CN102184547A - 一种基于视频的车辆逆行事件检测方法 - Google Patents

一种基于视频的车辆逆行事件检测方法 Download PDF

Info

Publication number
CN102184547A
CN102184547A CN2011100750911A CN201110075091A CN102184547A CN 102184547 A CN102184547 A CN 102184547A CN 2011100750911 A CN2011100750911 A CN 2011100750911A CN 201110075091 A CN201110075091 A CN 201110075091A CN 102184547 A CN102184547 A CN 102184547A
Authority
CN
China
Prior art keywords
piece
counter
field picture
video
numerical value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011100750911A
Other languages
English (en)
Other versions
CN102184547B (zh
Inventor
宋焕生
张静
郭玲玲
袁彬
付洋
马锐安
周婷洁
夏波
严玍伻
赵倩
施春宁
陈艳
张辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN201110075091A priority Critical patent/CN102184547B/zh
Publication of CN102184547A publication Critical patent/CN102184547A/zh
Application granted granted Critical
Publication of CN102184547B publication Critical patent/CN102184547B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明属于视频检测技术领域，具体涉及一种基于视频的车辆逆行事件检测方法。该方法主要包括基于块的二值化分割将待处理的视频中每帧图像中的目标和背景分离开来和基于块的时间序列统计每个块成为目标块的次数，根据统计次数投影的特征判断车辆是否逆行两个步骤。与现有技术相比，本发明所提供的方法可对视频范围内所有车辆进行检测，不受环境限制，能够对实时视频进行判断，且检测时间短、易于实现、准确性较高，很适合于实时检测逆行事件，具有广阔的应用前景。

