CN106652487A - 一种交通密度检测系统及其检测方法 - Google Patents
一种交通密度检测系统及其检测方法 Download PDFInfo
- Publication number
- CN106652487A CN106652487A CN201611065398.2A CN201611065398A CN106652487A CN 106652487 A CN106652487 A CN 106652487A CN 201611065398 A CN201611065398 A CN 201611065398A CN 106652487 A CN106652487 A CN 106652487A
- Authority
- CN
- China
- Prior art keywords
- image
- checked
- traffic density
- video data
- altimetric
- 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
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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Abstract
本发明涉及一种交通密度检测系统及其检测方法,该系统包括:包括视频数据收集装置和远程终端;视频数据收集装置用于采集视频数据信息;远程终端接收并提取视频数据信息中连续三帧图像;将三帧图像进行降维处理并转化为灰度图像,通过帧间差分法进行处理得到待检测图像后,进行清晰化处理,最后检测得到图像中车辆数量,并计算得到车辆密度。本发明通过远程终端对视频采集装置采集的视频数据进行处理,可实现快速实时检测交通密度,结果具有较高的精度,而且根据需要完成对不同区域的快速检测。
Description
技术领域
本发明涉及交通密度检测领域,特别涉及一种交通密度检测系统及其检测方法。
背景技术
交通密度是指一条车道上车辆的密集程度,即在某一瞬间单位长度一条车道上的车辆数,又称车流密度。密度的大小则可直接判定拥挤程度,从而决定采用何种交通管理和控制措施。因为仅用交通量等参数难以全面描述交通流的实际状态。例如,交通量趋于零,既可以是描述车辆数极少时的道路交通,也可以表示交通严重拥挤,车流处于停滞状态。现有的观测密度主要有出入量法和道路占有率法,但是这些方法并不能准确的表示某一个路段的交通密度,只是知道该道路中的车辆数量,通过车辆的数量来大致判断拥堵程度,而并不能实时确定某个特定区域的拥堵程度。
发明内容
本发明所要解决的技术问题是现有计算交通流密度的方式适应性不高、计算复杂且计算误差较大和无法准确计算出某区域实时的车流密度的技术问题。
本发明解决上述技术问题的技术方案如下:一种交通密度检测系统的检测方法,包括以下步骤:
步骤1、采集视频数据信息,并将视频数据信息发送到远程终端;
步骤2、所述远程终端接收并提取所述视频数据信息中连续的三帧图像,并计算三帧所述图像中任一帧图像选定区域的车道长度和车道数;
步骤3、对三帧所述图像进行降维处理并将降维后的图像转化为灰度图像;
步骤4、对三帧所述灰度图像通过帧间差分法进行处理得到待检测图像后,对所述待检测图像进行清晰化处理;
步骤5、对待检测图像进行检测得到图像中选定区域的车辆数量,通过选定区域的车道长度、车道数和车辆数量计算得到车辆密度。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,步骤2中根据三帧所述图像中任一帧图像的分辨率和图像中的像素点数量来计算选定区域的车道长度和车道数。
采用上述进一步方案的有益效果是:系统自动分析图像分辨率和选定区域的像素点个数以计算出选定区域的车道长度和车道数,这样可保证较高的计算精度。
进一步,所述步骤4中对三帧所述灰度图像通过帧间差分法进行处理得到待检测图像具体包括:对三帧所述灰度图像中的前两帧图像采用帧间差分法处理后得到处理图像A1,对三帧所述灰度图像中的后两帧图像采用帧间差分法处理后得到处理图像A2,将处理图像A1和处理图像A2融合得到待检测图像。
采用上述进一步方案的有益效果是:采用帧间差分法得到的二值图像车辆内部易形成空洞,导致一辆车被检测成两辆车,甚至当内部空洞过大时,仅剩车辆头部和尾部的像素,容易导致车辆漏检。而采用帧间差分法融合了三帧图像的差分结果,可消除或减少车辆内部空洞像素,增强了车辆完整性。
进一步,所述步骤4中对所述待检测图像进行清晰化处理具体包括以下步骤:
4.1、对所述待检测图像采用膨胀算子进行膨胀处理;
4.2、对膨胀处理过后的待检测图像中具有完整轮廓的图形的内部区域进行填充;
4.3、对填充过后的待检测图像采用腐蚀算子进行腐蚀处理;
4.4、判断腐蚀处理过后的待检测图像中是否存在噪声,对噪声做删除处理得到清晰化处理过的待检测图像。
采用上述进一步方案的有益效果是:通过对待检测图像进行清晰化处理,提高系统检测图像中车辆数量的精度,避免因图像不清导致的失误。
