CN107680386A - 一种智能交通监控系统 - Google Patents
一种智能交通监控系统 Download PDFInfo
- Publication number
- CN107680386A CN107680386A CN201711081272.9A CN201711081272A CN107680386A CN 107680386 A CN107680386 A CN 107680386A CN 201711081272 A CN201711081272 A CN 201711081272A CN 107680386 A CN107680386 A CN 107680386A
- Authority
- CN
- China
- Prior art keywords
- image
- mrow
- msubsup
- color
- processing module
- 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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Abstract
本发明提供了一种智能交通监控系统,包括高清摄像头、图像处理中心和监控中心,所述高清摄像头用于获取交通监控图像并传输至图像处理中心,所述图像处理中心用于处理接收到的交通监控图像并将处理结果传输至监控中心,所述监控中心根据处理结果对交通状况进行监控;所述图像处理中心包括车牌识别装置和高清视频流采集装置,所述车牌识别装置用于根据输入的监控图像对车牌进行识别,所述高清视频流采集装置用于存储高清摄像头获取的监控图像。本发明的有益效果为:实现了交通智能监控,采用高清摄像头进行监控,并设置图像处理中心,提高了监控水平和监控效率。
Description
技术领域
本发明涉及智能交通技术领域,具体涉及一种智能交通监控系统。
背景技术
智能交通系统是未来交通系统的发展方向,它是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的,实时、准确、高效的综合交通运输管理系统。
交通监控系统作为智能交通系统的重要组成部分,在交通运输管理中起着重要作用,然而,现有的交通监控系统监控水平差,无法满足智能交通系统的要求。
发明内容
针对上述问题,本发明旨在提供一种智能交通监控系统。
本发明的目的采用以下技术方案来实现:
提供了一种智能交通监控系统,包括高清摄像头、图像处理中心和监控中心,所述高清摄像头用于获取交通监控图像并传输至图像处理中心,所述图像处理中心用于处理接收到的交通监控图像并将处理结果传输至监控中心,所述监控中心根据处理结果对交通状况进行监控;所述图像处理中心包括车牌识别装置和高清视频流采集装置,所述车牌识别装置用于根据输入的监控图像对车牌进行识别,所述高清视频流采集装置用于存储高清摄像头获取的监控图像。
本发明的有益效果为:实现了交通智能监控,采用高清摄像头进行监控,并设置图像处理中心,提高了监控水平和监控效率。
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是本发明的结构示意图;
附图标记:
高清摄像头1、图像处理中心2、监控中心3。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种智能交通监控系统,包括高清摄像头1、图像处理中心2和监控中心3,所述高清摄像头1用于获取交通监控图像并传输至图像处理中心2,所述图像处理中心2用于处理接收到的交通监控图像并将处理结果传输至监控中心3,所述监控中心3根据处理结果对交通状况进行监控;所述图像处理中心2包括车牌识别装置和高清视频流采集装置,所述车牌识别装置用于根据输入的监控图像对车牌进行识别,所述高清视频流采集装置用于存储高清摄像头1获取的监控图像。
本实施例实现了交通智能监控,采用高清摄像头进行监控,并设置图像处理中心,提高了监控水平和监控效率。
优选的,所述车牌识别装置包括第一处理模块,第二处理模块、第三处理模块、第四处理模块和第五处理模块,所述第一处理模块用于对输入图像进行压缩处理,得到压缩图像,所述第二处理模块用于获取压缩图像的特征向量,所述第三处理模块用于根据获取的特征向量对图像进行分割,所述第四处理模块用于对图像分割效果进行评价,所述第五处理模块用于根据图像分割结果对车牌进行识别。
本优选实施例实现了车牌有效识别,进一步提高了交通监控水平。
优选的,所述第一处理模块用于对输入图像进行压缩处理,具体为:
将输入图像分解为N×N的图像块,对每个图像块f(x,y)采用下式进行变换: 在式子里,RU(u,v)表示经过变换后的图像块,u,v=0,1,…,N-1,其中,σ表示压缩因子,σ=N×N;RU(0,0)为直流系数,用于表示变换域中的低频部分,RU(u,v)为交流系数,用于表示变换域中的高频部分,其中,u,v=1,…,N-1,将各图像块的RU(0,0)构成压缩图像,采用YCbCr颜色模型表示压缩图像。