Description

一种基于视频的车辆逆行事件检测方法
技术领域
本发明属于视频检测技术领域，具体涉及一种基于视频的车辆逆行事件检测方法。
背景技术
交通违章逆行是指车辆在道路上的行驶方向与道路规定行驶方向相反的行为，交通违章逆行现象虽然在城市交通中并不常见，但是这种交通行为的危险性是非常大的，如果车辆不按照规定的方向行驶，容易造成交通拥堵现象，甚至酿成交通事故，给人们的生活带来不便与危险。目前常用的车辆逆行事件检测方法主要有环形线圈检测，微波检测，数字视频检测。其中环形线圈可扩展性差，安装维护时必须中断交通、破坏路面；微波检测缺少直观性且检测设备的维护和管理费用相对较高等特点，这些方法在实际生活中并不能得到广泛应用。
目前的新建项目越来越多地采用安装、维护不需要破坏路基、检测区域大、实施方便灵活的基于视频的交通信息检测技术。而目前基于视频的检测方法多采用划定检测区域的检测方法，该方法仅能对划定的区域范围内车辆进行检测，不能完整的分割目标，具有很大的限制性。
发明内容
针对现有技术的缺陷或不足，本发明的目的为提供一种可以对视频范围内所有车辆进行检测的基于视频的车辆逆行事件检测方法。
为实现上述技术任务，本发明采用如下的技术方案：
一种基于视频的车辆逆行事件检测方法，该方法通过下列步骤实现：
步骤一，将第一帧图像和背景图像在相同的块坐标系下都划分成多个块；
步骤二，对第一帧图像的每个块设置一计数器，并将所有计数器初始化为零；
步骤三，对第一帧图像的每个块，在背景图像中找到与该块位置相同的背景块，并计算该块与其相应的背景块之间各相同像素位置处的灰度差值的绝对值之和；
当所得的绝对值之和大于设定的阈值，则该块为目标块，并设置该块内部所有像素的灰度值为255，当所得的绝对值之和小于或等于设定的阈值，则该块为背景块，并设置该块内部所有像素的灰度值为0，其中的阈值为                                                
Figure 2011100750911100002DEST_PATH_IMAGE001
；
最后将第一帧图像中的背景与目标分离开，得到第一帧图像的二值化图像；
步骤四，对第一帧图像的二值化图像的每个块，当该块内部所有像素的灰度值为255，即为目标块时，则将该块的计数器的数值加一，当该块内部所有像素的灰度值为0，即为背景块时，则将该块的计数器的数值清零；
步骤五，依次对第二帧图像、第三帧图像、…、第m帧图像，按照步骤一、步骤三和步骤四进行处理，得到记录有最终数值的计数器；
步骤六，将所有记录有最终数值的计数器正投影于一平面坐标系中，该坐标系的横坐标正方向与道路正方向相同，纵坐标与视频图像中的道路面平行，其中横坐标代表车身的不同部位，纵坐标代表各相同横坐标的计数器的最终数值累加和，得到计数器的数值波形图；
步骤七，当计数器的数值波形图中计数器的数值累加和沿横坐标正方向递减时，则目标沿道路规定方向行驶；当计数器的数值波形图中计数器的数值累加和沿横坐标正方向递增时，则目标逆行。
本发明的其他技术特征为：
步骤五中所述的m为
Figure 2011100750911100002DEST_PATH_IMAGE002
的自然数。
本发明的方法主要包括基于块的二值化分割将待处理的视频中每帧图像中的目标和背景分离开来和基于块的时间序列统计每个块成为目标块的次数，并根据统计次数投影的特征来判断车辆是否逆行两个步骤。
基于块的二值化分割将待处理的视频中每帧图像中的目标和背景分离开来具体是将图像划分为多个块，每块为一个计量单位，对每个块判断其与背景块的差距，相差大的认为是目标块，相差小的认为是背景块，完成目标即待测车辆与背景的分割。
基于块的时间序列统计每个块成为目标块的次数，并根据统计次数投影的特征判断车辆是否逆行的具体操作是对分块后的第一帧图像中的每个块设置一个计数器，用以记录在时间序列上各帧图像的二值化图像中相同位置的块成为目标块的次数，
如果目标车辆处于正常行驶状态，则目标车辆在当前视频序列的第m帧图像中的位置相比于其在第m-1帧图像中的位置在车道正方向上行驶了一段路程，目标车辆的车头所在的块在第m帧图像中为目标块，而在第m-1帧图像中都不是目标块，而目标车辆的尾部所在的块在第m帧图像和第m-1帧图像中都是目标块，依此类推，经过依次对第一帧图像至第m帧图像的二值化图像中相同位置的块成为目标块的次数用相应位置处的计数器统计后，在第m帧图像中车辆所在区域内块，在垂直于道路正方向上的各横坐标相同的计数器的数值的累加和沿道路正方向递减，而这个递减方向就是车辆从车尾到车头的方向即车辆的运行方向，这个方向与道路正方向一致。
同理，若目标车辆违章逆行时，在垂直于道路正方向上的各个横坐标相同的计数器的数值的累加和沿道路正方向递增，而这个递增方向就是车辆从车尾到车头方向的反方向，即车辆运动方向的反方向，则车辆的运动方向与道路正方向相反。
与现有技术相比，本发明所提供的方法可对视频范围内所有车辆进行检测，不受环境限制，能够对实时视频进行判断，且检测时间短、易于实现、准确性较高，很适合于实时检测逆行事件，具有广阔的应用前景。
附图说明
