可靠，解决了常规基于目标分割等方法的诸多局限。

因此，此车流量检测方法的设计不仅是在同领域方法的稳定性和准确性了很大的改观，而且考虑到将来应用在整个系统当中，所以对其稳定性、鲁棒性、和节省资源的要求也有考虑。

本发明提出的交通车流量检测方法，可将VC++平台下的软件移植到DSP平台上，并进行录像带测试和现场试验。为了适应与DSP平台的方法和软件优化，可在DSP平台上进行方法调整和修改，大部分的软件设计采用普通Windows XP系统下的VC++编程语言。

Claims (3)

1.一种基于视频的交通车流量检测方法，其特征在于，包括以下步骤：

步骤一、信息采集：采用摄像机采集交通视频信息；

步骤二、图像预处理：将摄像机采集的视频数据进行图像预处理，将采集的交通视频数据处理成所需像素数量的视频序列；

步骤三、虚拟检测区域的设置：以帧为单位读取整个视频数据，针对首帧图像设置虚拟检测区域，选取合适大小的与车辆行驶方向相垂直的矩形区域作为车辆检测的处理分析区域；

步骤四、坐标标定：以实际道路上的标识点为参照，找到实际道路图像与所拍摄的视频图像所对应的透视关系，对虚拟检测区域进行坐标转换；

步骤五、目标提取：对目标区域进行二值化分割，对得到的二值化特征图进行分析；

步骤六、利用车辆边缘的二维信息对车辆进行判断：在虚拟检测区域内检测是否存在车辆侧边界和车尾的模式特征，如果检测到某目标同时具有侧边界和车尾的模式特征，则为检测到车辆，进入步骤七，否则返回步骤五；

步骤七、车辆计数，一个车辆的检测过程结束；

2.如权利要求1所述的基于视频的交通车流量检测方法，其特征在于：所述步骤三中虚拟检测区域的设置包括以下步骤：

Step 301：取道路最外侧的车道线作为整个视频图像的参考边界；

Step 302：在道路上取与实际道路方向垂直的连线CD；

Step 303：在图像上取一个与连线CD距离适当的点，经过该点取一条与连线CD平行的平行线AB，平行线AB、参考边界及连线CD所围成的区域为实际中与道路方向垂直的虚拟检测区域ABDC。

3.如权利要求1所述的基于视频的交通车流量检测方法，其特征在于：所述步骤四中的坐标标定包括以下步骤：

Step 401：将虚拟检测区域ABDC的四个边界点分别对应到A’B’D’C’上；

Step 402：在虚拟检测区域中从平行线AB开始，等幅度的增加纵坐标所对应的像素，得到若干与平行线AB平行的直线，直到到达连线CD为止，将每一条直线上像素点对应的灰度值标定到区域A’B’D’C’中与A’B’平行的等间隔直线上，直到到达C’D’为止；

Step 403：二次线性插值，将A’B’D’C’中找不到在ABDC中所对应的像素点进行线性插值，将其灰度值进行填充，得到两次转换对应的坐标关系，完成坐标转换。

Images