CN107845264A - 一种基于视频监控的交通量采集系统及方法 - Google Patents

一种基于视频监控的交通量采集系统及方法 Download PDF

Info

Publication number
CN107845264A
CN107845264A CN201711277502.9A CN201711277502A CN107845264A CN 107845264 A CN107845264 A CN 107845264A CN 201711277502 A CN201711277502 A CN 201711277502A CN 107845264 A CN107845264 A CN 107845264A
Authority
CN
China
Prior art keywords
vehicle
image
video
traffic
monitoring
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
Application number
CN201711277502.9A
Other languages
English (en)
Inventor
颜建强
高新波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Traffic Information Center
Original Assignee
Xi'an Traffic Information Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xi'an Traffic Information Center filed Critical Xi'an Traffic Information Center
Priority to CN201711277502.9A priority Critical patent/CN107845264A/zh
Publication of CN107845264A publication Critical patent/CN107845264A/zh
Pending legal-status Critical Current

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30236—Traffic on road, railway or crossing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于视频监控的交通量采集方法，利用图像处理与识别技术，通过视频信号检测道路交通流量，通过对道路交通状况信息与交通目标的各种行为的实时检测，实现自动统计交通路段上行驶的机动车的数量、计算行驶车辆的速度等各种有关交通参数，从而达到监测道路交通状况信息的作用,利用交通流量监测系统采集的实时数据，建设路网调度系统,通过LCD屏幕发布收集到的交通流量信息,提供实时路况，引导车辆合理通行。