图1为计数器投影结果示意图，其中，（a）为目标车辆沿道路正方向行驶，（b）为目标车辆逆向行驶，图中ABCD所围成的区域为道路，G为目标即车辆，E-F方向为道路正方向；
图2为实施例中已知视频中的第1帧图像；
图3为实施例中已知视频中的第20帧图像；
图4为实施例的计数器投影结果示意图，其中X方向为道路正方向，Y方向为横坐标相同的计数器的数值累加和的正方向，且X轴代表目标车辆车身的部位，Y轴代表横坐标相同的计数器的数值累加和。
以下结合实施例与附图对本发明作进一步说明。
具体实施方式
需要说明的是，本发明所述及的道路正方向是指道路规定行驶方向。本发明的方法过程中所处理的图像是视频中的沿正时间序列的第一帧图像、第二帧图像、第三帧图像、…、第m帧图像。
本发明的方法具体采用以下步骤实现：
本发明中基于块的二值化分割即步骤一、步骤二所处理的帧图像的大小为，块的面积为
Figure 2011100750911100002DEST_PATH_IMAGE004
，其中
Figure 2011100750911100002DEST_PATH_IMAGE005
为图像的水平方向的像素，
Figure 2011100750911100002DEST_PATH_IMAGE006
为图像竖直方向的像素，
Figure 2011100750911100002DEST_PATH_IMAGE007
为块区域的宽度，
Figure 2011100750911100002DEST_PATH_IMAGE008
为块的高度。
步骤一，将第一帧图像和背景图像在相同的块坐标系下都划分成多个块，即第一帧图像和背景图像采用相同的块坐标系，则第一帧图像被划分的块个数为：；
步骤二，对第一帧图像的每个块设置一个计数器，并将所有计数器初始化为零；
步骤三，对第一帧图像的每个块，在背景图像中找到与该块位置相同即在块坐标系中坐标相同的背景块，并计算该块与其相应的背景块之间各相同像素位置处的灰度差值的绝对值之和；
当所得的绝对值之和大于设定的阈值，则该块为目标块，并设置该块内部所有像素的灰度值为255，当所得的绝对值之和小于或等于设定的阈值，则该块为背景块，并设置该块内部所有像素的灰度值为0，其中的阈值取值范围为
Figure 2011100750911100002DEST_PATH_IMAGE010
，即
Figure 367672DEST_PATH_IMAGE011
；
最后将第一帧图像中的背景与目标分离开，得到第一帧图像的二值化图像；
步骤四，对第一帧图像的二值化图像的每个块，当该块内部所有像素的灰度值为255，即为目标块时，则将该块的计数器的数值加一，当该块内部所有像素的灰度值为0，即为背景块时，则将该块的计数器的数值清零；
步骤五，依次对第二帧图像、第三帧图像、…、第m帧图像，按照步骤一、步骤三和步骤四进行处理，得到记录有最终数值的计数器；其中的m取
Figure 284813DEST_PATH_IMAGE012
的自然数；
步骤六，将所有记录有最终数值的计数器正投影于一平面坐标系中，该坐标系的横坐标正方向与道路正方向相同，纵坐标与视频图像中的道路面平行，其中横坐标代表车身的不同部位，纵坐标代表各相同横坐标的计数器的最终数值累加和，得到计数器的数值波形图；
步骤七，当计数器的数值波形图中计数器的数值累加和沿横坐标正方向递减时，则目标沿道路规定方向行驶；当计数器的数值波形图中计数器的数值累加和沿横坐标正方向递增时，则目标逆行。
结合图1，对以上步骤中的投影结果加以说明，图中ABCD所围成的区域为道路，其中的G为第m帧图像中车辆位置，E-F方向为道路正方向，取EF所指方向作为坐标系的横向坐标，该坐标代表目标车辆中的车身的不同部位；垂直EF的方向作为纵向坐标，且该纵坐标与图像中的道路面平行，纵向坐标代表各横坐标相同的计数器的最终数值的累加和。
在二值化图像中不是目标块的块，其计数器都已清零，为目标块的块，其计数器的数值加一，将记录有最终数值的计数器正投影于与道路平行的坐标系上，得到以EF为横坐标的波形图，纵坐标代表了横坐标相同的计数器的数值累加和的大小，由于在车尾位置累加值大于车头位置，则可判断：(a)图中波形图中在垂直于道路正方向上的各个相同横坐标的计数器的数值的累加和沿道路正方向递减，说明车辆正常行驶，（b）图中在垂直于道路正方向上的各个相同横坐标的计数器的数值的累加和沿道路正方向递增，说明车辆逆行行驶。
以下是发明人给出的具体实施例，需要说明的是本发明并不限于该实施例。
实施例：
已知视频中的目标车辆沿道路正方向行驶，视频正播时，第1帧图像如图2所示，第20帧图像如图3所示，为更直观的对本发明进行说明，本实施例中以已知视频的倒播视频作为处理对象，即已知视频中的第20帧图像即图3为该实施例方法所处理的第一帧图像，已知视频中的第1帧图像即图2为该实施例方法所处理的第二十帧图像，如此转换后，已知本实施例中的目标车辆为逆行。
该实施例中处理过程中视频的采样频率是25帧每秒，帧图像大小为720*288，每块区域的大小为8*6，将帧图像分成90*48个块区域，目标区域二值化分割阈值为576，按照本发明的方法依次对第一帧至第二十帧图像进行处理。
从图4可以看出，各个相同横坐标的计数器的数值的累加和沿道路正方向递增，说明车辆逆行行驶。