进一步,还包括:步骤6、将计算得到的车辆密度信息进行显示并存储。
采用上述进一步方案的有益效果是:将计算得到的车辆密度进行存储,方便过后查询。
本发明还提供实现上述检测方法的一种交通密度检测系统,包括视频数据收集装置和远程终端,
所述视频数据收集装置用于采集视频数据信息,并将视频数据信息发送到远程终端;
所述远程终端用于接收并提取所述视频数据信息中连续三帧图像,并计算该图像中选定区域的车道长度和车道数,对三帧所述图像进行降维处理并将降维后的图像转化为灰度图像,并对三帧所述灰度图像通过帧间差分法进行处理得到待检测图像后,对所述待检测图像进行清晰化处理,且通过对清晰化处理过的待检测图像进行检测得到图像中车辆数量,并计算得到车辆密度。
进一步,所述视频数据收集装置包括:无人机视频拍摄装置。
采用上述进一步方案的有益效果是:使用限制较小,可随时移动方便采集不同区域的视频图像,无现有设备中常见的检测盲点。
进一步,所述远程终端具体用于根据图像的分辨率和图像中的像素点数量来计算选定区域的车道长度和车道数。
进一步,所述远程终端还具体用于,
对所述待检测图像采用膨胀算子进行膨胀处理,且对膨胀处理过后的待检测图像中具有完整轮廓的图形的内部区域进行填充,并对填充过后的待检测图像采用腐蚀算子进行腐蚀处理,判断腐蚀处理过后的待检测图像中是否存在噪声,对噪声做删除处理得到清晰化处理过的待检测图像。
进一步,所述远程终端还包括存储模块,用于存储计算得到的车辆密度信息。
本发明的有益效果是:本发明通过远程终端对视频采集装置采集的视频数据进行处理,可实现快速实时检测交通密度,结果具有较高的精度,而且可以根据需要完成对不同区域的快速检测。
附图说明
图1为本发明一种交通密度检测系统的检测方法流程方框图;
图2为本发明中对三帧灰度图像进行帧间差分法处理流程示意图;
图3为本发明中对待检测图像进行清晰化处理流程示意图;
图4为本发明一种交通密度检测系统的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,一种交通密度检测系统的检测方法,包括以下步骤:
步骤1、工作人员对待检测区域进行拍摄采集视频数据信息,并将视频数据信息发送到远程终端,拍摄的视频数据分辨率为3840像素×2160像素;
步骤2、远程终端接收并读取读取第i-1、i、i+1帧图像,工作人员只需在第i帧图像中标定选中区域,系统会自动计算三帧图像中任一帧图像的选定区域的车道长度和车道数;
步骤3、对三帧图像进行降维处理,降维后的图像的分辨率降低为960像素×540像素,从而可降低计算量、缩短计算时间,由于无人机视频图像是彩色图像,直接据此识别车辆将涉及RGB三个通道的颜色处理,算法复杂度较高,所以将降维后的图像转化为灰度图像后再进行处理可有效降低计算量;
步骤4、对三帧灰度图像通过帧间差分法进行处理得到待检测图像A后,对三帧灰度图像通过帧间差分法进行处理得到待检测图像A具体包括:对三帧灰度图像中的前两帧图像采用帧间差分法处理后得到处理图像A1,对三帧灰度图像中的后两帧图像采用帧间差分法处理后得到处理图像A2,将处理图像A1和处理图像A2融合得到待检测图像A,如图2所示,其中帧间差分法处理过程主要包括差分处理、中值滤波和图像二值化三个处理环节;对待检测图像A进行清晰化处理;
步骤5、对待检测图像进行检测得到图像中选定区域的车辆数量,通过选定区域的车道长度、车道数和车辆数量计算得到车辆密度,交通密度的单位是车辆/(车道*km),即1km长的单个车道上有多少辆车,通过车辆数量、选定区域的车道长度和车道数计算得到车辆密度。
更优的,步骤2中根据三帧图像中任一帧图像的分辨率和图像中的像素点数量来计算选定区域的车道长度和车道数,该步骤为系统自动处理统自动分析图像分辨率和选定区域的像素点个数以计算出选定区域的车道长度和车道数,这样可保证较高的计算精度。
如图3所示,更优的,步骤4中对待检测图像进行清晰化处理具体包括以下步骤:
4.1、对待检测图像A采用膨胀算子进行膨胀处理获得膨胀图P,从而填补空洞边缘、增强目标完整性和连续性;
4.2、对膨胀图P中具有完整轮廓的图形的内部区域C,当其面积A(C)<A0时,其中A0为阈值参数,取值200像素,均将C内部填充为白色,经过该步骤处理,可获得新的图像Q,从而进一步填充前景区域内部空洞、增强目标完整性;
4.3、采用腐蚀算子对图像Q进行处理,得到腐蚀图E,其目的是使所有目标区域向内收缩,消除部分尺寸较小的噪声;
4.4、判断腐蚀图E中是否存在噪声,对噪声做删除处理得到清晰化处理过的待检测图像,对于腐蚀图E中具有完整轮廓的图形的区域D,令其最小外接矩形为DK,A(DK)表示DK的面积,R(DK)表示DK的最小外接矩形长宽比。由于噪声通常面积较小或过于狭长,因此,当A(DK)小于30像素或R(DK)大于15时,可判定为噪声予以删除。
