CN106971567A - 一种交通路段车辆排队视频检测系统 - Google Patents
一种交通路段车辆排队视频检测系统 Download PDFInfo
- Publication number
- CN106971567A CN106971567A CN201710354320.0A CN201710354320A CN106971567A CN 106971567 A CN106971567 A CN 106971567A CN 201710354320 A CN201710354320 A CN 201710354320A CN 106971567 A CN106971567 A CN 106971567A
- Authority
- CN
- China
- Prior art keywords
- road conditions
- video image
- module
- place
- background model
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
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
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,φz,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,Ps(x,y)为s时刻路况视频图像位置(x,y)处的灰度值,φz,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,φz,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,φz,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,Ps(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,Ps(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Tmax与最小稳定度指标值Tmin,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:
式中,φz,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:
式中,Ps(x,y)为s时刻路况视频图像位置(x,y)处的灰度值,φz,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:
式中,φz,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,φz,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,Ps(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:
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,Ps(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Tmax与最小稳定度指标值Tmin,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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710354320.0A CN106971567A (zh) | 2017-05-18 | 2017-05-18 | 一种交通路段车辆排队视频检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710354320.0A CN106971567A (zh) | 2017-05-18 | 2017-05-18 | 一种交通路段车辆排队视频检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106971567A true CN106971567A (zh) | 2017-07-21 |
Family
ID=59326073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710354320.0A Withdrawn CN106971567A (zh) | 2017-05-18 | 2017-05-18 | 一种交通路段车辆排队视频检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106971567A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730890A (zh) * | 2017-11-09 | 2018-02-23 | 石数字技术成都有限公司 | 一种基于实时场景下车流车速预测的智能交通方法 |
CN107742425A (zh) * | 2017-09-29 | 2018-02-27 | 公安部交通管理科学研究所 | 基于道路监控视频的异常路况快速发现方法 |
CN114333294A (zh) * | 2021-11-30 | 2022-04-12 | 上海电科智能系统股份有限公司 | 一种基于非全覆盖的多元多种物体感知识别跟踪方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101489121A (zh) * | 2009-01-22 | 2009-07-22 | 北京中星微电子有限公司 | 一种基于视频监控的背景模型初始化和更新方法 |
CN102509073A (zh) * | 2011-10-17 | 2012-06-20 | 上海交通大学 | 一种基于高斯背景模型的静态目标分割的方法 |
CN103366568A (zh) * | 2013-06-26 | 2013-10-23 | 东南大学 | 交通路段车辆排队视频检测方法及系统 |
CN105338315A (zh) * | 2015-10-29 | 2016-02-17 | 宁波大学 | 基于智能移动终端的库房防盗视频监控系统 |
CN105354791A (zh) * | 2015-08-21 | 2016-02-24 | 华南农业大学 | 一种改进的自适应混合高斯前景检测方法 |
-
2017
- 2017-05-18 CN CN201710354320.0A patent/CN106971567A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101489121A (zh) * | 2009-01-22 | 2009-07-22 | 北京中星微电子有限公司 | 一种基于视频监控的背景模型初始化和更新方法 |
CN102509073A (zh) * | 2011-10-17 | 2012-06-20 | 上海交通大学 | 一种基于高斯背景模型的静态目标分割的方法 |
CN103366568A (zh) * | 2013-06-26 | 2013-10-23 | 东南大学 | 交通路段车辆排队视频检测方法及系统 |
CN105354791A (zh) * | 2015-08-21 | 2016-02-24 | 华南农业大学 | 一种改进的自适应混合高斯前景检测方法 |
CN105338315A (zh) * | 2015-10-29 | 2016-02-17 | 宁波大学 | 基于智能移动终端的库房防盗视频监控系统 |
Non-Patent Citations (1)
Title |
---|
吴桐: "复杂场景下运动目标检测与跟踪算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742425A (zh) * | 2017-09-29 | 2018-02-27 | 公安部交通管理科学研究所 | 基于道路监控视频的异常路况快速发现方法 |
CN107742425B (zh) * | 2017-09-29 | 2021-02-12 | 公安部交通管理科学研究所 | 基于道路监控视频的异常路况快速发现方法 |
CN107730890A (zh) * | 2017-11-09 | 2018-02-23 | 石数字技术成都有限公司 | 一种基于实时场景下车流车速预测的智能交通方法 |
CN107730890B (zh) * | 2017-11-09 | 2021-04-20 | 一石数字技术成都有限公司 | 一种基于实时场景下车流车速预测的智能交通方法 |
CN114333294A (zh) * | 2021-11-30 | 2022-04-12 | 上海电科智能系统股份有限公司 | 一种基于非全覆盖的多元多种物体感知识别跟踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7106664B2 (ja) | 知的運転制御方法および装置、電子機器、プログラムならびに媒体 | |
EP4152204A1 (en) | Lane line detection method, and related apparatus | |
WO2020000251A1 (zh) | 基于摄像机协同接力的路口违章视频识别方法 | |
CN108537197A (zh) | 一种基于深度学习的车道线检测预警装置及预警方法 | |
CN103366572B (zh) | 一种交叉口的视频交通参数检测方法 | |
CN105512623A (zh) | 基于多传感器雾天行车视觉增强与能见度预警系统及方法 | |
CN105844257A (zh) | 基于机器视觉雾天行车错失道路标志牌的预警系统及方法 | |
CN102930719B (zh) | 用于交通路口场景并基于网络物理系统的视频图像前景检测方法 | |
CN109859468A (zh) | 基于YOLOv3的多车道车流量计数及车辆跟踪方法 | |
CN106971567A (zh) | 一种交通路段车辆排队视频检测系统 | |
CN104129389A (zh) | 一种有效判别车辆行驶状态的方法及其装置 | |
CN103839264A (zh) | 一种车道线的检测方法 | |
CN110386065A (zh) | 车辆盲区的监控方法、装置、计算机设备及存储介质 | |
CN101732055A (zh) | 驾驶员疲劳检测方法及系统 | |
CN205665896U (zh) | 一种交叉路口信号灯状态识别装置 | |
CN104851288B (zh) | 一种交通灯定位方法 | |
CN107813830A (zh) | 一种辅助车辆驾驶的方法及装置 | |
CN110379168A (zh) | 一种基于Mask R-CNN的交通车辆信息获取方法 | |
CN103810703A (zh) | 一种基于图像处理的隧道视频运动目标检测方法 | |
CN103794050A (zh) | 一种实时的交通车辆检测与跟踪方法 | |
CN108039046A (zh) | 一种基于c-v2x的城市交叉路口行人检测识别系统 | |
CN109190811A (zh) | 一种基于自适应扩展卡尔曼滤波的车辆速度跟踪方法 | |
CN106845482A (zh) | 一种车牌定位方法 | |
CN104537649A (zh) | 一种基于图像模糊度比较的车辆转向判断方法及系统 | |
CN106548628A (zh) | 一种基于视觉空间转换网格化的路况分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20170930 Address after: 510000, Guangdong Province, Baiyun District, Guangzhou Airport West Road and kin two street, No. two, building 26, 2016 rooms Applicant after: Guangzhou Hui Ting Ting Trading Co., Ltd. Address before: 200000, 556, 5, 1, 2266 Willow Road, Shanghai, Putuo District Applicant before: Shanghai Boli Machinery Technology Co. Ltd. |
|
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170721 |