CN105046954A - 基于视频智能分析的路口通行状态动态检测系统及方法 - Google Patents
基于视频智能分析的路口通行状态动态检测系统及方法 Download PDFInfo
- Publication number
- CN105046954A CN105046954A CN201510340823.3A CN201510340823A CN105046954A CN 105046954 A CN105046954 A CN 105046954A CN 201510340823 A CN201510340823 A CN 201510340823A CN 105046954 A CN105046954 A CN 105046954A
- Authority
- CN
- China
- Prior art keywords
- virtual coil
- traffic flow
- virtual
- import track
- coil
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于视频智能分析的路口通行状态动态检测系统及方法,其包括用于采集路口交通流视频图像的采集单元,所述采集单元与分析单元连接,以将采集的交通流视频图像传输至分析单元内;分析单元接收交通流视频图像,并在所述交通流视频图像的每个进口车道实时图像上均布设虚拟辅助线,分析单元根据虚拟辅助线对每个进口车道实时图像中的车辆通行状态进行分析,以获取每个进口车道的交通流参数。本发明利用智能视频分析技术分析路口通行状态,解决传统线圈存在的问题,提高路口交通流参数及交通状态的检测性能,提高路口通行状态的监控能力。
Description
技术领域
本发明涉及一种通行状态动态检测系统及方法,尤其是一种基于视频智能分析的路口通行状态动态检测系统及方法,属于智能交通的技术领域。
背景技术
随着城市化进展的加快和汽车保有量的增加,城市道路的通行能力日趋下降。道路交叉口是城市道路的关键节点,极易受环境、人流、车流等因素的影响,往往会成为交通阻塞和事故的多发地点。因此,实时掌握路口的交通流参数及通行状态对提高路口的通行能力尤为重要。
目前,使用线圈车辆检测器检测路口的交通流参数和通行状态,该方法基于电磁感应原理工作,埋在路面下并通一定电流,当车辆通过时车辆自身铁质切割磁通线,引起线圈回路电感量变化,检测器通过检测电感量的变化检测车辆。从使用情况看,线圈检测器由于损坏率高、设置不灵活等问题,检测数据的可靠性比较差,而且线圈检测主要用于车流量的检测,对其他交通流参数的测量比较少,越来越适应不了路口智能化建设的需求。
发明内容
本发明的目的是克服现有技术中存在的不足,提供一种基于视频智能分析的路口通行状态动态检测系统及方法,其利用智能视频分析技术分析路口通行状态,解决传统线圈存在的问题,提高路口交通流参数及交通状态的检测性能,提高路口通行状态的监控能力。
按照本发明提供的技术方案,所述基于视频智能分析的路口通行状态动态检测系统,包括用于采集路口交通流视频图像的采集单元,所述采集单元与分析单元连接,以将采集的交通流视频图像传输至分析单元内;
分析单元接收交通流视频图像,并在所述交通流视频图像的每个进口车道实时图像上均布设虚拟辅助线,分析单元根据虚拟辅助线对每个进口车道实时图像中的车辆通行状态进行分析,以获取每个进口车道的交通流参数。
所述布设的虚拟辅助线包括第一虚拟线圈、第二虚拟线圈、第三虚拟线圈以及动态跟踪线;第一虚拟线圈覆盖进口车道实时图像内的所有行车道,第二虚拟线圈、第三虚拟线圈均设置在被第一虚拟线圈覆盖进口车道实时图像的所有行车道上,第二虚拟线圈、第三虚拟线圈在进口车道实时图像内每个行车道的位置相对应,第二虚拟线圈在第一虚拟线圈内位于邻近进口道停止线的一端,动态跟踪线在第一虚拟线圈内位于远离进口道停止线的一端,第三虚拟线圈位于动态跟踪线与第二虚拟线圈间,且第三虚拟线圈邻近动态跟踪线;
通过动态跟踪线对第一虚拟线圈内的尾车进行跟踪,利用第二虚拟线圈、第二虚拟线圈以及动态跟踪线对位于第一虚拟线圈内的行驶车辆采用背景更新法、运动差分法进行车辆通行状态分析,以得到每个进口车道的交通流参数。
每个进口车道的交通流参数包括车道流量、排队长度、时间占有率、车头时距以及车辆速度,根据每个进口车道的交通流参数能评价对应进口车道的通行状态,所述通行状态包括畅通、缓行以及拥堵。
所述采集单元包括设置在每个进口车道上的高清摄像机,所述高清摄像机架设在进口车道的电子警察安装杆上,每个高清摄像机与进口道停止线的水平距离为15米~20米。
分析单元根据接收的交通流视频图像确定对交通流视频图像中的行驶车辆检测模式,所述分析单元确定行驶车辆检测模式包括白天模式以及夜晚模式;在夜晚模式下,分析单元采用车灯检测确定交通流视频图像中的行驶车辆。
分析单元接收交通流视频图像后,在布设虚拟辅助线前对交通流视频图像进行预处理,分析单元对交通流视频图像进行的预处理操作包括阴影抑制、反光抑制、雨天抑制或大灯抑制。
所述分析单元通过传输单元与指挥中心及信号系统连接,以将获取每个进口车道的交通流参数传输至指挥中心及信号系统内。