更优的,步骤5中通过对清晰化处理过的待检测图像A进行检测得到图像中车辆数量具体包括:对清晰化处理过的待检测图像A中具有完整轮廓的图形的区域F,令其最小外接矩形为FK,A(FK)表示FK的面积,R(FK)表示FK的最小外接矩形长宽比。由于车辆具有一定的面积和长宽比,因此,当A(FK)大于120像素且R(FK)小于6时,可判定为车辆予以计数。
更优的,还包括:步骤6、将计算得到的车辆密度信息进行显示并存储。
如图4所示,本发明还提供实现上述检测方法的一种交通密度检测系统,包括视频数据收集装置和远程终端;
视频数据收集装置用于采集视频数据信息,并将视频数据信息发送到远程终端;
远程终端用于接收并提取视频数据信息中连续三帧图像,并计算该图像中选定区域的车道长度和车道数,对三帧图像进行降维处理并将降维后的图像转化为灰度图像,并对三帧灰度图像通过帧间差分法进行处理得到待检测图像后,对待检测图像进行清晰化处理,且通过对清晰化处理过的待检测图像进行检测得到图像中车辆数量,并计算得到车辆密度。
更优的,远程终端包括PC端及其兼容机。
更优的,视频数据收集装置包括:无人机视频拍摄装置。
更优的,无人机拍摄装置悬停于道路正上方50米-100米处垂直向下拍摄。
更优的,远程终端还包括存储模块,用于存储计算得到的车辆密度信息。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种交通密度检测系统的检测方法,其特征在于,包括以下步骤:
步骤1、采集视频数据信息,并将视频数据信息发送到远程终端;
步骤2、所述远程终端接收并提取所述视频数据信息中连续的三帧图像,并计算三帧所述图像中任一帧图像选定区域的车道长度和车道数;
步骤3、对三帧所述图像进行降维处理并将降维后的图像转化为灰度图像;
步骤4、对三帧所述灰度图像通过帧间差分法进行处理得到待检测图像后,对所述待检测图像进行清晰化处理;
步骤5、对待检测图像进行检测得到图像中选定区域的车辆数量,通过选定区域的车道长度、车道数和车辆数量计算得到车辆密度。
2.根据权利要求1所述的一种交通密度检测系统的检测方法,其特征在于,步骤2中根据三帧所述图像中任一帧图像的分辨率和像素点数量来计算选定区域的车道长度和车道数。
3.根据权利要求1所述的一种交通密度检测系统的检测方法,其特征在于,步骤4中对三帧所述灰度图像通过帧间差分法进行处理得到待检测图像具体包括:对三帧所述灰度图像中的前两帧图像采用帧间差分法处理后得到处理图像A1,对三帧所述灰度图像中的后两帧图像采用帧间差分法处理后得到处理图像A2,将处理图像A1和处理图像A2融合得到待检测图像。
4.根据权利要求1所述的一种交通密度检测系统的检测方法,其特征在于,所述步骤4中对所述待检测图像进行清晰化处理具体包括以下步骤:
4.1、对所述待检测图像采用膨胀算子进行膨胀处理;
4.2、对膨胀处理过后的待检测图像中具有完整轮廓的图形的内部区域进行填充;
4.3、对填充过后的待检测图像采用腐蚀算子进行腐蚀处理;
4.4、判断腐蚀处理过后的待检测图像中是否存在噪声,对噪声做删除处理得到清晰化处理过的待检测图像。
5.根据权利要求1-4中任一项所述的一种交通密度检测系统的检测方法,还包括:步骤6、将计算得到的车辆密度信息进行显示并存储。
6.一种的交通密度检测系统,其特征在于,包括视频数据收集装置和远程终端;
所述视频数据收集装置用于采集视频数据信息,并将视频数据信息发送到远程终端;
所述远程终端用于接收并提取所述视频数据信息中连续三帧图像,并计算该图像中选定区域的车道长度和车道数,对所述三帧图像进行降维处理并将降维后的图像转化为灰度图像,并对所述三帧灰度图像通过帧间差分法进行处理得到待检测图像后,对所述待检测图像进行清晰化处理,且通过对清晰化处理过的待检测图像进行检测得到图像中车辆数量,并计算得到车辆密度。
7.根据权利要求6所述的一种交通密度检测系统,其特征在于,所述视频数据收集装置包括:无人机视频拍摄装置。
8.根据权利要求6所述的一种交通密度检测系统,所述远程终端具体用于根据图像的分辨率和图像中的像素点来计算选定区域的车道长度和车道数。
9.根据权利要求6所述的一种交通密度检测系统,其特征在于,所述远程终端还具体用于,
对所述待检测图像采用膨胀算子进行膨胀处理,且对膨胀处理过后的待检测图像中具有完整轮廓的图形的内部区域进行填充,并对填充过后的待检测图像采用腐蚀算子进行腐蚀处理,判断腐蚀处理过后的待检测图像中是否存在噪声,对噪声做删除处理得到清晰化处理过的待检测图像。
10.根据权利要求6-9中任一项所述的一种交通密度检测系统,所述远程终端还包括存储模块,用于存储计算得到的车辆密度信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611065398.2A CN106652487A (zh) | 2016-11-28 | 2016-11-28 | 一种交通密度检测系统及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611065398.2A CN106652487A (zh) | 2016-11-28 | 2016-11-28 | 一种交通密度检测系统及其检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106652487A true CN106652487A (zh) | 2017-05-10 |
