CN102521979A - 基于高清摄像机进行路面事件检测的方法及系统 - Google Patents

Abstract

本发明公开了一种基于高清摄像机进行路面事件检测的方法及系统，将检测区域划分为三个区域，且在三个区域采用不同的车辆定位及车牌定位方法，首次将包含置信度及权重的检测方法应用到事件检测中，不但解决了高清车牌识别区域过小问题导致检测不完全的问题，而且可以大大提高检测的精度，降低了误警率。

Description

基于高清摄像机进行路面事件检测的方法及系统

技术领域

本发明涉及公路路面交通事件检测领域，尤其涉及对大范围的公路路面的各种交通事件进行实时检测，具体的讲是一种基于高清摄像机进行路面事件检测的方法及系统。

背景技术

公路路面事件检测系统为了预防高速公路日益突发的各种事故、应对各种突发事件的紧急处理，特别是事故多发路段在对路面事件预警、路面事故实时报警、预防二次事故等方面有重大意义。

目前交通事件检测器还是以大范围单纯的事件检测为主，存在问题主要有：由于检测范围大，检测受到环境干扰的因素加大，虽然很多优秀的算法能够很大程度上弥补各种日照、阴云、树阴、雨雪而造成的干扰问题，但是系统在多种干扰条件下的误警率提升及事件检测精度的下降不可避免。

发明内容

本发明为了解决现有技术的检测精度不高，且误警率较高的问题，提出一种基于高清摄像机进行路面事件检测的方法及系统。

本发明的目的之一，提供一种基于高清摄像机进行路面事件检测的方法，包括：将所述高清摄像机的检测视野划分为第一区域，第二区域以及第三区域；根据所述高清摄像机捕获的图形数据，进行车辆定位及车牌定位，计算生成车辆定位置信度和车牌定位置信度；根据所述的车辆定位置信度和车牌定位置信度，建立所述车辆定位位置与车牌定位位置的对应关系；根据所述第一区域、第二区域以及第三区域与所述高清摄像机的水平距离以及预设的车辆初进入视野的车牌置信度，计算车牌位置的车牌定位权重及车辆定位权重；根据所述的车牌定位权重及车辆定位权重、车辆定位置信度及车牌定位置信度，计算生成车牌位置的车辆最终置信度；判断所述的车辆最终置信度是否满足预设阈值，如果满足，则将历史帧车辆与当前帧车辆进行匹配跟踪，建立车辆跟踪链；根据建立的车辆跟踪链判断交通事件，生成并输出交通事件及交通参数信息。

本发明的目的之一，是提供一种基于高清摄像机进行路面事件检测的系统，包括高清摄像机和主控装置，其中，所述主控装置包括：区域划分模块，用于将所述高清摄像机的检测视野划分为第一区域，第二区域以及第三区域；置信度计算模块，用于根据所述高清摄像机捕获的图形数据，进行车辆定位及车牌定位，计算生成车辆定位置信度和车牌定位置信度；对应关系建立模块，用于根据所述的车辆定位置信度和车牌定位置信度，建立所述车辆定位位置与车牌定位位置的对应关系；权重计算模块，用于根据所述第一区域、第二区域以及第三区域与所述高清摄像机的水平距离以及预设的车辆初进入视野的车牌置信度，计算车牌位置的车牌定位权重及车辆定位权重；车辆最终置信度生成模块，用于根据所述的车牌定位权重及车辆定位权重、车辆定位置信度及车牌定位置信度，计算生成车牌位置的车辆最终置信度；匹配跟踪模块，用于判断所述的车辆最终置信度是否满足预设阈值，如果满足，则将历史帧车辆与当前帧车辆进行匹配跟踪，建立车辆跟踪链；交通事件检测模块，用于根据建立的车辆跟踪链判断交通事件，生成并输出交通事件及交通参数信息。

本发明实施例的基于高清摄像机进行路面事件检测的方法与系统产生的有益效果是：由于本发明将检测区域划分为三个区域，且在三个区域采用不同的车辆定位及车牌定位方法，首次将包含置信度及权重的检测方法应用到事件检测中，不但解决了高清车牌识别区域过小问题导致检测不完全的问题，而且可以大大提高检测的精度，降低了误警率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的基于高清摄像机进行路面事件检测的方法流程图；

图2为本发明的进行区域划分的一个实施例的示意图；

图3所示本发明实施例的对应关系建立步骤的方法流程图：

图4为本发明实施例的在不同区域，车牌定位权重及车辆定位权重的计算结果示意图；

图5为本发明实施例的基于高清摄像机进行路面事件检测的系统的结构示意图；

图6为图5所示实施例的主控装置的结构示意图；

图7为图5所示的主控装置的另一种实施例的结构示意图；

图8为图5所示实施例的对应关系建立模块的结构示意图；

图9为本发明的一个具体实施例的区域划分的示意图；

图10～图13分别为图9所示实施例的第975帧的图像数据、第985帧的图像数据、第999帧的图像数据、第1025帧的图像数据的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明的基于高清摄像机进行路面事件检测的方法流程图。如图所示，本发明实施例的基于高清摄像机进行路面事件检测的方法包括：