一种基于视频智能分析的路口通行状态动态检测方法,在路口设置用于采集路口交通流视频图像的采集单元,所述采集单元与分析单元连接,以将采集的交通流视频图像传输至分析单元内;
分析单元接收交通流视频图像,并在所述交通流视频图像的每个进口车道实时图像上均布设虚拟辅助线,分析单元根据虚拟辅助线对每个进口车道实时图像中的车辆通行状态进行分析,以获取每个进口车道的交通流参数。
所述布设的虚拟辅助线包括第一虚拟线圈、第二虚拟线圈、第三虚拟线圈以及动态跟踪线;第一虚拟线圈覆盖进口车道实时图像内的所有行车道,第二虚拟线圈、第三虚拟线圈均设置在被第一虚拟线圈覆盖进口车道实时图像的所有行车道上,第二虚拟线圈、第三虚拟线圈在进口车道实时图像内每个行车道的位置相对应,第二虚拟线圈在第一虚拟线圈内位于邻近进口道停止线的一端,动态跟踪线在第一虚拟线圈内位于远离进口道停止线的一端,第三虚拟线圈位于动态跟踪线与第二虚拟线圈间,且第三虚拟线圈邻近动态跟踪线;
通过动态跟踪线对第一虚拟线圈内的尾车进行跟踪,利用第二虚拟线圈、第二虚拟线圈以及动态跟踪线对位于第一虚拟线圈内的行驶车辆采用背景更新法、运动差分法进行车辆通行状态分析,以得到每个进口车道的交通流参数。
每个进口车道的交通流参数包括车道流量、排队长度、时间占有率、车头时距以及车辆速度,根据每个进口车道的交通流参数能评价对应进口车道的通行状态,所述通行状态包括畅通、缓行以及拥堵。
本发明的优点:通过采集单元采集路口的交通流视频图像,并通过进口道实时图像上布设虚拟辅助线,利用基于背景更新法和运动差分法原理检测和跟踪车辆进出检测区域和虚拟线圈的时间和过程,准确而有效地检测出路口的交通流参数和交通通行状态,克服传统车辆检测线圈存在的损坏率高、设置不灵活、数据可靠性差的问题,提高路口进口车道各导向车道入口段的交通状态特征参数的检测性能,为实时监控路口通行状态提供帮助,也为优化路口交通信号控制,提高通行效率提供依据。
附图说明
图1为本发明的结构框图。
图2为本发明的一种具体实施示意图。
图3为本发明获取交通流参数的示意图。
附图标记说明:10-采集单元、101-东向摄像机、102-南向摄像机、103-西向摄像机、104-北向摄像机、20-分析单元、201-模式模块、2011-白天模式、2012-夜晚模式、202-预处理模块、2021-阴影抑制、2022-反光抑制、2023-雨天抑制、2024-大灯抑制、203-车辆检测模块、2031-第一虚拟线圈、2032-第二虚拟线圈、2033-第三虚拟线圈、2034-动态跟踪线、204-参数计算模块、2041-车流量、2042-排队长度、2043-时间占用率、2044-车头时距、2045-车辆速度、30-传输单元、40-指挥中心、50-信号系统、43-右转车道、44-直行车道、45-左转车道、5-第四位置、6-第五位置、7-第六位置以及8-电子警察安装杆。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
如图1所示:为了能利用智能视频分析技术分析路口通行状态,解决传统线圈存在的问题,提高路口交通流参数及交通状态的检测性能,提高路口通行状态的监控能力,本发明包括用于采集路口交通流视频图像的采集单元10,所述采集单元10与分析单元20连接,以将采集的交通流视频图像传输至分析单元20内;
分析单元20接收交通流视频图像,并在所述交通流视频图像的每个进口车道实时图像上均布设虚拟辅助线,分析单元20根据虚拟辅助线对每个进口车道实时图像中的车辆通行状态进行分析,以获取每个进口车道的交通流参数。
具体地,所述采集单元10包括设置在每个进口车道上的高清摄像机,所述高清摄像机架设在进口车道的电子警察安装杆8上,每个高清摄像机与进口道停止线的水平距离为15米~20米。采集单元10采集的交通流视频图像包括四个进口车道的进口车道实时图像。一般地,对于每个路口,为了掌握每个交叉形成路口的进口车道的交通流参数,采集单元10包括东向摄像机101、南向摄像机102、西向摄像机103以及北向摄像机104,通过东向摄像机101采集路口东方向上进口车道的进口车道实时图像,通过南向摄像机102、西向摄像机103以及北向摄像机104分别采集路口南、路口西、路口北方向上进口车道的进口车道实时图像。由于采集单元10内的摄像机架设在电子警察安装杆8上,并与进口道停止线的水平距离为15米~20米,则每个摄像机在安装后,由于安装倾角等导致无法检测的区域距离电子警察安装杆8的水平距离为10~15米,所述无法检测的区域一般为每个摄像机与进口道停止线之间的区域。
进一步地,所述布设的虚拟辅助线包括第一虚拟线圈2031、第二虚拟线圈2032、第三虚拟线圈2033以及动态跟踪线2034;第一虚拟线圈2031覆盖进口车道实时图像内的所有行车道,第二虚拟线圈2032、第三虚拟线圈2033均设置在被第一虚拟线圈2031覆盖进口车道实时图像的所有行车道上,第二虚拟线圈2032、第三虚拟线圈2033在进口车道实时图像内每个行车道的位置相对应,第二虚拟线圈2032在第一虚拟线圈2031内位于邻近进口道停止线的一端,动态跟踪线2034在第一虚拟线圈2031内位于远离进口道停止线的一端,第三虚拟线圈2033位于动态跟踪线2034与第二虚拟线圈2032间,且第三虚拟线圈2033邻近动态跟踪线2034;
通过动态跟踪线2034对第一虚拟线圈2031内的尾车进行跟踪,利用第二虚拟线圈2032、第二虚拟线圈2033以及动态跟踪线2034对位于第一虚拟线圈2031内的行驶车辆采用背景更新法、运动差分法进行车辆通行状态分析,以得到每个进口车道的交通流参数。
本发明实施例中,分析单元20对路口通讯状态进行检测时,需要对每个进口车道进行分析,即对每个进口车道实时图像均布设或添加虚拟辅助线。第一虚拟线圈2031呈长方形状,第一虚拟线圈2031布设在进口道实时图像上后,邻近进口道停止线的一端形成头端,第一虚拟线圈2031的另一端形成与头端相对应的尾端。第二虚拟线圈2032在第一虚拟线圈2031内邻近第一虚拟线圈2031的头端,第三虚拟线圈2033在第一虚拟线圈2033内邻近第一虚拟线圈2031的尾端。第一虚拟线圈2031覆盖进口道实时图像上所有的行车道,一般地,进口道实时图像上的行车道为三条或四条车道。第二虚拟线圈2032设置在进口道实时图像内的每条行车道上,且进口道实时图像内的所有的第二虚拟线圈2032位置对应一致,同理,第三虚拟线圈2033在进口道实时图像上每条行车道的位置对应一致。动态跟踪线2034在第一虚拟线圈2031内并邻近第一虚拟线圈2031的尾端,通过动态跟踪线2034来跟踪位于第三虚拟线圈2033与尾端之间且最接近第一虚拟线圈2031尾端的行驶车辆。具体实施时,利用第二虚拟线圈2032检测驶入进口道内各导向车道车辆的车头时距、车流量、车速、时间占有率,利用第三虚拟线圈2033检测进口道内各导向车道的车辆占有线圈的状态以测量路口的通行状态,动态跟踪线2034跟踪进口道上排队的最后一辆车的尾部,用于计算进口道内各导向车道的排队长度。
在具体实施时,布设第一虚拟线圈2031、第二虚拟线圈2032、第三虚拟线圈2033以及动态跟踪线2034后,利用背景更新法以及运动差分法来计算得到交通流参数。背景更新法、运动差分法为本技术领域进行图像分析的常用方法,具体为本技术领域人员所熟知,此处不再赘述。
每个进口车道的交通流参数包括车道流量2041、排队长度2042、时间占有率2043、车头时距2044以及车辆速度2045,根据每个进口车道的交通流参数能评价对应进口车道的通行状态,所述通行状态包括畅通、缓行以及拥堵。本发明实施例中,分析模块20内具有参数技术模块204,在布设虚拟辅助线后,参数计算模块204利用背景更新法以及运动差分法计算后得到交通流参数。
分析单元20根据接收的交通流视频图像确定对交通流视频图像中的行驶车辆检测模式,所述分析单元20确定行驶车辆检测模式包括白天模式2011以及夜晚模式2012;在夜晚模式2012下,分析单元20采用车灯检测确定交通流视频图像中的行驶车辆。
本发明实施例中,分析单元20内包含模式模块201,模式模块201内包括白天模式2011以及夜晚模式2012。具体实施时,可以根据交通流视频图像或进口道实时图像的亮度来确定进入白天模式2011或夜晚模式2012,此外,还可以根据增加光线强度传感器,通过光线强度传感器来确定路口当前的亮度,或者在分析单元20内设置时钟等方式确定当前的时间,在确定路口当前的时间或亮度后,能确定分析单元20是处于白天模式2011或夜晚模式2012。白天模式2011或夜晚模式2012(无路灯时)时,分析单元20对进口道实时图像上的行驶车辆检测方式不同,以提高行驶车辆检测的精度及效率。在检测行驶车辆后,分析单元20对进口道实时图像的后续处理过程均相同。
分析单元20接收交通流视频图像后,在布设虚拟辅助线前对交通流视频图像进行预处理,分析单元20对交通流视频图像进行的预处理操作包括阴影抑制2021、反光抑制2022、雨天抑制2023或大灯抑制2024。
本发明实施例中,分析单元20内包含预处理模块202,通过预处理模块202在对进口道实时图像预处理后消除恶劣环境的影响,在雨天抑制2023是指有雨水影响情况下采用积水灯光反射自适应过滤算法,其中,积水灯光反射自适应过滤算法的具体过程为本技术领域人员所熟知,此处不再赘述。在光照及树荫影响情况下采用阴影检测算法抑制天气、光照、树木等自然环境对车辆视频检测的影响,阴影抑制2021、反光抑制以及大灯抑制2024的具体预处理过程及算法均为本技术领域人员所熟知,此处不再赘述。
所述分析单元20通过传输单元30与指挥中心40及信号系统50连接,以将获取每个进口车道的交通流参数传输至指挥中心40及信号系统50内。本发明实施例中,指挥中心40及信号系统50是指智能交通中的控制系统,传输单元30可以采用互联网等数据传输行驶,分析单元20将交通流参数传输至指挥中心40及信号系统50内后,为实时监控路口通行状态提供帮助,也为优化路口交通信号控制,提高通行效率提供依据。