Claims (2)

1.一种基于视频的车辆逆行事件检测方法，其特征在于，该方法通过下列步骤实现：
步骤一，将第一帧图像和背景图像在相同的块坐标系下都划分成多个块；
步骤二，对第一帧图像的每个块设置一计数器，并将所有计数器初始化为零；
步骤三，对第一帧图像的每个块，在背景图像中找到与该块位置相同的背景块，并计算该块与其相应的背景块之间各相同像素位置处的灰度差值的绝对值之和；
当所得的绝对值之和大于设定的阈值，则该块为目标块，并设置该块内部所有像素的灰度值为255，当所得的绝对值之和小于或等于设定的阈值，则该块为背景块，并设置该块内部所有像素的灰度值为0，其中的阈值为                                               
Figure 2011100750911100001DEST_PATH_IMAGE001
；
最后将第一帧图像中的背景与目标分离开，得到第一帧图像的二值化图像；
步骤四，对第一帧图像的二值化图像的每个块，当该块内部所有像素的灰度值为255，即为目标块时，则将该块的计数器的数值加一，当该块内部所有像素的灰度值为0，即为背景块时，则将该块的计数器的数值清零；
步骤五，依次对第二帧图像、第三帧图像、…、第m帧图像，按照步骤一、步骤三和步骤四进行处理，得到记录有最终数值的计数器；
步骤六，将所有记录有最终数值的计数器正投影于一平面坐标系中，该坐标系的横坐标正方向与道路正方向相同，纵坐标与视频图像中的道路面平行，其中横坐标代表车身的不同部位，纵坐标代表各相同横坐标的计数器的最终数值累加和，得到计数器的数值波形图； 
步骤七，当计数器的数值波形图中计数器的数值累加和沿横坐标正方向递减时，则目标沿道路规定方向行驶；当计数器的数值波形图中计数器的数值累加和沿横坐标正方向递增时，则目标逆行。
2.如权利要求1所述的方法，其特征在于，所述步骤五中的m为的自然数。
CN201110075091A 2011-03-28 2011-03-28 一种基于视频的车辆逆行事件检测方法 Expired - Fee Related CN102184547B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110075091A CN102184547B (zh) 2011-03-28 2011-03-28 一种基于视频的车辆逆行事件检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110075091A CN102184547B (zh) 2011-03-28 2011-03-28 一种基于视频的车辆逆行事件检测方法

Publications (2)

Publication Number Publication Date
CN102184547A true CN102184547A (zh) 2011-09-14
CN102184547B CN102184547B (zh) 2012-09-05

Family

ID=44570716

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110075091A Expired - Fee Related CN102184547B (zh) 2011-03-28 2011-03-28 一种基于视频的车辆逆行事件检测方法

Country Status (1)

Country Link
CN (1) CN102184547B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102646280A (zh) * 2012-04-06 2012-08-22 长安大学 一种基于块累加统计的背景实时更新方法
GB2496278A (en) * 2011-10-28 2013-05-08 Xerox Corp Vehicle reverse detection method and system via video acquisition and processing
CN103456179A (zh) * 2012-06-04 2013-12-18 中兴通讯股份有限公司 车辆统计方法、装置及视频监控系统
CN103793920A (zh) * 2012-10-26 2014-05-14 杭州海康威视数字技术股份有限公司 基于视频的逆行检测方法及其系统
CN104424805A (zh) * 2013-09-06 2015-03-18 罗伯特·博世有限公司 用于对机动车的错误行驶进行合理性验证的方法和控制与检测装置
CN104750800A (zh) * 2014-11-13 2015-07-01 安徽四创电子股份有限公司 一种基于出行时间特征的机动车聚类方法
CN106874863A (zh) * 2017-01-24 2017-06-20 南京大学 基于深度卷积神经网络的车辆违停逆行检测方法
CN108922197A (zh) * 2018-07-01 2018-11-30 郑州谦贤科技有限公司 一种防逆向移动管理方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1464487A (zh) * 2002-06-03 2003-12-31 昆明利普机器视觉工程有限公司 基于视频车辆光学特征识别匹配的交通流量检测系统
CN101025862A (zh) * 2007-02-12 2007-08-29 吉林大学 基于视频的混合交通流参数的检测方法
JP2008299871A (ja) * 2008-08-18 2008-12-11 Foundation For The Promotion Of Industrial Science 画像における移動物体の追跡方法及び装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1464487A (zh) * 2002-06-03 2003-12-31 昆明利普机器视觉工程有限公司 基于视频车辆光学特征识别匹配的交通流量检测系统
CN101025862A (zh) * 2007-02-12 2007-08-29 吉林大学 基于视频的混合交通流参数的检测方法
JP2008299871A (ja) * 2008-08-18 2008-12-11 Foundation For The Promotion Of Industrial Science 画像における移動物体の追跡方法及び装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《IEEE Transactions on Intelligent Transportation Systems》 20020331 Surendra Gupte et al. Detection and Classification of Vehicles 全文 1-2 第3卷, 第1期 *
《电子测量技术》 20071031 胡建华等 基于分块差分与背景减除的运动检测 全文 1-2 第30卷, 第10期 *
《西南交通大学学报》 20060228 彭强等 基于块直方图分析的视频背景提取方法 全文 1-2 第41卷, 第1期 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2496278A (en) * 2011-10-28 2013-05-08 Xerox Corp Vehicle reverse detection method and system via video acquisition and processing
GB2496278B (en) * 2011-10-28 2018-12-05 Conduent Business Services Llc Vehicle reverse detection method and system via video acquisition and processing
US8957788B2 (en) 2011-10-28 2015-02-17 Xerox Corporation Vehicle reverse detection method and system via video acquisition and processing
CN102646280A (zh) * 2012-04-06 2012-08-22 长安大学 一种基于块累加统计的背景实时更新方法
CN102646280B (zh) * 2012-04-06 2014-12-03 长安大学 一种基于块累加统计的背景实时更新方法
CN103456179A (zh) * 2012-06-04 2013-12-18 中兴通讯股份有限公司 车辆统计方法、装置及视频监控系统
CN103793920B (zh) * 2012-10-26 2017-10-13 杭州海康威视数字技术股份有限公司 基于视频的逆行检测方法及其系统
CN103793920A (zh) * 2012-10-26 2014-05-14 杭州海康威视数字技术股份有限公司 基于视频的逆行检测方法及其系统
CN104424805A (zh) * 2013-09-06 2015-03-18 罗伯特·博世有限公司 用于对机动车的错误行驶进行合理性验证的方法和控制与检测装置
US10002298B2 (en) 2013-09-06 2018-06-19 Robert Bosch Gmbh Method and control and recording device for the plausibility checking for the wrong-way travel of a motor vehicle
CN104750800A (zh) * 2014-11-13 2015-07-01 安徽四创电子股份有限公司 一种基于出行时间特征的机动车聚类方法
CN106874863A (zh) * 2017-01-24 2017-06-20 南京大学 基于深度卷积神经网络的车辆违停逆行检测方法
CN106874863B (zh) * 2017-01-24 2020-02-07 南京大学 基于深度卷积神经网络的车辆违停逆行检测方法
CN108922197A (zh) * 2018-07-01 2018-11-30 郑州谦贤科技有限公司 一种防逆向移动管理方法及系统