Description

一种基于视频监控的交通量采集系统及方法
技术领域
本发明属于交通信息服务领域，具体涉及一种基于视频监控的交通量采集系统及方法。
背景技术
交通流量检测作为智能交通系统的一个重要研究领域，是进行一切公路交通管理的基础，通过检测公路主线车流量、车型、车速、占有率等交通数据，是控制公路的车流出入，确保道路安全畅通的重要手段。同时它也为交通管理统计有关数据，为管理者、决策者提供有效的数字依据。传统的交通状态检测技术主要有地感线圈、磁敏传感器、超声波传感器、环形线圈、微波、GPS等检测手段，但是这些检测方法都存在着安装维护不方便、投资成本高、抗干扰能力差等缺陷；另外，这些检测手段只能感知出道路上的某个点或者某条线上的所经过的车辆，检测范围具有一定的局限性.随着图像处理技术的发展，交通状态的视频检测技术因其具有无需破坏地面、安装维护方便、处理信息量大、检测范围广等优点，已越来越广泛的应用于交通监控系统中。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种基于视频监控的交通量采集系统及方法。本发明要解决的技术问题通过以下技术方案实现：
一种基于视频监控的交通量采集方法，包括以下步骤：
步骤一、图像预处理：在监控主机中，先对摄像设备采集到的视频图像采用中值滤波算法进行滤波除噪，再对滤波去噪后的图像采用二阶差分法进行锐化；最后对锐化后的图像采用直方图均衡化进行对比度增强，得到预处理图像；
步骤二、图像分割：将预处理图像采用二值化算法进行目标与背景分离；
步骤三、确定车辆位置：将步骤二分离后的图像利用聚类分析理论确定车辆在检测区域中的位置；
步骤四、统计车辆数目：将步骤二分离后的图像在图像空间域上，与背景图像进行差分，通过处理车辆差分图像并对特征点个数进行计数和判断，检测出车辆的数目；
步骤五、测量车辆速度：采用特征点匹配的方法，先在一帧图像中选择一组在运动中形状不变的特征点，与下一帧中的同类特征点作匹配，从而得到车辆运动距离，再根据两幅图像之间的时间间隔，得出车速；
步骤六、将监控主机内处理后的数据信息存入数据存储单元，监控主机内的分析单元分析数据存储单元的数据信息，经局域网计算机或外网计算机发布。
上述的一种基于视频监控的交通量采集方法，所述步骤一之前还包括设定参数步骤，该设定参数步骤具体为：在监控主机中输入采集图像的参数、检测车道的大小和个数、速度检测标线、象素间距与实际路长的比例系数以及各种车辆类型的特征量。
上述的一种基于视频监控的交通量采集方法，所述步骤三具体为：
步骤31.对步骤二分离后的图像分别进行水平、垂直方向投影，将投影值为零的点作为特征空间，计算特征空间的大小；
步骤32.寻找所述特征空间内类似的子样群，以子样点之间的距离作为类似性度量准则函数，把特征空间分为若干组子样，每组子样代表一辆车；
步骤33.分别统计被检测区域左边界与右边界处各组子样所占像素数，若字样像素大于设定阈值，该组子样位于区域中部；若字样像素小于设定阈值，以检测区域中线为准分别统计两侧各子样组的像素个数sumLi、sumRi，若sumLi＞sumRi，子样组i位置偏左；若sumLi＜sumRi子样组i位置偏右，记录各子样组在图中所处的上下位置，以确保多车道同时计数；其中，i为子样组序号。
上述的一种基于视频监控的交通量采集方法，所述步骤四中检测车辆数目的具体方法是：设图像序列为f(x,y,t)，背景图象为f0(x,y,t)，则差分图像表示为d(x,y)＝|f(x,y,t)-f0(x,y,t)|；
将d(x,y)二值化，产生一幅二值化图像d′(x,y)；
设检测区域内的目标特征点的个数d′(x,y)＝255为K，若K≥N，则认为有车通过；若K＜N，则认为没有车通过；
其中，N为阈值。
上述的一种基于视频监控的交通量采集方法，所述步骤五车辆速度测量的具体方法是：对步骤二中分割出的有时间间隔的两个目标图像，求出各自目标的区域重心坐标(x1,y1),(x2,y2),对(x1,y1),(x2,y2)这两个点求差，得出目标重心移动的象素点距离，将该象素点距离乘以所述象素长度与实际路长的比例系数，得到实际路长，再用两个目标图像之间的时间间隔去除实际路长，得到被测量车辆的速度。
上述的一种基于视频监控的交通量采集方法，所述步骤二对目标与背景分离之前还对车辆阴影进行检测和剔除。