Family
ID=58812845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611065398.2A Pending CN106652487A (zh) | 2016-11-28 | 2016-11-28 | 一种交通密度检测系统及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106652487A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109050916A (zh) * | 2018-08-30 | 2018-12-21 | 深圳市研本品牌设计有限公司 | 一种巡航无人机及存储介质 |
CN109101934A (zh) * | 2018-08-20 | 2018-12-28 | 广东数相智能科技有限公司 | 车型识别方法、装置与计算机可读存储介质 |
CN109959800A (zh) * | 2018-10-29 | 2019-07-02 | 永康市臣贸工贸有限公司 | 车辆密度实时通知系统 |
CN110766939A (zh) * | 2019-09-20 | 2020-02-07 | 重庆交通大学 | 基于车辆轨迹数据的信号交叉口排队长度估算方法 |
CN113593227A (zh) * | 2021-07-22 | 2021-11-02 | 青岛海信网络科技股份有限公司 | 交通拥堵检测方法及服务器 |
CN115690630A (zh) * | 2022-11-08 | 2023-02-03 | 山东农业工程学院 | 一种用于路面车辆识别的交通遥感图像处理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6975246B1 (en) * | 2003-05-13 | 2005-12-13 | Itt Manufacturing Enterprises, Inc. | Collision avoidance using limited range gated video |
CN101236657A (zh) * | 2008-03-03 | 2008-08-06 | 吉林大学 | 单一运动目标轨迹的跟踪与记录方法 |
CN102324016A (zh) * | 2011-05-27 | 2012-01-18 | 郝红卫 | 一种高密度人群流量统计方法 |
CN102930720A (zh) * | 2012-10-25 | 2013-02-13 | 北京交通大学 | 一种基于视频的交通信息检测装置与方法 |
-
2016
- 2016-11-28 CN CN201611065398.2A patent/CN106652487A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6975246B1 (en) * | 2003-05-13 | 2005-12-13 | Itt Manufacturing Enterprises, Inc. | Collision avoidance using limited range gated video |
CN101236657A (zh) * | 2008-03-03 | 2008-08-06 | 吉林大学 | 单一运动目标轨迹的跟踪与记录方法 |
CN102324016A (zh) * | 2011-05-27 | 2012-01-18 | 郝红卫 | 一种高密度人群流量统计方法 |
CN102930720A (zh) * | 2012-10-25 | 2013-02-13 | 北京交通大学 | 一种基于视频的交通信息检测装置与方法 |
Non-Patent Citations (8)
Title |
---|
B.COIFMAN 等: "Roadway traffic monitoring from an unmanned", 《IEE PROCEEDING-INTELLIGENT TRANSPORT SYSTEMS》 * |
张恩展: "分布式交通态势感知与传播方法", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
李玉山: "《数字视觉视频技术》", 31 January 2006, 西安电子科技大学出版社 * |
林毅斌 等: "基于神经网络与比例法的多文字识别", 《电视技术》 * |
熊炜 等: "高速公路场景中车用自组织网络的节点度", 《电子与信息学报》 * |
谢勤岚 等: "基于DSP的车辆检测系统的设计", 《中南民族大学学报(自然科学版)》 * |
贺贵明 等: "《基于内容的视频编码与传输控制技术》", 30 January 2005, 武汉大学出版社 * |
韦仙 等: "基于降维压缩法的图像重构", 《武汉工程大学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101934A (zh) * | 2018-08-20 | 2018-12-28 | 广东数相智能科技有限公司 | 车型识别方法、装置与计算机可读存储介质 |
CN109050916A (zh) * | 2018-08-30 | 2018-12-21 | 深圳市研本品牌设计有限公司 | 一种巡航无人机及存储介质 |
CN109959800A (zh) * | 2018-10-29 | 2019-07-02 | 永康市臣贸工贸有限公司 | 车辆密度实时通知系统 |
CN110766939A (zh) * | 2019-09-20 | 2020-02-07 | 重庆交通大学 | 基于车辆轨迹数据的信号交叉口排队长度估算方法 |
CN110766939B (zh) * | 2019-09-20 | 2020-11-06 | 重庆交通大学 | 基于车辆轨迹数据的信号交叉口排队长度估算方法 |
CN113593227A (zh) * | 2021-07-22 | 2021-11-02 | 青岛海信网络科技股份有限公司 | 交通拥堵检测方法及服务器 |
CN115690630A (zh) * | 2022-11-08 | 2023-02-03 | 山东农业工程学院 | 一种用于路面车辆识别的交通遥感图像处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106652487A (zh) | 一种交通密度检测系统及其检测方法 | |
CN110569704B (zh) | 一种基于立体视觉的多策略自适应车道线检测方法 | |
CN109460709B (zh) | 基于rgb和d信息融合的rtg视觉障碍物检测的方法 | |
CN109840880B (zh) | 一种路面识别方法和装置 | |
CN111448478B (zh) | 用于基于障碍物检测校正高清地图的系统和方法 | |
CN103679127B (zh) | 检测道路路面的可行驶区域的方法和装置 | |
EP3358525B1 (en) | Weeding systems and methods, railway weeding vehicles | |
CN108615358A (zh) | 一种道路拥堵检测方法及装置 | |
CN108243623A (zh) | 基于双目立体视觉的汽车防碰撞预警方法和系统 | |
CN113255520B (zh) | 基于双目视觉和深度学习的车辆避障方法与电子设备 | |
CN105005778B (zh) | 一种基于视觉背景提取的高速公路车辆检测方法 | |
CN103473762B (zh) | 一种车道线检测方法和装置 | |
US11841434B2 (en) | Annotation cross-labeling for autonomous control systems | |
DE112012002885T5 (de) | Verfahren und Vorrichtung zur bildbasierten Fahrzeugerfassung und Entfernungsmessung | |
CN111814602B (zh) | 一种基于视觉的智能车环境动态目标检测的方法 | |
CN103617412A (zh) | 实时车道线检测方法 | |
DE102009050504A1 (de) | Verfahren zum Detektieren eines freien Pfads durch eine Analyse einer topografischen Veränderung | |
JP6779365B2 (ja) | 物体検出装置及び車両 | |
Sehestedt et al. | Robust lane detection in urban environments | |
CN107977654B (zh) | 一种道路区域检测方法、装置及终端 | |
CN112769877A (zh) | 团雾预警方法、云端服务器及车辆和介质 | |
CN104878679B (zh) | 一种车载车辙实时检测系统及检测方法 | |
Lion et al. | Smart speed bump detection and estimation with kinect | |
CN106340031A (zh) | 一种检测运动物体的方法和装置 | |
CN111192283A (zh) | 一种限高杆检测和高度计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |