CN104318783A - 一种通过车灯侦测分析夜间交通流量的方法 - Google Patents

一种通过车灯侦测分析夜间交通流量的方法 Download PDF

Info

Publication number
CN104318783A
CN104318783A CN201410548470.1A CN201410548470A CN104318783A CN 104318783 A CN104318783 A CN 104318783A CN 201410548470 A CN201410548470 A CN 201410548470A CN 104318783 A CN104318783 A CN 104318783A
Authority
CN
China
Prior art keywords
car
car light
bright spot
pixel
traffic flow
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
CN201410548470.1A
Other languages
English (en)
Other versions
CN104318783B (zh
Inventor
马永杰
李鹏飞
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.)
Northwest Normal University
Original Assignee
Northwest Normal 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 Northwest Normal University filed Critical Northwest Normal University
Priority to CN201410548470.1A priority Critical patent/CN104318783B/zh
Publication of CN104318783A publication Critical patent/CN104318783A/zh
Application granted granted Critical
Publication of CN104318783B publication Critical patent/CN104318783B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种通过车灯侦测分析夜间交通流量的方法，在现有交通侦测系统的监测画面中设定一条虚拟侦测线；对触及虚拟侦测线的亮点进行亮度和颜色分析；保留可能为车灯的亮点，通过垂直相关性、水平相关性和两车灯之间的纹理量进行车灯配对，计算各车灯配对组合的信心指数Iij，然后依次选取信心指数最高且Rv和Rh皆大于阈值Tv的车灯配对组合，Tv=0.5，该车灯配对组合为一车辆的左右车灯，即完成一辆车的监测。该方法利用车灯侦测来分析交通流量情况，为路人提供实时的道路交通信息，让他们能够参考交通情况，规划安排行车路线，避开堵塞路段。如此一来，将可以分散交通流量，大幅提升交通效率。

