CN104484997A - 一种基于视频图像技术的区域运动车流量检测方法 - Google Patents
一种基于视频图像技术的区域运动车流量检测方法 Download PDFInfo
- Publication number
- CN104484997A CN104484997A CN201410813285.0A CN201410813285A CN104484997A CN 104484997 A CN104484997 A CN 104484997A CN 201410813285 A CN201410813285 A CN 201410813285A CN 104484997 A CN104484997 A CN 104484997A
- Authority
- CN
- China
- Prior art keywords
- image
- moving vehicle
- method based
- vehicle
- images
- 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
Links
Classifications
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于视频图像技术的区域运动车流量检测方法,按照如下步骤实现:首先获取连续的运动车辆彩色图像,利用线性Hough变换对彩色图像进行匹配校准;其次对彩色图像进行灰度变换,对灰度图像分别进行减法操作、求交操作得到微弱图像;对微弱图像进行线性拉伸、二值化、二值膨胀变换得到增强和扩大后的运动车辆图像,这些信号是一些连通的小区域;最后定义一个欧式距离,基于定义的距离对连通区域几何中心点之间分别进行欧式距离的计算,确定最终区域的个数,并对其进行数字标记。本发明所提出的一种基于视频图像技术的区域运动车流量检测方法能快速、高效、简单的估算出当前道路区域的车辆情况及拥堵情况,能很好地应用于实践中。
Description
技术领域
本发明涉及道路区域车流量检测方法,特别是一种基于视频图像技术的区域运动车流量检测方法。
背景技术
随着我国经济的快速发展,城市中的汽车的数量在不断的增加,交通拥堵问题日益严重。对此,研究交通拥堵问题变得非常迫切。近年很多学者提出了许多算法和模型来解决交通拥堵问题,例如,流体动力学模型,气体动力学模型。这些模型可以很好地反映道路交通状况,但这些模型均较为复杂。随着视频图像技术的发展,视频图像技术可以获取一些交通信息如交通流、车速、静止车辆队列的长度、自动地检测交通事故、提供视频监控等,对处理解决交通问题有很大的优势。对此,采用视频图像技术对道路区域车流量进行计算来快速估计该路段的交通状况是一种优选的方法。此外,通常采用计算车流量来估算某一时刻道路情况。
发明内容
本发明的目的在于提供一种基于改进的帧差法和欧式距离的区域标记法的道路区域车流量检测方法,以快速、高效、简单的估算出当前道路区域的车辆情况及拥堵情况。
为实现上述目的,本发明的技术方案是:一种基于视频图像技术的区域运动车流量检测方法,其特征在于,按照下述步骤实现:
S1:在待测道路区域固定视频相机,获取该道路区域连续的运动车辆彩色图像;
S2:通过Hough变换对所述彩色图像进行匹配校准,用以消除因强风或重型车辆的经过所引起的相机抖动;
S3:通过改进的帧差法检测道路上的运动车辆,获取运动车辆的检测图像;
S4:通过基于欧式距离的区域标记法,对所述检测图像进行标记,计算出道路区域的车辆数。
进一步的,在所述步骤S3中,还包括如下步骤:
S31:获取N幅连续等间隔的彩色图像,将彩色图像转换成灰度图像,其中,N为大于或等1的正整数;
S32:在所述灰度图像之间分别进行减法操作,并对进行减法操作后的图像进行求交操作,获取运动车辆的微弱图像;
S33:对所述微弱图像依次进行线性拉伸变换操作、二值化操作以及二值膨胀操作,实现对所述微弱图像的灰度增强。
进一步的,在所述步骤S4中,还包括如下步骤:
S41:分别用 对所述运动车辆的检测图像中的各个连通区域进行标记;
S42:对几何中心点进行欧式距离的计算;
S43:根据下式对各个连通区域进行合并,确定最终区域的个数,
S44:对所述最终区域区域进行数字标记;
其中,为第个小的区域的几何中心,为大于等于1的正整数,为一常数。
相较于现有技术,本发明具有以下有益效果:
本发明所提出的基于视频图像技术的区域运动车流量检测方法采用改进的帧差法检测出路段区域某一时刻的运动车辆,进而利用基于欧式距离的区域标记法对当前道路区域的车辆数进行标记,自动计算出车辆数,快速、高效、简单的估算出当前道路区域的车辆情况及拥堵情况,能很好地应用于实践中。
附图说明
图1为本发明中基于视频图像技术的区域运动车流量检测方法的流程图。
图2(a)为本发明一实施例中所采集的三张连续的灰度道路车辆图像中第一张图像。
图2(b)为本发明一实施例中所采集的三张连续的灰度道路车辆图像中第二张图像。
图2(c)为本发明一实施例中所采集的三张连续的灰度道路车辆图像中第三张图像。
图3(a)为本发明一实施例中对图2(a)和图2(b)的灰度图像进行减法操作后的图像。
图3(b)为本发明一实施例中对图2(c)和图2(b)的灰度图像进行减法操作后的图像。
图4(a)为本发明一实施例中对进行减法操作的图像进行求交操作所获取的图像。
图4(b)为本发明一实施例中对进行求交操作的图像进行增强和扩张所获取的图像。
图4(c)为本发明一实施例中采用基于欧式距离的区域标记法,对检测的运动车辆进行标记所获取的图像。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明提供一种基于视频图像技术的区域运动车流量检测方法,如图1所示,其特征在于,按照下述步骤实现:
S1:在待测道路区域固定视频相机,获取该道路区域连续的运动车辆彩色图像;
S2:通过Hough变换对所述连续的车辆彩色图像进行匹配校准,用以消除因强风或重型车辆的经过所引起的相机抖动;
在本实施例中,待测道路区域包括三条车道,且获取3幅连续的彩色图像;而由于强风或重型车辆的经过将引起相机抖动,进而改变图像区域, 使车道线及图像变形,因此,连续的图像需要彼此匹配校准。且在本实施例中,采用一种两点校准的方法来解决该问题。由于相机固定,视场也固定,所以三条车道上的车道线也是固定的,以该三条车道线为校准线。正常情况下,每幅图像中的车道线与在其前后福图象中的车道线是准确匹配的,进而被采集的连续图像也可以很好地匹配,若有外界的干扰,三幅图像中对应的车道线就不匹配了。所以当三条车道线确定后,使用线性Hough变换检测车道线。由于车道线是一种有一定宽度的山脊线,为避免双边界给Hough检测带来麻烦,采用的边界扫描算子是Laplacian算子。获取的图像中的车道线若有偏移,将根据该三条车道线进行图像校正。
S3:通过改进的帧差法检测道路上的运动车辆,获取运动车辆的检测图像;改进的帧差法为: 在采集过程中,采集的每一帧即一幅图像;首先获取3幅连续等间隔的彩色图像,将彩色图像转换成灰度图像,由于各种车辆的颜色异同,为了增强车辆的存在性,对每个象素点,对应从RGB三个频道中取最大值作为灰度图象中同坐标中的像素值;其次,在转换后的灰度图像之间分别进行减法操作,并对进行减法操作后的图像进行求交操作,获取运动车辆的微弱图像;最后,对所述运动车辆的微弱图像依次进行线性拉伸变换操作、用迭代法进行二值化操作以及二值膨胀操作,再膨胀三次,对得到的运动车辆图像进行灰度增强,完成对种子目标的初步提取,扩大运动车辆的信号。
进一步的,具体按照如下步骤实现运动车辆信号的扩大:
1) 获取3幅连续的彩色帧,并用,,分别表示,其成像间隔是 ;
2) 将彩色帧,,,转换成灰度帧 ,,;
3) 在帧之间进行减法操作,,;
4) 简单的减法操作之后能够检测到运动车辆信号,然后对两个图像D1和D2执行交操作,得到运动车辆的图像。
5) 在图像中,运动车辆的信号很微弱;对进行灰度线性拉伸变换使运动车辆的信号得到增强和扩张,得到图像。
6)对图像进行二值化操作,去除车辆区域噪声,再次对进行二值膨胀,得到较清晰图像。
S4:通过基于欧式距离的区域标记法,对所述运动车辆的检测图像进行标记,计算出道路区域的车辆数。
进一步的,具体还包括如下步骤:
S41:分别用对所述运动车辆的检测图像中的各个连通区域进行标记;
S42:对各个连通区域几何中心点进行欧式距离的计算;
S43:根据下式对各个连通区域进行合并,确定最终区域的个数,
其中,为第个小的区域的几何中心,为大于等于1的正整数,在本实施例中,;
S44:对区域进行从左到右、从上到下的搜索检测并用数字序列对其进行标记。
下面结合一具体的实施例,对本发明所提出的一种基于视频图像技术的区域运动车流量检测方法进行说明。在本实施例中,取t=0.1s,即获取段道路区域某一时刻三幅运动车辆图像的采样间隔为0.1s,如图2本实施例中所采集的三张连续的灰度道路车辆图像;图3为本实施例中对灰度图像进行减法操作后的图像;其中,图3(a)为对图2(a)和图2(b)的灰度图像进行减法操作后的图像,记为:ab=(a)-(b);图3(b)为对图2(c)和图2(b)的灰度图像进行减法操作后的图像,记为:cb=(c)-(b);图4(a)为本实施例中对进行减法操作的图像进行求交操作所获取的图像,对图3(a)与3(b)求交,记为abc;图4(b)为本实施例中对求交操作的图像进行进行灰度线性拉伸,二值化,二值膨胀变换,增强和扩张所获取的图像;图4(c)为本实施例中采用基于欧式距离的区域标记法,对检测的运动车辆进行标记所获取的图像。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (3)
1.一种基于视频图像技术的区域运动车流量检测方法,其特征在于,按照下述步骤实现: S1:在待测道路区域固定视频相机,获取该道路区域连续的运动车辆彩色图像;
S2:通过Hough变换对所述彩色图像进行匹配校准,用以消除因强风或重型车辆的经过所引起的相机抖动;
S3:通过改进的帧差法检测道路上的运动车辆,获取运动车辆的检测图像;
S4:通过基于欧式距离的区域标记法,对所述检测图像进行标记,计算出道路区域的车辆数。
2.根据权利要求1所述的一种基于视频图像技术的区域运动车流量检测方法,其特征在于,在所述步骤S3中,还包括如下步骤:
S31:获取N幅连续等间隔的彩色图像,将彩色图像转换成灰度图像,其中,N为大于或等1的正整数;
S32:在所述灰度图像之间分别进行减法操作,并对进行减法操作后的图像进行求交操作,获取运动车辆的微弱图像;
S33:对所述微弱图像依次进行线性拉伸变换操作、二值化操作以及二值膨胀操作,实现对所述微弱图像的灰度增强。
3.根据权利要求1所述的一种基于视频图像技术的区域运动车流量检测方法,其特征在于,在所述步骤S4中,还包括如下步骤:
S41:分别用 对所述运动车辆的检测图像中的各个连通区域进行标记;
S42:对几何中心点进行欧式距离的计算;
S43:根据下式对各个连通区域进行合并,确定最终区域的个数,
S44:对所述最终区域区域进行数字标记;
其中,为第个小的区域的几何中心,为大于等于1的正整数,为一常数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410813285.0A CN104484997B (zh) | 2014-12-24 | 2014-12-24 | 一种基于视频图像技术的区域运动车流量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410813285.0A CN104484997B (zh) | 2014-12-24 | 2014-12-24 | 一种基于视频图像技术的区域运动车流量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104484997A true CN104484997A (zh) | 2015-04-01 |
CN104484997B CN104484997B (zh) | 2016-09-07 |
Family
ID=52759537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410813285.0A Expired - Fee Related CN104484997B (zh) | 2014-12-24 | 2014-12-24 | 一种基于视频图像技术的区域运动车流量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104484997B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886126A (zh) * | 2019-01-23 | 2019-06-14 | 长安大学 | 一种基于动态采样机制与rbf神经网络的区域车辆密度估计方法 |
CN112150828A (zh) * | 2020-09-21 | 2020-12-29 | 大连海事大学 | 基于图像识别技术的防抖动干扰动态调控红绿灯的方法 |
CN116403411A (zh) * | 2023-06-08 | 2023-07-07 | 山东协和学院 | 基于多信号源的交通拥堵预测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08185521A (ja) * | 1994-12-28 | 1996-07-16 | Clarion Co Ltd | 移動体カウント装置 |
JP2007164804A (ja) * | 2007-01-22 | 2007-06-28 | Asia Air Survey Co Ltd | 移動体検出システム、移動体検出装置、移動体検出方法及び移動体検出プログラム |
CN101587646A (zh) * | 2008-05-21 | 2009-11-25 | 上海新联纬讯科技发展有限公司 | 基于视频识别技术的车流量检测方法及系统 |
CN101945257A (zh) * | 2010-08-27 | 2011-01-12 | 南京大学 | 基于监控视频内容提取车辆底盘图像的合成方法 |
CN103714703A (zh) * | 2013-12-17 | 2014-04-09 | 重庆凯泽科技有限公司 | 一种基于视频图像处理的车流检测算法 |
-
2014
- 2014-12-24 CN CN201410813285.0A patent/CN104484997B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08185521A (ja) * | 1994-12-28 | 1996-07-16 | Clarion Co Ltd | 移動体カウント装置 |
JP2007164804A (ja) * | 2007-01-22 | 2007-06-28 | Asia Air Survey Co Ltd | 移動体検出システム、移動体検出装置、移動体検出方法及び移動体検出プログラム |
CN101587646A (zh) * | 2008-05-21 | 2009-11-25 | 上海新联纬讯科技发展有限公司 | 基于视频识别技术的车流量检测方法及系统 |
CN101945257A (zh) * | 2010-08-27 | 2011-01-12 | 南京大学 | 基于监控视频内容提取车辆底盘图像的合成方法 |
CN103714703A (zh) * | 2013-12-17 | 2014-04-09 | 重庆凯泽科技有限公司 | 一种基于视频图像处理的车流检测算法 |
Non-Patent Citations (2)
Title |
---|
朱媛媛: "基于视频图像处理技术的运动车辆检测方法研究", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
王慧斌,等: "虚拟线圈和模板链相结合的车流量视频检测方法研究", 《微型电脑应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886126A (zh) * | 2019-01-23 | 2019-06-14 | 长安大学 | 一种基于动态采样机制与rbf神经网络的区域车辆密度估计方法 |
CN112150828A (zh) * | 2020-09-21 | 2020-12-29 | 大连海事大学 | 基于图像识别技术的防抖动干扰动态调控红绿灯的方法 |
CN112150828B (zh) * | 2020-09-21 | 2021-08-13 | 大连海事大学 | 基于图像识别技术的防抖动干扰动态调控红绿灯的方法 |
CN116403411A (zh) * | 2023-06-08 | 2023-07-07 | 山东协和学院 | 基于多信号源的交通拥堵预测方法及系统 |
CN116403411B (zh) * | 2023-06-08 | 2023-08-11 | 山东协和学院 | 基于多信号源的交通拥堵预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104484997B (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104408460B (zh) | 一种车道线检测及跟踪检测方法 | |
CN104657727B (zh) | 一种车道线的检测方法 | |
JP6904614B2 (ja) | 対象物検出装置、予測モデル作成装置、対象物検出方法及びプログラム | |
US8983123B2 (en) | Target-object distance measuring device and vehicle mounted with the device | |
CN103324913B (zh) | 一种基于形状特征和轨迹分析的行人事件检测方法 | |
CN102768022B (zh) | 采用数码照相技术的隧道围岩变形检测方法 | |
CN112036254B (zh) | 基于视频图像的运动车辆前景检测方法 | |
KR101285106B1 (ko) | 영상 데이터 융합 기반의 장애물체 검출 방법 및 장치 | |
CN108647572A (zh) | 一种基于霍夫变换的车道偏离预警方法 | |
CN104318258A (zh) | 一种基于时域模糊和卡尔曼滤波器的车道线检测方法 | |
CN104282020A (zh) | 一种基于目标运动轨迹的车辆速度检测方法 | |
CN103559237A (zh) | 基于目标跟踪的半自动图像标注样本生成方法 | |
WO2008020598A1 (fr) | Dispositif et procédé de détection d'un nombre d'objets | |
US20120288206A1 (en) | Path recognition device, vehicle, path recognition method, and path recognition program | |
CN103544502A (zh) | 基于svm的高分辨率遥感影像船只提取方法 | |
CN104408741A (zh) | 一种时序一致性约束的视频全局运动估计方法 | |
CN102663778B (zh) | 一种基于多视点视频的目标跟踪方法和系统 | |
CN107067752A (zh) | 基于无人机航拍图像的车速估算系统及方法 | |
CN104484997A (zh) | 一种基于视频图像技术的区域运动车流量检测方法 | |
CN103077534A (zh) | 时空多尺度运动目标检测方法 | |
CN103605960A (zh) | 一种基于不同焦距视频图像融合的交通状态识别方法 | |
KR101568683B1 (ko) | 영상 분석을 이용한 차간 거리 추정 방법 및 그 장치 | |
CN103106663A (zh) | 计算机系统中基于图像处理实现sim卡缺陷检测的方法 | |
CN103093481B (zh) | 一种基于分水岭分割的静态背景下运动目标检测方法 | |
WO2015027649A1 (zh) | 一种多尺度模型车辆检测方法 |
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: 20160907 Termination date: 20201224 |
|
CF01 | Termination of patent right due to non-payment of annual fee |