CN106791277A - 一种视频监控中的车辆追踪方法 - Google Patents
一种视频监控中的车辆追踪方法 Download PDFInfo
- Publication number
- CN106791277A CN106791277A CN201611229234.9A CN201611229234A CN106791277A CN 106791277 A CN106791277 A CN 106791277A CN 201611229234 A CN201611229234 A CN 201611229234A CN 106791277 A CN106791277 A CN 106791277A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- moving
- information
- background
- detection
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/144—Movement detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
- H04N5/211—Ghost signal cancellation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/2228—Video assist systems used in motion picture production, e.g. video cameras connected to viewfinders of motion picture cameras or related video signal processing
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种视频监控中的车辆追踪方法,该视频监控中的车辆追踪方法,在无需增加硬件成本的前提下,通过对视频监控系统采集的实时路况信息进行处理和数据挖掘分析,实现动态车辆追踪,完成对交通状态进行优化的任务,为缓解交通堵塞、运输效率低下等交通问题提供有效支撑。
Description
技术领域
本发明涉及一种视频监控中的车辆追踪方法,属于信息技术领域,主要涉及物联网、车联网、移动互联网、网络通讯、数据库等技术。
背景技术
近年来,随着交通需求与车辆数目的不断增加,交通系统日益复杂。国内大中城市普遍存在交通堵塞、运输效率低下的问题。解决城市交通问题的一个可行途径就是引入有效与合理的管理技术,建立实用高效的智能交通系统。智能交通系统将获取到的交通信息进行分析,得出有效的指挥手段,通过对交通系统中硬件设施的调控,完成对交通状态进行优化的任务。由此可见研究如何快速准确的获取交通信息具有重大的意义。获取交通信息的一大重要课题就是解决动态视频中,对车辆的追踪问题。
发明内容
本发明目的在于提供一种视频监控中的车辆追踪方法。
为实现上述目的,本发明提供了一种视频监控中的车辆追踪方法,利用道路视频监控实现对运行目标的追踪,获得道路视频监控中的每个独立运动单元的孤立数据,同时揭示图像序列中各个独立运动单元的关系和联系,具体包括如下步骤:
步骤1,读入道路视频监控的视频图像序列;
步骤2,追踪区域的设置;
步骤3,数据采集,得到相应的视频图像背景数据;
步骤3-1、背景更新,将运动目标从背景中有效分离;
步骤3-2、背景生成,取某一时刻的背景作为短时间内追踪区域内车辆追踪车辆的运动检测的背景;
步骤4,运动检测,从背景中分割出运动目标;
步骤5,阴影消除,避免阴影区域被错误地识别为运动区域;
步骤6,遮挡识别,识别拍摄过程中是否出现不同车辆之间的相互遮挡。若发生遮挡,执行步骤6-1,若没发生遮挡,执行步骤7;
步骤6-1、遮挡分割;
步骤7,车辆特征提取,根据特征确定视频图像中序列不同帧的位置是否为同一车辆;
步骤8,根据特征来进行车辆追踪;
步骤9,运动检测,考虑运动车辆检测到结果发生畸变或者运动车辆丢失,若运动车辆检测效果良好,执行步骤9-1,若运动检测效果不佳时,执行步骤9-2;
步骤9-1,特征匹配追踪,计算两个图像中的目标匹配度,寻找最佳匹配;
步骤9-2,车辆轨迹预测追踪;
步骤10,匹配信息,认为在行驶方向上,前后两帧间距离最近为同一车,以此为依据完成动态车辆匹配追踪;
步骤11,检测追踪区域是否存在新运动车辆,若存在,执行步骤11-1,若不存在执行步骤12;
步骤11-1,对追踪区域的新运动车辆进行车辆编号,执行步骤12;
步骤12,根据目标车辆特征提取结果,得到目标车辆信息连续化轨迹分析的追踪信息;
步骤13,追踪区域内车辆状态不断变化,因此追踪信息表的记录内容会随着目标车辆的变化而动态更新;
步骤14,存储追踪信息,定位追踪视频图像车辆,获得离散的车辆运行状态信息;
步骤14-1、将动态更新的追踪信息,实时反馈给车辆追踪环节,以进行更有效准确地运动检测;
步骤14-2、将步骤14存储追踪信息参数实时输出进行精确路况感知计算。
有益效果在于:本发明提出的一种视频监控中的车辆追踪方法,在无需增加硬件成本的前提下,通过对视频监控系统采集的实时路况信息进行处理和数据挖掘分析,实现动态车辆追踪,完成对交通状态进行优化的任务,为缓解交通堵塞、运输效率低下等交通问题提供有效支撑。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是根据本发明可选实施例的一种视频监控中的车辆追踪方法的流程图;
图2是根据本发明可选实施例的一种视频监控中的车辆追踪方法所设置追踪区域的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下文中将参考附图并结合实施例来详细说明本发明。
本实施例提供一种视频监控中的车辆追踪方法,利用道路视频监控实现对运行目标的追踪,获得道路视频监控中的每个独立运动单元的孤立数据,同时揭示图像序列中各个独立运动单元的关系和联系。这里举例道路视频监控中对运动车辆的追踪方法,如附图1所示,包括如下步骤:
步骤1,读入道路视频监控的视频图像序列;
步骤2,追踪区域的设置,主要考虑起始线、结束线、以及两边的约束线。绝大多数情况下车辆在道路上的运行速度在 0~180km/h之间,摄像机拍摄的视频帧率为10~25 帧/秒之间,极端情况下(车速为180km/h,帧率为10 帧/秒),为了让运动车辆在连续的三帧序列图像上出现,则起始线和结束线之间的实际距离要求有15m。城市道路通常在车辆的运行速度100km/h 以下,则起始线和结束线之间的实际距离应大于8.3m。两边的约束线主要是去除其他干扰因素的影响,通常摄像机拍摄的范围内会拍摄到人行道、房屋建筑等,而为了避开这些因素的影响,需要设置约束线。附图2为设置追踪区域的示意图;
步骤3,数据采集,利用视频图像背景更新技术对道路背景进行实时更新,得到相应的视频图像背景数据。
步骤3-1、背景更新,运动目标检测,需要将运动目标从背景中有效分离,考虑天气变化、昼夜更替等不同情况,会导致背景图像发生变化,因此需实时背景更新;
步骤3-2、背景生成,默认短时间内背景一般不会发生明显复杂的变化,取某一时刻的背景作为短时间内追踪区域内车辆追踪车辆的运动检测的背景;
步骤4,运动检测,从背景中分割出运动目标,可选用的方法包括但不限于基于卡尔曼滤波的运动目标检测、基于背景差分的运动目标检测、基于统计概率的运动目标检测、基于帧间差分的运动目标检测、基于边缘检测的运动检测以及基于能量的运动目标检测;
步骤5,阴影消除,车辆阴影的存在使得阴影区域易被错误地识别为运动区域,且车辆彼此之间靠的比较近时,阴影会使得相邻车辆之间粘结在一起,可选用的方法包括但不限于基于模型的车辆阴影检测方法、基于特征点的车辆阴影检测方法、基于色彩空间的检测方法、基于车辆阴影特征点检测方法、基于车辆轮廓的检测方法;
步骤6,遮挡识别,固定摄像机在被采集数据和监控道路断面安放的位置、角度、以及高度不合适,在拍摄过程中难免会在其图像中出现不同车辆之间的相互遮挡。相互遮挡对道路交通信息视频采集系统准确率、适用范围影响最大。若发生遮挡,执行步骤6-1,若没发生遮挡,执行步骤7;
步骤6-1、遮挡分割,可选用的方法包括但不限于基于轮廓特征分割方法、统计预测方法、基于形态学模型的遮挡消除方法等;
步骤7,车辆特征提取,确定视频图像中序列不同帧的位置是否为同一车辆,依据主要是车辆的位置、车型、颜色、以及形状等本身特征信息;
步骤8,提取选择一个或多个能唯一表示目标车辆的特征来表示运动目标车辆以进行车辆追踪;
步骤9, 运动检测,在追踪过程中,有可能遇到环境复杂的道路背景,例如大雾大雨等低能见度天气、光照条件在短时间内发生变化(闪电、眩光等)、大车和小车之间的完全遮挡,使运动车辆检测到结果发生畸变或者运动车辆丢失,因此需要进行运动检测,当外部条件良好,运动车辆检测效果良好,执行步骤9-1,若运动检测效果不佳时,执行步骤9-2;
步骤9-1,特征匹配追踪,根据检测两幅图像之间运动目标的相关度函数去计算目标的信息变化,两个图像中的目标匹配度最高,即相关函数出现峰值时的匹配,则为最佳匹配;
步骤9-2,车辆轨迹预测追踪,可选用的方法包括但不限于kalman滤波方法、GM(1,1)等方法;
步骤10,匹配信息,在道路上不同车辆间行驶方向的距离远大于车辆在前后两帧运动距离,故认为在行驶方向上,前后两帧间距离最近为同一车,以此为依据完成动态车辆匹配追踪;
步骤11,检测追踪区域是否存在新运动车辆,若存在,执行步骤11-1,若不存在执行步骤12;
步骤11-1,对追踪区域的新运动车辆进行车辆编号,执行步骤12;
步骤12,根据目标车辆特征提取结果,对进入追踪区域的运动车辆进行连续帧处理,得到目标车辆信息连续化轨迹分析的追踪信息;
步骤13,追踪区域内车辆状态不断变化,因此追踪信息表的记录内容会随目标车辆的变化而动态更新;
步骤14,存储追踪信息,定位追踪视频图像车辆,以便获得离散的车辆运行状态信息,主要包括车辆行驶的位时间信息、移信息、速度信息、尺寸信息、流量信息、密度信息、占有率信息等多方面道路交通信息,并且形成车辆时间位移图、车辆轨迹曲线图等;
步骤14-1、将动态更新的追踪信息,实时反馈给车辆追踪环节,以进行更有效准确地运动检测;
步骤14-2、将步骤14存储追踪信息参数实时输出进行精确路况感知计算。
以上所述仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种视频监控中的车辆追踪方法,具体包括如下步骤:
步骤1,读入道路视频监控的视频图像序列;
步骤2,追踪区域的设置;
步骤3,数据采集,得到相应的视频图像背景数据;
步骤3-1、背景更新,将运动目标从背景中有效分离;
步骤3-2、背景生成,取某一时刻的背景作为短时间内追踪区域内车辆追踪车辆的运动检测的背景;
步骤4,运动检测,从背景中分割出运动目标;
步骤5,阴影消除,避免阴影区域被错误地识别为运动区域;
步骤6,遮挡识别,识别拍摄过程中是否出现不同车辆之间的相互遮挡;
若发生遮挡,执行步骤6-1,若没发生遮挡,执行步骤7;
步骤6-1、遮挡分割;
步骤7,车辆特征提取,根据特征确定视频图像中序列不同帧的位置是否为同一车辆;
步骤8,根据特征来进行车辆追踪;
步骤9,运动检测,考虑运动车辆检测到结果发生畸变或者运动车辆丢失,若运动车辆检测效果良好,执行步骤9-1,若运动检测效果不佳时,执行步骤9-2;
步骤9-1,特征匹配追踪,计算两个图像中的目标匹配度,寻找最佳匹配;
步骤9-2,车辆轨迹预测追踪;
步骤10,匹配信息,认为在行驶方向上,前后两帧间距离最近为同一车,以此为依据完成动态车辆匹配追踪;
步骤11,检测追踪区域是否存在新运动车辆,若存在,执行步骤11-1,若不存在执行步骤12;
步骤11-1,对追踪区域的新运动车辆进行车辆编号,执行步骤12;
步骤12,根据目标车辆特征提取结果,得到目标车辆信息连续化轨迹分析的追踪信息;
步骤13,追踪区域内车辆状态不断变化,因此追踪信息表的记录内容会随着目标车辆的变化而动态更新;
步骤14,存储追踪信息,定位追踪视频图像车辆,获得离散的车辆运行状态信息;
步骤14-1、将动态更新的追踪信息,实时反馈给车辆追踪环节,以进行更有效准确地运动检测;
步骤14-2、将步骤14存储追踪信息参数实时输出进行精确路况感知计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611229234.9A CN106791277A (zh) | 2016-12-27 | 2016-12-27 | 一种视频监控中的车辆追踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611229234.9A CN106791277A (zh) | 2016-12-27 | 2016-12-27 | 一种视频监控中的车辆追踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106791277A true CN106791277A (zh) | 2017-05-31 |
Family
ID=58922821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611229234.9A Pending CN106791277A (zh) | 2016-12-27 | 2016-12-27 | 一种视频监控中的车辆追踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106791277A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107529665A (zh) * | 2017-07-06 | 2018-01-02 | 新华三技术有限公司 | 车辆追踪方法及装置 |
CN108460968A (zh) * | 2017-02-22 | 2018-08-28 | 中兴通讯股份有限公司 | 一种基于车联网获取交通路况信息的方法及装置 |
CN110706245A (zh) * | 2019-10-18 | 2020-01-17 | 合肥工业大学 | 基于累积法的gm(1,1)预测模型的图像边缘检测方法 |
CN114170812A (zh) * | 2020-09-10 | 2022-03-11 | 苏州星克人工智能科技有限公司 | 自适应可变车道控制方法 |
CN114663032A (zh) * | 2022-05-20 | 2022-06-24 | 达州达运公路物流港有限公司 | 一种可视化货物运输的集成物流管理方法 |
CN114898577A (zh) * | 2022-07-13 | 2022-08-12 | 环球数科集团有限公司 | 一种用于高峰期通路管理的道路智能管理系统与方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682453A (zh) * | 2012-04-24 | 2012-09-19 | 河海大学 | 基于多特征融合的运动车辆跟踪方法 |
CN102810250A (zh) * | 2012-07-31 | 2012-12-05 | 长安大学 | 基于视频的多车型交通信息检测方法 |
CN103116987A (zh) * | 2013-01-22 | 2013-05-22 | 华中科技大学 | 一种基于监控视频处理的车流统计和违规检测的方法 |
CN103794050A (zh) * | 2014-01-21 | 2014-05-14 | 华东交通大学 | 一种实时的交通车辆检测与跟踪方法 |
CN104599502A (zh) * | 2015-02-13 | 2015-05-06 | 重庆邮电大学 | 一种基于视频监控的车流量统计方法 |
CN105930833A (zh) * | 2016-05-19 | 2016-09-07 | 重庆邮电大学 | 一种基于视频监控的车辆跟踪与分割方法 |
-
2016
- 2016-12-27 CN CN201611229234.9A patent/CN106791277A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682453A (zh) * | 2012-04-24 | 2012-09-19 | 河海大学 | 基于多特征融合的运动车辆跟踪方法 |
CN102810250A (zh) * | 2012-07-31 | 2012-12-05 | 长安大学 | 基于视频的多车型交通信息检测方法 |
CN103116987A (zh) * | 2013-01-22 | 2013-05-22 | 华中科技大学 | 一种基于监控视频处理的车流统计和违规检测的方法 |
CN103794050A (zh) * | 2014-01-21 | 2014-05-14 | 华东交通大学 | 一种实时的交通车辆检测与跟踪方法 |
CN104599502A (zh) * | 2015-02-13 | 2015-05-06 | 重庆邮电大学 | 一种基于视频监控的车流量统计方法 |
CN105930833A (zh) * | 2016-05-19 | 2016-09-07 | 重庆邮电大学 | 一种基于视频监控的车辆跟踪与分割方法 |
Non-Patent Citations (1)
Title |
---|
杨梦婕: "监控视频中的车辆检测与跟踪技术研究", 《中国优秀硕士论文全文数据库 信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460968A (zh) * | 2017-02-22 | 2018-08-28 | 中兴通讯股份有限公司 | 一种基于车联网获取交通路况信息的方法及装置 |
CN107529665A (zh) * | 2017-07-06 | 2018-01-02 | 新华三技术有限公司 | 车辆追踪方法及装置 |
CN110706245A (zh) * | 2019-10-18 | 2020-01-17 | 合肥工业大学 | 基于累积法的gm(1,1)预测模型的图像边缘检测方法 |
CN110706245B (zh) * | 2019-10-18 | 2021-09-21 | 合肥工业大学 | 基于累积法的gm(1,1)预测模型的图像边缘检测方法 |
CN114170812A (zh) * | 2020-09-10 | 2022-03-11 | 苏州星克人工智能科技有限公司 | 自适应可变车道控制方法 |
CN114663032A (zh) * | 2022-05-20 | 2022-06-24 | 达州达运公路物流港有限公司 | 一种可视化货物运输的集成物流管理方法 |
CN114663032B (zh) * | 2022-05-20 | 2022-10-18 | 达州达运公路物流港有限公司 | 一种可视化货物运输的集成物流管理方法 |
CN114898577A (zh) * | 2022-07-13 | 2022-08-12 | 环球数科集团有限公司 | 一种用于高峰期通路管理的道路智能管理系统与方法 |
CN114898577B (zh) * | 2022-07-13 | 2022-09-20 | 环球数科集团有限公司 | 一种用于高峰期道路管理的道路智能管理系统与方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106791277A (zh) | 一种视频监控中的车辆追踪方法 | |
CN105574543B (zh) | 一种基于深度学习的车辆品牌型号识别方法和系统 | |
CN105930833B (zh) | 一种基于视频监控的车辆跟踪与分割方法 | |
CN101872546B (zh) | 一种基于视频的过境车辆快速检测方法 | |
CN105015419A (zh) | 基于立体视觉定位与建图的自动泊车系统及方法 | |
CN104599502A (zh) | 一种基于视频监控的车流量统计方法 | |
CN108460968A (zh) | 一种基于车联网获取交通路况信息的方法及装置 | |
CN101042802A (zh) | 交通信息传感器、交通信息检测方法和系统 | |
CN105718923B (zh) | 一种基于逆投影图的夜间车辆检测与计数方法 | |
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 | |
CN111292353B (zh) | 一种停车状态变化识别方法 | |
CN101819681B (zh) | 权值自适应调整的加权平均背景更新方法 | |
EP2813973B1 (en) | Method and system for processing video image | |
CN102073852A (zh) | 基于最优阈值和随机标号法的多车辆分割方法 | |
CN110020642B (zh) | 一种基于车辆检测的能见度识别方法 | |
CN102426785A (zh) | 基于轮廓和局部特征点的交通流信息感知方法及系统 | |
CN109063630B (zh) | 一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法 | |
CN109903574A (zh) | 路口交通信息的获取方法和装置 | |
CN106092123A (zh) | 一种视频导航方法及装置 | |
CN114781479A (zh) | 交通事件检测方法及装置 | |
CN103794050A (zh) | 一种实时的交通车辆检测与跟踪方法 | |
CN111062971A (zh) | 一种基于深度学习多模态的跨摄像头泥头车追踪方法 | |
Cheng et al. | Semantic segmentation of road profiles for efficient sensing in autonomous driving | |
CN112149471B (zh) | 一种基于语义点云的回环检测方法及装置 | |
CN105913000A (zh) | 一种基于视频分析的车辆跟踪方法 |
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: 20170531 |