CN105575125A - 一种车流视频侦测分析系统 - Google Patents

Abstract

本发明公开了一种车流视频侦测分析系统，包括硬件设备、软件引擎和模板数据库，硬件设备包括计算机、视频输入设备、网络设备；软件引擎包括识别捕捉引擎、分帧引擎、投影引擎、3D轨迹跟踪引擎、比对识别引擎；模板数据库包括车辆模板、字符模板、色卡模板，车辆模板包括车头模板、车尾模板、车标模板、车形基础模板，系统通过前述软硬件，统计前述每辆车的数据，计算车的数量、车流密度、车流行进方向、车流平均速度。

Description

一种车流视频侦测分析系统

技术领域

本发明涉及一种计算机辅助车辆建模识别及分析系统，更具体的说，是一种车流视频侦测分析系统。

背景技术

随着现代社会的发展和生产效率的提高，道路交通工具使用得越来越频繁。城市智慧交通要求城市交通管理部门不仅需要了解实时的路况、车流情况、车辆违章情况，同时还需要对高峰段关键路口的车流量进行预测，以引导车流，防止拥堵。

本系统就是为了解决上述问题而设计开发。

发明内容

本发明是一种车流视频侦测分析系统，包括硬件设备、软件引擎和模板数据库，所述硬件设备包括计算机、视频输入设备、网络设备；所述软件引擎包括识别捕捉引擎、分帧引擎、投影引擎、3D轨迹跟踪引擎、比对识别引擎；所述模板数据库包括车辆模板、字符模板、色卡模板，所述车辆模板包括车头模板、车尾模板、车标模板、车形基础模板；

所述视频输入设备包括摄像机和硬盘录像机，摄像机进行视频实时输入，实时分析；硬盘录像机进行视频回放输入，事后分析；

所述识别捕捉引擎，通过车形基础模板结合车头模板、车尾模板，识别出车形，捕捉视频流中的车形图像帧；

所述分帧引擎，将视频流拆分成每帧图像，识别捕捉引擎和分帧引擎交替工作，将包含有人形图像信息的帧，每帧每帧的抽取出来；

所述投影引擎，将抽取出来的车形图像根据车形基础模板将其分解成X轴、Y轴、Z轴，分别对应车的宽度、车的厚度、车的高度，并将之投射到地面，通过坐标投影算法结合车形基础模板计算出车辆的X-Y轴的中心点，每个中心点即为一辆车，从而达到精确统计摄像机覆盖区域内的车的数量；

所述3D轨迹跟踪引擎，第一步根据布尔原理通过对每帧图像中的多个物体的交集、分割、差集、联集的指令运算，像素聚集会根据于曲面法线来决定哪部分要保留、哪部分要移除，实现架构对象预测，通过所述模板数据库中的车形基础模板，侦测到是车形的对象属性后，第二步把2D还原3D的车形基本模板的算法叠加上去，生成3D车形，并逐个对每个3D车形对象做ID标记，更容易实现目标精确跟踪，后者在前者的基础上做轨迹侦测运算，精度更高；第三步采用带帧间预测的运动补偿方法是最大程度补全当前帧的缺损和推算出前一帧的每个3D运动对象在当前帧的位置，第四步通过帧比较和矢量计算，可精确计算出目标车的移动方向、轨迹、速度；

所述比对识别引擎，可通过与车辆模板、字符模板、色卡模板进行比对，识别出车形、车型、车款、车系、车标、车牌、车颜色；

所述计算机通过统计前述每辆车的数据，计算车的数量、车流密度、车流行进方向、车流平均速度。

所述软件引擎采用坐标投影结合3D轨迹跟踪的方法，投影算法将车形投射到坐标系中，结合车形基础模板，计算出车形的X轴、Y轴、Z轴和车辆的中心点位置，中心点即代表一辆车，进行车的数量的精确统计；3D轨迹跟踪采用带帧间预测的运动补偿方法和布尔原理叠加2D还原3D的算法，并通过帧比较、矢量计算，可精确计算出车辆移动的方向、轨迹、行驶速度。

所述投影引擎，当多辆车互相遮挡时，按照未被遮挡部分形状，与车形基础模板进行局部投射比较，通过布尔运算，判断出为被遮挡的车，通过坐标投影法结合车形基础模板可推算出该车辆的中心点位置，由于视频是二维的，车辆之间可以互相遮挡，但多个互相遮挡的车辆的投影的中心点在投影平面上重叠的概率很小，从而可精确计算出遮挡的车的数量和位置。

所述车形模板包括车的头部、车的尾部、车标、车形基础模板的建模特征数据。

附图说明

图1是车形基础模板示图；

图2是车形捕捉示图；

图3是3D车形投影2D原理图；

图4是2D车形还原3D原理图；

图5是车辆识别示图，包括车形、车型、车款、车系、车标、车牌、车颜色的识别；

具体实施方式

下面结合说明书附图来说明具体实施方式：

本专利是一种车流视频侦测分析系统，该系统的一种实施方式如下：

1、车形判断：对比车形基础模板，如图1，对符合车形特征的物体进行

捕捉，如图2，将捕捉到的车形与车形基础模板进行对比识别，识别出每辆车的具体车形；

分帧引擎将视频流拆分成每帧图像，识别捕捉引擎和分帧引擎交替工作，把车形图像每帧每帧抽取出来；

2、位置坐标体系的投影算法：进行车流量精确统计；

投影引擎将抽取出来的每帧车形图像根据车形基础模板分解成X轴、Y轴、Z轴，分别对应车的宽度、车的厚度、车的高度，并将之投射到地面，坐标投影算法结合车形基础模板计算出X-Y轴的中心点，每个中心点代表一辆车，此方法称为立体投影法，如图3，是车的数量精确统计的一个关键点；

当多辆车互相遮挡时，按照未被遮挡部分形状，与车形基础模板进行局部投射比较，通过布尔运算，可判断出为被遮挡的车，根据坐标投影算法结合车形基础模板可推算出该车的中心点位置，由于视频是二维的，车辆之间可以互相遮挡，但多个互相遮挡的车辆的投影的中心点在投影平面上重叠的概率很小，从而可精确计算出遮挡的数量和位置，这是是车辆数量精确统计的另一个关键点。

3、3D轨迹跟踪算法：计算车辆驻留时间、移动方向、速度、轨迹；

根据布尔原理通过对抽取出来的每帧车形图像中的多个物体的交集、分割、差集、联集指令运算，像素聚集会根据于曲面法线来决定哪部分要保留、哪部分要移除，实现架构对象预测，侦测到是车形的对象属性后；把2D还原3D车形基础模板的算法叠加上去，如图4，并逐个对每个3D对象做ID标记，更容易实现目标对象的精确跟踪，后者在前者的基础上做轨迹侦测运算，精度更高；采用带帧间预测的运动补偿算法就是根据相邻帧的相关性，最大程度补全当前帧的缺损和推算出前一帧的每个3D运动对象在当前帧的位置；通过帧比较和矢量计算，可精确计算出目标车的驻留时间、移动方向、轨迹、速度；

4、实际应用：

本系统采用现有摄像机即可统计车流量、车辆驻留时间、车辆行进方向、行驶速度、行驶车道、车辆异常情况(如：逆向行驶、违停、违章变道、与交通信号灯联动可判断闯红灯)；可以识别车辆的车形、车型、车款、车系、车标、车牌、车颜色，如图5；

通过视频采集、视频分析、产生数据、数据分析、联动控制(如：道口信号灯)，实现智慧交通。

Claims (4)

1.一种车流视频侦测分析系统，包括硬件设备、软件引擎和模板数据库，所述硬件设备包括计算机、视频输入设备、网络设备；所述软件引擎包括识别捕捉引擎、分帧引擎、投影引擎、3D轨迹跟踪引擎、比对识别引擎；所述模板数据库包括车辆模板、字符模板、色卡模板，所述车辆模板包括车头模板、车尾模板、车标模板、车形基础模板，其特征在于：

所述视频输入设备包括摄像机和硬盘录像机，摄像机进行视频实时输入，实时分析；硬盘录像机进行视频回放输入，事后分析；

所述识别捕捉引擎，通过车形基础模板结合车头模板、车尾模板，识别出车形，捕捉视频流中的车形图像帧；

所述分帧引擎，将视频流拆分成每帧图像，识别捕捉引擎和分帧引擎交替工作，将包含有人形图像信息的帧，每帧每帧的抽取出来；

所述投影引擎，将抽取出来的车形图像根据车形基础模板将其分解成X轴、Y轴、Z轴，分别对应车的宽度、车的厚度、车的高度，并将之投射到地面，通过坐标投影算法结合车形基础模板计算出车辆的X-Y轴的中心点，每个中心点即为一辆车，从而达到精确统计摄像机覆盖区域内的车的数量；

所述3D轨迹跟踪引擎，第一步根据布尔原理通过对每帧图像中的多个物体的交集、分割、差集、联集的指令运算，像素聚集会根据于曲面法线来决定哪部分要保留、哪部分要移除，实现架构对象预测，通过所述模板数据库中的车形基础模板，侦测到是车形的对象属性后，第二步把2D还原3D的车形基本模板的算法叠加上去，生成3D车形，并逐个对每个3D车形对象做ID标记，更容易实现目标精确跟踪，后者在前者的基础上做轨迹侦测运算，精度更高；第三步采用带帧间预测的运动补偿方法是最大程度补全当前帧的缺损和推算出前一帧的每个3D运动对象在当前帧的位置，第四步通过帧比较和矢量计算，可精确计算出目标车的移动方向、轨迹、速度；

所述比对识别引擎，可通过与车辆模板、字符模板、色卡模板进行比对，识别出车形、车型、车款、车系、车标、车牌、车颜色；

所述计算机通过统计前述每辆车的数据，计算车的数量、车流密度、车流行进方向、车流平均速度。

2.根据权利要求1所述的车流视频侦测分析系统，其特征在于：所述软件引擎采用坐标投影结合3D轨迹跟踪的方法，投影算法将车形投射到坐标系中，结合车形基础模板，计算出车形的X轴、Y轴、Z轴和车辆的中心点位置，中心点即代表一辆车，进行车的数量的精确统计；3D轨迹跟踪采用带帧间预测的运动补偿方法和布尔原理叠加2D还原3D的算法，并通过帧比较、矢量计算，可精确计算出车辆的移动方向、轨迹、行驶速度。

3.根据权利要求1所述的车流视频侦测分析系统，其特征在于：所述投影引擎，当多辆车互相遮挡时，按照未被遮挡部分形状，与车形基础模板进行局部投射比较，通过布尔运算，判断出为被遮挡的车，通过坐标投影法结合车形基础模板可推算出该车辆的中心点位置，由于视频是二维的，车辆之间可以互相遮挡，但多个互相遮挡的车辆的投影的中心点在投影平面上重叠的概率很小，从而可精确计算出遮挡的车的数量和位置。

4.根据权利要求1所述的车流视频侦测分析系统，其特征在于：所述车辆模板包括车的头部、车的尾部、车标、车形基础的建模特征数据。