CN106971567A - 一种交通路段车辆排队视频检测系统 - Google Patents

Abstract

本发明提供了一种交通路段车辆排队视频检测系统，包括路面监控模块、视频解码模块、检测模块、有线网络传输模块、指挥调度模块和存储器，所述路面监控模块用于对路面上的车流状况进行实时监控，采集路况视频图像；所述检测模块用于对车辆的动态情况进行追踪监控，得到车辆动态信息；所述指挥调度模块用于对拥堵路段及附近路段的交通信号灯做出合理调整。本发明利用视频监控的方式对路面车辆动态情况进行检测，据此对拥堵路段及附近路段的交通信号灯做出调整，能够实现交通合理分流，缓解交通压力，节省人们花在路上的时间。

Description

一种交通路段车辆排队视频检测系统

技术领域

本发明涉及智能交通技术领域，具体涉及一种交通路段车辆排队视频检测系统。

背景技术

交通拥堵已经成为中、大城市中一个突出的问题，随着汽车的普及，固定程序的交通信号灯已经不能很好解决交通拥堵的难题，现有的交通信号灯只能按照固定的时间点亮红、黄和绿灯来指挥交通，远远不能做到对路面车辆的智能指挥调度，缓解城市交通拥堵问题。因此需要一种新的智能交通指挥调度系统来对城市中的交通信号灯实行合理配置，充分发挥交通压力小的马路来减轻车流量大的马路的交通压力。

发明内容

针对上述问题，本发明旨在提供一种交通路段车辆排队视频检测系统。

本发明的目的采用以下技术方案来实现：

一种交通路段车辆排队视频检测系统，包括路面监控模块、视频解码模块、检测模块、有线网络传输模块、指挥调度模块和存储器，所述路面监控模块用于对路面上的车流状况进行实时监控，采集路况视频图像；所述检测模块用于对车辆的动态情况进行追踪监控，得到车辆动态信息；所述有线网络传输模块将车辆动态信息传输至所述指挥调度模块；所述指挥调度模块用于对拥堵路段及附近路段的交通信号灯做出合理调整。

本发明的有益效果为：本发明利用视频监控的方式对路面车辆动态情况进行检测，据此对拥堵路段及附近路段的交通信号灯做出调整，能够实现交通合理分流，缓解交通压力，节省人们花在路上的时间。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的框架结构图；

图2是本发明的检测模块的框架结构图。

附图标记：

路面监控模块1、视频解码模块2、检测模块3、有线网络传输模块4、指挥调度模块5、存储器6、静态环境检测子模块31、路况参数更新子模块32和动态车辆检测子模块33。

具体实施方式

结合以下应用场景对本发明作进一步描述。

参见图1，本实施例的一种交通路段车辆排队视频检测系统，包括路面监控模块1、视频解码模块2、检测模块3、有线网络传输模块4、指挥调度模块5和存储器6，所述路面监控模块1用于对路面上的车流状况进行实时监控，采集路况视频图像；所述检测模块3用于对车辆的动态情况进行追踪监控，得到车辆动态信息；所述有线网络传输模4块将车辆动态信息传输至所述指挥调度模块；所述指挥调度模块5用于对拥堵路段及附近路段的交通信号灯做出合理调整。

优选地，所述视频解码模块用于对所述路面监控模块采集得到的路况视频图像的视频流进行解码处理。

优选地，所述检测模块根据运动检测方法提取道路车流量、每个车道上行车的平均速度和每个车道上排队车辆的数量。

本发明上述实施例，利用视频监控的方式对路面车辆动态情况进行检测，据此对拥堵路段及附近路段的交通信号灯做出调整，能够实现交通合理分流，缓解交通压力，节省人们花在路上的时间。

优选地，如图2所示，所述检测模块包括静态环境检测子模块、路况参数更新子模块和动态车辆检测子模块；

所述静态环境检测子模块根据路况视频图像的数据对各高斯背景模型重要参数进行初始化，高斯背景模块为：

式中，g表示高斯背景模型，υ²(x,y)表示路况视频图像位置(x,y)处的灰度值方差，P(x,y)为路况视频图像位置(x,y)处的灰度值，φ(x,y)表示路况视频图像位置(x,y)处的灰度值均值；

再将路况视频图像的各像素灰度值与高斯背景模型进行匹配判断，包括：

(1)将M帧路况视频图像中每个像素点位置的平均灰度值和方差作为各单个高斯背景模型的初始均值和初始方差，并设定初始权重，具体为：

式中，φ_z,0(x,y)表示第z个高斯背景模型的初始均值，表示第z个高斯背景模型的初始方差，表示第z个高斯背景模型的初始权重，P(x,y)为路况视频图像位置(x,y)处的灰度值，M为初始化窗口宽度(单位：帧)，Z为高斯背景模型的个数；

