CN107301776A - 基于视频检测技术的车道路况处理及发布方法 - Google Patents

Abstract

本发明公开了一种基于视频检测技术的车道路况处理及发布方法，本处理方法通过捕获的图像对车道和车辆信息识别，识别车道总数并进行编号，并在车道设置虚拟线圈，采用背景差分法或基于车辆模型匹配的方法对车辆目标进行识别；当车辆触发虚拟线圈时，记录通过该虚拟线圈的车辆数据，分别计算每一条车道的车辆信息，进而估算出每条车道的通行速度和车辆饱和度；将每条车道的信息回传至后台服务器数据库并存储为车道级路况信息。本发布方法将车道级路况信息编码，结合实时路况信息，通过网络、广播、移动终端或电子显示屏实时发布车道级路况信息。本方法对各个车道的路况信息进行路况等级划分并发布，提高检测精度，避免受外界影响，降低检测成本。

Description

基于视频检测技术的车道路况处理及发布方法

技术领域

本发明涉及一种基于视频检测技术的车道路况处理及发布方法。

背景技术

随着智能交通的发展，各种电子地图可以提供路况信息查询服务，通常交通路况信息实时发布平台的路况信息每分钟刷新一次，基本做到实时显示。这些地图路况信息数据的收集方法主要采用人员上报、浮动车模型、地感线圈、视屏摄像头和统计预报等。

人员上报就是在固定地方安排专人来实时上报所在道路的路况信息，这种方式成本较高，效率低，而且受人的主观因素影响较大，所以上报的数据不太可靠。

浮动车模型是路况数据采集的主要模型，这种方法主要利用出租车上的GPS来记录出租车的行驶速度和方向，每隔一段时间向交通监测中心回传一次信息，然后根据道路匹配计算出路况，当有足够多的出租车安装GPS后能形成一个动态实时的路况信息检测网，但是这种方法受人的主观因素影响也不可靠，例如一些出租车司机可能会长时间停在某一个地方等待，但是那里可能不拥堵，而且大多数出租车司机可能都会绕过某些拥堵路段，这样会导致很多路段几乎没有浮动车信息出现，因此回传的数据也不太可靠，如果特意增加一些浮动车收集数据，又会加大成本。

地感线圈方法则是通过在某些路段埋设线圈，当车辆经过时，金属车体会切割磁感线，从而产生感应电动势来监测车速和路况，但是这种方法不但成本高，而且也有很大的局限性，例如在一条拥堵的道路上，一段时间内车辆都在以缓慢的速度移动或者车辆停在原地不动，这种情况产生的感应电动势很弱或者没有产生感应电动势，系统会误认为这条路上几乎没有车辆经过，因此结果也不太可靠。

因此不管是人员上报、浮动车模型还是地感线圈在路况监测中都存在一定的误判和局限性，现有技术部分解决了路况监测，但无法做到实时地检测每个车道的车辆通行状况。

发明内容

本发明所要解决的技术问题是提供一种基于视频检测技术的车道路况处理及发布方法，本方法基于图像处理、图像识别、机器视觉技术实现交通路况信息实时监测和实时识别处理，在不影响整体路况信息显示的前提下，能够对各个车道的路况信息进行路况等级划分并发布，提高检测精度，避免受外界影响，降低检测成本。

为解决上述技术问题，本发明基于视频检测技术的车道路况处理方法包括如下步骤：

步骤一、车道信息识别，利用安装在路桩的固定监控设备或移动终端摄像头捕获连续的单帧图像序列，经过图像预处理，包括图像裁剪、图像缩放和图像增强，然后对灰度图采用自适应阈值分割方法对图像进行二值化分割，过滤和筛选除车道线以外的杂质，采用Hough变换对车道线进行检测，通过视频数据识别道路的车道总数并进行编号，并在车道上设置虚拟线圈；

步骤二、车辆信息识别，对已处理的图像过滤和筛选除车辆以外的杂质，对于固定检测采用背景差分法，对于移动检测采用基于车辆模型匹配的方法对车辆目标进行检测，从而识别车辆信息；

步骤三、车道级路况处理，根据车道信息和车辆信息，当车辆触发虚拟线圈时，记录通过该虚拟线圈的车辆数、车速、每分钟车流量，分别计算每一条车道的车辆信息，包括前车距离、车辆密度、车辆行驶速度，进而估算出每条车道的通行速度和车辆饱和度；

步骤四、将每条车道的通行速度和车辆饱和度回传至后台服务器数据库并存储为车道级路况信息。

进一步，所述背景差分法利用背景图像的参数模型来近似背景图像的像素值，将当前帧图像与背景图像进行差分比较来实现对运动区域的检测，其中区别较大的像素区域被认为是运动区域，而区别较小的像素区域被认为是背景区域，从而识别车道的车辆信息。

进一步，所述基于车辆模型匹配的方法为建立车辆的三维模型,再将三维模型投影在二维平面上,并在图像中进行匹配,找到目标车辆的三维信息，然后根据目标车辆在各帧图像中位置与方向的变化,计算出目标车辆的速度、方向、旋转角参数，从而对目标车辆进行定位和跟踪,并获得目标车辆的瞬时运动参数。

经上述处理的车道路况发布方法，将车道级路况信息编码，结合后台服务器数据库提供的实时路况信息，通过网络、广播、移动终端或电子显示屏实时发布车道级路况信息。

进一步，对于移动终端用户下载车道级路况信息采集APP应用，通过移动终端的摄像头捕捉车辆前方视频信息，根据视频图像通过APP应用估算前方各个车道的车辆密度和车辆通行速度，加上自车速度、方向信息获得前方各车道的车辆通行状况，完成车道级路况的识别和处理；对于固定检测端，通过固定摄像头或固定监控设备采集视频信息，将实时摄录的交通流视频发送到后台服务器集群，后台服务器集群集中处理各固定检测端回传的视频信息，然后进行处理并分析，计算出各固定检测端道路每一条车道的路况信息，包括通过车辆数、车流量、车辆密度、饱和度，完成车道级路况的识别和处理。

进一步，APP应用在移动终端内完成车道级路况的识别和处理后将结果回传后台服务器，后台服务器将所有移动终端回传的信息与后台服务器数据库提供的实时路况信息进行多源融合和校验后再对外提供车道级路况信息发布；固定检测端通过后台服务器集群对固定检测端采集回来的实时交通数据直接进行处理和校验后，对外提供车道级路况信息发布。

由于本发明基于视频检测技术的车道路况处理及发布方法采用了上述技术方案，即本处理方法通过固定监控设备或移动终端摄像头捕获的图像序列对车道和车辆信息进行识别，识别道路的车道总数并进行编号，并在车道上设置虚拟线圈，采用背景差分法或基于车辆模型匹配的方法对车辆目标进行识别；根据车道信息和车辆信息，当车辆触发虚拟线圈时，记录通过该虚拟线圈的车辆数据，分别计算每一条车道的车辆信息，进而估算出每条车道的通行速度和车辆饱和度；将每条车道的通行速度和车辆饱和度回传至后台服务器数据库并存储为车道级路况信息。本发布方法将车道级路况信息编码，结合后台服务器数据库提供的实时路况信息，通过网络、广播、移动终端或电子显示屏实时发布车道级路况信息。本方法基于图像处理、图像识别、机器视觉技术实现交通路况信息实时监测和实时识别处理，在不影响整体路况信息显示的前提下，能够对各个车道的路况信息进行路况等级划分并发布，提高检测精度，避免受外界影响，降低检测成本。

附图说明

下面结合附图和实施方式对本发明作进一步的详细说明：

图1为本发明基于视频检测技术的车道路况处理方法流程框图；

图2为本发明车道路况发布方法流程框图。

具体实施方式

如图1所示，本发明基于视频检测技术的车道路况处理方法包括如下步骤：

步骤一、车道信息识别，利用安装在路桩的固定监控设备或移动终端摄像头捕获连续的单帧图像序列，经过图像预处理，包括图像裁剪、图像缩放和图像增强，然后对灰度图采用自适应阈值分割方法对图像进行二值化分割，过滤和筛选除车道线以外的杂质，采用Hough变换对车道线进行检测，通过视频数据识别道路的车道总数并进行编号，并在车道上设置虚拟线圈；其中Hough变换是图像处理中的一种特征提取技术，它通过一种投票算法检测具有特定形状的物体，该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为Hough变换结果；Hough变换运用两个坐标空间之间的变换将在一个空间中具有相同形状的曲线或直线映射到另一个坐标空间的一个点上形成峰值，从而把检测任意形状的问题转化为统计峰值问题，得到车道的直线特征，做出车道识别；

步骤二、车辆信息识别，对已处理的图像过滤和筛选除车辆以外的杂质，对于固定检测采用背景差分法，对于移动检测采用基于车辆模型匹配的方法对车辆目标进行检测，从而识别车辆信息；

步骤三、车道级路况处理，根据车道信息和车辆信息，当车辆触发虚拟线圈时，记录通过该虚拟线圈的车辆数、车速、每分钟车流量，分别计算每一条车道的车辆信息，包括前车距离、车辆密度、车辆行驶速度，进而估算出每条车道的通行速度和车辆饱和度；

步骤四、将每条车道的通行速度和车辆饱和度回传至后台服务器数据库并存储为车道级路况信息。

优选的，所述背景差分法利用背景图像的参数模型来近似背景图像的像素值，将当前帧图像与背景图像进行差分比较来实现对运动区域的检测，其中区别较大的像素区域被认为是运动区域，而区别较小的像素区域被认为是背景区域，从而识别车道的车辆信息。

优选的，所述基于车辆模型匹配的方法为建立车辆的三维模型,再将三维模型投影在二维平面上,并在图像中进行匹配,找到目标车辆的三维信息，然后根据目标车辆在各帧图像中位置与方向的变化,计算出目标车辆的速度、方向、旋转角参数，从而对目标车辆进行定位和跟踪,并获得目标车辆的瞬时运动参数。

如图2所示，经上述处理的车道路况发布方法，将车道级路况信息编码，结合后台服务器数据库提供的实时路况信息，通过网络、广播、移动终端或电子显示屏实时发布车道级路况信息。

优选的，对于移动终端用户下载车道级路况信息采集APP应用，通过移动终端的摄像头捕捉车辆前方视频信息，根据视频图像通过APP应用估算前方各个车道的车辆密度和车辆通行速度，加上自车速度、方向信息获得前方各车道的车辆通行状况，完成车道级路况的识别和处理；对于固定检测端，通过固定摄像头或固定监控设备采集视频信息，将实时摄录的交通流视频发送到后台服务器集群，后台服务器集群集中处理各固定检测端回传的视频信息，然后进行处理并分析，计算出各固定检测端道路每一条车道的路况信息，包括通过车辆数、车流量、车辆密度、饱和度，完成车道级路况的识别和处理。

优选的，APP应用在移动终端内完成车道级路况的识别和处理后将结果回传后台服务器，后台服务器将所有移动终端回传的信息与后台服务器数据库提供的实时路况信息进行多源融合和校验后再对外提供车道级路况信息发布；固定检测端通过后台服务器集群对固定检测端采集回来的实时交通数据直接进行处理和校验后，对外提供车道级路况信息发布。

由于移动终端在进行车道级路况信息采集时无需对视频图像大量的存储，这样节省了大量的存储空间和传输带宽，仅需采用视频图像处理软件对采集到的视频流在移动终端上进行编码和计算，并将极小的处理结果回传，故对移动终端的软硬件要求不高，现有的Android或iOS智能手机移动终端均能满足要求。

由于传统的路况检测用的是人员上报、浮动车模型和地感线圈等方式，这些方式都有很一定的局限性，而本方法可以很好地弥补或解决这些问题；同时，本方法还具有以下优势：

1、检测范围广、信息量大、功能性强；固定监控设备的高清摄像机可以监控几十甚至几百米的范围，检测多个车道，根据用户的需求，在摄像机的视野内可设置多个检测区域，即在车道内设置的虚拟线圈；也可以选择不同的检测功能，如车流量检测、车速检测等；而且虚拟线圈设置方便灵活；

2、检测精度高、受外界影响小；通过一定的方法将前景目标提取出来，而设置的虚拟线圈在实际中并不存在，其仅为摄像机的检测区域，因此本方法不会受到外界的影响；

3、检测灵活，安装调试和维护较方便；无需破坏路面设置地感线圈，同时也不对路面交通造成任何干扰和影响，只需根据需要设置虚拟线圈，同时将参数设置提交给摄像机即可，摄像机的位置易于调整，并且可以通过网络进行远程设置，方便快捷。

4、可提供丰富的交通信息；视频检测针对的是实时视频流，通过检测可以实时地获取车流量、车速、车型、时间占有率、空间占有率、车辆长度、车型等多种交通参数；同时还可以对违章停车、逆行、闯红灯等状况进行监测；

5、系统模块化，可以嵌入到其他监控系统中，而且实时性强。

因此本方法与传统的路况检测方式相比，能提供更高精度、更准确的路况信息服务，具有广阔的发展前景和极高的现实意义。随着计算机技术和图像处理技术的发展，视频检测技术成为一种成熟的交通流量检测的关键技术，能够对各个车道的路况信息进行路况等级划分，例如车道显示红色表示该车道严重拥堵，车道显示黄色表示该车道一般拥堵，车道显示绿色表示该车道畅通。

Claims (6)

1.一种基于视频检测技术的车道路况处理方法，其特征在于本方法包括如下步骤：

步骤一、车道信息识别，利用安装在路桩的固定监控设备或移动终端摄像头捕获连续的单帧图像序列，经过图像预处理，包括图像裁剪、图像缩放和图像增强，然后对灰度图采用自适应阈值分割方法对图像进行二值化分割，过滤和筛选除车道线以外的杂质，采用Hough变换对车道线进行检测，通过视频数据识别道路的车道总数并进行编号，并在车道上设置虚拟线圈；

步骤二、车辆信息识别，对已处理的图像过滤和筛选除车辆以外的杂质，对于固定检测采用背景差分法，对于移动检测采用基于车辆模型匹配的方法对车辆目标进行检测，从而识别车辆信息；

步骤三、车道级路况处理，根据车道信息和车辆信息，当车辆触发虚拟线圈时，记录通过该虚拟线圈的车辆数、车速、每分钟车流量，分别计算每一条车道的车辆信息，包括前车距离、车辆密度、车辆行驶速度，进而估算出每条车道的通行速度和车辆饱和度；

步骤四、将每条车道的通行速度和车辆饱和度回传至后台服务器数据库并存储为车道级路况信息。

2.根据权利要求1所述的基于视频检测技术的车道路况处理方法，其特征在于：所述背景差分法利用背景图像的参数模型来近似背景图像的像素值，将当前帧图像与背景图像进行差分比较来实现对运动区域的检测，其中区别较大的像素区域被认为是运动区域，而区别较小的像素区域被认为是背景区域，从而识别车道的车辆信息。

3.根据权利要求1所述的基于视频检测技术的车道路况处理方法，其特征在于：所述基于车辆模型匹配的方法为建立车辆的三维模型,再将三维模型投影在二维平面上,并在图像中进行匹配,找到目标车辆的三维信息，然后根据目标车辆在各帧图像中位置与方向的变化,计算出目标车辆的速度、方向、旋转角参数，从而对目标车辆进行定位和跟踪,并获得目标车辆的瞬时运动参数。

4.一种经权利要求1至3处理的车道路况发布方法，其特征在于：将车道级路况信息编码，结合后台服务器数据库提供的实时路况信息，通过网络、广播、移动终端或电子显示屏实时发布车道级路况信息。

5.根据权利要求4所述的车道路况发布方法，其特征在于：对于移动终端用户下载车道级路况信息采集APP应用，通过移动终端的摄像头捕捉车辆前方视频信息，根据视频图像通过APP应用估算前方各个车道的车辆密度和车辆通行速度，加上自车速度、方向信息获得前方各车道的车辆通行状况，完成车道级路况的识别和处理；对于固定检测端，通过固定摄像头或固定监控设备采集视频信息，将实时摄录的交通流视频发送到后台服务器集群，后台服务器集群集中处理各固定检测端回传的视频信息，然后进行处理并分析，计算出各固定检测端道路每一条车道的路况信息，包括通过车辆数、车流量、车辆密度、饱和度，完成车道级路况的识别和处理。

6.根据权利要求5所述的车道路况发布方法，其特征在于：APP应用在移动终端内完成车道级路况的识别和处理后将结果回传后台服务器，后台服务器将所有移动终端回传的信息与后台服务器数据库提供的实时路况信息进行多源融合和校验后再对外提供车道级路况信息发布；固定检测端通过后台服务器集群对固定检测端采集回来的实时交通数据直接进行处理和校验后，对外提供车道级路况信息发布。