CN103258434A - 基于视频交通流检测和车辆识别的图像边缘检测系统 - Google Patents
基于视频交通流检测和车辆识别的图像边缘检测系统 Download PDFInfo
- Publication number
- CN103258434A CN103258434A CN2013101476608A CN201310147660A CN103258434A CN 103258434 A CN103258434 A CN 103258434A CN 2013101476608 A CN2013101476608 A CN 2013101476608A CN 201310147660 A CN201310147660 A CN 201310147660A CN 103258434 A CN103258434 A CN 103258434A
- Authority
- CN
- China
- Prior art keywords
- image
- detection
- carried out
- edge
- traffic
- 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.)
- Pending
Links
Images
Abstract
本发明涉及一种基于视频交通流检测和车辆识别的图像边缘检测系统,通过摄像机进行对道路交通流图像的图像采集,将采集到的序列图像进行图像的预处理,预处理后的图像送入计算机进行图像分割和图像边缘检测,对分割后的图像和边缘检测过后的图像进行图像识别,对识别后的图像进行结果输出,最终输出交通流数据和交通状况。本发明的基于视频交通流检测和车辆识别的图像边缘检测系统,通过道路交通信息和交通目标活动的实时检测,实现自动统计在交通路段上行驶的机动车车辆的速度、和识别划分与车辆类别有关的交通参数,从而达到对道路交通状况、信息监控的作用。
Description
技术领域
本发明涉及检测系统的领域,尤其是一种基于视频交通流检测和车辆识别的图像边缘检测系统。
背景技术
图像是人类访问和交换信息的主要来源。因此,图像边缘处理应用必然涉及到人类生活和工作的各个方面。当人类活动范围不断扩大,图像边缘检测和提取处理应用也将进一步不断扩大。数字图像边缘检测(Digital ImageProcessing)又称为计算机图像边缘检测,它是指将图像信号转换成数字信号并利用计算机对其加工的过程。数字图像边缘检测首先出现在20世纪50年代,当电子计算机发展到一定的水平,人们开始利用计算机来处理图形和图像信息。数字图像边缘检测中,输入的是质量低的图像,输出的是改善质量后的图像,常用的图像边缘检测处理方法有图像增强、锐化、复原、编码、压缩、提取等。数字图像边缘检测与提取处理的主要应用领域有:
(1)航天和航空技术方面的应用数字图像边缘检测技术在航天和航空技术方面的应用,除了月球、火星照片的处理之外,另一方面的应用是在飞机遥感和卫星遥感技术中。从60年代末以来,美国及一些国际组织发射了资源遥感卫星(如LANDSAT系列)和天空实验室(如SKYLAB),由于成像条件受飞行器位置、姿态、环境条件等影响,图像质量总不是很高。现在改用配备有高级计算机的图像边缘检测系统来判读分析首先提取出其图像边缘,既节省人力,又加快了速度,还可以从照片中提取人工所不能发现的大量有用信息
(2)生物医学工程方面的应用数字图像边缘检测在生物医学工程方面的应用十分广泛,而且很有成效。除了CT技术之外,还有一类是对阵用微小图像的处理分析,如红细胞、白细胞分类检测,染色体边缘分析,癌细胞特征识别等都要用到边缘的判别。此外,在X光肺部图像增强、超声波图像边缘检测、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像边缘分析处理技术。
(3)公安军事方面的应用公安业务图片的判读分析,指纹识别,人脸鉴别,不完整图片的复原,以及交通监控、事故分析等。目前己投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别(主要是汽车牌照的边缘检测与提取技术)都是图像边缘检测技术成功应用的例子。在军事方面图像边缘检测和识别主要用于导弹的精确制导,各种侦察照片的判读,对不明来袭武器性质的识别,具有图像传输、存储和显示的军事自动化指挥系统,飞机、坦克和军舰模拟训练系统等。
(4)交通管理系统的应用随着我国大力发展经济建设,使得城市的人口和机动车辆也在急剧增长,交通堵塞现象,严重交通事故时有发生。交通问题已经成为城市管理工作的严责问题,这严重阻碍和制约着城市经济建设的发展。所以,解决城市交通问题就必须要准确地把握交通信息。目前国内常见的交通流检测方法有人工监测、地理感应线圈、超声波探测器、视频监测等。其中,视频监测方法比其他方法更具优越性。