如图2所示,为在路口安装高清摄像机及在交通流视频图像中布设虚拟辅助线的一种具体实施示意图,监控道路选择路口东方向的进口车道。在进口方向设左转车道45、直行车道44、右转车道43共三个车道,在第二虚拟线圈2032与第三虚拟线圈2033之间区域有连续排队的车辆,排队车辆位于第二虚拟线圈2032、第三虚拟线圈2033之间的第五位置6、第六位置7,即在右转车道43内存在连续排队的右转机动车A,右转机动车A在进口道实时图像的第五位置6以及第六位置7;同理,在直行车道44内存在连续排队的直行机动车B,直行机动车B在进口道实时图像的第五位置6以及第六位置7,在左转车道45内存在连续排队的左转机动车C,左转机动车C在进口道实时图像的第五位置6以及第六位置7。在右转车道43内的第四位置5也存在右转机动车A,在直行车道44的第四位置5存在直行机动车B,在左转车道45的第四位置5存在左转机动车C,第四位置5位于第三线圈2033与第一虚拟线圈2031的尾端之间。通过动态跟踪线2034来跟踪处于第四位置5上的右转机动车A、直行机动车B以及左转机动车C。
东向摄像机101架设在电子警察安装杆8上,东向摄像机101与进口道停止线的水平距离距停车线L1,方向朝向驶入进口车道的车辆,采集左转车道45、直行车道44、右转车道43上进口道实时图像。在东西摄像机101采集进口道实时图像上设置虚拟辅助线,包括第一虚拟线圈2031、第二虚拟线圈2032及第三虚拟线圈2033,第一虚拟线圈2031覆盖的区域为进口道实时图像内的左转车道45、直行车道44、右转车道43,第二虚拟线圈2032邻近第一虚拟线圈2031头端的一侧(即图中标识2的一侧,即第二虚拟线圈2032的边2)距离电子警察安装杆8的水平距离为L2、第二虚拟线圈2031邻近第一虚拟线圈尾端的一侧(即图中标识1的侧,即第二虚拟线圈2032的边1)距离电子警察安装杆8的水平距离为L3,第三虚拟线圈2033邻近第一虚拟线圈2031头端的一侧(即图中第三虚拟线圈2033上标识2的侧,即第三虚拟线圈2033的边2)距离电子警察安装杆8的水平距离为L4,第三虚拟线圈2033邻近第一虚拟线圈2031尾端的一侧(即图中第三虚拟线圈2033上标识1的侧,即第三虚拟线圈2033的边1)距离电子警察安装杆8的水平距离为L5。动态跟踪线2034设置在位于第四位置5的右转机动车A的尾部、直行机动车B的尾部以及右转机动车C的尾部。其他方向的进口车道实时图像设置类推,此处不再一一详述。在具体实施时,上述与电子警察安装杆8之间的水平距离的实际取值为:L2长度范围为10米~15米,L3长度范围为15米~20米,L4长度范围为30米~50米,L5长度范围为40米~60米,L6长度范围为70米~90米。
如图2和图3所示,为本发明在布设虚拟辅助线后计算交通流参数的示意图,包括右转车道43、直行车道44、左转车道45个车道情况,其中,右转机动车5(A)表示位于第四位置5的右转机动车,右转机动车6(A)表示位于第五位置6的右转机动车,右转机动车7(A)表示位于第六位置7的右转机动车。直行机动车5(B)表示位于第四位置的直行机动车,直行机动车6(B)表示位于第五位置的直行机动车,直行机动车7(B)表示位于第六位置的直行机动车。左转机动车5(C)表示位于第四位置的左转机动车,左转机动车6(C)表示位于第五位置的左转机动车,左转机动车7(C)表示位于第六位置的左转机动车。具体为:
1)、右转车道。
假设T0时刻,在右转车道43上,右转机动车5(A)进入第一虚拟线圈2031以内,右转车道43上还存在右转机动车6(A)及右转机动车7(A)。此时,如果第三虚拟线圈2033内的导向车道(即在第三虚拟线圈2033所覆盖的范围内,下同)未被车辆排队占有,则判定为顺畅交通流状态;如果第三虚拟线圈2033内的导向车道被车辆排队占有,则判定此刻为排队拥堵交通状态。同时,东向摄像机101识别右转机动车5(A)的尾部,并以动态跟踪线线2034对右转机动车5(A)跟踪,根据图2,右转车道43的排队长度为电子警察安装杆8水平点至动态跟踪线2034(A)的距离L6(A)与电子警察安装杆8水平距离点至进口道停止线的距离L1之和,即T0时刻的排队长度2042(A)=L6(A)+L1,其中,动态跟踪线2034(A)是指跟踪右转车道43的右转机动车5(A)的跟踪线。当右转车道43上的右转机动车7(A)、右转机动车6(A)、右转机动车5(A)继续行驶,东向摄像机101于T1时刻识别出右转机动车7(A)车头到第二虚拟线圈2032(A)的边1,于T2时刻识别出右转机动车7(A)车头到达第二虚拟线圈2032(A)边2,于T3时刻识别出右转机动车6(A)车头达到第二虚拟线圈2032(A)边1,于T4时刻识别出右转机动车6(A)车头到达第二虚拟线圈2032(A)边2,则车头时距2044(A)=T3-T1、车辆速度2045(A)=(L3-L2)/(T2-T1)、时间占有率2043(A)=(T4-T3+T2-T1)/(T4-T0)、车流量2041(A)在原来数值基础上加1,第二虚拟线圈2032(A)表示位于右转车道43内的第二虚拟线圈2032。
(2)直行车道。
假设T0时刻,在直行车道44上,直行机动车5(B)行驶进入第一虚拟线圈2031以内,直行车道44内还存在直行机动车6(B)以及直行机动车7(B)。此时,如果第三虚拟线圈2033内的导向车道未被车辆排队占有,则判定为顺畅交通流状态;如果第三虚拟线圈2033内的导向车道被车辆排队占有,则判定此刻为排队拥堵交通状态;同时,东向摄像机101识别直行机动车5(B)的尾部,并以动态线2034(B)跟踪,根据图2,直行车道44的排队长度为电子警察安装杆8水平点至动态跟踪线2034(B)的距离L6(B)与电子警察安装杆8水平距离点至进口道停止线的距离L1之和,即T0时刻的排队长度2042(B)=L6(B)+L1,其中,动态跟踪线2034(B)表示用于跟踪直行车道44内直行机动车5(B)的动态跟踪线。当直行车道44上的直行机动车7(B)、直行机动车6(B)、直行机动车5(B)继续行驶,东向摄像机101于T1时刻识别出直行机动车7(B)车头到第二虚拟线圈2032(B)边1,于T2时刻识别出直行机动车7(B)车头到达第二虚拟线圈2032(B)边2,于T3时刻识别出直行机动车6(B)车头达到第二虚拟线圈2032(B)边1,于T4时刻识别出直行机动车6(B)车头到达第二虚拟线圈2032(B)边2,则车头时距2044(B)=T3-T1、车辆速度2044(B)=(L3-L2)/(T2-T1)、时间占有率2043(B)=(T4-T3+T2-T1)/(T4-T0)、车流量2041(B)在原来数值基础上加1,第二虚拟线圈2032(B)表示位于直行车道44内的第二虚拟线圈。
(3)左转车道。
假设T0时刻,在左转车道45上,左转机动车5(C)驶入在第一虚拟线圈2031以内,左转车道45内还存在左转机动车6(C)以及左转机动车7(C)。此时,如果第三虚拟线圈2033内的导向车道未被车辆排队占有,则判定为顺畅交通流状态;如果第三虚拟线圈2033内的导向车道被车辆排队占有,则判定此刻为排队拥堵交通状态。同时,东向摄像机101识别左转机动车5(C)的尾部,并以动态跟踪线2034(C)跟踪,根据图2,左转车道45的排队长度为电子警察安装杆8水平点至动态跟踪线2034(C)的距离L6(C)与电子警察安装杆8水平距离点至进口道停止线的距离L1之和,即T0时刻的排队长度2042(C)=L6(C)+L1,其中,动态跟踪线2034(C)是指跟踪左转车道45内左转机动车5(C)尾部的动态跟踪线2034。当左转车道45上的左转机动车7(C)、左转机动车6(C)、左转机动车5(C)继续行驶,东向摄像机101于T1时刻识别出左转机动车7(C)车头到第二虚拟线圈2032(C)的边1,于T2时刻识别出左转机动车7(C)车头到第二达虚拟线圈2032(C)的边2,于T3时刻识别出左转机动车6(C)车头达到第二虚拟线圈2032(C)的边1,于T4时刻识别出左转机动车6(C)车头到达第二虚拟线圈2032(C)的边2,则车头时距2044(C)=T3-T1、车辆速度2044(C)=(L3-L2)/(T2-T1)、时间占有率2043(C)=(T4-T3+T2-T1)/(T4-T0)、车流量2041(C)在原来数值基础上加1,第二虚拟线圈2032(C)是指设置在左转车道45内的第二虚拟线圈2032。
综上所述,可以得到本发明对路口通行状态动态检测方法,本发明通过在进口道实时图像上布设虚拟辅助线进行车辆通行分析,以获取车辆的车流量、排队长度、时间占有率、车头时距、车辆速度及交通通行状态,有效解决传统线圈检测、地磁检测存在的损坏率高、设置不灵活、数据可靠性差的问题,提高路口进口车道各导向车道的入口段交通状态特征参数的检测性能,为实时监控路口通行状态提供帮助,也为优化路口交通信号控制提高通行效率提供依据。
以上所述仅是本发明的实施方式,本领域的技术人员应当理解,在不脱离本发明技术方案或技术原理的前提下,可进行若干改进或等效替换,但这些改进也应视为本发明的保护范围。
Claims (10)
1.一种基于视频智能分析的路口通行状态动态检测系统,其特征是:包括用于采集路口交通流视频图像的采集单元(10),所述采集单元(10)与分析单元(20)连接,以将采集的交通流视频图像传输至分析单元(20)内;
分析单元(20)接收交通流视频图像,并在所述交通流视频图像的每个进口车道实时图像上均布设虚拟辅助线,分析单元(20)根据虚拟辅助线对每个进口车道实时图像中的车辆通行状态进行分析,以获取每个进口车道的交通流参数。
2.根据权利要求1所述的基于视频智能分析的路口通行状态动态检测系统,其特征是:所述布设的虚拟辅助线包括第一虚拟线圈(2031)、第二虚拟线圈(2032)、第三虚拟线圈(2033)以及动态跟踪线(2034);第一虚拟线圈(2031)覆盖进口车道实时图像内的所有行车道,第二虚拟线圈(2032)、第三虚拟线圈(2033)均设置在被第一虚拟线圈(2031)覆盖进口车道实时图像的所有行车道上,第二虚拟线圈(2032)、第三虚拟线圈(2033)在进口车道实时图像内每个行车道的位置相对应,第二虚拟线圈(2032)在第一虚拟线圈(2031)内位于邻近进口道停止线的一端,动态跟踪线(2034)在第一虚拟线圈(2031)内位于远离进口道停止线的一端,第三虚拟线圈(2033)位于动态跟踪线(2034)与第二虚拟线圈(2032)间,且第三虚拟线圈(2033)邻近动态跟踪线(2034);