上述的一种基于视频监控的交通量采集方法，所述步骤三与步骤六之间还包括车辆运动跟踪步骤，该车辆运动跟踪步骤为：使用频率数组跟踪各个车辆在连续视频帧中的出现情况，所述频率数组的每个元素对应一个被跟踪的车辆，当第t帧的一个车辆通过计算帧间距离，在第t+1帧中搜索到与第t帧距离最近的车辆，若该距离在给定阈值范围内，则认为被跟踪的是同一个车辆，在频率数组对应的元素中加l；
若在第t+l帧中未找到与第t帧匹配的车辆，该车辆己离开视频拍摄范围，根据与该车辆对应的频率确定被检测的车辆是否为真实的车辆，并把对应的频率删除；
若在第t+1帧中存在没有被第t帧匹配的车辆，则被检测车辆为新出现的车辆，为被检测车辆建立相应的频率；
采用颜色特征辅助判断车辆是否匹配，在相邻帧中搜索到两个车辆帧间距离最短，并且颜色相似后，两辆车辆才匹配。
一种基于视频监控的交通量采集系统，包括：
摄像设备，安装在车道正上方，用于拍摄车流视频图像；
视频接入设备，用于接入多路摄像设备采集的视频图像，并将视频图像发送至监控主机；
监控主机，对多路的视频图像进行处理，识别车辆类型，判断车辆速度，完成车流量的统计，并将统计后的数据存储至数据库，通过路网调度系统进行发布；
视频分配器：用于将所述监控主机上部署的路网调度系统的信息发布到多个LED信息屏进行显示，该LED信息屏位于各交通流量监测的局域网内部。
上述的一种基于视频监控的交通量采集系统，还包括：
局域网计算机，供工作人员在各交通流量监测站的局域网访问部署在监控主机上的路网调度系统，实现车道视频的监控、交通流信息的发布，所述局域网计算机与监控主机位于同一局域网内部；
外网计算机，通过互联网访问部署在监控主机上的路网调度系统，以实现车道视频的查看、交通流信息的远程发布。
上述的一种基于视频监控的交通量采集系统，所述监控主机包括数据采集单元、数据处理单元、数据分析单元和数据存储单元，所述数据采集单元的输入端与视频接入设备的输出端连接，所述数据采集单元的输出端与数据处理单元的输入端连接，所述数据处理单元的输出端与数据分析单元或数据存储单元的输入端连接，所述数据分析单元的输出端与视频分配器的输入端连接，所述数据分析单元的输出端与数据存储单元的输入端连接。
本发明的有益效果：
1.本发明是基于摄像机拍摄视频图像信息进行处理,不需要给车辆上安装车载单元等信号接收装置，设备安装和后期维护的成本较低,且安装简单,使用方便。
2.本发明安装摄像设备不需要开挖路面,不需要进行地面施工,也不会影响正常的道路交通。摄像机可以安装在路边标志杆的臂柱上，易于调整和移动检测器的位置，监视器的更换不影响交通。可以在视频图象的车道区域设置虚拟检测区,不用进行路面施工而影响交通,且改变虚拟检测区非常容易。
3.本发明的视频信号能通过多种方式进行传输，例如同轴电缆、光纤、双绞线、无线射频或者微波等。采用目前最新的4G视频监控设备基本不用布线，安装方便，传输距离远。
4.本发明可进行多车道检测，信息获取面积大，监控范围广，在一定的范围内可以实现对运动车辆的跟踪和识别。视频图象信息非常直观,可以方便管理人员对现场进行较直观的判断。
5.本发明维护费用低，可以实现大量可视信息的记录和保存，具有离线处理数据的能力。视频图像信息能给出关于场景的时变和空间信息并且很容易被全面记录下来,并有利于应用图像处理技术对图像做进一步的分析和信息挖掘。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是交通量采集系统的结构示意图。
图中：1.摄像设备；2.视频接入设备；3.视频分配器；4.LED信息屏；5.监控主机；6.外网计算机；7.局域网计算机。
具体实施方式
为进一步阐述本发明达成预定目的所采取的技术手段及功效，以下结合附图及实施例对本发明的具体实施方式、结构特征及其功效，详细说明如下。
参照图1，本实施例公开了一种基于视频监控的交通量采集系统，包括：
摄像设备：安装在车道正上方，用于拍摄车流视频图像；
视频接入设备：接入多路摄像设备采集的视频图像，支持模拟、数字等类型图像输入；
视频分配器：输出设备，用于将监控主机输出的信号分配到多个LED信息屏上显示。
LED信息屏：显示设备，用户发布交通流量信息。
监控主机：对多路的视频图形进行处理，识别车辆类型，判断车辆速度，完成车流量的统计，并将该监控点采集到的机动车数量、行驶车辆的速度等各种有关参数写入数据库。
局域网计算机：用于车道视频的监控、交通流信息的发布等。
外网计算机：通过外网进行车道视频的监控、交通流信息的发布。
本实施例是利用图像处理与识别技术，通过视频信号检测道路交通流量，通过对道路交通状况信息与交通目标的各种行为的实时检测，实现自动统计交通路段上行驶的机动车的数量、计算行驶车辆的速度等各种有关交通参数，从而达到监测道路交通状况信息的作用,利用交通流量监测系统采集的实时数据，建设路网调度系统,通过LCD屏幕发布收集到的交通流量信息,提供实时路况，引导车辆合理通行。
本实施例还公开了一种基于视频监控的交通量采集方法，包括以下步骤：
第一步:设定参数：设定图像输入参数(采集图像的分辨率，图像亮度、对比度，每秒采集的帧数等)、检测车道的大小和个数、速度检测标线以及象素间距与实际路长的比例系数、各种车辆类型的特征量。
第二步:图像预处理：对采集到的图像进行滤波除噪，主要采用中值滤波算法降低噪声，因为中值滤波具有抑制图像噪音并保持轮廓清晰的特点。对滤波去噪后的图像进行锐化,锐化算法采用二阶差分法。再对锐化后的图像进行对比度增强,对比度增强算法采用直方图均衡化。经过预处理的图像,可视化效果得到改善,利于进行图象分割。
第三步：图像分割：将预处理后的图像,进行目标与背景分离，也就是把车的图像与背景分离开来，图像分割采用二值化算法，二值化算法采用自适应门限法来确定二值化阈值。
第四步：车辆位置确定：利用聚类分析理论确定车辆在检测区域中的位置，由于车辆检测区域有一定的宽度，车辆通过时必然在连续数帧中都留下记录，为避免重复计数，车辆在检测区域中的位置决定计数与否。确定车辆位置的具体过程如下：
①对二值化背景差图像分别进行水平、垂直方向投影，将投影值为零的点作为特征空间，根据投影计算特征空间大小。
②寻找自然数据群，即寻找特征空间内较类似的子样群，方法是以子样点之间的距离作为类似性度量准则函数，把特征空间分为若干组子样，每组子样代表一辆车。
③分别统计检测区域左边界与右边界处各组子样所占像素数，若大于某阈值，该组子样位于区域中部，否则，以检测区域中线为准分别统计两侧属于各子样组的像素个数，。若子样组位置偏左；若子样组位置偏右。记录各子样组在图中所处的上下位置，以确保多车道同时计数。
第五步：车辆数目统计：将检测区里的经过灰度变换的图像在图像空间域上与背景图像进行差分。当没有车辆进入检测区域时，检测区域的图像接近于背景图像，差分值小于设定的门限；当有车辆进入检测区域时，检测区域的图像就会发生变化，与背景的差分结果将大于设定的门限。因此，通过处理车辆差分图像并对特征点个数进行计数和判断，就可以检测出车辆的存在。设图像序列为，背景图象为，可由无车辆通过检测区时的纯路面图像获得。差分图像可以表示为。将二值化，于是产生一幅二值化图像。设检测区域内的目标特征点的个数为，则可以判断：如果，则认为有车通过；如果则认为没有车通过。为阈值，它是一个测量统计值，其大小因噪声情况做测试和调整，依此为根据可以对车辆进行计数。
第六步：车辆速度测量：采用特征点匹配的方法，首先在一帧图像中选择一组在运动中形状不变的特征点，然后与下一帧中的同类特征点作匹配，从而求得车辆运动距离。再根据两幅图像之间的时间间隔，即车辆运动的时间，最后求出车速。对分割出的有一定时间间隔的目标图像求出各自目标的区域重心坐标(x1,y1),(x2,y2),这两个点求差，得出两幅图像的目标重心移动的象素点距离，再乘以系统初始化时设定的象素长度与实际路长的比例系数，从而得到实际路长，再用两幅图像之间的时间间隔去除实际路长就得到了速度。
第七步：车辆阴影剔除：在进行分割和提取时，大部分情况下是存在阴影影响的，这样会使分割出来的运动物体面积比实际的大，算法中加入了阴影检测，提高检测的精度。
①如果路面的亮度小于一定阈值，则认为车辆阴影不会对车流量检测造成影响。例如，阴雨天、大雾天或太阳在地平线附近时，不考虑阴影的影响。
②车道方向与光照方向基本相同时，在车辆经过车道时，认为不能或只能产生很小的阴影，对相邻车道上的车辆检测不会产生影响。
③假设车道方向与光照方向存在较大的角度，且光照强度较大。这时车辆的右侧或左侧会形成较大的阴影，从而引起相邻车道上的检测线检测到的平均亮度发生变化，进而使得相邻检测线误将阴影当作经过的车辆从而进行车辆记数，造成误判，这时就需要根据亮度变化来区分阴影。
④由于不能直接测量路面照度，只能通过摄像头采集路面的亮度变化来间接反映光线强弱的变化，而路面的亮度由路面反射光线的能力决定，同时也间接影响阴影的强弱。
第八步：车辆运动跟踪：由于在连续的若干个视频帧中，车辆成运动趋势，所以使用车辆跟踪来统计它们在连续帧中出现的频率。使用一个频率数组来跟踪各个车辆在连续视频帧中的出现情况，频率数组的每个元素对应一个被跟踪的车辆，当第t帧的一个车辆通过计算帧间距离在第t+1帧中搜索到与之距离最近的车辆后，如果这个距离在给定的阈值范围内，则认为它们是同一个车辆，在频率数组对应的元素中加l。如果在第t+l帧中没找到与之匹配的车辆，则该车辆可能己离开视频拍摄范围，则根据它对应的频率确定它是否为一个真实的车辆，并把对应的频率删除。如果在第t+1帧中存在没有被第t帧匹配的车辆，则认为这些车辆可能是新出现的车辆，为它们建立相应的频率。为了提高准确性，我们引入颜色特征用来辅助判断车辆是否匹配，在相邻帧中当搜索到两个车辆帧间距离最短，并且颜色相似时才认为是匹配的。
第九步：将每个车道的车流量、速度、车辆类型等数据写入数据库，供统计分析和信息发布。
本实施例是基于摄像机拍摄视频图像信息进行处理,不需要给车辆上安装车载单元等信号接收装置，设备安装和后期维护的成本较低,且安装简单,使用方便。
本实施例安装摄像设备不需要开挖路面,不需要进行地面施工,也不会影响正常的道路交通。摄像机可以安装在路边标志杆的臂柱上，易于调整和移动检测器的位置，监视器的更换不影响交通。可以在视频图象的车道区域设置虚拟检测区,不用进行路面施工而影响交通,且改变虚拟检测区非常容易。
本实施例的视频信号能通过多种方式进行传输，例如同轴电缆、光纤、双绞线、无线射频或者微波等。采用目前最新的4G视频监控设备基本不用布线，安装方便，传输距离远。
本实施例可进行多车道检测，信息获取面积大，监控范围广，在一定的范围内可以实现对运动车辆的跟踪和识别。视频图象信息非常直观,可以方便管理人员对现场进行较直观的判断。
本实施例维护费用低，可以实现大量可视信息的记录和保存，具有离线处理数据的能力。视频图像信息能给出关于场景的时变和空间信息并且很容易被全面记录下来,并有利于应用图像处理技术对图像做进一步的分析和信息挖掘。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种基于视频监控的交通量采集方法，包括以下步骤：
步骤一、图像预处理：在监控主机中，先对摄像设备采集到的视频图像采用中值滤波算法进行滤波除噪，再对滤波除噪后的图像采用二阶差分法进行锐化；最后对锐化后的图像采用直方图均衡化进行对比度增强，得到预处理图像；
步骤二、图像分割：将预处理图像采用二值化算法进行目标与背景分离；
步骤三、确定车辆位置：将步骤二分离后的图像利用聚类分析理论确定车辆在检测区域中的位置；
步骤四、统计车辆数目：将步骤二分离后的图像在图像空间域上，与背景图像进行差分，通过处理车辆差分图像并对特征点个数进行计数和判断，检测出车辆的数目；
步骤五、测量车辆速度：采用特征点匹配的方法，先在一帧图像中选择一组在运动中形状不变的特征点，与下一帧中的同类特征点作匹配，从而得到车辆运动距离，再根据两幅图像之间的时间间隔，得出车速；
步骤六、将监控主机内处理后的数据信息存入数据存储单元，监控主机内的分析单元分析数据存储单元的数据信息，经局域网计算机或外网计算机发布。
2.如权利要求1所述的基于视频监控的交通量采集方法，其特征在于，所述步骤一之前还包括设定参数步骤，该设定参数步骤具体为：在监控主机中输入采集图像的参数、检测车道的大小和个数、速度检测标线、象素间距与实际路长的比例系数以及各种车辆类型的特征量。
3.如权利要求1或2所述的基于视频监控的交通量采集方法，其特征在于，所述步骤三具体为：
步骤31.对步骤二分离后的图像分别进行水平、垂直方向投影，将投影值为零的点作为特征空间，计算特征空间的大小；
步骤32.寻找所述特征空间内类似的子样群，以子样点之间的距离作为类似性度量准则函数，把特征空间分为若干组子样，每组子样代表一辆车；
步骤33.分别统计被检测区域左边界与右边界处各组子样所占像素数，若字样像素大于设定阈值，该组子样位于区域中部；若字样像素小于设定阈值，以检测区域中线为准分别统计两侧各子样组的像素个数sumLi、sumRi，若sumLi＞sumRi，子样组i位置偏左；若sumLi＜sumRi子样组i位置偏右，记录各子样组在图中所处的上下位置，以确保多车道同时计数；其中，i为子样组序号。
4.如权利要求1或2所述的基于视频监控的交通量采集方法，其特征在于，所述步骤四中检测车辆数目的具体方法是：设图像序列为f(x,y,t)，背景图象为f0(x,y,t)，则差分图像表示为d(x,y)＝|f(x,y,t)-f0(x,y,t)|；
将d(x,y)二值化，产生一幅二值化图像d′(x,y)；
设检测区域内的目标特征点的个数d′(x,y)＝255为K，若K≥N，则认为有车通过；若K＜N，则认为没有车通过；
其中，N为阈值。
5.如权利要求2所述的基于视频监控的交通量采集方法，其特征在于，所述步骤五车辆速度测量的具体方法是：对步骤二中分割出的有时间间隔的两个目标图像，求出各自目标的区域重心坐标(x1,y1),(x2,y2),对(x1,y1),(x2,y2)这两个点求差，得出目标重心移动的象素点距离，将该象素点距离乘以所述象素长度与实际路长的比例系数，得到实际路长，再用两个目标图像之间的时间间隔去除实际路长，得到被测量车辆的速度。
6.如权利要求1或2所述的基于视频监控的交通量采集方法，其特征在于，所述步骤二对目标与背景分离之前还对车辆阴影进行检测和剔除。
7.如权利要求1或2所述的基于视频监控的交通量采集方法，其特征在于，所述步骤三与步骤六之间还包括车辆运动跟踪步骤，该车辆运动跟踪步骤为：使用频率数组跟踪各个车辆在连续视频帧中的出现情况，所述频率数组的每个元素对应一个被跟踪的车辆，当第t帧的一个车辆通过计算帧间距离，在第t+1帧中搜索到与第t帧距离最近的车辆，若该距离在给定阈值范围内，则认为被跟踪的是同一个车辆，在频率数组对应的元素中加l；
若在第t+l帧中未找到与第t帧匹配的车辆，该车辆己离开视频拍摄范围，根据与该车辆对应的频率确定被检测的车辆是否为真实的车辆，并把对应的频率删除；
若在第t+1帧中存在没有被第t帧匹配的车辆，则被检测车辆为新出现的车辆，为被检测车辆建立相应的频率；
采用颜色特征辅助判断车辆是否匹配，在相邻帧中搜索到两个车辆帧间距离最短，并且颜色相似后，两辆车辆才匹配。
8.一种基于视频监控的交通量采集方法，基于权利要求1-7任一项所述的交通量采集方法，其特征在于，包括：
摄像设备，安装在车道上方，用于拍摄车流的视频图像；
视频接入设备，用于接入多路摄像设备采集的视频图像，并将视频图像发送至监控主机；
监控主机，对多路的视频图像进行处理，识别车辆类型，判断车辆速度，完成车流量的统计，并将统计后的数据存储至数据库，通过路网调度系统进行发布；
视频分配器：用于将所述监控主机上部署的路网调度系统的信息发布到多个LED信息屏进行显示，该LED信息屏位于各交通流量监测的局域网内部。
9.如权利要求8所述的交通量采集系统，其特征在于，还包括：
局域网计算机，供工作人员在各交通流量监测站的局域网访问部署在监控主机上的路网调度系统，实现车道视频的监控、交通流信息的发布，所述局域网计算机与监控主机位于同一局域网内部；
外网计算机，通过互联网访问部署在监控主机上的路网调度系统，以实现车道视频的查看、交通流信息的远程发布。
10.如权利要求8或9所述的交通量采集系统，其特征在于，所述监控主机包括数据采集单元、数据处理单元、数据分析单元和数据存储单元，所述数据采集单元的输入端与视频接入设备的输出端连接，所述数据采集单元的输出端与数据处理单元的输入端连接，所述数据处理单元的输出端与数据分析单元或数据存储单元的输入端连接，所述数据分析单元的输出端与视频分配器的输入端连接，所述数据分析单元的输出端与数据存储单元的输入端连接。
CN201711277502.9A 2017-12-06 2017-12-06 一种基于视频监控的交通量采集系统及方法 Pending CN107845264A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711277502.9A CN107845264A (zh) 2017-12-06 2017-12-06 一种基于视频监控的交通量采集系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711277502.9A CN107845264A (zh) 2017-12-06 2017-12-06 一种基于视频监控的交通量采集系统及方法

Publications (1)

Publication Number Publication Date
CN107845264A true CN107845264A (zh) 2018-03-27

Family

ID=61664627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711277502.9A Pending CN107845264A (zh) 2017-12-06 2017-12-06 一种基于视频监控的交通量采集系统及方法

Country Status (1)

Country Link
CN (1) CN107845264A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109724151A (zh) * 2018-06-28 2019-05-07 永康市胜时电机有限公司 供暖器进水管道电控机构
CN109859498A (zh) * 2019-03-08 2019-06-07 黄河水利职业技术学院 一种交通流量监测装置
WO2020088197A1 (zh) * 2018-11-01 2020-05-07 同方威视技术股份有限公司 列车识别系统及其方法、列车安全检查系统及其方法
CN111613066A (zh) * 2020-06-24 2020-09-01 威视安网络设备科技无锡有限公司 一种机动车不依法停车让行行为的自动取证系统和方法
CN111627224A (zh) * 2019-02-28 2020-09-04 杭州海康威视数字技术股份有限公司 车辆速度异常检测方法、装置、设备及存储介质
CN111696353A (zh) * 2020-06-15 2020-09-22 许昌学院 一种公路交通量测量仪
CN112601021A (zh) * 2020-12-14 2021-04-02 中标慧安信息技术股份有限公司 一种网络摄像机监控视频的处理方法及系统
CN112712698A (zh) * 2020-12-30 2021-04-27 上海智能交通有限公司 一种基于日历图分析及展示的交通对象统计方法
CN114495518A (zh) * 2022-02-07 2022-05-13 厦门市执象智能科技有限公司 一种自动抓拍与分析相结合的场景展示方法
CN114707560A (zh) * 2022-05-19 2022-07-05 北京闪马智建科技有限公司 数据信号的处理方法及装置、存储介质、电子装置
US11423772B2 (en) * 2019-01-16 2022-08-23 Denso Corporation Anomaly detector, anomaly detection program, anomaly detection method, anomaly detection system, and in-vehicle device
CN117314538A (zh) * 2023-11-27 2023-12-29 长威信息科技发展股份有限公司 一种高速公路救援服务车辆的服务计费方法和系统
CN117953688A (zh) * 2024-02-18 2024-04-30 广东云达智能物联科技有限公司 一种基于物联网的智慧城市车流量监控系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101469985A (zh) * 2007-12-26 2009-07-01 河海大学常州校区 交叉路口车辆排队长度的单帧图像检测装置及其工作方法
CN201465308U (zh) * 2009-04-24 2010-05-12 上海高德威智能交通系统有限公司 交通信息全视频检测系统
CN102184535A (zh) * 2011-04-14 2011-09-14 西北工业大学 一种车辆所在车道边界检测方法
CN102393902A (zh) * 2011-12-01 2012-03-28 昆山市工业技术研究院有限责任公司 基于h_s二维直方图和区域颜色匹配的车辆颜色检测方法
CN103150899A (zh) * 2013-02-01 2013-06-12 北京北智天成科技发展有限公司 监测道路交通信息的方法、装置及系统
CN103745486A (zh) * 2014-01-15 2014-04-23 重庆邮电大学 一种利用物体运动轨迹排除噪声干扰的方法
CN104021676A (zh) * 2014-06-25 2014-09-03 上海交通大学 基于车辆动态视频特征的车辆定位及车速测量方法
CN104751634A (zh) * 2015-04-22 2015-07-01 贵州大学 高速公路隧道行车图像采集信息的综合应用方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101469985A (zh) * 2007-12-26 2009-07-01 河海大学常州校区 交叉路口车辆排队长度的单帧图像检测装置及其工作方法
CN201465308U (zh) * 2009-04-24 2010-05-12 上海高德威智能交通系统有限公司 交通信息全视频检测系统
CN102184535A (zh) * 2011-04-14 2011-09-14 西北工业大学 一种车辆所在车道边界检测方法
CN102393902A (zh) * 2011-12-01 2012-03-28 昆山市工业技术研究院有限责任公司 基于h_s二维直方图和区域颜色匹配的车辆颜色检测方法
CN103150899A (zh) * 2013-02-01 2013-06-12 北京北智天成科技发展有限公司 监测道路交通信息的方法、装置及系统
CN103745486A (zh) * 2014-01-15 2014-04-23 重庆邮电大学 一种利用物体运动轨迹排除噪声干扰的方法
CN104021676A (zh) * 2014-06-25 2014-09-03 上海交通大学 基于车辆动态视频特征的车辆定位及车速测量方法
CN104751634A (zh) * 2015-04-22 2015-07-01 贵州大学 高速公路隧道行车图像采集信息的综合应用方法

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109724151A (zh) * 2018-06-28 2019-05-07 永康市胜时电机有限公司 供暖器进水管道电控机构
GB2593087A (en) * 2018-11-01 2021-09-15 Nutech Company Ltd Train identification system and method thereof, train safety inspection system and method thereof
US11952027B2 (en) 2018-11-01 2024-04-09 Nuctech Company Limited Train identification system and method, and train safety inspection system and method
WO2020088197A1 (zh) * 2018-11-01 2020-05-07 同方威视技术股份有限公司 列车识别系统及其方法、列车安全检查系统及其方法
GB2593087B (en) * 2018-11-01 2023-04-05 Nutech Company Ltd Train identification system and method, and train safety inspection system and method
US11423772B2 (en) * 2019-01-16 2022-08-23 Denso Corporation Anomaly detector, anomaly detection program, anomaly detection method, anomaly detection system, and in-vehicle device
CN111627224A (zh) * 2019-02-28 2020-09-04 杭州海康威视数字技术股份有限公司 车辆速度异常检测方法、装置、设备及存储介质
CN109859498A (zh) * 2019-03-08 2019-06-07 黄河水利职业技术学院 一种交通流量监测装置
CN111696353A (zh) * 2020-06-15 2020-09-22 许昌学院 一种公路交通量测量仪
CN111613066A (zh) * 2020-06-24 2020-09-01 威视安网络设备科技无锡有限公司 一种机动车不依法停车让行行为的自动取证系统和方法
CN112601021B (zh) * 2020-12-14 2021-08-31 中标慧安信息技术股份有限公司 一种网络摄像机监控视频的处理方法及系统
CN112601021A (zh) * 2020-12-14 2021-04-02 中标慧安信息技术股份有限公司 一种网络摄像机监控视频的处理方法及系统
CN112712698A (zh) * 2020-12-30 2021-04-27 上海智能交通有限公司 一种基于日历图分析及展示的交通对象统计方法
CN114495518A (zh) * 2022-02-07 2022-05-13 厦门市执象智能科技有限公司 一种自动抓拍与分析相结合的场景展示方法
CN114707560A (zh) * 2022-05-19 2022-07-05 北京闪马智建科技有限公司 数据信号的处理方法及装置、存储介质、电子装置
CN114707560B (zh) * 2022-05-19 2024-02-09 北京闪马智建科技有限公司 数据信号的处理方法及装置、存储介质、电子装置
CN117314538A (zh) * 2023-11-27 2023-12-29 长威信息科技发展股份有限公司 一种高速公路救援服务车辆的服务计费方法和系统
CN117314538B (zh) * 2023-11-27 2024-05-10 长威信息科技发展股份有限公司 一种高速公路救援服务车辆的服务计费方法和系统
CN117953688A (zh) * 2024-02-18 2024-04-30 广东云达智能物联科技有限公司 一种基于物联网的智慧城市车流量监控系统

Similar Documents

Publication Publication Date Title
CN107845264A (zh) 一种基于视频监控的交通量采集系统及方法
CN101510356B (zh) 视频检测系统及其数据处理装置、视频检测方法
CN103778786B (zh) 一种基于显著车辆部件模型的交通违章检测方法
CN101458871B (zh) 一种智能交通分析系统及其应用系统
CN104392224B (zh) 一种公路路面裂纹检测方法
CN100544446C (zh) 用于视频监控的实时运动检测方法
CN110660222B (zh) 一种智能环保道路黑烟车辆电子抓拍系统
CN105427614A (zh) 一种车型分类系统及其方法
CN104951775A (zh) 基于视频技术的铁路道口防护区域安全智能识别方法
CN201255897Y (zh) 一种公交车人流量监测装置
CN102867417B (zh) 一种出租车防伪系统及方法
CN107301776A (zh) 基于视频检测技术的车道路况处理及发布方法
CN107256636A (zh) 一种融合激光扫描与视频技术的交通流获取方法
CN103808723A (zh) 一种柴油车烟气黑度自动检测装置
Pan et al. Traffic surveillance system for vehicle flow detection
CN105551264A (zh) 一种基于车牌特征匹配的车速检测方法
CN108198417B (zh) 一种基于无人机的道路巡检系统
CN107274678B (zh) 一种基于Kinect的夜间车流量统计及车型识别方法
CN105205785A (zh) 一种可定位的大型车辆运行管理系统及其运行方法
CN208271388U (zh) 一种基于视频监控的交通量采集系统
Malinovskiy et al. Video-based vehicle detection and tracking using spatiotemporal maps
CN113947731A (zh) 一种基于接触网安全巡检的异物识别方法及系统
US11557133B1 (en) Automatic license plate recognition
CN108471497A (zh) 一种基于云台摄像机的船目标实时检测方法
CN110691224A (zh) 一种变电站周界视频智能检测系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180327