CN102542799A

CN102542799A - 基于路面标记的行采集视频车辆检测器及其检测方法

Info

Publication number: CN102542799A
Application number: CN2011104278489A
Authority: CN
Inventors: 张辉; 刘漫霞; 温泽宏; 余志�
Original assignee: National Sun Yat Sen University
Current assignee: Sun Yat Sen University; National Sun Yat Sen University
Priority date: 2011-12-19
Filing date: 2011-12-19
Publication date: 2012-07-04

Abstract

本发明提供一种基于路面标记的行采集视频车辆检测器，包括以下组成单元：摄像头，用于采集路面视频信息；处理器，提取标线所在的行的像素值并按设定程序进行处理；存储器，用于处理器存储和读取数据；GPRS通信模块，将处理结果反馈给交通监控中心的服务器。同时，本发明还公开了其检测方法，用于实时检测路面交通流信息，能检测出是否有车辆通过以及统计车流量、计算车辆的时间占有率、车速、车型等信息，具有检测精度高、计算冗余度小和方便设置的特点。

Description

基于路面标记的行采集视频车辆检测器及其检测方法

技术领域

本发明涉及交通监控领域，特别是涉及一种视频车辆检测器。

背景技术

车辆检测器的分类有很多种，目前具有代表性的是按检测器的工作原理将其分为三类：磁频车辆检测器、波频车辆检测器和视频车辆检测器。

磁频车辆检测器，主要是环形感应线圈车辆检测器，其检测方法精确，设备稳定，技术成熟，且在恶劣天气条件下仍具备出色的性能。但其安装维护成本高，安装时需要切割路面以致严重影响路面寿命，线圈埋设在路上容易被车辆（尤其是重型车）压坏，维修时需要封路，影响交通流。

波频检测应用最多的有雷达检测器和激光检测器。雷达检测器具有不受天气影响、安装和维护对交通流没有影响，也无需开挖原有路面、可同时检测多条车道车流信息的优点。其主要缺点是在车流拥堵以及大型车较多、车型公布不均匀的路段，因遮挡，其测量精度会受到比较大的影响，同时对安装的精度要求比较高等。激光车检器与雷达车检器比较类似，并且价格昂贵，因此实际应用的不多。

视频车辆检测器是利用视频传感器，实时获得交通场景的信息，利用模式识别技术、图像处理技术等来实现车辆的检测的一种车辆检测器。视频检测优点是可检测较大的交通场景面积，采集更多交通信息；投资少、费用低；视频传感器等设备，例如摄像头，易于安装和调试，其软件可以升级，可扩展性好，使用寿命长，且安装和维护不会破换路面。

视频车辆检测中主要有灰度比较法、背景差分法、帧差法和边缘检测法等。然而, 这些检测方法在实际应用中，仍存在许多问题。首先，道路在户外, 光照条件随时间发生显著改变，检测算法除了要适应不同的光照条件变化外，还要排除因阴影引起的车辆错检。其次，不同的车辆在大小、颜色上差异较大，车辆识别难度较大，易出现误检和漏检情况。再次，视频图像包含的信息量较大，数据冗余大，目前计算机的运算能力有限，许多方法尽管理论上是可行的，却不能在实际应用中满足实时处理的要求。

发明内容

针对目前视频车检器检测过程中存在的主要问题，本发明提供一种基于路面标记的行采集视频车辆检测器及其检测方法，用于实时检测路面交通流信息，具有检测精度高、计算冗余度小和方便安装的特点。

本发明的技术方案是：提供一种基于路面标记的行采集视频车辆检测器，包括以下组成单元：摄像头，用于采集路面视频信息；处理器，提取标线所在的行的像素值并按设定检测算法进行处理；存储器，用于处理器存储和读取数据；GPRS通信模块，将处理结果反馈给交通监控中心的服务器。

进一步地，通过一体化设计，所述的摄像头、处理器、存储器和GPRS通信模块集成在一起。

进一步地，所述服务器通过GPRS通信模块设定车辆检测器的算法参数和工作模式，这样，通过GPRS通信模块服务器和车辆检测器实现数据交换。

进一步地，所述车辆检测器具有两种工作模式，在安装调试时，采用输出完整视频图像的模式，使摄像头对准检测区域；在进行检测时，采用分析视频图像中的某行像素值进行计算的模式，输出交通流信息。

作为改进之一，所述GPRS通信模块接入互联网，可以在网上共享交通流信息。

同时，本发明还公开了基于路面标记的行采集视频车辆检测器的检测方法，包括以下步骤：设置路面标线；处理器从摄像头采集的视频信息中提取标线所在的行的像素值；处理器通过检测算法判断是否有车辆通过以及统计车流量、计算车辆的时间占有率；GPRS通信模块将车流量、车辆的时间占有率通过GPRS模块发送到交通监控中心的服务器。

进一步地，所述检测算法包括以下流程：获取路面标线数据；对数据进行去直流处理；对数据进行单边中值二值化处理；对破坏区域进行检测；车辆计数。

作为改进之一，所述路面标线有2条或以上，通过比对车辆通过前后标线的时间差，测量车辆的行驶速度。

作为改进之一，所述检测方法，通过比对车型特点，判断所检测车辆的车型。

本发明的有益效果是：

1、由于在对车辆进行检测时，本发明只采集视频中某一行的像素，相比采集完整视频像素的普通车辆检测器来说，其数据量大大减小，容易实现高帧率的视频采集，从而提高了车辆检测的时间精度。所需处理的数据量小，可以使用单片机处理数据，大大的降低了车辆检测器的成本。

2、传统视频车辆检测是将视频传送回监控计算机，由监控计算机处理数据，这种方法对监控计算机的配置要求较高，且监控的道路数量有限。而本发明完全由车辆检测器的微处理器处理算法，只是向监控计算机发送交通流数据。理论上，使用一台监控计算机就能够完成所有道路的交通流采集。

3、本发明通过一体化设计将摄像头装置、处理器和GPRS通信模块集成为一个便携的车辆检测器，而且一条道路多个车道只需一个车检器，方便架设，降低成本。

4、实现两种工作模式，既可输出完整的视频图像，也可输出交通流信息。在安装调试时，可采用输出完整视频图像的模式，使摄像头对准检测区域；在对车辆进行检测时，采用分析视频图像中的某行像素进行计算的模式，输出交通流信息。

5、车辆检测器可以在有路灯等辅助照明的情况下全天候工作。相比于传统的车辆检测器，本发明能够较好的解决车流密集，多车并行时的车辆检测问题，平均识别率达95%以上，具有较高的应用价值。

附图说明

图1是本发明的结构示意图；

图2是无车经过时黑夜状态标线灰度值曲线；

图3是有车经过时黑夜状态标线灰度值曲线；

图4是窗口大小为12的均值滤波曲线；

图5是窗口大小为36的均值滤波曲线；

图6是去直流处理后的曲线；

图7是单边中值分割法阈值示意图；

图8是无车经过时单边中值法分割结果；

图9是有车经过时破坏区域检测结果；

图10是单辆车经过时子区域破坏数的条形图。

具体实施方式

图1是本发明提供的基于路面标记的行采集视频车辆检测器的结构示意图，包括以下组成单元：摄像头装置，用于采集路面视频信息；处理器单元，提取标线所在的行的像素值并按设定程序进行处理；存储单元，用于处理器存储和读取数据；GPRS通信模块，将处理结果反馈给交通监控中心的服务器。其中处理器为微处理器MC9S12XS128，摄像头型号为OV7620，GPRS通信模块为EM310，集成在一起。服务器通过GPRS通信模块设定车辆检测器的算法参数和工作模式。

其具体检测方法分为以下步骤：

1、设置路面标线，可以利用已有的人行道，也可以自行绘制。

2、处理器从摄像头采集的视频信息中提取标线所在的行的像素值。以黑夜的一个场景实例来说明。在没有车经过时，采集到的标线数据灰度值曲线如图2所示，可以看出曲线变化的规律是符合标线分布特点的。当有车经过时，采集到的标线数据灰度值曲线如图3所示，曲线局部的变化规律遭到破坏。我们通过检测这种破坏来判断是否有车经过。

3、处理器通过检测算法判断出是否有车辆通过以及统计车流量、计算车辆的时间占有率。其检验算法具体包括以下流程：

3.1均值滤波

为了滤除图像噪声，对于采集到的路面标线数据，以路面标线块大小的一半为窗口宽度，进行均值滤波。图3的滤波效果如图4所示。

3.2去直流处理

为了更好的去除局部灯光、阴影等干扰，本专利使用了去直流的处理方法。去直流处理就是将小窗口均值滤波后的数据减去大窗口均值滤波后的数据，大窗口的宽度定为小窗口宽度的三倍，对于图4，大窗口均值滤波后的效果如图5。将图4的数据减去图5的数据就得到去直流后的数据，如图6所示。

3.3单边中值二值化处理

对于局部阈值分割法，怎么确定局部区域是其中一个重要的关键。传统的局部阈值分割法只是考虑了区域的一些参数如方差、均值等，而缺少了对区域特征的考虑。针对传统局部阈值在标线分割里存在的问题，本发明使用了单边中值法确定阈值和分割图像，虽然在适用性上不如传统的局部阈值分割法，但是在标线分割这个特定的应用里，单边中值法的性能远优于传统的局部阈值分割法。

单边中值分割算法原理：假定标线是由若干条边组合而成，如出现一个尖峰，可以认为它是由两条边组合而成，于是，标线的分割就转为边的分割，即将边定为一个局部来分割。每条边使用的是边的最大值和最小值的平均值作为阈值来分割。

分析无车经过时的路面标线经去直流处理的灰度值曲线。如图7所示，每条边上的黑点代表该边的阈值，每条边的阈值等于该边的最大值和最小值的均值。每条边的分割是独立的，即一条边的阈值只对自己分割，而不会影响其他边。

对图7的分割结果如图8所示，可见单边中值分割法能够很好的分割灰度不均匀的标线数据，具有很强的适应性和实用价值。

对有车经过时的路面标线经去直流处理的灰度值曲线进行单边中值二值化处理，可以得到图9所示的曲线图。

3.4破坏区域检测

破坏区域检测算法的基本思想是判断单边中值二值化后的标线相邻边缘之间的距离是否满足要求。算法主要分为三步：

1）对于单边中值二值化后的标线数据

Figure 2011104278489100002DEST_PATH_IMAGE001

，通过下式计算它的一阶导数

的大小和正负来判断跳变和跳变方向。

Figure 2011104278489100002DEST_PATH_IMAGE003

若

，表示检测到边缘；若，则边缘为上升沿；若

，则边缘为下降沿。

2）在第一步检测到边缘的基础上，对边缘间的距离进行判断。左边上升沿和右边下降沿组成谷，左边下降沿和右边上升沿组成峰。由于谷和峰的宽度不一定相同，我们定义了谷宽和峰宽来标示标线块是否被破坏，不使用绝对的宽度，而是给出一个宽度范围，在宽度范围外的边缘是被破坏的边缘。破坏边缘组成破坏区域。

3）对于检测到的破坏区域，先合并距离相近的区域，再判断区域的宽度。若区域的宽度范围小于一个阈值（我们将其设为一部车所占的宽度范围），忽略该破坏区域。对于那些宽度大于阈值的区域，我们才将其定为最终的破坏区域。图9中打圈部分为最后确定的破坏区域。

3.5车辆计数

为了车辆计数的方便，将标线分为等宽的25个子区域。对于前面得到的破坏区域，通过以下方法将其映射到子区域中，设子区域宽度为

Figure 2011104278489100002DEST_PATH_IMAGE007

：

1）标线上的边缘点

映射到子区域，如下式：

Figure 2011104278489100002DEST_PATH_IMAGE009

其中

表示子区域编号，

Figure 2011104278489100002DEST_PATH_IMAGE011

表示

整除

。

2）设破坏区域左边缘为

，右边缘为

Figure 2011104278489100002DEST_PATH_IMAGE013

，则破坏区域对应的子区域是从编号为

到

Figure 2011104278489100002DEST_PATH_IMAGE015

的子区域集合，如下式。

其中，

。

对于破坏区域映射的子区域，可以认为这个子区域被破坏。通过设置一个一维数组变量

Figure 2011104278489100002DEST_PATH_IMAGE019

，为子区域编号，来统计子区域被破坏的次数。

车辆数增加需要满足以下三个条件：

1）存在破坏次数超过阈值A的连续的子区域。阈值A表示需要检测到几帧被破坏才认为破坏是经过车辆产生的。按照实验情况，阈值A定为5。

2）连续子区域数量大于阈值B。这里的阈值B代表车辆所能破坏子区域的最小区域数。按照实验情况，阈值B定为4。

3）连续子区域的中每一个子区域的破坏数连续2帧没有发生改变。

子区域的破坏数需要清零，在子区域的破坏数连续2帧没有发生改变的条件下，且不满足车辆数增加的三个条件，子区域的破坏数会自动清零。另外，在车辆成功计数时也需要将其对应的连续子区域清零。图10是单辆车经过时子区域破坏数的条形图。

处理器中的车辆检测算法对采集到的某固定单行的像素值进行分析研究，从而判断车辆是否通过，计算车辆时间占有率、判断车型、统计车流量等交通参数。更进一步地，在一定距离设置两条路标，通过比对通过前后路标的时间差，即可实现测速的功能。

4、系统将处理器计算所得的各交通流参数通过GPRS通信模块发送到服务器。

为验证本发明检测方法对于车流量检测的有效性，在广州市几个交通要道进行了试验，试验结果显示平均识别率为97.45%。实际检测结果如表1所示。

表1 车辆检测器检测结果表

实验场地	时间长度/min	安装条件	光线条件	真实数量	程序计数	识别率
							道路1	10	正下	白天明亮	448	449	99.78%
道路2	10	偏斜	白天明亮	690	657	95.22%
							道路3	10	正下	白天明亮	680	658	96.76%
道路3	10	正下	白天明亮	625	594	95.04%
							道路3	10	正下	白天明亮	590	573	97.12%
道路4	10	偏斜	白天明亮	640	600	93.75%
							道路5	4	正下	夜晚较暗	148	147	99.32%
道路6	10	正下	白天明亮	443	444	99.77%
							道路7	10	正下	白天明亮	385	384	99.74%
道路7	10	正下	白天明亮	386	389	99.22%
							道路7	10	正下	傍晚稍暗	406	407	99.75%

Claims

1.一种基于路面标记的行采集视频车辆检测器，其特征在于，包括以下组成单元：摄像头，用于采集路面视频信息；处理器，提取标线所在的行的像素值并按设定检测算法进行处理；存储器，用于处理器存储和读取数据；GPRS通信模块，将处理结果反馈给交通监控中心的服务器。

2.根据权利要求1所述的基于路面标记的行采集视频车辆检测器，其特征在于，所述的摄像头、处理器、存储器和GPRS通信模块集成在一起。

3.根据权利要求1所述的基于路面标记的行采集视频车辆检测器，其特征在于，所述服务器通过GPRS通信模块设定车辆检测器的算法参数和工作模式。

4.根据权利要求1所述的基于路面标记的行采集视频车辆检测器，其特征在于，所述车辆检测器具有两种工作模式，在安装调试车时，采用输出完整视频图像的模式，使摄像头对准检测区域；在进行检测时，采用分析视频图像中的某行像素值进行计算的模式，输出交通流信息。

5.根据权利要求1所述的基于路面标记的行采集视频车辆检测器，其特征在于，所述GPRS通信模块接入互联网。

6.一种基于路面标记的行采集视频车辆检测器的检测方法，其特征在于，包括以下步骤：设置路面标线；处理器从摄像头采集的视频信息中提取标线所在的行的像素值；处理器通过检测算法判断是否有车辆通过以及统计车流量、计算车辆的时间占有率；GPRS通信模块将车流量、车辆的时间占有率信息通过GPRS模块发送到交通监控中心的服务器。

7.根据权利要求2所述的基于路面标记的行采集视频车辆检测器的检测方法，其特征在于，所述检测算法包括以下流程：获取路面标线数据；对数据进行去直流处理；对数据进行单边中值二值化处理；对破坏区域进行检测；车辆计数。

8.根据权利要求2所述的基于路面标记的行采集视频车辆检测器的检测方法，其特征在于，所述路面标线有2条或以上，通过比对车辆通过前后标线的时间差，测量车辆的行驶速度。

9.根据权利要求2所述的基于路面标记的行采集视频车辆检测器的检测方法，其特征在于，所述检测方法，通过比对车型特点，判断所检测车辆的车型。