本优选实施例通过第一处理模块对图像进行压缩,大大减少了样本的个数,提高了计算效率,节约了计算资源,有助于提高图像分割速度。
优选的,所述第二处理模块包括第一特征提取子模块、第二特征提取子模块和向量构建子模块,所述第一特征提取子模块用于提取压缩图像的颜色特征,所述第二特征提取子模块用于提取压缩图像的纹理特征,所述向量构建子模块用于获取压缩图像的特征向量;
所述第一特征提取子模块用于提取压缩图像的颜色特征,具体为:
计算每个图像块P的每个颜色分量的均值:在式子里,表示图像块P在YCbCr颜色空间的颜色特征,表示图像块P中Y颜色分量的均值,表示图像块P中Cb颜色分量的均值,表示图像块P中Cr颜色分量的均值;将YCbC颜色空间转换到RGB颜色空间:在式子里,表示图像块P在RGB颜色空间的颜色特征,表示图像块P中R颜色分量的均值,表示图像块P中G颜色分量的均值,表示图像块P中B颜色分量的均值;
根据和获取压缩图像的颜色特征:Cp={MH1,MH2},在式子里,Cp表示压缩图像的颜色特征,表示第一颜色特征因子,表示第二颜色特征因子;
所述第二特征提取子模块用于提取压缩图像的纹理特征,具体为:
计算每个图像块P的Y分量在水平、垂直、对角方向的纹理特征因子:
在式子里,表示图像块P的Y分量水平方向的纹理特征因子,表示图像块P的Y分量垂直方向的纹理特征因子,表示图像块P的Y分量对角方向的纹理特征因子;
根据交流系数获取压缩图像的纹理特征:在式子里,DTp表示压缩图像的纹理特征。
所述向量构建子模块用于获取压缩图像的特征向量:RXp={Cp,DTp},在式子里,RXp表示压缩图像的特征向量。
本优选实施例通过第二处理模块对颜色特征和纹理特征提取,获取了五维特征向量,有助于提高图像分割的准确率,具体的,计算压缩图像的颜色特征过程中,充分考虑了不同颜色空间,引入第一颜色特征因子和第二颜色特征因子,获取了更为准确的颜色特征,计算压缩图像纹理特征过程中,充分考虑了三个主要方向的纹理,又忽略了其它纹理,提高纹理特征准确性的同时提高了计算效率。
优选的,所述第三处理模块用于根据获取的特征向量对图像进行分割,具体为:采用高斯混合模型描述特征向量,使用直流系数迭代估计高斯混合模型参数;根据估计的高斯模型混合参数对输入图像进行分割,得到图像分割结果;
所述第四处理模块用于对图像分割效果进行评价,通过评价因子进行,评价因子采用下式确定:在式子里,FN表示评价因子,t表示图像分割时间,评价因子值越大,表示分割效果越好。
本优选实施例第三处理模块获取了尽可能多的分割信息,能够快速,准确的分割出目标对象,既弥补了自动分割的不足,又比手动分割要精确得多,具有更强的实用性;通过第四处理模块对分割效果进行评价,有助于实时获取图像分割情况,保证了图像分割水平。
采用本发明智能交通监控系统对交通情况进行监控,选取5个路段进行实验,分别为路段1、路段2、路段3、路段4、路段5,对监控效率和监控准确性进行统计,同现有交通监控系统相比,产生的有益效果如下表所示:
监控效率提高 | 监控准确性提高 | |
路段1 | 29% | 27% |
路段2 | 27% | 26% |
路段3 | 26% | 26% |
路段4 | 25% | 24% |
路段5 | 24% | 22% |
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 (7)
1.一种智能交通监控系统,其特征在于,包括高清摄像头、图像处理中心和监控中心,所述高清摄像头用于获取交通监控图像并传输至图像处理中心,所述图像处理中心用于处理接收到的交通监控图像并将处理结果传输至监控中心,所述监控中心根据处理结果对交通状况进行监控;所述图像处理中心包括车牌识别装置和高清视频流采集装置,所述车牌识别装置用于根据输入的监控图像对车牌进行识别,所述高清视频流采集装置用于存储高清摄像头获取的监控图像。
2.根据权利要求1所述的智能交通监控系统,其特征在于,所述车牌识别装置包括第一处理模块,第二处理模块、第三处理模块、第四处理模块和第五处理模块,所述第一处理模块用于对输入图像进行压缩处理,得到压缩图像,所述第二处理模块用于获取压缩图像的特征向量,所述第三处理模块用于根据获取的特征向量对图像进行分割,所述第四处理模块用于对图像分割效果进行评价,所述第五处理模块用于根据图像分割结果对车牌进行识别。
3.根据权利要求2所述的智能交通监控系统,其特征在于,所述第一处理模块用于对输入图像进行压缩处理,具体为:
将输入图像分解为N×N的图像块,对每个图像块f(x,y)采用下式进行变换: 在式子里,RU(u,v)表示经过变换后的图像块,u,v=0,1,…,N-1,其中,σ表示压缩因子,σ=N×N;RU(0,0)为直流系数,用于表示变换域中的低频部分,RU(u,v)为交流系数,用于表示变换域中的高频部分,其中,u,v=1,…,N-1,将各图像块的RU(0,0)构成压缩图像,采用YCbCr颜色模型表示压缩图像。
4.根据权利要求3所述的智能交通监控系统,其特征在于,所述第二处理模块包括第一特征提取子模块、第二特征提取子模块和向量构建子模块,所述第一特征提取子模块用于提取压缩图像的颜色特征,所述第二特征提取子模块用于提取压缩图像的纹理特征,所述向量构建子模块用于获取压缩图像的特征向量;
所述第一特征提取子模块用于提取压缩图像的颜色特征,具体为:
计算每个图像块P的每个颜色分量的均值:在式子里,表示图像块P在YCbCr颜色空间的颜色特征,表示图像块P中Y颜色分量的均值,表示图像块P中Cb颜色分量的均值,表示图像块P中Cr颜色分量的均值;将YCbC颜色空间转换到RGB颜色空间:在式子里,表示图像块P在RGB颜色空间的颜色特征,表示图像块P中R颜色分量的均值,表示图像块P中G颜色分量的均值,表示图像块P中B颜色分量的均值;
根据和获取压缩图像的颜色特征:Cp={MH1,MH2},在式子里,Cp表示压缩图像的颜色特征,表示第一颜色特征因子,表示第二颜色特征因子。
5.根据权利要求4所述的智能交通监控系统,其特征在于,所述第二特征提取子模块用于提取压缩图像的纹理特征,具体为:
计算每个图像块P的Y分量在水平、垂直、对角方向的纹理特征因子:
<mrow>
<msubsup>
<mi>DT</mi>
<mi>p</mi>
<mi>H</mi>
</msubsup>
<mo>=</mo>
<mn>2</mn>
<mo>+</mo>
<msqrt>
<mrow>
<msubsup>
<mi>RU</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>,</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>RU</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>,</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>RU</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>,</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mrow>
<mrow>
<msubsup>
<mi>DT</mi>
<mi>p</mi>
<mi>V</mi>
</msubsup>
<mo>=</mo>
<mn>2</mn>
<mo>+</mo>
<msqrt>
<mrow>
<msubsup>
<mi>RU</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>RU</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>RU</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mrow>
<mrow>
<msubsup>
<mi>DT</mi>
<mi>p</mi>
<mi>D</mi>
</msubsup>
<mo>=</mo>
<mn>2</mn>
<mo>+</mo>
<msqrt>
<mrow>
<msubsup>
<mi>RU</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>,</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>RU</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>,</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mrow>
在式子里,表示图像块P的Y分量水平方向的纹理特征因子,表示图像块P的Y分量垂直方向的纹理特征因子,表示图像块P的Y分量对角方向的纹理特征因子;
根据交流系数获取压缩图像的纹理特征:在式子里,DTp表示压缩图像的纹理特征。
6.根据权利要求5所述的智能交通监控系统,其特征在于,所述向量构建子模块用于获取压缩图像的特征向量:RXp={Cp,DTp},在式子里,RXp表示压缩图像的特征向量。
7.根据权利要求6所述的智能交通监控系统,其特征在于,所述第三处理模块用于根据获取的特征向量对图像进行分割,具体为:采用高斯混合模型描述特征向量,使用直流系数迭代估计高斯混合模型参数;根据估计的高斯模型混合参数对输入图像进行分割,得到图像分割结果;所述第四处理模块用于对图像分割效果进行评价,通过评价因子进行,评价因子采用下式确定:在式子里,FN表示评价因子,t表示图像分割时间,评价因子值越大,表示分割效果越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711081272.9A CN107680386A (zh) | 2017-11-07 | 2017-11-07 | 一种智能交通监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711081272.9A CN107680386A (zh) | 2017-11-07 | 2017-11-07 | 一种智能交通监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107680386A true CN107680386A (zh) | 2018-02-09 |
Family
ID=61145819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711081272.9A Pending CN107680386A (zh) | 2017-11-07 | 2017-11-07 | 一种智能交通监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107680386A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399767A (zh) * | 2018-03-02 | 2018-08-14 | 深圳市创艺工业技术有限公司 | 一种预警准确的行车预警系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1152604A1 (en) * | 2000-04-24 | 2001-11-07 | Pulnix America, Inc. | Video glare reduction |
KR20080092240A (ko) * | 2007-04-10 | 2008-10-15 | 주식회사 인스프리트 | 카메라를 이용한 주차 정보 안내 장치 및 방법 |
CN101334835A (zh) * | 2008-07-28 | 2008-12-31 | 上海高德威智能交通系统有限公司 | 颜色识别方法 |
CN101692310A (zh) * | 2009-09-23 | 2010-04-07 | 德瑞视(北京)科技发展有限公司 | 一种智能交通综合视频监测系统 |
CN101702234A (zh) * | 2009-11-03 | 2010-05-05 | 上海大学 | 多目摄像机视频人脸最佳视角的选择方法 |
CN102209196A (zh) * | 2010-03-30 | 2011-10-05 | 株式会社尼康 | 图像处理装置及图像评价方法 |
CN102436535A (zh) * | 2012-01-19 | 2012-05-02 | 浙江大学 | 计算机辅助设计过程中创意拐点的识别方法及系统 |
CN103796017A (zh) * | 2014-01-23 | 2014-05-14 | 深圳大学 | 一种图像判别装置及其判别方法 |
CN104182952A (zh) * | 2014-08-19 | 2014-12-03 | 中国科学院西安光学精密机械研究所 | 多聚焦序列图像融合方法 |
CN105702049A (zh) * | 2016-03-29 | 2016-06-22 | 成都理工大学 | 一种基于dsp的应急车道监控系统及实现方法 |
-
2017
- 2017-11-07 CN CN201711081272.9A patent/CN107680386A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1152604A1 (en) * | 2000-04-24 | 2001-11-07 | Pulnix America, Inc. | Video glare reduction |
KR20080092240A (ko) * | 2007-04-10 | 2008-10-15 | 주식회사 인스프리트 | 카메라를 이용한 주차 정보 안내 장치 및 방법 |
CN101334835A (zh) * | 2008-07-28 | 2008-12-31 | 上海高德威智能交通系统有限公司 | 颜色识别方法 |
CN101692310A (zh) * | 2009-09-23 | 2010-04-07 | 德瑞视(北京)科技发展有限公司 | 一种智能交通综合视频监测系统 |
CN101702234A (zh) * | 2009-11-03 | 2010-05-05 | 上海大学 | 多目摄像机视频人脸最佳视角的选择方法 |
CN102209196A (zh) * | 2010-03-30 | 2011-10-05 | 株式会社尼康 | 图像处理装置及图像评价方法 |
CN102436535A (zh) * | 2012-01-19 | 2012-05-02 | 浙江大学 | 计算机辅助设计过程中创意拐点的识别方法及系统 |
CN103796017A (zh) * | 2014-01-23 | 2014-05-14 | 深圳大学 | 一种图像判别装置及其判别方法 |
CN104182952A (zh) * | 2014-08-19 | 2014-12-03 | 中国科学院西安光学精密机械研究所 | 多聚焦序列图像融合方法 |
CN105702049A (zh) * | 2016-03-29 | 2016-06-22 | 成都理工大学 | 一种基于dsp的应急车道监控系统及实现方法 |
Non-Patent Citations (1)
Title |
---|
刘毅 等: "结合颜色与纹理的JPEG图像快速分割", 《小型微型计算机系统》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399767A (zh) * | 2018-03-02 | 2018-08-14 | 深圳市创艺工业技术有限公司 | 一种预警准确的行车预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023134791A2 (zh) | 一种环境安防工程监测数据管理方法及系统 | |
CN111489346B (zh) | 一种全参考图像质量评价方法及系统 | |
CN101763429A (zh) | 一种基于颜色和形状特征的图像检索方法 | |
CN106780449A (zh) | 一种基于纹理特征的无参考图像质量评价方法 | |
CN103778636A (zh) | 一种用于无参考图像质量评价的特征构建方法 | |
CN108829711B (zh) | 一种基于多特征融合的图像检索方法 | |
CN105007488A (zh) | 基于变换域和空间域的通用无参考图像质量评价方法 | |
CN103248906A (zh) | 一种双目立体视频序列的深度图获取方法与系统 | |
CN102695056A (zh) | 一种提取压缩视频关键帧的方法 | |
CN104268590A (zh) | 基于互补性组合特征与多相回归的盲图像质量评价方法 | |
Danielyan et al. | Noise variance estimation in nonlocal transform domain | |
CN108805139B (zh) | 一种基于频域视觉显著性分析的图像相似性计算方法 | |
CN108665468B (zh) | 一种提取直线塔绝缘子串的装置及方法 | |
Lei et al. | An algorithm of skin detection based on texture | |
CN107680386A (zh) | 一种智能交通监控系统 | |
CN104715470B (zh) | 一种klt角点检测装置及方法 | |
CN106791876B (zh) | 一种基于3d-hevc的深度图快速帧内预测方法 | |
CN110211016A (zh) | 一种基于卷积特征的水印嵌入方法 | |
CN102156968B (zh) | 一种基于颜色立方先验的单一图像能见度复原方法 | |
CN103473807A (zh) | 一种3d模型变换系统及方法 | |
Reddy | Extraction of image features for an effective CBIR system | |
CN102609891B (zh) | 一种基于纹理特征的数字图像被动盲取证方法 | |
CN107729950A (zh) | 一种监控效果良好的小区监控系统 | |
CN106686387A (zh) | 一种应用于字轮水表表面拍照的图片压缩方法 | |
CN109035247A (zh) | 一种异常电力设备识别系统 |
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 |
Application publication date: 20180209 |
|
RJ01 | Rejection of invention patent application after publication |