Also Published As

Publication number Publication date
CN102184547B (zh) 2012-09-05

Similar Documents

Publication Publication Date Title
CN102184547B (zh) 一种基于视频的车辆逆行事件检测方法
CN102622886B (zh) 一种基于视频的车辆违章变道事件检测方法
CN104008645B (zh) 一种适用于城市道路车道线预测及预警方法
CN102289940B (zh) 一种基于混合差分的车流量检测方法
CN102622895B (zh) 一种基于视频的车辆速度检测方法
CN102722982B (zh) 基于背景与帧间差分算法的车流及其运动状态检测方法
CN105005771A (zh) 一种基于光流点轨迹统计的车道线实线的检测方法
CN104809887B (zh) 一种高速公路上车辆逆行检测方法与自动报警装置
WO2013057664A2 (en) System for collision prediction and traffic violation detection
CN103914688A (zh) 一种城市道路障碍物识别系统
CN102110366B (zh) 一种基于块累积的高速公路车辆停车事件检测方法
CN105203552A (zh) 一种360°踏面图像检测系统及其检测方法
CN111797669A (zh) 道路异常检测设备、道路异常检测方法和计算机可读介质
Aung et al. Video based lane departure warning system using hough transform
CN104463903A (zh) 一种基于目标行为分析的行人图像实时检测方法
CN103730015A (zh) 交叉路口车流量检测方法及装置
CN113421432A (zh) 交通限行信息检测方法、装置、电子设备和存储介质
CN103177586A (zh) 一种基于机器视觉的城市交叉路口多车道车流量检测方法
CN103136514A (zh) 一种基于双向跟踪的停车事件检测方法
CN103456170A (zh) 基于机器视觉的车速和车辆排队长度的检测方法
Huang Real-time multi-vehicle detection and sub-feature based tracking for traffic surveillance systems
Makhmutova et al. Intelligent detection of object's anomalies for road surveilance cameras
CN110443142B (zh) 一种基于路面提取与分割的深度学习车辆计数方法
CN101877132B (zh) 用于运动跟踪的交互事件处理方法和装置
CN102637360B (zh) 一种基于视频的道路停车事件检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120905

Termination date: 20150328

EXPY Termination of patent right or utility model