Description

一种通过车灯侦测分析夜间交通流量的方法
技术领域
本发明属于交通管理技术领域，涉及一种交通流量的分析方法，特别涉及一种通过车灯侦测分析夜间交通流量的方法。 
背景技术
近年来，随着数字摄影与通讯传输设备的快速发展，越来越多的国家致力于研究包含通讯、感测与控制、影像处理等多方面技术的智能型运输系统（ITS Intelligent Transportation Systems），用来管控交通流量、减少交通堵塞，提升各类运输车辆的流动性。期待能透过实时交通信息的传输与整合来提升交通运输质量。这些相关智能型运输系统的研发提供了许多功能：如路人可以取得实时路况信息，安排行车路线或选择不同的交通运输工具；而警方也可根据实时路况来执行适当的交通管控策略。
为了提供一般大众安全、便利且迅速的交通环境，基于影像处理的自动化交通监控系统的研发已成为刻不容缓的任务，已有大量的学者在此领域研究。由数字摄影机所构成的交通监控系统成为当前分析实时交通情况的主流。但目前多数研究着眼于白天交通情况的分析，然而夜间交通的监控也相当重要。夜间交通监控影像因受亮度不足、能见度不佳与光线反射等因素的影响，相较之下更具分析难度本发明的目的是提供一种通过车灯侦测分析夜间交通流量的方法，利用车灯侦测来分析交通流量情况，为路人提供实时的道路交通信息，大幅提升交通效率。 
发明内容
本发明的目的是提供一种通过车灯侦测分析夜间交通流量的方法，利用车灯侦测来分析交通流量情况，为路人提供实时的道路交通信息，大幅提升交通效率。
为实现上述目的，本发明所采用的技术方案是：一种通过车灯侦测分析夜间交通流量的方法，其特征在于，该方法具体按以下步骤进行：
步骤1：在现有交通侦测系统的监测画面中设定一条虚拟侦测线；
步骤2：对触及监测画面中虚拟侦测线的亮点，即车灯的亮度和颜色特性进行分析：
首先，由亮点的中心向边缘选取三个车灯像素点，一个像素点的亮度值L(x, y)与RGB颜色值的计算关系式如下：
将RGB变异纳入参考量，辅助侦测车灯亮点；
RGB变异度V(x,y)如下式所示：
亮度值L(x, y)高而RGB变异度V(x, y)低的像素保留；反之，则滤除像素；应用影像形态学的运算与相连区域分析所算得的车灯像素，即可能为车灯的亮点区域；
然后，对每一个亮点，计算其边缘上每一个点(xi, yi)到中心点(xc, yc) 的距离di，所有的di形成一个集合D，定义如下：
（3）式中，(xi, yi)是边缘上的点，i=1....n，n是边缘点个数；
集合D的标准差为：
（4）式中，σ是标准差；μ是所有di的平均值；                          
同时，使用适性阈值T σ ：
（5）式中，Wc、Hc分别为该亮点的宽与高；
若一亮点的标准差σ小于T σ ，则该亮点可能为车灯，予以保留；反之，则应被滤除；
接着进行车灯配对：
1）垂直相关性
计算配对评估的两盏车灯中心点的垂直距离Δh以及该两个中心点分别到边缘的垂直距离h1（h2），该两盏车灯的垂直相关性Rv：
   Rv=1－Δh/（h1+ h2）                         （6）
两车灯的垂直距离不会大于各自中心点至上边缘或下边缘的距离和，即Δh≤h1+h2；
 2）水平相关性
计算监控画面中虚拟侦测线所显示位置的公路的路宽W，再计算画面中两车灯的水平距离Δw与路宽W的比例，并通过下式来表示两盏车灯的水平相关性Rh：
两盏车灯水平距离Δw与路宽W的比例需处于[0.667, 0.685]范围内，
3）两车灯之间的纹理量
利用边缘侦测中的Sobel算子，计算两车灯之间区域内的边缘像素所占的比例Rt：
R t =E/A                      （8）
（8）式中，A为两车灯间的区域面积，E为此区域内的边缘像素个数。Rt值介于0～1之间； 
步骤3：两车灯属于同一辆车的信心指数I：
I=a×R v +b×R h +c×R t                （9）
（9）式中，a、b、c 分别为Rv、Rh、Rt的相对权重（a+b+c=1）；
找出监测画面中所有车灯配对组合p ij 形成集合P：
计算各车灯配对组合的信心指数Iij，然后依次选取信心指数最高且Rv和Rh 皆大于阈值Tv 的车灯配对组合，Tv = 0.5，该车灯配对组合为一车辆的左右车灯，即完成一辆车的监测。
本发明的方法利用车灯侦测来分析交通流量情况，为路人提供实时的道路交通信息，让他们能够参考交通情况，规划安排行车路线，避开堵塞路段。如此一来，将可以分散交通流量，大幅提升交通效率。
附图说明
    图1是夜间与白天交通监控影响的差异视图。
图2是本发明实施例中，在现有交通侦测系统原始夜间监控影像画面中设置虚拟侦测线的示意图。
图3是图2所示原始夜间监控影像画面侦测到的亮点的示意图。
图4为侦测到的黄色车灯形成的亮点及该亮点的三个像素的示意图。
图5为侦测到的白色车灯形成的亮点及该亮点的三个像素的示意图。
图6是对侦测到的亮点区域中一个亮点计算近似圆形程度的示意图。
图7是配对评估两盏车灯之间的垂直相关性示意图。
图8是两车灯之间纹理量的计算示意图。
具体实施方式
    下面结合附图和具体实施方式对本发明作详细说明。
从图1 所示的现有交通侦测系统在夜间和白天的监控影像可知，在夜间交通监控影像中各车辆几乎是无法分辨的，而画面中最明显且具代表性的可见物体就是车灯。每一对车灯其实就代表着一辆车。因此，可以透过车灯侦测与车灯配对来评估影像中的交通情况。
为了突破当前现有交通侦测相关系统的限制，本发明的方法以现有交通侦测系统监测到的城市公路夜间的监控影像为测试资料，对夜间环境的交通监控影像作分析，利用车灯侦测与配对分析夜间交通流量情况，并把分析所得的交通信息提供给路人参考，合理安排路线、选择交通方式等。在夜间交通监控影像中，车灯是最明显且有用的特征，本发明方法利用其亮度、形状等特征，先找出可能为车灯的亮点；接着再分析两两车灯间的水平相关性、垂直相关性与两灯间的纹理量，推论两个车灯属于同一辆车的可能性，以进行车灯配对，而每组成功配对的车灯即表示一辆车。就此进行夜间交通情况分析，解决夜间交通堵塞问题。本发明通过车灯侦测分析夜间交通流量的方法，具体按以下步骤进行：
步骤1：在现有交通侦测系统的监测画面中设定一虚拟侦测线（Virtual Sensing Line），用来侦测通过特定区域内的车辆，只对触及此虚拟侦测线的亮点进行车灯配对，统计单位时间内通过的车辆数，可加快影像处理速度并提高准确率；在车灯配对的处理过程中，通过分析两亮点（车灯）的垂直相关性、水平相关性以及两灯之间的纹理量来评估这两个亮点（车灯）属于同一车辆的可能性；每一配对成功的车灯即表示一辆车，并统计通过侦测线的配对车灯数分析影像中所显示的交通流量情况；
例如：现有交通侦测系统对交通进行监控的原始夜间监控影像画面，通过交通侦测系统在原始夜间监控影像画面上设置一条虚拟侦测线，如图2所示，图中横贯画面的线条为该虚拟侦测线。
图3所示为图2显示的原始夜间监控影像画面所侦测到的亮点区域。可以观察到两个重要的现象：1）除了车灯之外，路旁照明灯因反光也会被侦测到；2）远方的车灯因过度密集，几乎都相连在一起，即使人眼也无法区分辨识。因此，在画面近端（摄像头视线由远视逐渐到近视，直到摄像头最下方处的监控画面，即画面中车辆行驶由远及近，直到摄像头最下方处的位置）设置一虚拟侦测线，如图2所示，后续处理将针对触及该虚拟侦测线的亮点作分析。由此，不需要处理整个画面中的每个亮点，计算量将会大幅减少且准确率也会提升。
步骤2：对监测画面中触及虚拟侦测线的亮点，即车灯的亮度和颜色特性进行分析，由观察大量的夜间交通监控影片后可以得知，车灯在画面中有亮度高和形状近似圆形两个主要特性：因此，先利用亮度（Luminance）特征找出影片画面中高亮度的区域（或亮点），然后由形状特征再作一次确认，滤除非车灯的亮点；
首先，分析画面中车灯的亮度与颜色特性，即由亮点的中心向边缘选取三个车灯像素点（该三个车灯像素点的选取原则：先在亮点中心处选取一个像素点，然后在亮点的中心与亮点边缘之间的等距离处选取一个像素点，最后在亮点的边缘处选取一个像素点，该三个像素点满足在同一直线上），分析各像素点的RGB颜色值与亮度值（Luminance），一个像素点的亮度值L(x, y)与RGB颜色值的计算关系式如下：
接上例，图4为侦测到的黄色车灯形成的亮点，由该亮点的中心向边缘依次选取三个车灯像素点1、2和3，车灯像素点1、2、3的R值、G值和B值，见表1；图5为侦测到的车辆所具有的白色车灯形成的亮点，由该亮点中心向边缘依次选取三个车灯像素点4、5和6；车灯像素点4、5、6的R值、G值和B值，如表2所示；
表1  黄色车灯形成的亮点的三个车灯像素点的R、G、B值
表2  白色车灯形成的亮点的三个车灯像素点的R、G、B值
从图4、图5、表1和表2可以看出，车灯中心部分的像素近似白色，RGB三值很相近，且亮度较高；离车灯中心越远，RGB三值的差异越大，而整体亮度也逐渐变弱。基于此特性，将RGB变异（RGB-Variation）纳入参考量，借以辅助侦测车灯亮点。
RGB变异度V(x,y)的定义如下式所示：
亮度值L(x, y)高而RGB变异度V(x, y)低的像素较可能为车灯像素，即亮度值为（220，262）、变异度为（0，20）的像素将被保留；反之，若亮度值低或RGB变异度高，则较不可能是车灯的部分，应被滤除；应用影像形态学的运算与相连区域分析所算得的车灯像素（即应用图像形态学运算中的膨胀、腐蚀、区域填充、细化和提取边界后，可得到可能为车灯的高亮点区域），得到可能为车灯的亮点区域。而画面中部分非车灯的亮点，如路面反光或是路边照明灯反光，它们同样具有高亮度，但因RGB变异度高可被滤除。
然后，进行形状确认：画面中高亮度的区域多数为车灯，但也可能是路灯或是其它物体的反光，所以还需要另一项特征：形状，来作进一步的确认；尽管因视角或其它因素的影响，车灯在画面中可能有些变形，但整体来说，其形状会近似圆形。因此，将评估每一高亮度区域的形状接近圆形的程度来决定此亮点该被保留或滤除；针对每一个亮点，计算其边缘上每一个点(xi, yi)到中心点(xc, yc) 的距离di，所有的di形成一个集合D，定义如下：
（3）式中，(xi, yi)是边缘上的点，i=1....n，n是边缘点个数。如果此亮点为一完整的圆形，则所有的di应该会相等，也就是说，D的标准差会是零。反之，如果该亮点的形状与圆形差异越大，则D的标准差也将增加。
D的标准差定义如下：
（4）式中，σ是标准差；μ是所有di的平均值；                          
在此用到一适性阈值（Adaptive Threshold）T σ ，如下式所示：
（5）式中，Wc、Hc分别为该亮点的宽与高，如图6所示。若一亮点的标准差σ小于T σ （选取=0.025），则将其视作可能为车灯；反之则不可能为车灯，应被滤除。
接着进行车灯配对：在夜间交通监控影像中，尽管车辆难以辨识，但每一辆车皆可由一对车灯来表示。在此用一些准则来评估任意两个车灯属于同一辆车的可能性。首先，由人眼观察画面中两车灯间的关系，可以得到以下几个特性：（1）在一般路面呈水平的情况下，左右两车灯应该位于同一水平线上；（2）一辆车左右两车灯距离略等于车体宽度；（3）相较于平滑的道路表面，车体本身会有较多的纹理，所以同一辆车左右两车灯间的纹理量会比不同车辆的车灯间的纹理量多。基于以上观察所得特征，定义三项准则，以进行车灯配对，分述如下：
1）垂直相关性
计算配对评估的两盏车灯中心点的垂直距离Δh，以及该两个中心点分别到下边缘（上边缘）的垂直距离h1（h2），由式（6）定义该两盏车灯的垂直相关性Rv：
   Rv=1－Δh/（h1+ h2）                         （6）
例如，如图7所示，C1与C2为进行配对评估的两盏车灯，假设C1的位置高于C2的位置。计算C1与C2两中心点的垂直距离Δh，及C1（C2）中心点到其下缘（上缘）的垂直距离h1（h2）。进而定义两盏车灯的垂直相关性Rv（在这里选取Rv=0.9）。
如先前所述，在影像画面中沿水平方向设置一虚拟侦测线（见图2），而只针对触及此侦测线的亮点（车灯）作配对，因此，两车灯的垂直距离不会大于各自中心点至上（下）缘的距离和，定义表达式为Δh≤h1+h2；故Rv值会介于0跟1之间，Δh越小，Rv越大，表示两车灯越接近同一水平线，属于同一辆车的可能性就越大。
2）水平相关性
交通法规中，对于车道宽度与车辆宽度均有规定，一般公路的路宽为3.65～3.75米，而车宽为2.5米。因此，[车宽︰路宽]的比值会落在[2.5/3.75, 2.5/3.65] = [0.667, 0.685] 的范围内（约为2/3）。利用相关研究（ “Multi-Lane Detection and Road Traffic Congestion Classification for Intelligent Transportation System” Tsai LW et al., 2011,Energy Procedia, 13, 3174-3182.），可以计算出监控画面中虚拟侦测线所显示位置的公路的路宽W（监控画面中车辆宽度与公路宽度的比例与实际中的比例应相等），然后再计算画面中两车灯的水平距离Δw与路宽W的比例，并定义下式来表示两盏车灯的水平相关性Rh：
当两车灯水平距离Δw与路宽W的比例落在[0.667, 0.685]范围内时，设其水平关系为1；虽然在影像处理过程中，两车灯水平距离与路宽的计算可能会有误差，但是当其比例Δw/W小于1/3或大于1时，与[0.667, 0.685] 范围差异过大，这表示这两个车灯不可能属于同一辆车，因此其水平相关性定为0；其余情况则考虑当Δw/W与标准比例（2/3）差异越大，则水平相关性越小，因此，Rh值也介于0～1之间。
3）两车灯之间的纹理量
利用边缘侦测中的Sobel算子，计算两车灯之间区域内的边缘像素所占的比例Rt，见图8：
R t =E/A                      （8）
（8）式中，A为两车灯间的区域面积，E为此区域内的边缘像素个数。Rt值越大表示两车灯间的纹理量越多，表示两车灯属于同一辆车的可能性就越高。Rt值介于0～1之间。有了垂直相关性Rv、水平相关性Rh，及两灯间纹理量Rt这三项车灯配对的评估值后，进入步骤3；
步骤3：透过下式定义两车灯属于同一辆车的信心指数I：
I=a×R v +b×R h +c×R t                （9）
（9）式中，a、b、c 分别为Rv、Rh、Rt的相对权重（其值是依经验所决定，总和为1）。I 值越高表示此二车灯有较高的机率属于同一辆车。找出监测画面中所有车灯配对组合p ij 形成一集合P：
计算各配对p ij  的信心指数Iij，然后依次选取信心指数最高且Rv、Rh 皆大于一阈值Tv 的配对p ij ，认证其为一车辆的左右车灯。选取Tv = 0.5，因为若一车灯配对的垂直或水平相关性小于0.5，即表示不属于同一辆车。接着，与此车灯配对p ij  对有共同车灯的其它配对则从集合P中去除。故车灯配对的认证算法描述如下：此车灯配对的计算复杂度会随车灯数量的增加而呈指数增长，但使用虚拟侦测线后，只需要针对触及该虚拟侦测线的车灯作配对，而无需处理整个路面的车灯。一般来说，公路同方向的车道不会超过四线，故同时触及侦测线的车灯也相当有限，因此本发明所提出的车灯配对计算比较快速。 

Claims (3)

1.一种通过车灯侦测分析夜间交通流量的方法，其特征在于，该方法具体按以下步骤进行：
步骤1：在现有交通侦测系统的监测画面中设定一条虚拟侦测线；
步骤2：对触及监测画面中虚拟侦测线的亮点，即车灯的亮度和颜色特性进行分析：
首先，由亮点的中心向边缘选取三个车灯像素点，一个像素点的亮度值L(x, y)与RGB颜色值的计算关系式如下：
将RGB变异纳入参考量，辅助侦测车灯亮点；
RGB变异度V(x,y)如下式所示：
亮度值L(x, y)高而RGB变异度V(x, y)低的像素保留；反之，则滤除像素；应用影像形态学的运算与相连区域分析所算得的车灯像素，即可能为车灯的亮点区域；
然后，对每一个亮点，计算其边缘上每一个点(xi, yi)到中心点(xc, yc) 的距离di，所有的di形成一个集合D，定义如下：
（3）式中，(xi, yi)是边缘上的点，i=1....n，n是边缘点个数；
集合D的标准差为：
（4）式中，σ是标准差；μ是所有di的平均值；                          
同时，使用适性阈值T σ ：
（5）式中，Wc、Hc分别为该亮点的宽与高；
若一亮点的标准差σ小于T σ ，则该亮点可能为车灯，予以保留；反之，则应被滤除；
接着进行车灯配对：
1）垂直相关性
计算配对评估的两盏车灯中心点的垂直距离Δh以及该两个中心点分别到边缘的垂直距离h1（h2），该两盏车灯的垂直相关性Rv：
   Rv=1－Δh/（h1+ h2）                         （6）
两车灯的垂直距离不会大于各自中心点至上边缘或下边缘的距离和，即Δh≤h1+h2；
 2）水平相关性
计算监控画面中虚拟侦测线所显示位置的公路的路宽W，再计算画面中两车灯的水平距离Δw与路宽W的比例，并通过下式来表示两盏车灯的水平相关性Rh：
两盏车灯水平距离Δw与路宽W的比例需处于[0.667, 0.685]范围内，
3）两车灯之间的纹理量
利用边缘侦测中的Sobel算子，计算两车灯之间区域内的边缘像素所占的比例Rt：
R t =E/A                      （8）
（8）式中，A为两车灯间的区域面积，E为此区域内的边缘像素个数。Rt值介于0～1之间； 
步骤3：两车灯属于同一辆车的信心指数I：
I=a×R v +b×R h +c×R t                （9）
（9）式中，a、b、c 分别为Rv、Rh、Rt的相对权重（a+b+c=1）；
找出监测画面中所有车灯配对组合p ij 形成集合P：
计算各车灯配对组合的信心指数Iij，然后依次选取信心指数最高且Rv和Rh 皆大于阈值Tv 的车灯配对组合，Tv = 0.5，该车灯配对组合为一车辆的左右车灯，即完成一辆车的监测。
2.根据权利要求1所述的通过车灯侦测分析夜间交通流量的方法，其特征在于，所述步骤2中三个车灯像素的选取原则：先在亮点中心处选取一个像素点，然后在亮点的中心与亮点边缘之间的等距离处选取一个像素点，最后在亮点的边缘处选取一个像素点，该三个像素点在同一直线上。
3.根据权利要求1所述的通过车灯侦测分析夜间交通流量的方法，其特征在于，所述步骤2中像素的亮度值L(x, y)高，即亮度值为L（220，262）；像素的变异度V(x, y)低，即变异度为V（0，20）。
CN201410548470.1A 2014-10-16 2014-10-16 一种通过车灯侦测分析夜间交通流量的方法 Expired - Fee Related CN104318783B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410548470.1A CN104318783B (zh) 2014-10-16 2014-10-16 一种通过车灯侦测分析夜间交通流量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410548470.1A CN104318783B (zh) 2014-10-16 2014-10-16 一种通过车灯侦测分析夜间交通流量的方法

Publications (2)

Publication Number Publication Date
CN104318783A true CN104318783A (zh) 2015-01-28
CN104318783B CN104318783B (zh) 2016-08-17

Family

ID=52374007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410548470.1A Expired - Fee Related CN104318783B (zh) 2014-10-16 2014-10-16 一种通过车灯侦测分析夜间交通流量的方法

Country Status (1)

Country Link
CN (1) CN104318783B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107292260A (zh) * 2017-06-15 2017-10-24 武汉理工大学 基于车辆前照灯和雾灯关联配对的浓雾天车辆检测方法
CN108320499A (zh) * 2017-01-16 2018-07-24 北海和思科技有限公司 一种夜间交通流量检测方法
CN110188631A (zh) * 2019-05-14 2019-08-30 重庆大学 一种高速公路隧道车灯分割方法
CN113781798A (zh) * 2021-11-11 2021-12-10 四川九通智路科技有限公司 一种基于偏振光的车辆管控方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0680026A2 (en) * 1994-04-20 1995-11-02 Rockwell International Corporation Vehicular traffic monitoring system
JP2000348284A (ja) * 1999-06-07 2000-12-15 Mitsubishi Electric Corp 車両検知装置および車両検知方法ならびに車両検知プログラムを記録したコンピュータ読み取り可能な記録媒体
CN101727748A (zh) * 2009-11-30 2010-06-09 北京中星微电子有限公司 一种基于车辆尾灯检测的车辆监控方法、系统和设备
CN101777263A (zh) * 2010-02-08 2010-07-14 长安大学 一种基于视频的交通车流量检测方法
CN102385803A (zh) * 2011-10-28 2012-03-21 南京邮电大学 基于视频监控的全天候市区车辆跟踪与计数方法
CN103177587A (zh) * 2013-03-19 2013-06-26 天津工业大学 一种基于机器视觉的夜间车流量检测方法
CN103366572A (zh) * 2013-07-05 2013-10-23 杭州鼎鹏交通科技有限公司 一种交叉口的视频交通参数检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0680026A2 (en) * 1994-04-20 1995-11-02 Rockwell International Corporation Vehicular traffic monitoring system
JP2000348284A (ja) * 1999-06-07 2000-12-15 Mitsubishi Electric Corp 車両検知装置および車両検知方法ならびに車両検知プログラムを記録したコンピュータ読み取り可能な記録媒体
CN101727748A (zh) * 2009-11-30 2010-06-09 北京中星微电子有限公司 一种基于车辆尾灯检测的车辆监控方法、系统和设备
CN101777263A (zh) * 2010-02-08 2010-07-14 长安大学 一种基于视频的交通车流量检测方法
CN102385803A (zh) * 2011-10-28 2012-03-21 南京邮电大学 基于视频监控的全天候市区车辆跟踪与计数方法
CN103177587A (zh) * 2013-03-19 2013-06-26 天津工业大学 一种基于机器视觉的夜间车流量检测方法
CN103366572A (zh) * 2013-07-05 2013-10-23 杭州鼎鹏交通科技有限公司 一种交叉口的视频交通参数检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘莉 等: "基于视频的夜间车流量统计", 《微处理机》, no. 1, 29 February 2012 (2012-02-29), pages 67 - 70 *
王鹏 等: "基于视频的夜间高速公路车辆事件检测", 《中国图象图形学报》, vol. 15, no. 2, 28 February 2010 (2010-02-28), pages 301 - 306 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108320499A (zh) * 2017-01-16 2018-07-24 北海和思科技有限公司 一种夜间交通流量检测方法
CN107292260A (zh) * 2017-06-15 2017-10-24 武汉理工大学 基于车辆前照灯和雾灯关联配对的浓雾天车辆检测方法
CN110188631A (zh) * 2019-05-14 2019-08-30 重庆大学 一种高速公路隧道车灯分割方法
CN113781798A (zh) * 2021-11-11 2021-12-10 四川九通智路科技有限公司 一种基于偏振光的车辆管控方法及系统

Also Published As

Publication number Publication date
CN104318783B (zh) 2016-08-17

Similar Documents

Publication Publication Date Title
US9704060B2 (en) Method for detecting traffic violation
CN105426864B (zh) 一种基于等距边缘点匹配的多车道线检测方法
CN109299674B (zh) 一种基于车灯的隧道违章变道检测方法
WO2020000251A1 (zh) 基于摄像机协同接力的路口违章视频识别方法
CN102385803B (zh) 基于视频监控的全天候市区车辆跟踪与计数方法
CN104361350B (zh) 一种交通标识识别系统
CN101739827B (zh) 一种车辆检测跟踪方法和装置
CN102354457B (zh) 基于广义霍夫变换的交通信号灯位置检测方法
CN103714538B (zh) 道路边缘检测方法、装置及车辆
CN107273816B (zh) 基于车载前视单目相机的交通限速标识检测识别方法
CN102005120A (zh) 基于视频图像分析的交通路口监控技术和系统
CN101783076A (zh) 一种视频监控模式下的快速车型识别方法
CN205665896U (zh) 一种交叉路口信号灯状态识别装置
CN102902957A (zh) 一种基于视频流的自动车牌识别方法
CN104318783A (zh) 一种通过车灯侦测分析夜间交通流量的方法
CN108154146A (zh) 一种基于图像识别的车辆追踪方法
CN102496281A (zh) 一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法
CN103544480A (zh) 车辆颜色识别方法
Khalifa et al. A novel multi-view pedestrian detection database for collaborative intelligent transportation systems
CN103927875B (zh) 基于视频的交通溢流状态识别方法
CN110490150A (zh) 一种基于车辆检索的违章图片自动审核系统及方法
CN103390166B (zh) 基于车前脸特征的车辆型号一致性判别方法
Mingzhou et al. Detection of highway lane lines and drivable regions based on dynamic image enhancement algorithm under unfavorable vision
CN203020184U (zh) 一种基于双ccd的纯电动汽车车道标识线检测装置
CN104361317A (zh) 一种卡口式视频分析未系安全带行为检测系统及其方法

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: 20160817

Termination date: 20161016

CF01 Termination of patent right due to non-payment of annual fee