步骤S101，将所述高清摄像机的检测视野划分为第一区域，第二区域以及第三区域。本实施例中，每一车道均具有一套高清补光设备，可以解决夜晚、树荫以及阴云、雨雪补光的问题。本步骤中，将检测视野进行区域划分，不同检测区域采用不同算法完成事件检测功能。例如，设置距离高清摄像机0～20米为非视野区域，距离高清摄像机20～40米为第一区域，距离高清摄像机40～60米为第二区域，距离高清摄像机60～160米为第三区域。在其他实施例中，如图2所示，也可设置距离高清摄像机0～20米为非视野区域(划分线A之前，20米)，距离高清摄像机20～50米为第一区域(划分线A和划分线B之间的区域，，30米)，距离高清摄像机50～80米为第二区域(划分线B和划分线C之间的区域，30米)，距离高清摄像机80～180米为第三区域(划分线C和划分线D之间的区域，100米)。区域划分可根据高清摄像机的视野范围及实际需求做不同变化。

步骤S102，根据所述高清摄像机捕获的图形数据，进行车辆定位及车牌定位，计算生成车辆定位置信度和车牌定位置信度。

本实施例中，在所述第一区域，对车辆的定位采取下述方法：相邻帧做帧差，二值化，按车道方向投影，检测车辆左右边缘，在左右边缘基础上横向检测车辆尾部黑块信息，确定车辆尾部位置，按照尾部位置对轮廓进行检测生成车辆位置；在所述第二区域、第三区域，对车辆定位采取下述方法：实时背景更新，当前帧与背景做差，得到背景差，二值化，连通域方法检测车辆，按车道适当切分得到独立的车辆位置；

在所述第一区域，对车牌的定位采取下述方法：利用提取到的颜色信息，纹理信息，及区域高宽比特征定位车牌；在所述第二区域，对车牌的定位采取下述方法：在背景差有效前景的基础上，标定颜色位置，定位车牌位置；在所述第三区域，不进行车牌定位。

车牌定位是通过对图像颜色及纹理的过滤将车牌位置凸显，进行有效定位。定位出的候选车牌存在较多的干扰(非车牌区域)，为降低车牌定位正确性，提出了车牌定位置信度。同理，提出了车辆定位置信度。

本实施例中，采用特征融合及基于最小错误率的多特征bayes方法，计算生成车辆定位置信度及车牌定位置信度。在车辆定位置信度的计算中，特征参数包括黑块信息、尾部轮廓以及连通域中的取点等；在车牌定位置信度的计算中，特征参数包括高宽比信息、颜色信息以及纹理信息等。

在本发明实施例中，利用特征融合及基于最小错误率的多特征bayes方法，计算置信度的公式为：

$p\left(C\right|F_1....F_n)=\frac{P\left(C\right)P(F_1....F_n|C)}{P(F_1....F_n)},$ 各个特征相互独立；

其中P(C，F1....Fn)＝P(C)*P(F1....Fn|C)

＝P(C)*P(F1|C)*P(F2....Fn|C，F1)

＝P(C)*P(F1|C)*P(F2|C，F1)*P(F3....Fn|C，F1F2)

＝....

因为条件独立，j≠i，P(Fi|C，Fj)＝P(Fi|C)

所以，置信度 $P\left(C\right|F_1....F_n)=P\left(C\right)\frac{\underset{i=1}{\overset{n}{\mathrm{\Π}}}P\left(F_i\right|C)}{P(F_1....F_n)}$ ......公式1

下面以车牌定位中的高宽比特征为例进行说明特征融合及基于最小错误率的多特征bayes方法。

公式1中，P(C)表示车牌出现的概率，在实际应用中，通过大样本集统计，可以得到该值的取值范围为(0.15，0.35)，本实施例中，可以使用0.2。

特征融合是指根据大量样本集进行统计，其中车牌的实际高宽比F₁、颜色(蓝或黄或黑白比)比例F₂以及纹理跳变次数F₃存在一定规律。

高宽比F₁：由于实际定位到的区域存在一定偏差，高宽比符合正态分布，统计公式如下：y(F₁)＝exp(-((F₁-0.32)/0.083)^2)，其中F₁表示高宽比，y表示出现的概率，即公式1中的P(F_i|C)。

同理，颜色比例F₂和纹理跳变次数F₃等特征都可通过大量样本统计得到统计公式。公式1中的P(F₁....F_n)表示各特征发生概率的乘积，该参数在实际中为与特征相关的比例常数。在本应用中，高宽比特征F₁的比例常数取值范围为(0.5，0.7)，可以使用0.6。