视频交通流检测和车辆识别系统是一种利用图像边缘检测技术来实现目标探测和识别的交通处理系统。通过道路交通信息和交通目标活动(例如:超速、停车、超车等等)的实时检测,实现自动统计在交通路段上行驶的机动车车辆的速度、和识别划分与车辆类别有关的交通参数,从而达到对道路交通状况、信息监控的作用。而车辆的自动识别是计算机视觉、图像边缘检测与模式识别技术在智能交通领域应用的重要研究课题之一,是实现交通管理智能化的重要环节,主要包括车牌定位、字符车牌分割和车牌字符识别三个关键环节。发达国家LPR系统在实际交通系统中已成功应用,而我国的开发应用进展缓慢,基本停留在实验室阶段。
发明内容
本发明要解决的技术问题是:提供一种基于视频交通流检测和车辆识别的图像边缘检测系统。
本发明解决其技术问题所采用的技术方案是:一种基于视频交通流检测和车辆识别的图像边缘检测系统,通过摄像机进行对道路交通流图像的图像采集,将采集到的序列图像进行图像的预处理,预处理后的图像送入计算机进行图像分割和图像边缘检测,图像边缘检测主要由图像输入、图像存储、图像显示、影像输出和计算机接口,这些部件的总体结构方案及各部分的性能质量直接影响处理体系的质量,图像边缘检测的目标就是代替人去处理和理解图像,实时性、灵活性、准确性是对系统的基本要求,对分割后的图像和边缘检测过后的图像进行图像识别,对识别后的图像进行结果输出,最终输出交通流数据和交通状况。
所述的图像边缘检测的步骤如下:
a.图像获取:将输入的彩色图像采用0.3倍的红基色和0.59倍的绿基色和0.11倍的蓝基色进行相加作为灰度图像;
b.图像低通滤波:对a中获取的灰度图像通过滤波器进行图像的低通滤波;
c.图像增强边缘:对b中低通滤波过后的图像通过增强算法来计算各点邻域强度的梯度幅值;
d.图像检测:利用c中测量的梯度幅值的阈值来测定边缘点;
e.图像边缘定位:对测量后的边缘点通过阈值法或零交叉法进行二值边缘图像的处理,利用子像素分辨率来估计边缘的位置;
f.图像边缘输出。
本发明的有益效果是,本发明的基于视频交通流检测和车辆识别的图像边缘检测系统,通过道路交通信息和交通目标活动(例如:超速、停车、超车等等)的实时检测,实现自动统计在交通路段上行驶的机动车车辆的速度、和识别划分与车辆类别有关的交通参数,从而达到对道路交通状况、信息监控的作用。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的结构框图。
图中1.摄像机,2.图像采集,3.预处理,4.计算机,5.图像分割,6.图像边缘检测,7.图像识别,8.结果输出。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
本发明的基于视频交通流检测和车辆识别的图像边缘检测系统,通过摄像机1进行对道路交通流图像的图像采集2,将采集到的序列图像进行图像的预处理3,预处理3后的图像送入计算机4进行图像分割5和图像边缘检测6;
在做好边缘检测时序准备如下条件:(1)清楚待检测的图像特性变化的形式,从而使用适应这种变化的检测方法;(2)想知道特性是否在一定的空间范围内改变,不能指望用一种边缘检测算子就能检测出在图像中发生的所有特性变化,当需要提取更多空间范围内的变化特征时就需要考虑多种算子的综合应用;(3)要考虑噪声的影响,其中一种方法就是通过滤波器将噪音进行滤除。但是这有一定的局限性,或者考虑在信号和噪声同时存在的条件下进行检测,运用统计信号分析,或者通过图像区域的建模,从而进一步使检测参数化;(4)可以考虑各种方法的结合,如找出它的边缘,然后用函数近似法,通过插值等得到准确的定位;(5)在正确的图像边缘检测的基础上,要考虑定位精确的问题。
将图像边缘检测6分为彩色图像边缘检测和灰度图像边缘检测两种,如果输入的是彩色图像p(x,y),可以采用下式转换对彩色图像进行灰度图像处理:P(x,y)=0.3R+0.59G+0.11B,其中,R、G、B分别为红、绿、蓝三基色,图像边缘检测的步骤如下:
a.图像获取:要进行图像的边缘检测首先要进行图像的获取,再根据相应的条件转化为灰度图像,进而进行图像边缘检测的分析,将输入的彩色图像采用0.3倍的红基色和0.59倍的绿基色和0.11倍的蓝基色进行相加作为灰度图像;
b.图像低通滤波:边缘检测算法主要是基于图像亮度的一阶和二阶导数,但是由于导数计算对噪声比较敏感,必须使用滤波器来改善与噪声有关的边缘检测器的性能,但大多滤波器在降噪的同时也导致边缘强度损失,图像降噪和边缘增强之间需达到一种平衡,对a中获取的灰度图像通过滤波器进行图像的低通滤波;
c.图像增强边缘:增强边缘的基础是确定图像各点邻域强度的变化值,突出邻域强度值有显著变化的点,一般通过计算梯度幅值完成。增强算法可以将邻域强度值有显著变化的点突出显示,对b中低通滤波过后的图像通过增强算法来计算各点邻域强度的梯度幅值;