通过动态跟踪线(2034)对第一虚拟线圈(2031)内的尾车进行跟踪,利用第二虚拟线圈(2032)、第二虚拟线圈(2033)以及动态跟踪线(2034)对位于第一虚拟线圈(2031)内的行驶车辆采用背景更新法、运动差分法进行车辆通行状态分析,以得到每个进口车道的交通流参数。
3.根据权利要求1或2所述的基于视频智能分析的路口通行状态动态检测系统,其特征是:每个进口车道的交通流参数包括车道流量、排队长度、时间占有率、车头时距以及车辆速度,根据每个进口车道的交通流参数能评价对应进口车道的通行状态,所述通行状态包括畅通、缓行以及拥堵。
4.根据权利要求1所述的基于视频智能分析的路口通行状态动态检测系统,其特征是:所述采集单元(10)包括设置在每个进口车道上的高清摄像机,所述高清摄像机架设在进口车道的电子警察安装杆上,每个高清摄像机与进口道停止线的水平距离为15米~20米。
5.根据权利要求1所述的基于视频智能分析的路口通行状态动态检测系统,其特征是:分析单元(20)根据接收的交通流视频图像确定对交通流视频图像中的行驶车辆检测模式,所述分析单元(20)确定行驶车辆检测模式包括白天模式(2011)以及夜晚模式(2012);在夜晚模式(2012)下,分析单元(20)采用车灯检测确定交通流视频图像中的行驶车辆。
6.根据权利要求1所述的基于视频智能分析的路口通行状态动态检测系统,其特征是:分析单元(20)接收交通流视频图像后,在布设虚拟辅助线前对交通流视频图像进行预处理,分析单元(20)对交通流视频图像进行的预处理操作包括阴影抑制、反光抑制、雨天抑制或大灯抑制。
7.根据权利要求1所述的基于视频智能分析的路口通行状态动态检测系统,其特征是:所述分析单元(20)通过传输单元(30)与指挥中心(40)及信号系统(50)连接,以将获取每个进口车道的交通流参数传输至指挥中心(40)及信号系统(50)内。
8.一种基于视频智能分析的路口通行状态动态检测方法,其特征是,在路口设置用于采集路口交通流视频图像的采集单元(10),所述采集单元(10)与分析单元(20)连接,以将采集的交通流视频图像传输至分析单元(20)内;
分析单元(20)接收交通流视频图像,并在所述交通流视频图像的每个进口车道实时图像上均布设虚拟辅助线,分析单元(20)根据虚拟辅助线对每个进口车道实时图像中的车辆通行状态进行分析,以获取每个进口车道的交通流参数。
9.根据权利要求8所述基于视频智能分析的路口通行状态动态检测方法,其特征是:所述布设的虚拟辅助线包括第一虚拟线圈(2031)、第二虚拟线圈(2032)、第三虚拟线圈(2033)以及动态跟踪线(2034);第一虚拟线圈(2031)覆盖进口车道实时图像内的所有行车道,第二虚拟线圈(2032)、第三虚拟线圈(2033)均设置在被第一虚拟线圈(2031)覆盖进口车道实时图像的所有行车道上,第二虚拟线圈(2032)、第三虚拟线圈(2033)在进口车道实时图像内每个行车道的位置相对应,第二虚拟线圈(2032)在第一虚拟线圈(2031)内位于邻近进口道停止线的一端,动态跟踪线(2034)在第一虚拟线圈(2031)内位于远离进口道停止线的一端,第三虚拟线圈(2033)位于动态跟踪线(2034)与第二虚拟线圈(2032)间,且第三虚拟线圈(2033)邻近动态跟踪线(2034);
通过动态跟踪线(2034)对第一虚拟线圈(2031)内的尾车进行跟踪,利用第二虚拟线圈(2032)、第二虚拟线圈(2033)以及动态跟踪线(2034)对位于第一虚拟线圈(2031)内的行驶车辆采用背景更新法、运动差分法进行车辆通行状态分析,以得到每个进口车道的交通流参数。
10.根据权利要求8所述基于视频智能分析的路口通行状态动态检测方法,其特征是:每个进口车道的交通流参数包括车道流量、排队长度、时间占有率、车头时距以及车辆速度,根据每个进口车道的交通流参数能评价对应进口车道的通行状态,所述通行状态包括畅通、缓行以及拥堵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510340823.3A CN105046954B (zh) | 2015-06-18 | 2015-06-18 | 基于视频智能分析的路口通行状态动态检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510340823.3A CN105046954B (zh) | 2015-06-18 | 2015-06-18 | 基于视频智能分析的路口通行状态动态检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105046954A true CN105046954A (zh) | 2015-11-11 |
CN105046954B CN105046954B (zh) | 2017-10-17 |
Family
ID=54453460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510340823.3A Active CN105046954B (zh) | 2015-06-18 | 2015-06-18 | 基于视频智能分析的路口通行状态动态检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046954B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513342A (zh) * | 2015-11-25 | 2016-04-20 | 南京莱斯信息技术股份有限公司 | 一种基于视频跟踪的车辆排队长度计算方法 |