(2)在s时刻，将位置(x,y)处路况视频图像的像素灰度值与当前的Z个高斯背景模型逐一按照自定义匹配判断公式进行判断，其中采用的自定义匹配公式为：

式中，P_s(x,y)为s时刻路况视频图像位置(x,y)处的灰度值，φ_z,s-1(x,y)为s-1时刻第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的均值，为s-1时刻第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的方差，Z！表示Z的阶乘。

本发明上述实施例，根据路况视频图像的数据对高斯背景模型进行初始化后，通过自定义匹配判断公式，将路况视频图像位置(x,y)处的像素灰度值与高斯背景模型进行匹配，采用的自定义匹配判断公式计算量小，有利于减少后续精确进行静态背景与运动前景分离时的计算量，提高运算速度，降低运算时的耗能。

优选地，所述路况参数更新子模块对路况视频图像s时刻第z个高斯背景模型的均值、方差、权重进行更新，具体为：

式中，φ_z,s(x,y)为s时刻第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的均值，φ_z,s-1(x,y)为s-1时刻第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的均值，P_s(x,y)为s时刻路况视频图像位置(x,y)处的灰度值，表示s时刻第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的方差，表示s-1时刻第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的方差，γ为高斯背景模型的均值和方差的更新率，γ设定为0.01，Z为高斯背景模型的个数，表示s时刻第z个高斯背景模型的初始权重，β为权重更新率，β设定为0.02。

本发明上述实施例，对路况视频图像中的参数进行快速更新，有利于对路况视频图像中变化的像素点进行快速的检测，识别出路况视频图像中的运动车辆，对路面上的行车进行实时跟进，检测出车道上车辆的平均速度，判断出马路上车流的拥堵情况，避免在长时间堵车，行车十分缓慢时，将车辆识别为静态的背景。

优选地，所述动态车辆检测子模块用于确定s时刻的真正背景模型，对所有已经完成参数更新的权重进行归一化处理，随后计算归一化处理后的与的比值并按照从大到小的顺序进行排序，选取前N个满足模型表征背景，N值的计算公式为：

式中，函数表示取满足时n的最小值，δ为权重判断阈值；

然后求取路况视频图像中像素点的稳定度指标，采用的稳定度指标计算公式为：

式中，T(x,y)表示位置(x,y)处的稳定度指标函数，H为向后滑动的帧数，P_s(x,y)为s时刻路况视频图像位置(x,y)处的灰度值；

筛选出最大稳定度指标值T_max与最小稳定度指标值T_min，并计算稳定度指标阈值：

式中，T′表示稳定度指标阈值；

若存在路况视频图像s时刻位置(x,y)连续L帧图像的稳定度指标T(x,y)＞T′，则判断路况视频图像s时刻位置(x,y)的像素点为运动车辆像素点，否则为静态背景。

本发明上述实施例，通过对稳定度指标的计算来精确区分路况视频图像中运动车辆与静态背景，大大减少运动车辆的图像像素点被背景模型错误匹配的概率，增大了运动车辆与静态背景的区分度，增强算法鲁棒性，有利于提高对运动车辆的检测与追踪的准确度，准确判断出所检测路段的车流情况，以便指挥调度模块做出准确指挥调度，缓解路面交通压力。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.一种交通路段车辆排队视频检测系统，其特征是，包括路面监控模块、视频解码模块、检测模块、有线网络传输模块、指挥调度模块和存储器，所述路面监控模块用于对路面上的车流状况进行实时监控，采集路况视频图像；所述检测模块用于对车辆的动态情况进行追踪监控，得到车辆动态信息；所述有线网络传输模块将车辆动态信息传输至所述指挥调度模块；所述指挥调度模块用于对拥堵路段及附近路段的交通信号灯做出合理调整。

2.根据权利要求1所述的一种交通路段车辆排队视频检测系统，其特征是，所述视频解码模块用于对所述路面监控模块采集得到的路况视频图像的视频流进行解码处理。

3.根据权利要求1所述的一种交通路段车辆排队视频检测系统，其特征是，所述检测模块根据运动检测方法提取道路车流量、每个车道上行车的平均速度和每个车道上车辆排队的数量。

4.根据权利要求1所述的一种交通路段车辆排队视频检测系统，其特征是，所述检测模块包括静态环境检测子模块、路况参数更新子模块和动态车辆检测子模块；

所述静态环境检测子模块根据路况视频图像的数据对各高斯背景模型重要参数进行初始化，高斯背景模型为：

式中，表示高斯背景模型，υ²(x,y)表示路况视频图像位置(x,y)处的灰度值方差，P(x,y)为路况视频图像位置(x,y)处的灰度值，φ(x,y)表示路况视频图像位置(x,y)处的灰度值均值；