d.图像检测:在图像中很多点的梯度幅值变化比较大,但是这些点在特定的应用领域中并不都是边缘,用一些方法来测定那些边缘点,最简单的边缘检测标准就是梯度幅值的阈值,利用c中测量的梯度幅值的阈值来测定边缘点;
e.图像边缘定位:图像边缘定位是对边缘图像处理后,得到单像素的二值边缘图像,常使用的技术是阈值法和零交叉法。如果某一应用场合要求确定边缘位置,则边缘的位置可以在子像素分辨率上来估计,边缘的方位也就可以被估计出来;
f.图像边缘输出,对分割后的图像和边缘检测过后的图像进行图像识别7,对识别后的图像进行结果输出8,最终输出交通流数据和交通状况。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (2)
1.一种基于视频交通流检测和车辆识别的图像边缘检测系统,其特征是:通过摄像机(1)进行对道路交通流图像的图像采集(2),将采集到的序列图像进行图像的预处理(3),预处理(3)后的图像送入计算机(4)进行图像分割(5)和图像边缘检测(6),对分割后的图像和边缘检测过后的图像进行图像识别(7),对识别后的图像进行结果输出(8),最终输出交通流数据和交通状况。
2.根据权利要求1所述的基于视频交通流检测和车辆识别的图像边缘检测系统,其特征是:所述的图像边缘检测的步骤如下:
a.图像获取:将输入的彩色图像采用0.3倍的红基色和0.59倍的绿基色和0.11倍的蓝基色进行相加作为灰度图像;
b.图像低通滤波:对a中获取的灰度图像通过滤波器进行图像的低通滤波;
c.图像增强边缘:对b中低通滤波过后的图像通过增强算法来计算各点邻域强度的梯度幅值;
d.图像检测:利用c中测量的梯度幅值的阈值来测定边缘点;
e.图像边缘定位:对测量后的边缘点通过阈值法或零交叉法进行二值边缘图像的处理,利用子像素分辨率来估计边缘的位置;
f.图像边缘输出:对e处理后的图像进行断边、伪边处理后从而图像边缘输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101476608A CN103258434A (zh) | 2013-04-25 | 2013-04-25 | 基于视频交通流检测和车辆识别的图像边缘检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101476608A CN103258434A (zh) | 2013-04-25 | 2013-04-25 | 基于视频交通流检测和车辆识别的图像边缘检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103258434A true CN103258434A (zh) | 2013-08-21 |
Family
ID=48962314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101476608A Pending CN103258434A (zh) | 2013-04-25 | 2013-04-25 | 基于视频交通流检测和车辆识别的图像边缘检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103258434A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617410A (zh) * | 2013-08-30 | 2014-03-05 | 重庆大学 | 基于视频检测技术的高速公路隧道停车检测方法 |
CN103914844A (zh) * | 2014-04-10 | 2014-07-09 | 南京国安光电科技有限公司 | 一种智能化交通视频图像分割芯片及其实现方法 |
CN104778444A (zh) * | 2015-03-10 | 2015-07-15 | 公安部交通管理科学研究所 | 道路场景下车辆图像的表观特征分析方法 |
CN105704454A (zh) * | 2016-02-29 | 2016-06-22 | 安徽超远信息技术有限公司 | 一种改善抓拍取证图像roi清晰度的方法 |
CN106448185A (zh) * | 2016-12-16 | 2017-02-22 | 合肥寰景信息技术有限公司 | 一种基于动作识别的道路交通违规行为分析预警系统 |
CN107085964A (zh) * | 2017-05-10 | 2017-08-22 | 上海博历机械科技有限公司 | 基于图像增强的车辆自动驾驶系统 |
CN107615350A (zh) * | 2015-08-06 | 2018-01-19 | 欧姆龙株式会社 | 车载器、通信装置及车辆管理系统 |
CN108428215A (zh) * | 2017-02-15 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 一种图像处理方法、装置和设备 |
CN108875671A (zh) * | 2018-06-28 | 2018-11-23 | 田凤香 | 基于指纹识别的停车场收费系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6928190B2 (en) * | 2000-09-05 | 2005-08-09 | Canon Kabushiki Kaisha | Image discrimination apparatus, copier and image discrimination method |
CN101231786A (zh) * | 2007-12-28 | 2008-07-30 | 北京航空航天大学 | 一种基于视频图像特征的车辆检测方法 |
US20080181492A1 (en) * | 2006-09-27 | 2008-07-31 | Mototsugu Abe | Detection Apparatus, Detection Method, and Computer Program |
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN102043950A (zh) * | 2010-12-30 | 2011-05-04 | 南京信息工程大学 | 基于canny算子和边缘点统计的车辆轮廓识别方法 |
CN102708356A (zh) * | 2012-03-09 | 2012-10-03 | 沈阳工业大学 | 一种基于复杂背景下的车牌自动定位和识别方法 |
CN103065147A (zh) * | 2012-12-25 | 2013-04-24 | 天泽信息产业股份有限公司 | 一种基于图像匹配和识别技术的车辆监控方法 |
-
2013
- 2013-04-25 CN CN2013101476608A patent/CN103258434A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6928190B2 (en) * | 2000-09-05 | 2005-08-09 | Canon Kabushiki Kaisha | Image discrimination apparatus, copier and image discrimination method |
US20080181492A1 (en) * | 2006-09-27 | 2008-07-31 | Mototsugu Abe | Detection Apparatus, Detection Method, and Computer Program |
CN101231786A (zh) * | 2007-12-28 | 2008-07-30 | 北京航空航天大学 | 一种基于视频图像特征的车辆检测方法 |
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN102043950A (zh) * | 2010-12-30 | 2011-05-04 | 南京信息工程大学 | 基于canny算子和边缘点统计的车辆轮廓识别方法 |
CN102708356A (zh) * | 2012-03-09 | 2012-10-03 | 沈阳工业大学 | 一种基于复杂背景下的车牌自动定位和识别方法 |
CN103065147A (zh) * | 2012-12-25 | 2013-04-24 | 天泽信息产业股份有限公司 | 一种基于图像匹配和识别技术的车辆监控方法 |
Non-Patent Citations (2)
Title |
---|
丛杨等: "一种红外运动车辆识别的新方法", 《弹箭与制导学报》 * |
王荣本等: "基于计算机视觉高速智能车辆的道路识别", 《计算机工程与应用》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617410A (zh) * | 2013-08-30 | 2014-03-05 | 重庆大学 | 基于视频检测技术的高速公路隧道停车检测方法 |
CN103914844A (zh) * | 2014-04-10 | 2014-07-09 | 南京国安光电科技有限公司 | 一种智能化交通视频图像分割芯片及其实现方法 |
CN104778444A (zh) * | 2015-03-10 | 2015-07-15 | 公安部交通管理科学研究所 | 道路场景下车辆图像的表观特征分析方法 |
CN107615350A (zh) * | 2015-08-06 | 2018-01-19 | 欧姆龙株式会社 | 车载器、通信装置及车辆管理系统 |
CN105704454A (zh) * | 2016-02-29 | 2016-06-22 | 安徽超远信息技术有限公司 | 一种改善抓拍取证图像roi清晰度的方法 |
CN105704454B (zh) * | 2016-02-29 | 2018-08-14 | 安徽超远信息技术有限公司 | 一种改善抓拍取证图像roi清晰度的方法 |
CN106448185A (zh) * | 2016-12-16 | 2017-02-22 | 合肥寰景信息技术有限公司 | 一种基于动作识别的道路交通违规行为分析预警系统 |
CN108428215A (zh) * | 2017-02-15 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 一种图像处理方法、装置和设备 |
CN107085964A (zh) * | 2017-05-10 | 2017-08-22 | 上海博历机械科技有限公司 | 基于图像增强的车辆自动驾驶系统 |
CN107085964B (zh) * | 2017-05-10 | 2018-10-26 | 深圳市夏瑞科技有限公司 | 基于图像增强的车辆自动驾驶系统 |
CN108875671A (zh) * | 2018-06-28 | 2018-11-23 | 田凤香 | 基于指纹识别的停车场收费系统 |
CN108875671B (zh) * | 2018-06-28 | 2019-07-19 | 航天智能科技(宁波)有限公司 | 基于指纹识别的停车场收费系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103258434A (zh) | 基于视频交通流检测和车辆识别的图像边缘检测系统 | |
CN105261017B (zh) | 基于路面约束的图像分割法提取行人感兴趣区域的方法 | |
CN110443225B (zh) | 一种基于特征像素统计的虚实车道线识别方法及其装置 | |
EP2811423B1 (en) | Method and apparatus for detecting target | |
WO2017041396A1 (zh) | 一种车道线数据的处理方法、装置、存储介质及设备 | |
CN102682292B (zh) | 基于单目视觉的道路边缘检测及粗定位方法 | |
CN104298976A (zh) | 基于卷积神经网络的车牌检测方法 | |
CN111209780A (zh) | 车道线属性检测方法、装置、电子设备及可读存储介质 | |
CN104778721A (zh) | 一种双目图像中显著性目标的距离测量方法 | |
CN115717894B (zh) | 一种基于gps和普通导航地图的车辆高精度定位方法 | |
WO2020103892A1 (zh) | 车道线检测方法、装置、电子设备及可读存储介质 | |
CN104766046A (zh) | 一种利用交通标识颜色及形状特征进行检测与识别算法 | |
CN103996198A (zh) | 复杂自然环境下感兴趣区域的检测方法 | |
CN103902985B (zh) | 一种基于roi的强鲁棒性实时车道侦测算法 | |
CN105574527A (zh) | 一种基于局部特征学习的快速物体检测方法 | |
CN110009648A (zh) | 基于深浅特征融合卷积神经网络的路侧图像车辆分割方法 | |
CN102902957A (zh) | 一种基于视频流的自动车牌识别方法 | |
CN106934374A (zh) | 一种雾霾场景中交通标识牌的识别方法及系统 | |
CN110378210A (zh) | 一种基于轻量化YOLOv3的车辆和车牌检测及长短焦融合测距方法 | |
CN103544491A (zh) | 一种面向复杂背景的光学字符识别方法及装置 | |
CN104463138A (zh) | 基于视觉结构属性的文本定位方法及系统 | |
CN110147714A (zh) | 基于无人机的煤矿采空区裂缝识别方法及检测系统 | |
CN104102909A (zh) | 基于多重视觉信息的车辆特征定位及匹配方法 | |
CN106503663A (zh) | 一种基于深度学习的信号灯时长检测方法 | |
CN107679470A (zh) | 一种基于hdr技术的交通标志牌检测和识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C05 | Deemed withdrawal (patent law before 1993) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130821 |