CN107301776A (zh) * | 2016-10-09 | 2017-10-27 | 上海炬宏信息技术有限公司 | 基于视频检测技术的车道路况处理及发布方法 |
CN109919883A (zh) * | 2018-12-03 | 2019-06-21 | 南京三宝科技股份有限公司 | 一种基于灰度转换的交通视频数据获取方法 |
CN110322687A (zh) * | 2018-03-30 | 2019-10-11 | 杭州海康威视系统技术有限公司 | 确定目标交叉口运行状态信息的方法和装置 |
CN110599781A (zh) * | 2019-09-23 | 2019-12-20 | 潍坊畅讯交通设施工程有限公司 | 一种智慧化城市的车流统计识别系统 |
CN111127877A (zh) * | 2019-11-19 | 2020-05-08 | 华为技术有限公司 | 一种路况信息的监测方法及装置 |
CN111599175A (zh) * | 2020-05-13 | 2020-08-28 | 特路(北京)科技有限公司 | 监看智能汽车行驶轨迹跟踪的管理系统及场景搭建方法 |
CN111932908A (zh) * | 2020-08-05 | 2020-11-13 | 浙江工业大学 | 一种基于深度学习的转向比及车流量统计方法 |
CN112037511A (zh) * | 2020-08-28 | 2020-12-04 | 浙江浙大中控信息技术有限公司 | 一种单交叉口信号配时失衡状态的识别方法 |
CN113643537A (zh) * | 2021-08-11 | 2021-11-12 | 公安部交通管理科学研究所 | 一种进口车道通行状态特征参数检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510356A (zh) * | 2009-02-24 | 2009-08-19 | 上海高德威智能交通系统有限公司 | 视频检测系统及其数据处理装置、视频检测方法 |
CN102231236A (zh) * | 2011-06-14 | 2011-11-02 | 汉王科技股份有限公司 | 车辆计数方法和装置 |
GB2513566A (en) * | 2013-04-29 | 2014-11-05 | Erh Holdings Ltd | Road traffic queue detection |
CN104658279A (zh) * | 2015-02-17 | 2015-05-27 | 公安部交通管理科学研究所 | 基于视频通行状态监测的实时优化信号控制方法及系统 |
-
2015
- 2015-06-18 CN CN201510340823.3A patent/CN105046954B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510356A (zh) * | 2009-02-24 | 2009-08-19 | 上海高德威智能交通系统有限公司 | 视频检测系统及其数据处理装置、视频检测方法 |
CN102231236A (zh) * | 2011-06-14 | 2011-11-02 | 汉王科技股份有限公司 | 车辆计数方法和装置 |
GB2513566A (en) * | 2013-04-29 | 2014-11-05 | Erh Holdings Ltd | Road traffic queue detection |
CN104658279A (zh) * | 2015-02-17 | 2015-05-27 | 公安部交通管理科学研究所 | 基于视频通行状态监测的实时优化信号控制方法及系统 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513342A (zh) * | 2015-11-25 | 2016-04-20 | 南京莱斯信息技术股份有限公司 | 一种基于视频跟踪的车辆排队长度计算方法 |
CN107301776A (zh) * | 2016-10-09 | 2017-10-27 | 上海炬宏信息技术有限公司 | 基于视频检测技术的车道路况处理及发布方法 |
CN110322687A (zh) * | 2018-03-30 | 2019-10-11 | 杭州海康威视系统技术有限公司 | 确定目标交叉口运行状态信息的方法和装置 |
CN109919883A (zh) * | 2018-12-03 | 2019-06-21 | 南京三宝科技股份有限公司 | 一种基于灰度转换的交通视频数据获取方法 |