利用上述的置信度计算公式即可得到定位车牌的置信度。

步骤S103，根据所述的车辆定位置信度和车牌定位置信度，建立所述车辆定位位置与车牌定位位置的对应关系。本实施例中，对应关系是指某一帧上，同一车辆的车辆定位位置和车牌定位位置的对应关系。如图3所示，所述对应关系建立的步骤包括：

步骤S1031，过滤车辆定位置信度小于预设车辆阈值的车辆定位；

步骤S1032，过滤车牌定位置信度小于预设车牌阈值的车牌定位；

步骤S1033，判断所述车辆定位与所述车牌定位之间的包含关系，如果所述车辆定位包含所述车牌定位，则对应关系建立；

步骤S1034，如果所述车辆定位没有对应的车牌定位，则将所述车牌位置在高度和宽度上扩展，计算扩展后的位置与车辆定位位置的重叠比例，如果所述重叠比例大于50％，则对应关系建立；

步骤S1035，如果车牌扩展后，没有对应成功的车辆定位，将所述车牌定位置信度置零，如果车辆定位没有对应成功的车牌定位，将所述车辆定位置信度置零。

所述对应关系建立时，如果所述车辆定位没有对应的车牌定位，还包括将所述车牌位置在高度和宽度上适当扩展，例如以车牌定位位置宽度为基数，高度和宽度分别扩展R_h、R_w倍，计算扩展后的位置与车辆定位位置的重叠比例，如果所述重叠比例大于50％，则对应关系建立成功。

步骤S104，根据所述第一区域、第二区域以及第三区域与所述高清摄像机的水平距离以及预设的车辆初进入视野的车牌置信度，计算车牌位置的车牌定位权重及车辆定位权重。本实施例中，计算车牌权重即车辆权重是利用以下公式：

其中，a表示所述高清摄像机至非视野区域与所述第一区域的划分线之间的水平距离；

b表示所述高清摄像机位置至所述第二区域与第三区域的划分线之间的水平距离；

k表示预设的车辆初进入视野的车牌置信度；

x表示所述高清摄像机与车牌位置之间的水平距离；

y₁(x)表示车牌位置x时的车牌定位权重；

y₂(x)表示车牌位置x时的车辆定位权重。

图4为本发明实施例的在不同区域，车牌定位权重及车辆定位权重的计算结果示意图。由图4可知，车牌定位权重和车辆定位权重是根据车牌位置所在区域的不同而变化的，车牌定位权重随着车辆距离越来越远而逐渐减小，车辆定位权重随着车辆距离越来越远而逐渐增大。在第一区域时，车牌定位置信度占主要权重，主要目的是建立车辆跟踪链基础，开始对车辆的准确跟踪；第二区域中，动态调整车辆定位置信度权重及车牌定位置信度权重，以在第一区域中建立的车辆跟踪链为基础，延长该跟踪链；第三区域，车牌定位位置置信度(y1)为零，即第三区域不做车牌定位，仅依赖车辆定位，即以车辆定位为主要权重，以第一区域、第二区域建立的跟踪链为基础，对车辆进行适当的延伸检测。

步骤S105，根据所述的车牌定位权重及车辆定位权重、车辆定位置信度及车牌定位置信度，计算生成车牌位置的车辆最终置信度。

本实施例中，计算车牌位置的车辆最终置信度是利用以下公式：

Z(c，x)＝C(c，x)*y₁(x)+P(c，x)*y₂(x)；其中，

y₁(x)表示车牌位置x时的车牌定位权重；

y₂(x)表示车牌位置x时的车辆定位权重；

C(c，x)表示车辆c在车辆定位时的车辆定位置信度；

P(c，x)表示车辆c在车牌定位时的车牌定位置信度；

Z(c，x)表示车辆c在位置x时的车辆最终置信度。

步骤S106，判断所述的车辆最终置信度是否满足预设阈值，如果满足，则将历史帧车辆与当前帧车辆进行匹配跟踪，建立车辆跟踪链。

此步骤中，设置阈值的目的是消除干扰。在检测定位阶段，某些外界的干扰可能被检测定位到，但确认置信度时，没有满足阈值条件，即可舍弃该伪车辆。也就是说初始定位到的所有车辆和车牌，并不一定是真实的车辆和牌照。当Z(c，x)大于预设阈值T时，说明该车辆c是真实车辆。当满足阈值T后，建立车辆跟踪链，即对历史帧车辆和当前帧车辆进行匹配跟踪，其建立是一帧一帧逐渐建立的，是指的相邻帧间车辆的跟踪匹配。

在其他实施例中，建立车辆跟踪链还包括在满足阈值T后，即在连续帧定位成功后，计算车辆定位位置重合度或车辆定位位置与预测位置重合度，如果重合度满足一定条件，则满足跟踪条件，可建立车辆跟踪链。

步骤S107，根据建立的车辆跟踪链判断交通事件，生成并输出交通事件及交通参数信息。

本实施例中，交通事件和交通参数的决策或计算都是通过车辆跟踪链的建立结果获得的。其中，根据车辆跟踪链可以判断的交通事件有：

停车事件：当某车辆跟踪位置(位置中心)由运动(例如，相邻帧绝对位移超过车身长度1/2)到静止(例如，相邻帧绝对位移不大于车身长度1/2)，且静止时间超过设定时间阈值n(例如，5s)，则认为停车事件发生；

逆行事件：某车辆跟踪链建立过程中，如果车辆运动方向与车辆所在车道标定方向相反，且行驶距离超过设定距离阈值(例如，车身长度2倍)，则认为停车事件发生；

抛撒物事件：当车道路面出现遗留抛洒物时，通过车辆出现相同避让行为。所以当一定数量车辆跟踪链(例如，20-50辆有效车)，在相同位置出现拐点，且持续时间超过预设时间阈值，则认为抛撒物事件发生；

拥堵事件：所有车辆跟踪链出现缓慢或静止状态(例如，车辆相邻10帧位移小于车身长度1/2)，并且该状态持续时间超过设定的时间阈值(例如，10s)。

本实施例中，生成的交通参数有：

截面流量：相邻帧跟踪中车辆中心位置跨越标定横截面x时，车辆数加一而得到的流量数据；

时间段流量：固定时间段内，从起始时间到终止时间内，横截面累计流量；

瞬时速度：车辆通过道路上某一横截面x时，计算车辆中心在图像上的运动距离，通过与已标定距离的转化，计算的车速；

车型分类：根据车辆的车牌类型及通过车辆的边缘矩形长度，将车辆分成不同的长度类型。

图5为本发明实施例的基于高清摄像机进行路面事件检测的系统的结构示意图，如图5所示，所述检测系统包括主控装置1和高清摄像机2，其中，如图6所示，本实施例的主控装置1包括：

区域划分模块101，用于将所述高清摄像机的检测视野划分为第一区域，第二区域以及第三区域；置信度计算模块102，用于根据所述高清摄像机捕获的图形数据，进行车辆定位及车牌定位，计算生成车辆定位置信度和车牌定位置信度；对应关系建立模块103，用于根据所述的车辆定位置信度和车牌定位置信度，建立所述车辆定位位置与车牌定位位置的对应关系；权重计算模块104，用于根据所述第一区域、第二区域以及第三区域与所述高清摄像机的水平距离以及预设的车辆初进入视野的车牌置信度，计算车牌位置的车牌定位权重及车辆定位权重；车辆最终置信度生成模块105，用于根据所述的车牌定位权重及车辆定位权重、车辆定位置信度及车牌定位置信度，计算生成车牌位置的车辆最终置信度；匹配跟踪模块106，用于判断所述的车辆最终置信度是否满足预设阈值，如果满足，则将历史帧车辆与当前帧车辆进行匹配跟踪，建立车辆跟踪链；交通事件检测模块107，用于根据建立的车辆跟踪链判断交通事件，生成并输出交通事件及交通参数信息。

在本实施例中，如图7所示，所述主控系统1还包括：

车辆定位模块108，用于根据所述高清摄像机捕获的图形数据，进行车辆定位：在所述第一区域，对车辆的定位采取下述方法：相邻帧做帧差，二值化，按车道方向投影，检测车辆左右边缘，在左右边缘基础上横向检测车辆尾部黑块信息，确定车辆尾部位置，按照尾部位置对轮廓进行检测生成车辆位置；在所述第二区域、第三区域，对车辆定位采取下述方法：实时背景更新，当前帧与背景做差，得到背景差，二值化，连通域方法检测车辆，按车道适当切分得到独立的车辆位置；

车牌定位模块109，用于根据所述高清摄像机捕获的图形数据，进行车牌定位：在所述第一区域，对车牌的定位采取下述方法：利用提取到的颜色信息，纹理信息，及区域高宽比特征定位车牌；在所述第二区域，对车牌的定位采取下述方法：在背景差有效前景的基础上，标定颜色位置，定位车牌位置；在所述第三区域，不进行车牌定位。

所述的车辆定位模块108及车牌定位模块109连接于高清摄像机2和置信度计算模块102，，所述置信度计算模块102用于根据车辆定位方法及车牌定位方法中涉及到的特征参数，计算相应的车辆定位置信度及车牌定位置信度。例如，在车辆定位置信度的计算中，特征参数包括黑块信息、尾部轮廓以及连通域中的取点等；在车牌定位置信度的计算中，特征参数包括高宽比信息、颜色信息以及纹理信息等。

在本实施例中，如图8所示，所述的对应关系建立模块103包括：

车辆定位置信度过滤单元1031，用于过滤车辆定位置信度小于预设车辆阈值的车辆定位；车牌定位置信度过滤单元1032，用于过滤车牌定位置信度小于预设车牌阈值的车牌定位；包含关系判断模块1033，用于判断所述车辆定位与所述车牌定位之间的包含关系，如果所述车辆定位包含所述车牌定位，则对应关系建立；扩展判断单元1034，用于当所述包含关系判断模块判断出所述车辆定位没有对应的车牌定位时，将所述车牌位置在高度和宽度上扩展，计算扩展后的位置与车辆定位位置的重叠比例，如果所述重叠比例大于50％，则对应关系建立成功；置信度置零模块1035，用于当所述车牌定位没有对应成功的车辆定位，将所述车牌定位置信度置零，或者当车辆定位没有对应成功的车牌定位，将所述车辆定位置信度置零。

权重计算模块104用于根据所述第一区域、第二区域以及第三区域与所述高清摄像机的水平距离以及预设的车辆初进入视野的车牌置信度，计算车牌位置的车牌定位权重及车辆定位权重，包括：

其中，a表示所述高清摄像机至非视野区域与所述第一区域的划分线之间的水平距离；

b表示所述高清摄像机位置至所述第二区域与第三区域的划分线之间的水平距离；

k表示预设的车辆初进入视野的车牌置信度x表示所述高清摄像机与车牌位置之间的水平距离；

y₁(x)表示车牌位置x时的车牌定位权重；

y₂(x)表示车牌位置x时的车辆定位权重。

车辆最终置信度生成模块105用于根据所述的车牌定位权重及车辆定位权重、车辆定位置信度及车牌定位置信度，计算生成车牌位置的车辆最终置信度，包括：

根据如下公式：Z(c，x)＝C(c，x)*y₁(x)+P(c，x)*y₂(x)；其中，

y₁(x)表示车牌位置x时的车牌定位权重；

y₂(x)表示车牌位置x时的车辆定位权重；

C(c，x)表示车辆c在车辆定位时的车辆定位置信度；

P(c，x)表示车辆c在车牌定位时的车牌定位置信度；

Z(c，x)表示车辆c在位置x时的车辆最终置信度。

匹配跟踪模块106，用于判断所述的车辆最终置信度是否满足预设阈值，如果满足，则将历史帧车辆与当前帧车辆进行匹配跟踪，建立车辆跟踪链。本实施例中，设置阈值的目的是消除干扰。在检测定位阶段，某些外界的干扰可能被检测定位到，但确认置信度时，没有满足阈值条件，即可舍弃该伪车辆。也就是说初始定位到的所有车辆和牌，并不一定是真实的车辆和牌照。当Z(c，x)大于预设阈值T时，说明该车辆c是真实车辆。当满足阈值后，建立车辆跟踪链，即对历史帧车辆和当前帧车辆进行匹配跟踪，其建立是一帧一帧逐渐建立的，是指的相邻帧间车辆的跟踪匹配。

在其他实施例中，建立车辆跟踪链还包括在满足阈值T后，即在连续帧定位成功后，计算车辆定位位置重合度或车辆定位位置与预测位置重合度，如果重合度满足一定条件，则满足跟踪条件，可建立车辆跟踪链。

交通事件检测模块107用于根据建立的车辆跟踪链判断交通事件，生成并输出交通事件及交通参数信息。其中，生成的交通时间包括：

停车事件：当某车辆跟踪位置(位置中心)由运动(例如，相邻帧绝对位移超过车身长度1/2)到静止(例如，相邻帧绝对位移不大于车身长度1/2)，且静止时间超过设定时间阈值n(例如，5s)，则认为停车事件发生；

逆行事件：某车辆跟踪链建立过程中，如果车辆运动方向与车辆所在车道标定方向相反，且行驶距离超过设定距离阈值(例如，车身长度2倍)，则认为停车事件发生；

抛撒物事件：当车道路面出现遗留抛洒物时，通过车辆出现相同避让行为。所以当一定数量车辆跟踪链(例如，20-50辆有效车)，在相同位置出现拐点，且持续时间超过预设时间阈值，则认为抛撒物事件发生；

拥堵事件：所有车辆跟踪链出现缓慢或静止状态(例如，车辆相邻10帧位移小于车身长度1/2)，并且该状态持续时间超过设定的时间阈值(例如，10s)。

本实施例中，生成的交通参数有：截面流量：相邻帧跟踪中车辆中心位置跨越标定横截面x时，车辆数加一而得到的流量数据；时间段流量：固定时间段内，从起始时间到终止时间内，横截面累计流量；瞬时速度：车辆通过道路上某一横截面x时，计算车辆中心在图像上的运动距离，通过与已标定距离的转化，计算的车速；车型分类：根据车辆的车牌类型及通过车辆的边缘矩形长度，将车辆分成不同的长度类型。

下面以一个具体实施例来描述本发明的基于高清摄像机进行路面事件检测的方法流程及检测系统工作流程。

本实施例中以某一车道的停车事件为例进行说明。其中，本实施例的基础信息为：500万摄像机，图像像素2448*2048(宽*高)，相机到图像靶面20米，视野靶面宽度16.25米，车牌最大宽度为66像素。

区域划分：如图9所示，标线①下方为第一区域，长度为25米、标线①到标线②为第二区域，长度为20米、标线②到标线③为第三区域，长度为100米。

标定视野左侧车道为检测区域，如图10～图13所示，为获取的高清图像数据的示意图。其中，图10为第975帧的图像数据，图11为第985帧的图像数据，图12为第999帧的图像数据，图13为第1025帧的图像数据。

采用车牌颜色F1、纹理F2、高宽比F3为特征参数进行车牌定位，融合各特征，计算车牌定位置信度为：

P(C|F1，F2，F3)＝P(C)*P(F1|C)*P(F1|C)*P(F1|C)/(P(F1)*P(F2)*P(F3))

＝0.2*0.79*0.85*0.71/(0.45*0.4*0.6)＝0.88；

同理计算车辆定位置信度为：0.71。

在本实施例中，设定车辆定位置信度阈值为0.7，车牌定位置信度阈值为0.8，因此车辆定位置信度与车牌定位置信度均大于阈值条件，且两定位位置满足包含关系，则判定两定位属于同一车辆。

然后，根据所述第一区域、第二区域以及第三区域与所述高清摄像机的水平距离以及预设的车辆初进入视野的车牌置信度，计算车牌位置的车牌定位权重及车辆定位权重：

根据图9中设定的第一区域、第二区域及第三区域的大小，得知a＝65，b＝20，设定常数k＝0.9，即车辆初进入视野的最大车牌置信度为0.9，且车牌中心位置x＝13+b＝33，得：

Y1＝(0.9/2)*(1+cos(13*3.14159/45))＝0.899；

Y2＝1-0.899＝0.101。

最后根据公式Z(c，x)＝C(c，x)*y₁(x)+P(c，x)*y₂(x)即得，该车辆定位置信度：

Z＝0.88*0.899+0.71*0.101＝0.86，满足预设阈值，表明该车辆位置为有效车辆定位，满足跟踪条件，即建立车辆跟踪链。

在另一实施例中，在连续帧定位成功后，计算车辆定位位置重合度或车辆定位位置与预测位置的重合度，如果重合度满足预设阈值，则满足跟踪条件，建立车辆跟踪链。

从图10～图13可以看出，右侧车道的虚框中的车辆刚开始静止，累计5秒，从图10到图13，跟踪链中的此车辆仍然静止，则确定该车辆发生车辆停止事件，并输出该停车事件。

本发明实施例的基于高清摄像机进行路面事件检测的方法与系统，由于本发明将检测区域划分为三个区域，且在三个区域采用不同的车辆定位及车牌定位方法，并且将包含置信度及权重的检测方法应用到事件检测中，不但解决了高清车牌识别区域过小问题导致检测不完全的问题，而且可以大大提高检测的精度，降低了误警率。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (16)

1.一种基于高清摄像机进行路面事件检测的方法，其特征在于，所述方法包括：

将所述高清摄像机的检测视野划分为第一区域，第二区域以及第三区域；

根据所述高清摄像机捕获的图形数据，进行车辆定位及车牌定位，计算生成车辆定位置信度和车牌定位置信度；

根据所述的车辆定位置信度和车牌定位置信度，建立所述车辆定位位置与车牌定位位置的对应关系；

根据所述第一区域、第二区域以及第三区域与所述高清摄像机的水平距离以及预设的车辆初进入视野的车牌置信度，计算车牌位置的车牌定位权重及车辆定位权重；

根据所述的车牌定位权重及车辆定位权重、车辆定位置信度及车牌定位置信度，计算生成车牌位置的车辆最终置信度；

判断所述的车辆最终置信度是否满足预设阈值，如果满足，则将历史帧车辆与当前帧车辆进行匹配跟踪，建立车辆跟踪链；

根据建立的车辆跟踪链判断交通事件，生成并输出交通事件及交通参数信息。

2.如权利要求1所述的方法，其特征在于，所述根据高清摄像机捕获的图形数据，进行车辆定位及车牌定位，包括：

在所述第一区域，对车辆的定位采取下述方法：相邻帧做帧差，二值化，按车道方向投影，检测车辆左右边缘，在左右边缘基础上横向检测车辆尾部黑块信息，确定车辆尾部位置，按照尾部位置对轮廓进行检测生成车辆位置；

在所述第二区域、第三区域，对车辆定位采取下述方法：实时背景更新，当前帧与背景做差，得到背景差，二值化，连通域方法检测车辆，按车道适当切分得到独立的车辆位置；

在所述第一区域，对车牌的定位采取下述方法：利用提取到的颜色信息，纹理信息，及区域高宽比特征定位车牌；

在所述第二区域，对车牌的定位采取下述方法：在背景差有效前景的基础上，标定颜色位置，定位车牌位置；

在所述第三区域，不进行车牌定位。

3.如权利要求2所述的方法，其特征在于，所述根据高清摄像机捕获的图形数据进行车辆定位及车牌定位，计算生成车辆定位置信度及车牌定位置信度，包括：

对所述的车辆定位和车牌定位，采用特征融合及基于最小错误率的多特征bayes方法，计算生成车辆定位置信度及车牌定位置信度。

4.如权利要求1所述的方法，其特征在于，所述根据所述的车辆定位置信度和车牌定位置信度，建立所述车辆定位位置与车牌定位位置的对应关系，包括：

过滤车辆定位置信度小于预设车辆阈值的车辆定位；

过滤车牌定位置信度小于预设车牌阈值的车牌定位；

判断所述车辆定位与所述车牌定位之间的包含关系，如果所述车辆定位包含所述车牌定位，则对应关系建立；

如果所述车辆定位没有对应的车牌定位，则将所述车牌位置在高度和宽度上扩展，计算扩展后的位置与车辆定位位置的重叠比例，如果所述重叠比例大于50％，则对应关系建立；

如果车牌扩展后，没有对应成功的车辆定位，将所述车牌定位置信度置零，如果车辆定位没有对应成功的车牌定位，将所述车辆定位置信度置零。

5.如权利要求1所述的方法，其特征在于，所述根据所述第一区域、第二区域以及第三区域与所述高清摄像机的水平距离以及预设的车辆初进入视野的车牌置信度，计算车牌位置的车牌定位权重及车辆定位权重，包括：

其中，a表示所述高清摄像机至非视野区域与所述第一区域的划分线之间的水平距离；

b表示所述高清摄像机位置至所述第二区域与第三区域的划分线之间的水平距离；

k表示预设的车辆初进入视野的车牌置信度；

x表示所述高清摄像机与车牌位置之间的水平距离；

y₁(x)表示车牌位置x时的车牌定位权重；

y₂(x)表示车牌位置x时的车辆定位权重。

6.如权利要求5所述的方法，其特征在于，所述根据所述的车牌定位权重及车辆定位权重、车辆定位置信度及车牌定位置信度，计算生成车牌位置的车辆最终置信度，包括：

根据如下公式：Z(c，x)＝C(c，x)*y₁(x)+P(c，x)*y₂(x)；其中，

y₁(x)表示车牌位置x时的车牌定位权重；

y₂(x)表示车牌位置x时的车辆定位权重；

C(c，x)表示车辆c在车辆定位时的车辆定位置信度；

P(c，x)表示车辆c在车牌定位时的车牌定位置信度；

Z(c，x)表示车辆c在位置x时的车辆最终置信度。

7.如权利要求1所述的方法，其特征在于，所述根据建立的车辆跟踪链判断交通事件，生成并输出交通事件及交通参数信息，包括：

若所述车辆跟踪链中的位置中心由运动到静止，且所述静止时间超过设定时间阈值，则判断为停车事件；

若所述车辆跟踪链建立过程中，如果车辆运动矢量出现负值，且行驶距离超过设定距离阈值，则判断为逆行事件；

若所述建立的不同车辆的车辆跟踪链在相同位置出现拐点，且持续时间超过设定时间阈值，则判断为抛洒物事件；

若所有车辆跟踪链出现缓慢或静止状态，并且所述状态持续时间超过设定时间阈值，则判断为拥堵事件。

8.如权利要求7所述的方法，其特征在于，所述生成的交通参数信息包括截面流量信息、时间段信息、瞬时速度信息及车型分类信息。

9.一种基于高清摄像机进行路面事件检测的系统，其特征在于，所述检测系统包括高清摄像机和主控装置，其中，所述主控装置包括：

区域划分模块，用于将所述高清摄像机的检测视野划分为第一区域，第二区域以及第三区域；

置信度计算模块，用于根据所述高清摄像机捕获的图形数据，进行车辆定位及车牌定位，计算生成车辆定位置信度和车牌定位置信度；

对应关系建立模块，用于根据所述的车辆定位置信度和车牌定位置信度，建立所述车辆定位位置与车牌定位位置的对应关系；

权重计算模块，用于根据所述第一区域、第二区域以及第三区域与所述高清摄像机的水平距离以及预设的车辆初进入视野的车牌置信度，计算车牌位置的车牌定位权重及车辆定位权重；

车辆最终置信度生成模块，用于根据所述的车牌定位权重及车辆定位权重、车辆定位置信度及车牌定位置信度，计算生成车牌位置的车辆最终置信度；

匹配跟踪模块，用于判断所述的车辆最终置信度是否满足预设阈值，如果满足，则将历史帧车辆与当前帧车辆进行匹配跟踪，建立车辆跟踪链；

交通事件检测模块，用于根据建立的车辆跟踪链判断交通事件，生成并输出交通事件及交通参数信息。

10.如权利要求9所述的系统，其特征在于，所述主控系统还包括：

车辆定位模块，用于根据所述高清摄像机捕获的图形数据，进行车辆定位：在所述第一区域，对车辆的定位采取下述方法：相邻帧做帧差，二值化，按车道方向投影，检测车辆左右边缘，在左右边缘基础上横向检测车辆尾部黑块信息，确定车辆尾部位置，按照尾部位置对轮廓进行检测生成车辆位置；在所述第二区域、第三区域，对车辆定位采取下述方法：实时背景更新，当前帧与背景做差，得到背景差，二值化，连通域方法检测车辆，按车道适当切分得到独立的车辆位置；

车牌定位模块，用于根据所述高清摄像机捕获的图形数据，进行车牌定位：在所述第一区域，对车牌的定位采取下述方法：利用提取到的颜色信息，纹理信息，及区域高宽比特征定位车牌；在所述第二区域，对车牌的定位采取下述方法：在背景差有效前景的基础上，标定颜色位置，定位车牌位置；在所述第三区域，不进行车牌定位。

11.如权利要求10所述的系统，其特征在于，所述置信度计算模块根据高清摄像机捕获的图形数据，进行车辆定位及车牌定位，计算生成车辆定位置信度和车牌定位置信度，包括：

所述置信度计算模块采用特征融合及基于最小错误率的多特征bayes方法，计算生成车辆定位置信度及车牌定位置信度。

12.如权利要求9所述的系统，其特征在于，所述的对应关系建立模块包括；

车辆定位置信度过滤单元，用于过滤车辆定位置信度小于预设车辆阈值的车辆定位；

车牌定位置信度过滤单元，用于过滤车牌定位置信度小于预设车牌阈值的车牌定位；

包含关系判断模块，用于判断所述车辆定位与所述车牌定位之间的包含关系，如果所述车辆定位包含所述车牌定位，则对应关系建立；

扩展判断单元，用于当所述包含关系判断模块判断出所述车辆定位没有对应的车牌定位时，将所述车牌位置在高度和宽度上扩展，计算扩展后的位置与车辆定位位置的重叠比例，如果所述重叠比例大于50％，则对应关系建立成功；

置信度置零模块，用于当所述车牌定位没有对应成功的车辆定位，将所述车牌定位置信度置零，或者当车辆定位没有对应成功的车牌定位，将所述车辆定位置信度置零。

13.如权利要求9所述的系统，其特征在于，所述权重计算模块用于根据所述第一区域、第二区域以及第三区域与所述高清摄像机的水平距离以及预设的车辆初进入视野的车牌置信度，计算车牌位置的车牌定位权重及车辆定位权重，包括：

其中，a表示所述高清摄像机至非视野区域与所述第一区域的划分线之间的水平距离；

b表示所述高清摄像机位置至所述第二区域与第三区域的划分线之间的水平距离；

k表示预设的车辆初进入视野的车牌置信度；

x表示所述高清摄像机与车牌位置之间的水平距离；

y₁(x)表示车牌位置x时的车牌定位权重；

y₂(x)表示车牌位置x时的车辆定位权重。

14.如权利要求13所述的系统，其特征在于，所述车辆最终置信度生成模块用于根据所述的车牌定位权重及车辆定位权重、车辆定位置信度及车牌定位置信度，计算生成车牌位置的车辆最终置信度，包括：

根据如下公式：Z(c，x)＝C(c，x)*y₁(x)+P(c，x)*y₂(x)；其中，

y₁(x)表示车牌位置x时的车牌定位权重；

y₂(x)表示车牌位置x时的车辆定位权重；

C(c，x)表示车辆c在车辆定位时的车辆定位置信度；

P(c，x)表示车辆c在车牌定位时的车牌定位置信度；

Z(c，x)表示车辆c在位置x时的车辆最终置信度。

15.如权利要求9所述的系统，其特征在于，所述交通事件检测模块用于根据建立的车辆跟踪链判断交通事件，生成并输出交通事件及交通参数信息，包括：

若所述车辆跟踪链中的位置中心由运动到静止，且所述静止时间超过设定时间阈值，则判断为停车事件；

若所述车辆跟踪链建立过程中，如果车辆运动矢量出现负值，且行驶距离超过设定距离阈值，则判断为逆行事件；

若所述建立的不同车辆的车辆跟踪链在相同位置出现拐点，且持续时间超过设定时间阈值，则判断为抛洒物事件；

若所有车辆跟踪链出现缓慢或静止状态，并且所述状态持续时间超过设定时间阈值，则判断为拥堵事件。

16.如权利要求15所述的系统，其特征在于，所述生成的交通参数信息包括截面流量信息、时间段信息、瞬时速度信息及车型分类信息。

Images