再将路况视频图像的各像素灰度值与高斯背景模型进行匹配判断，包括：

(1)将M帧路况视频图像中每个像素点位置的平均灰度值和方差作为各单个高斯背景模型的初始均值和初始方差，并设定初始权重，具体为：

${\mathrm{\φ}}_{z,0}(x,y)=\frac{1}{M}\underset{x=1}{\overset{M}{\Σ}}P(x,y)$

${\mathrm{\υ}}_{z,0}^2(x,y)=\frac{1}{M}\underset{x=1}{\overset{M}{\Σ}}{\[P(x,y)-{\mathrm{\φ}}_{z,0}(x,y)\]}^2$

式中，φ_z,0(x,y)表示第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的初始均值，表示第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的初始方差，表示第z个高斯背景模型的初始权重，P(x,y)为路况视频图像位置(x,y)处的灰度值，M为初始化窗口宽度(单位：帧)，Z为高斯背景模型的个数；

(2)在s时刻，将位置(x,y)处路况视频图像的像素灰度值与Z个高斯背景模型逐一按照自定义匹配判断公式进行判断，其中采用的自定义匹配公式为：

$|{\&lsqb;P_s(x,y)\&rsqb;}^2-{\&lsqb;{\mathrm{\&phi;}}_{z,s-1}(x,y)\&rsqb;}^2|<(8+\frac{1}{Z!}){\mathrm{\&upsi;}}_{z,s-1}^2(x,y)$

式中，P_s(x,y)为s时刻路况视频图像位置(x,y)处的灰度值，φ_z,s-1(x,y)为s-1时刻第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的均值，为s-1时刻第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的方差，Z！表示Z的阶乘。

5.根据权利要求4所述的一种交通路段车辆排队视频检测系统，其特征是，所述路况参数更新子模块对路况视频图像s时刻第z个高斯背景模型的均值、方差、权重进行更新，具体为：

${\mathrm{\&phi;}}_{z,s}(x,y)=\frac{1}{Z}\underset{z=1}{\&Sigma;}\frac{Z^2-1}{Z^2}(1-\mathrm{\&gamma;}){\mathrm{\&phi;}}_{z,s-1}(x,y)+{\mathrm{\&gamma;P}}_s(x,y)$

${\mathrm{\&upsi;}}_{z,s}^2(x,y)=\frac{1}{Z}\underset{z=1}{\&Sigma;}\frac{Z^2-1}{Z^2}(1-\mathrm{\&gamma;}){\mathrm{\&upsi;}}_{z,s-1}^2(x,y)+\mathrm{\&gamma;}{\&lsqb;P_s(x,y)-{\mathrm{\&phi;}}_{z,s-1}(x,y)\&rsqb;}^2$

式中，φ_z,s(x,y)为s时刻第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的均值，φ_z,s-1(x,y)为s-1时刻第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的均值，P_s(x,y)为s时刻视频图像位置(x,y)处的灰度值，表示s时刻第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的方差，表示s-1时刻第z个高斯背景模型中路况视频图像位置(x,y)处的灰度值的方差，γ为高斯背景模型的均值和方差的更新率，Z为高斯背景模型的个数，表示s时刻第z个高斯背景模型的初始权重，β为权重更新率，β∈[0,1]。

6.根据权利要求5所述的一种交通路段车辆排队视频检测系统，其特征是，所述动态车辆检测子模块用于确定s时刻的真正背景模型，对所有已经完成参数更新的权重进行归一化处理，随后计算归一化处理后的与的比值并按照从大到小的顺序进行排序，选取前N个满足模型表征背景，N值的计算公式为：

式中，函数表示取满足时n的最小值，δ为权重判断阈值；

然后求取路况视频图像中像素点的稳定度指标，采用的稳定度指标计算公式为：

$T(x,y)=H\underset{y=0}{\overset{H}{\&Sigma;}}{\&lsqb;P_s(x,y)\&rsqb;}^2-{\left(\underset{y=0}{\overset{H}{\&Sigma;}}{P}_s\right(x,y\left)\right)}^2+{\left(\frac{1}{H^s}{P}_s\right(x,y\left)\right)}^2$

式中，T(x,y)表示位置(x,y)处的稳定度指标函数，H为向后滑动的帧数，P_s(x,y)为s时刻路况视频图像位置(x,y)处的灰度值；

筛选出最大稳定度指标值T_max与最小稳定度指标值T_min，并计算稳定度指标阈值：

$T^{\&prime;}=T_{min}+\frac{T_{max}-T_{min}}{0.7}$

式中，T′表示稳定度指标阈值；

若存在路况视频图像s时刻位置(x,y)连续L帧图像的稳定度指标T(x,y)＞T′，则判断路况视频图像s时刻位置(x,y)的像素点为运动车辆像素点，否则为静态背景。