CN109919883B (zh) * | 2018-12-03 | 2021-06-22 | 南京三宝科技股份有限公司 | 一种基于灰度转换的交通视频数据获取方法 |
CN110599781A (zh) * | 2019-09-23 | 2019-12-20 | 潍坊畅讯交通设施工程有限公司 | 一种智慧化城市的车流统计识别系统 |
WO2021098211A1 (zh) * | 2019-11-19 | 2021-05-27 | 华为技术有限公司 | 一种路况信息的监测方法及装置 |
CN111127877A (zh) * | 2019-11-19 | 2020-05-08 | 华为技术有限公司 | 一种路况信息的监测方法及装置 |
CN111599175A (zh) * | 2020-05-13 | 2020-08-28 | 特路(北京)科技有限公司 | 监看智能汽车行驶轨迹跟踪的管理系统及场景搭建方法 |
CN111932908A (zh) * | 2020-08-05 | 2020-11-13 | 浙江工业大学 | 一种基于深度学习的转向比及车流量统计方法 |
CN111932908B (zh) * | 2020-08-05 | 2021-07-23 | 浙江工业大学 | 一种基于深度学习的转向比及车流量统计方法 |
CN112037511A (zh) * | 2020-08-28 | 2020-12-04 | 浙江浙大中控信息技术有限公司 | 一种单交叉口信号配时失衡状态的识别方法 |
CN112037511B (zh) * | 2020-08-28 | 2022-03-08 | 浙江中控信息产业股份有限公司 | 一种单交叉口信号配时失衡状态的识别方法 |
CN113643537A (zh) * | 2021-08-11 | 2021-11-12 | 公安部交通管理科学研究所 | 一种进口车道通行状态特征参数检测方法及系统 |
CN113643537B (zh) * | 2021-08-11 | 2022-08-05 | 公安部交通管理科学研究所 | 一种进口车道通行状态特征参数检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105046954B (zh) | 2017-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046954A (zh) | 基于视频智能分析的路口通行状态动态检测系统及方法 | |
CN109003444B (zh) | 基于广域雷达微波检测器的城市交叉口溢流控制方法 | |
CN103985263B (zh) | 一种能减少路口停车次数的视频跟踪检测方法及系统 | |
CN110264717B (zh) | 一种城市智能交通调控系统 | |
CN201716860U (zh) | 交通信号灯控制系统 | |
CN105046985A (zh) | 基于大数据的主干道全路段的交通控制系统 | |
CN110910662B (zh) | 车路协同环境下单点自适应交通信号优化控制方法 | |
CN102682615B (zh) | 一种红绿灯控制系统的视频车辆检测方法 | |
CN107146429A (zh) | 一种基于图像和gps信息融合的交通信号灯控制方法 | |
CN104658279B (zh) | 基于视频通行状态监测的实时优化信号控制方法及系统 | |
CN107993456B (zh) | 基于人行道通行末期的单行道智能交通灯控制系统及方法 | |
CN204904585U (zh) | 一种高清视频一体机、交通信号机及基于视觉传感的交通信号控制系统 | |
CN106097735A (zh) | 基于平面感知检测技术的潮汐车道信号灯控制方法及系统 | |
CN104794910A (zh) | 基于排队长度的具有跳相功能的全感应信号控制方法 | |
CN102005120A (zh) | 基于视频图像分析的交通路口监控技术和系统 | |
CN109598187A (zh) | 障碍物识别方法、障碍物识别系统及轨道车自动驾驶装置 | |
CN109754617B (zh) | 一种高通行效率交通信号灯控制系统 | |
CN202472944U (zh) | 基于多传感器数据融合的城市交通信息采集与处理系统 | |
CN103531031A (zh) | 一种基于交通干线软封闭区视频检测识别实现绿波带通行控制的研究 | |
CN103871258A (zh) | 一种交叉口防锁死的信号控制方法 | |
CN103810854B (zh) | 一种基于人工标定的智能交通参数检测方法 | |
CN111968370A (zh) | 一种微波雷达智能可变车道感知系统及方法 | |
CN103150913A (zh) | 一种动态自适应交通信号控制装置及方法 | |
CN105719495A (zh) | 交通信号灯联动控制系统及其控制方法 | |
CN109903574A (zh) | 路口交通信息的获取方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |