CN107862873A - 一种基于相关匹配和状态机的车辆计数方法及装置 - Google Patents
一种基于相关匹配和状态机的车辆计数方法及装置 Download PDFInfo
- Publication number
- CN107862873A CN107862873A CN201710882128.9A CN201710882128A CN107862873A CN 107862873 A CN107862873 A CN 107862873A CN 201710882128 A CN201710882128 A CN 201710882128A CN 107862873 A CN107862873 A CN 107862873A
- Authority
- CN
- China
- Prior art keywords
- track
- vehicle
- mrow
- detection zone
- predetermined threshold
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 115
- 230000000052 comparative effect Effects 0.000 claims abstract description 28
- 230000008859 change Effects 0.000 claims abstract description 27
- 230000001052 transient effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 230000005055 memory storage Effects 0.000 claims 1
- 238000005286 illumination Methods 0.000 abstract description 5
- 230000000368 destabilizing effect Effects 0.000 abstract description 3
- 238000010606 normalization Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 230000005389 magnetism Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012505 colouration Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Abstract
本发明提供一种基于相关匹配和状态机的车辆计数方法及装置，所述方法包括：S1，对于每个车道，获取视频当前帧中该车道的检测区域和模板中该车道的检测区域之间的归一化相关系数；S2，将所述归一化相关系数与预设阈值进行比较，根据比较结果和该车道的状态参数对该车道进行车辆计数，并更改该车道的状态参数；S3，将所述当前帧的后一帧作为当前帧迭代执行所述步骤S1‑S2，直到对所述视频各帧中的该车道进行车辆计数。本发明一方面减少了背景学习带来的不稳定因素，克服光照、阴影等带来的影响，提高车辆计数的精度和计算速度；另一方面，在当前帧中该车道的检测区域中可能出现车辆的情况下进一步根据比较结果确认该检测区域中是否出现车辆，有效减少意外噪声的干扰造成的误判，提高车辆计数的精度。
Description
技术领域
本发明涉及智能交通领域，更具体地，涉及一种基于相关匹配和状态机的车辆计数方法及装置。
背景技术
在智能交通中，准确的车辆检测是最基本的要求。目前的车辆检测方式主要包括环形线圈、视频、地磁、超声波、雷达和红外线。
其中，环形线圈在传统应用中最为广泛，但需要较大程度地开挖路面，对环境破坏大，同时，后期维护比较复杂，总体成本高，目前正逐步被其它方式取代。此外，超声波容易受到风速的影响，红外线的检测精度较低，雷达对安装的要求比较高，需要专业人士进行安装，并且这三种方式可测量的数据指标有限。因此，地磁和视频方式逐渐得到越来越多的认可。
视频方式中需要在路口安装视频车辆检测器，实时采集路口各方向的流量等信息，从而计算出车道饱和度，实现红绿灯的最优控制。自适应控制红绿灯的最大优点在于能根据现场车流状况，合理地调节车流。车流量大的方向增加绿灯放行时间，车流量相对小的方向减少绿灯放行时间。且不会出现空道占时的情形，减缓滞流现象，提高公路交通通行率，优化城市交通。
现有的基于视频的交通车流量检测方法中，如通过二值化分割在设定的虚拟检测区域内检测每一个目标的侧边界和车尾位置，从而判定是否为车辆，但采用二值化分割检测的侧边界和车尾位置不准确，从而导致对车辆的检测不准确。又如，在车辆检测和连续跟踪的基础上对车流量进行测量和计算，由于跟踪算法复杂，易受动态场景变化、光照变化和复杂背景下的伪装色等影响，测量的准确度不高。
发明内容
为克服上述现有的基于视频方式的基于相关匹配和状态机的车辆计数方法复杂，且测量的准确度不高的问题或者至少部分地解决上述问题，本发明提供了一种基于相关匹配和状态机的车辆计数方法及装置。
根据本发明的第一方面，提供一种基于相关匹配和状态机的车辆计数方法，包括：
S1，对于每个车道，获取视频当前帧中该车道的检测区域和模板中该车道的检测区域之间的归一化相关系数；
S2，将所述归一化相关系数与预设阈值进行比较，根据比较结果和该车道的状态参数对该车道进行车辆计数，并更改该车道的状态参数；
S3，将所述当前帧的后一帧作为当前帧迭代执行所述步骤S1-S2，直到对所述视频各帧中的该车道进行车辆计数。
具体地，所述步骤S2具体包括：
S211，若所述归一化相关系数小于第一预设阈值，则获取该车道的车辆连续出现次数；
S212，将该车道的车辆连续出现次数与第二预设阈值进行比较，根据比较结果对该车道进行车辆计数，更改该车道的状态参数。
具体地，所述步骤S2具体包括：
S221，若所述归一化相关系数大于第三预设阈值，则获取该车道的车辆连续未出现次数；
S222，将该车道的车辆连续未出现次数与第四预设阈值进行比较，更改该车道的状态参数。
具体地，所述步骤S212具体包括：
若该车道的车辆连续出现次数大于所述第二预设阈值，则将该车道的车辆连续出现次数设置为零，将该车道的车辆计数值加1；或者，
若该车道的车辆连续出现次数小于或等于所述第二预设阈值，则将该车道的车辆连续出现次数加1，将该车道的车辆连续未出现次数设置为零。
具体地，所述步骤S222具体包括：
若该车道的车辆连续未出现次数大于所述第四预设阈值，则将该车道的车辆连续未出现次数设置为零；或者，
若该车道的车辆连续未出现次数小于或等于所述第四预设阈值，则将该车道的车辆连续未出现次数加1，将该车道的车辆连续出现次数设置为零。
具体地，所述步骤S1中的归一化相关系数通过下式获取：
其中，(m，n)为所述当前帧中该车道的检测区域中像素的坐标，g为所述模板中该车道的检测区域，f为所述当前帧中该车道的检测区域，(k，l)为卷积核中像素的坐标，为所述模板中该车道的检测区域中像素灰度的平均值，为所述当前帧中该车道的检测区域的卷积核中像素灰度的平均值。
具体地，所述步骤S2还包括：
若所述归一化相关系数大于或等于第一预设阈值，且小于或等于第三预设阈值，则将该车道的各状态参数设置为零。
根据本发明的第二方面，提供一种基于相关匹配和状态机的车辆计数装置，包括：
获取单元，用于对于每个车道，获取视频当前帧中该车道的检测区域和模板中该车道的检测区域之间的归一化相关系数；
更改单元，用于将所述归一化相关系数与预设阈值进行比较，根据比较结果和该车道的状态参数对该车道进行车辆计数，并更改该车道的状态参数；
迭代单元，用于将所述当前帧的后一帧作为当前帧迭代执行获取归一化相关系数、对该车道进行计数和更改该车道的状态参数的操作，直到对所述视频各帧中的该车道进行车辆计数。
根据本发明的第三方面，提供一种非暂态计算机可读存储介质，用于存储如前所述方法的计算机程序。
本发明提供一种基于相关匹配和状态机的车辆计数方法及装置，该方法一方面仅对当前帧中该车道的检测区域进行车辆计数，大大减小了车辆计数的范围，减少了背景学习带来的不稳定因素，克服光照、阴影等带来的影响，提高了车辆计数的精度和计算速度；另一方面，获取模板和当前帧中该车道的检测区域之间的归一化相关系数，将所述归一化系数与预设阈值进行比较，在当前帧中该车道的检测区域中可能出现车辆的情况下进一步根据比较结果和该车道的状态参数确认该检测区域中是否出现车辆，有效减少意外噪声的干扰造成的误判，提高车辆计数的精度。
附图说明
图1为本发明实施例提供的基于相关匹配和状态机的车辆计数方法整体流程示意图；
图2为本发明实施例提供的基于相关匹配和状态机的车辆计数方法中车道的检测区域示意图；
图3为本发明实施例提供的基于相关匹配和状态机的车辆计数方法中模板示意图；
图4为本发明实施例提供的基于相关匹配和状态机的车辆计数方法流程示意图；
图5为本发明实施例提供的基于相关匹配和状态机的车辆计数装置结构示意图；
图6为本发明实施例提供的基于相关匹配和状态机的车辆计数设备结构示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
在本发明的一个实施例中提供一种车辆计数整体方法，图1为本发明实施例提供的基于相关匹配和状态机的车辆计数方法流程示意图，该方法包括：S1，对于每个车道，获取视频当前帧中该车道的检测区域和模板中该车道的检测区域之间的归一化相关系数；S2，将所述归一化相关系数与预设阈值进行比较，根据比较结果和该车道的状态参数对该车道进行车辆计数，并更改该车道的状态参数；S3，将所述当前帧的后一帧作为当前帧迭代执行所述步骤S1-S2，直到对所述视频各帧中的该车道进行车辆计数。
具体地，S1中，确定需要进行车辆计数的目标区域，根据所述目标区域固定安装摄像头，从而保证所述视频各帧中的背景相同。对于所述视频中的每个车道，指定该车道的检测区域，所述视频各帧中指定的该车道的检测区域位置和尺寸相同，如图2所示。所述车道的检测区域可以为手动指定，但不限于此种指定方式，可以在所述视频中各车道的任意位置指定所述检测区域。所述检测区域的设定原则为尽量选择特征明显的背景区域，如停车线附近的区域等。所述模板可以从所述视频中获取，将所述视频中各车道的检测区域中没有出现车辆的帧作为所述模板，如图3所示。所述模板中各车道的检测区域的位置和尺寸与所述视频中各车道的检测区域的位置和尺寸对应相同。对于每个车道，计算视频当前帧中该车道的检测区域和模板中该车道的检测区域之间的归一化相关系数。所述归一化相关系数用于表示所述当前帧中该车道的检测区域和所述模板中该车道的检测区域之间的相似性。所述归一化相关系数越小，则说明所述当前帧中该车道的检测区域和所述模板中该车道的检测区域越相似，所述归一化相关系数越大，则说明所述当前帧中该车道的检测区域和所述模板中该车道的检测区域之间的差别越大，如图2中，中间车道的检测区域中出现车辆，中间车道的检测区域和所述模板中中间车道的检测区域之间的归一化相关系数为0.18473，很小，而最左边和最右边的车道的检测区域中未出现车辆，最左边和最右边的车道的检测区域和和所述模板中中间车道的检测区域之间的归一化相关系数接近于1，很大。
S2中，所述预设阈值为预先设定的一个常数，将所述归一化相关系数与所述预设阈值进行比较，根据比较结果和该车道的状态参数对该车道进行车辆计数，即根据比较结果和该车道的状态参数确定是否将该车道的车辆计数值加1，同时更改该车道的状态参数，所述状态参数包括车辆连续出现次数和车辆连续未出现次数。所述车辆连续出现次数和车辆连续未出现次数的初始化值为0。所述更改后的状态参数用于所述当前帧的下一帧中。例如，当所述归一化相关系数小于所述预设阈值时，则说明所述当前帧中该车道的检测区域和所述模板中该车道的检测区域之间的差别较大，此种情况下该车道的检测区域中可能出现车辆，可能由于意外噪声的影响而导致，如光照变化、该检测区域的背景发生变化等。因此，本实施例中进一步根据比较结果和该车道的状态参数确认该检测区域中是否出现车辆，即确认是否将该车道的车辆计数值加1，从而提高车辆计数的精确度。
S3中，在当前帧中对该车道进行车辆计数和更改该车道的状态参数后，将所述当前帧的后一帧作为当前帧，迭代执行计算归一化相关系数，根据所述比较结果和所述更改后的该车道的状态参数对该车道进行车辆计数，并更改该车道的状态参数的步骤，从而实现实时对该车道进行车辆计数。当前迭代中该车道更改后的状态参数用于下次迭代中，从而实现状态参数的实时更新。
本实施例一方面仅对当前帧中该车道的检测区域进行车辆计数，大大减小了车辆计数的范围，减少了背景学习带来的不稳定因素，克服光照、阴影等带来的影响，提高了车辆计数的精度和计算速度；另一方面，获取模板和当前帧中该车道的检测区域之间的归一化相关系数，将所述归一化系数与预设阈值进行比较，在当前帧中该车道的检测区域中可能出现车辆的情况下进一步根据比较结果和该车道的状态参数确认该检测区域中是否出现车辆，有效减少意外噪声的干扰造成的误判，提高车辆计数的精度。
在上述实施例的基础上，本实施例中所述步骤S2具体包括：S211，若所述归一化相关系数小于第一预设阈值，则获取该车道的车辆连续出现次数；S212，将该车道的车辆连续出现次数与第二预设阈值进行比较，根据比较结果对该车道进行车辆计数，更改该车道的状态参数。
具体地，S211中，判断所述归一化相关系数是否小于第一预设阈值，若所述归一化相关系数小于所述第一预设阈值，则说明该车道的检测区域中可能出现车辆，也可能由于意外噪声的影响。此种情况下，获取该车道的车辆连续出现次数。所述车辆连续出现次数在所述视频的各帧中动态更改。该车道的车辆连续出现次数为当前帧的上一帧中更改后的车辆连续出现次数。S212中，将所述车辆连续出现次数与所述第二预设阈值进行比较，根据比较结果对该车道进行计数，即确认该车道是否有车辆，当确认当前帧中该车道有车辆时，车辆计数值加1，并更改该车道的状态参数；当不能确认当前帧中该车道有车辆时，仅更改该车道的状态参数。
本实施例中在当前帧中该车道的检测区域中可能出现车辆的情况下，进一步根据该车道的车辆连续出现次数与第二预设阈值的比较结果确认该检测区域中是否出现车辆，并更改状态参数减少意外噪声的干扰，提高车辆计数的精确度。
在上述实施例的基础上，本实施例中所述步骤S2具体包括：S221，若所述归一化相关系数大于第三预设阈值，则获取该车道的车辆连续未出现次数；S222，将该车道的车辆连续未出现次数与第四预设阈值进行比较，更改该车道的状态参数。
具体地，S221中，判断所述归一化相关系数是否大于第三预设阈值，若所述归一化相关系数大于所述第三预设阈值，则说明该车道的检测区域中可能未出现车辆，也可能由于意外噪声的影响。此种情况下，获取该车道的车辆连续未出现次数。所述车辆连续未出现次数在所述视频的各帧中动态更改。该车道的车辆连续未出现次数为当前帧的上一帧中更改后的车辆连续未出现次数。S222中，将所述车辆连续未出现次数与所述第四预设阈值进行比较，根据比较结果确认该车道是否未出现车辆，同时更改该车道的状态参数。
本实施例中在当前帧中该车道的检测区域中可能未出现车辆的情况下，进一步根据该车道的车辆连续未出现次数与第四预设阈值的比较结果确认该检测区域中是否未出现车辆，减少意外噪声的干扰，提高车辆计数的精确度。
在上述实施例的基础上，本实施例中所述步骤S212具体包括：若该车道的车辆连续出现次数大于所述第二预设阈值，则将该车道的车辆连续出现次数设置为零，将该车道的车辆计数值加1；或者，若该车道的车辆连续出现次数小于或等于所述第二预设阈值，则将该车道的车辆连续出现次数加1，将该车道的车辆连续未出现次数设置为零。
具体地，判断该车道的车辆连续出现次数是否大于所述第二预设阈值，若判断该车道的车辆连续出现次数大于所述第二预设阈值，则将该车道的车辆连续出现次数设置为零，将该车道的车辆计数值加1；或者，若判断该车道的车辆连续出现次数小于或等于所述第二预设阈值，则将该车道的车辆连续出现次数加1，将该车道的车辆连续未出现次数设置为零。所述第二预设阈值根据所述视频中相邻两帧的时间间隔确定，相邻两帧的时间间隔越长，则将所述第二预设阈值设置得越小。
本实施例中在当前帧中该车道的检测区域中可能出现车辆的情况下，进一步根据该车道的车辆连续出现次数与第二预设阈值的比较结果确认该检测区域中是否出现车辆，并更改状态参数减少意外噪声的干扰，提高车辆计数的精确度。
在上述实施例的基础上，本实施例中所述步骤S222具体包括：若该车道的车辆连续未出现次数大于所述第四预设阈值，则将该车道的车辆连续未出现次数设置为零；或者，若该车道的车辆连续未出现次数小于或等于所述第四预设阈值，则将该车道的车辆连续未出现次数加1，将该车道的车辆连续出现次数设置为零。
具体地，判断该车道的车辆连续出现次数是否大于所述第四预设阈值，若判断该车道的车辆连续出现次数大于所述第四预设阈值，则将该车道的车辆连续出现次数设置为零，确认该车道的检测区域中无车；或者，若判断该车道的车辆连续未出现次数小于或等于所述第四预设阈值，则将该车道的车辆连续未出现次数加1，将该车道的车辆连续出现次数设置为零。所述第四预设阈值根据所述视频中相邻两帧的时间间隔确定，相邻两帧的时间间隔越长，则将所述第四预设阈值设置得越小。
本实施例中在当前帧中该车道的检测区域中可能未出现车辆的情况下，进一步根据该车道的车辆连续未出现次数与第四预设阈值的比较结果确认该检测区域中是否未出现车辆，减少意外噪声的干扰，提高车辆计数的精确度。
在上述实施例的基础上，本实施例中所述步骤S1中的归一化相关系数通过下式获取：
其中，(m，n)为所述当前帧中该车道的检测区域中像素的坐标，g为所述模板中该车道的检测区域，f为所述当前帧中该车道的检测区域，(k，l)为卷积核中像素的坐标，为所述模板中该车道的检测区域中像素灰度的平均值，为所述当前帧中该车道的检测区域的卷积核中像素的平均值。
在上述实施例的基础上，本实施例中所述步骤S2还包括：若所述归一化相关系数大于或等于第一预设阈值，且小于或等于第三预设阈值，则将该车道的各状态参数设置为零。
图4中，对于所述视频的当前帧，计算所述视频当前帧中该车道的检测区域和模板中该车道的检测区域之间的归一化相关系数，若所述归一化相关系数小于第一预设阈值，则判断该车道的车辆连续出现次数是否大于第二预设阈值。若该车道的车辆连续出现次数是否大于第二预设阈值，则若判断该车道的车辆连续出现次数大于所述第二预设阈值，则将该车道的车辆连续出现次数设置为零，将该车道的车辆计数值加1，确认该车道的检测区域中出现车辆；或者，若判断该车道的车辆连续出现次数小于或等于所述第二预设阈值，则将该车道的车辆连续出现次数加1，将该车道的车辆连续未出现次数设置为零。若所述归一化相关系数大于第三预设阈值，则判断该车道的车辆连续未出现次数是否大于第四预设阈值。若该车道的车辆连续未出现次数大于所述第四预设阈值，则将该车道的车辆连续未出现次数设置为零，确认该车道的检测区域中未出现车辆；或者，若该车道的车辆连续未出现次数小于或等于所述第四预设阈值，则将该车道的车辆连续未出现次数加1，将该车道的车辆连续出现次数设置为零。
在本发明的另一个实施例中提供一种基于相关匹配和状态机的车辆计数装置，图5为本发明实施例提供的基于相关匹配和状态机的车辆计数装置结构示意图，该装置包括获取单元1、更改单元2和迭代单元3，其中：
所述获取单元1用于对于每个车道，获取视频当前帧中该车道的检测区域和模板中该车道的检测区域之间的归一化相关系数；所述更改单元2用于将所述归一化相关系数与预设阈值进行比较，根据比较结果和该车道的状态参数对该车道进行车辆计数，并更改该车道的状态参数；所述迭代单元3用于将所述当前帧的后一帧作为当前帧迭代执行获取归一化相关系数、对该车道进行计数和更改该车道的状态参数的操作，直到对所述视频各帧中的该车道进行车辆计数。
具体地，确定需要进行车辆计数的目标区域，根据所述目标区域固定安装摄像头，从而保证所述视频各帧中的背景相同。对于所述视频中的每个车道，指定该车道的检测区域，所述视频各帧中指定的该车道的检测区域位置和尺寸相同。可以在所述视频中各车道的任意位置指定所述检测区域。所述模板可以从所述视频中获取，将所述视频中各车道的检测区域中没有出现车辆的帧作为所述模板。所述模板中各车道的检测区域的位置和尺寸与所述视频中各车道的检测区域的位置和尺寸对应相同。对于每个车道，所述获取单元1计算视频当前帧中该车道的检测区域和模板中该车道的检测区域之间的归一化相关系数。所述归一化相关系数用于表示所述当前帧中该车道的检测区域和所述模板中该车道的检测区域之间的相似性。所述归一化相关系数越小，则说明所述当前帧中该车道的检测区域和所述模板中该车道的检测区域越相似，所述归一化相关系数越大，则说明所述当前帧中该车道的检测区域和所述模板中该车道的检测区域之间的差别越大。
所述预设阈值为预先设定的一个常数，所述更改单元2将所述归一化相关系数与所述预设阈值进行比较，根据比较结果和该车道的状态参数对该车道进行车辆计数，即根据比较结果和该车道的状态参数确定是否将该车道的车辆计数值加1，同时更改该车道的状态参数，所述状态参数包括车辆连续出现次数和车辆连续未出现次数。所述车辆连续出现次数和车辆连续未出现次数的初始化值为0。所述更改后的状态参数用于所述当前帧的下一帧中。
所述迭代单元3在当前帧中对该车道进行车辆计数和更改该车道的状态参数后，将所述当前帧的后一帧作为当前帧，迭代执行计算归一化相关系数，根据所述比较结果和所述更改后的该车道的状态参数对该车道进行车辆计数，并更改该车道的状态参数的步骤，从而实现实时对该车道进行车辆计数。当前迭代中该车道更改后的状态参数用于下次迭代中，从而实现状态参数的实时更新。
本实施例一方面仅对当前帧中该车道的检测区域进行车辆计数，大大减小了车辆计数的范围，减少了背景的影响，提高了车辆计数的精度和计算速度；另一方面，获取模板和当前帧中该车道的检测区域之间的归一化相关系数，将所述归一化系数与预设阈值进行比较，在当前帧中该车道的检测区域中可能出现车辆的情况下进一步根据比较结果和该车道的状态参数确认该检测区域中是否出现车辆，减少意外噪声的干扰，提高车辆计数的精确度。
在上述实施例的基础上，本实施例中所述更改单元包括第一判断子单元和第一更改子单元，其中：
所述第一判断子单元用于在所述归一化相关系数小于第一预设阈值时，获取该车道的车辆连续出现次数；所述第一更改子单元用于将该车道的车辆连续出现次数与第二预设阈值进行比较，根据比较结果对该车道进行车辆计数，更改该车道的状态参数。
在上述实施例的基础上，本实施例中所述更改单元包括第二判断子单元和第二更改子单元，其中：
所述第二判断子单元用于在所述归一化相关系数大于第三预设阈值时，获取该车道的车辆连续未出现次数；所述第二更改子单元用于将该车道的车辆连续未出现次数与第四预设阈值进行比较，更改该车道的状态参数。
在上述实施例的基础上，本实施例中所述第一更改子单元具体用于：在该车道的车辆连续出现次数大于所述第二预设阈值时，将该车道的车辆连续出现次数设置为零，将该车道的车辆计数值加1；或者，在该车道的车辆连续出现次数小于或等于所述第二预设阈值时，将该车道的车辆连续出现次数加1，将该车道的车辆连续未出现次数设置为零。
在上述实施例的基础上，本实施例中所述第二更改子单元具体用于：在该车道的车辆连续未出现次数大于所述第四预设阈值时，将该车道的车辆连续未出现次数设置为零；或者，在该车道的车辆连续未出现次数小于或等于所述第四预设阈值时，将该车道的车辆连续未出现次数加1，将该车道的车辆连续出现次数设置为零。
在上述各实施例的基础上，本实施例中归一化相关系数通过下式获取：
其中，(m，n)为所述当前帧中该车道的检测区域中像素的坐标，g为所述模板中该车道的检测区域，f为所述当前帧中该车道的检测区域，(k，l)为卷积核中像素的坐标，为所述模板中该车道的检测区域中像素灰度的平均值，为所述当前帧中该车道的检测区域的卷积核中像素灰度的平均值。
在上述各实施例的基础上，本实施例中所述更改单元还具体用于：在所述归一化相关系数大于或等于第一预设阈值，且小于或等于第三预设阈值时，将该车道的各状态参数设置为零。
本实施例提供一种基于相关匹配和状态机的车辆计数设备，图6为本发明实施例提供的基于相关匹配和状态机的车辆计数设备结构示意图，该设备包括：至少一个处理器61、至少一个存储器62和总线63；其中，
所述处理器61和存储器62通过所述总线63完成相互间的通信；
所述存储器62存储有可被所述处理器61执行的程序指令，所述处理器调用所述程序指令能够执行上述各方法实施例所提供的方法，例如包括：S1，对于每个车道，获取视频当前帧中该车道的检测区域和模板中该车道的检测区域之间的归一化相关系数；S2，将所述归一化相关系数与预设阈值进行比较，根据比较结果和该车道的状态参数对该车道进行车辆计数，并更改该车道的状态参数；S3，将所述当前帧的后一帧作为当前帧迭代执行所述步骤S1-S2，直到对所述视频各帧中的该车道进行车辆计数。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：S1，对于每个车道，获取视频当前帧中该车道的检测区域和模板中该车道的检测区域之间的归一化相关系数；S2，将所述归一化相关系数与预设阈值进行比较，根据比较结果和该车道的状态参数对该车道进行车辆计数，并更改该车道的状态参数；S3，将所述当前帧的后一帧作为当前帧迭代执行所述步骤S1-S2，直到对所述视频各帧中的该车道进行车辆计数。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的基于相关匹配和状态机的车辆计数设备实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于相关匹配和状态机的车辆计数方法，其特征在于，包括：
S1，对于每个车道，获取视频当前帧中该车道的检测区域和模板中该车道的检测区域之间的归一化相关系数；
S2，将所述归一化相关系数与预设阈值进行比较，根据比较结果和该车道的状态参数对该车道进行车辆计数，并更改该车道的状态参数；
S3，将所述当前帧的后一帧作为当前帧迭代执行所述步骤S1-S2，直到对所述视频各帧中的该车道进行车辆计数。
2.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：
S211，若所述归一化相关系数小于第一预设阈值，则获取该车道的车辆连续出现次数；
S212，将该车道的车辆连续出现次数与第二预设阈值进行比较，根据比较结果对该车道进行车辆计数，更改该车道的状态参数。
3.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：
S221，若所述归一化相关系数大于第三预设阈值，则获取该车道的车辆连续未出现次数；
S222，将该车道的车辆连续未出现次数与第四预设阈值进行比较，更改该车道的状态参数。
4.根据权利要求2所述的方法，其特征在于，所述步骤S212具体包括：
若该车道的车辆连续出现次数大于所述第二预设阈值，则将该车道的车辆连续出现次数设置为零，将该车道的车辆计数值加1；或者，
若该车道的车辆连续出现次数小于或等于所述第二预设阈值，则将该车道的车辆连续出现次数加1，将该车道的车辆连续未出现次数设置为零。
5.根据权利要求3所述的方法，其特征在于，所述步骤S222具体包括：
若该车道的车辆连续未出现次数大于所述第四预设阈值，则将该车道的车辆连续未出现次数设置为零；或者，
若该车道的车辆连续未出现次数小于或等于所述第四预设阈值，则将该车道的车辆连续未出现次数加1，将该车道的车辆连续出现次数设置为零。
6.根据权利要求1-5任一所述的方法，其特征在于，所述步骤S1中的归一化相关系数通过下式获取：
<mrow>
<mi>h</mi>
<mo>&lsqb;</mo>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mi>g</mi>
<mo>&lsqb;</mo>
<mi>k</mi>
<mo>,</mo>
<mi>l</mi>
<mo>&rsqb;</mo>
<mo>-</mo>
<mover>
<mi>g</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>&lsqb;</mo>
<mi>m</mi>
<mo>+</mo>
<mi>k</mi>
<mo>,</mo>
<mi>n</mi>
<mo>+</mo>
<mi>l</mi>
<mo>&rsqb;</mo>
<mo>-</mo>
<mover>
<msub>
<mi>f</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&lsqb;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</munder>
<msup>
<mrow>
<mo>(</mo>
<mi>g</mi>
<mo>&lsqb;</mo>
<mi>k</mi>
<mo>,</mo>
<mi>l</mi>
<mo>&rsqb;</mo>
<mo>-</mo>
<mover>
<mi>g</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</munder>
<msup>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>&lsqb;</mo>
<mi>m</mi>
<mo>+</mo>
<mi>k</mi>
<mo>,</mo>
<mi>n</mi>
<mo>+</mo>
<mi>l</mi>
<mo>&rsqb;</mo>
<mo>-</mo>
<mover>
<mrow>
<msub>
<mi>f</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<msup>
<mo>)</mo>
<mn>2</mn>
</msup>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mo>&rsqb;</mo>
</mrow>
<mn>0.5</mn>
</msup>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
其中，(m，n)为所述当前帧中该车道的检测区域中像素的坐标，g为所述模板中该车道的检测区域，f为所述当前帧中该车道的检测区域，(k，l)为卷积核中像素的坐标，为所述模板中该车道的检测区域中像素灰度的平均值，为所述当前帧中该车道的检测区域的卷积核中像素灰度的平均值。
7.根据权利要求1-5任一所述的方法，其特征在于，所述步骤S2还包括：
若所述归一化相关系数大于或等于第一预设阈值，且小于或等于第三预设阈值，则将该车道的各状态参数设置为零。
8.一种基于相关匹配和状态机的车辆计数装置，其特征在于，包括：
获取单元，用于对于每个车道，获取视频当前帧中该车道的检测区域和模板中该车道的检测区域之间的归一化相关系数；
更改单元，用于将所述归一化相关系数与预设阈值进行比较，根据比较结果和该车道的状态参数对该车道进行车辆计数，并更改该车道的状态参数；
迭代单元，用于将所述当前帧的后一帧作为当前帧迭代执行获取归一化相关系数、对该车道进行计数和更改该车道的状态参数的操作，直到对所述视频各帧中的该车道进行车辆计数。
9.一种基于相关匹配和状态机的车辆计数设备，其特征在于，包括：
至少一个处理器、至少一个存储器和总线；其中，
所述处理器和存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710882128.9A CN107862873B (zh) | 2017-09-26 | 2017-09-26 | 一种基于相关匹配和状态机的车辆计数方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710882128.9A CN107862873B (zh) | 2017-09-26 | 2017-09-26 | 一种基于相关匹配和状态机的车辆计数方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107862873A true CN107862873A (zh) | 2018-03-30 |
| CN107862873B CN107862873B (zh) | 2019-12-03 |
Family
ID=61698666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710882128.9A Active CN107862873B (zh) | 2017-09-26 | 2017-09-26 | 一种基于相关匹配和状态机的车辆计数方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107862873B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108428347A (zh) * | 2018-05-14 | 2018-08-21 | 三峡大学 | 一种基于多检测区域的车辆计数方法及系统 |
| CN111127877A (zh) * | 2019-11-19 | 2020-05-08 | 华为技术有限公司 | 一种路况信息的监测方法及装置 |
| CN111932488A (zh) * | 2020-05-27 | 2020-11-13 | 湖北九感科技有限公司 | 交通监控摄像头晃动检测方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102855759A (zh) * | 2012-07-05 | 2013-01-02 | 中国科学院遥感应用研究所 | 高分辨率卫星遥感交通流信息自动采集方法 |
| CN103593984A (zh) * | 2013-11-29 | 2014-02-19 | 浙江工业大学 | 基于地磁的环境自适应车流量检测方法 |
| CN103794058A (zh) * | 2014-03-05 | 2014-05-14 | 武汉慧联无限科技有限公司 | 基于状态机的车辆检测方法及装置 |
| CN105741558A (zh) * | 2016-02-05 | 2016-07-06 | 广西科技大学 | 夜视环境下对前方车辆进行双重跟踪的检测方法 |
-
2017
- 2017-09-26 CN CN201710882128.9A patent/CN107862873B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102855759A (zh) * | 2012-07-05 | 2013-01-02 | 中国科学院遥感应用研究所 | 高分辨率卫星遥感交通流信息自动采集方法 |
| CN103593984A (zh) * | 2013-11-29 | 2014-02-19 | 浙江工业大学 | 基于地磁的环境自适应车流量检测方法 |
| CN103794058A (zh) * | 2014-03-05 | 2014-05-14 | 武汉慧联无限科技有限公司 | 基于状态机的车辆检测方法及装置 |
| CN105741558A (zh) * | 2016-02-05 | 2016-07-06 | 广西科技大学 | 夜视环境下对前方车辆进行双重跟踪的检测方法 |
Non-Patent Citations (7)
| Title |
|---|
| DO HYUNKIM: "Finite state machine for vehicle detection in highway surveillance systems", 《THE 19TH KOREA-JAPAN JOINT WORKSHOP ON FRONTIERS OF COMPUTER VISION》 * |
| WENHAO LU: "Vehicle detection and tracking in relatively crowded conditions", 《2009 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN AND CYBERNETICS》 * |
| 彭嘉雄: "《计算机视觉与智能控制91 中国人工智能学会计算机视觉与智能控制学会第二届学术会议论文集》", 31 October 1991 * |
| 田晓霞: "有限状态机在夜间车辆检测上的应用", 《石家庄铁道大学学报（自然科学版）》 * |
| 胡页初: "图像匹配算法研究", 《仪器仪表用户》 * |
| 陈春光: "超声车辆检测的状态机算法", 《电子设计工程》 * |
| 高广珠: "归一化互相关系数在图像序列目标检测中的应用", 《计算机工程与科学》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108428347A (zh) * | 2018-05-14 | 2018-08-21 | 三峡大学 | 一种基于多检测区域的车辆计数方法及系统 |
| CN111127877A (zh) * | 2019-11-19 | 2020-05-08 | 华为技术有限公司 | 一种路况信息的监测方法及装置 |
| CN111932488A (zh) * | 2020-05-27 | 2020-11-13 | 湖北九感科技有限公司 | 交通监控摄像头晃动检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107862873B (zh) | 2019-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111009153B (zh) | 一种轨迹预测模型的训练方法、装置和设备 | |
| US10698106B2 (en) | Obstacle detecting method and apparatus, device and storage medium | |
| CN105976400A (zh) | 基于神经网络模型的目标跟踪方法及装置 | |
| CN104183127A (zh) | 交通监控视频检测方法和装置 | |
| CN107862873A (zh) | 一种基于相关匹配和状态机的车辆计数方法及装置 | |
| CN107424171A (zh) | 一种基于分块的抗遮挡目标跟踪方法 | |
| CN109190488B (zh) | 基于深度学习YOLOv3算法的前车车门打开检测方法及装置 | |
| CN103345618A (zh) | 一种基于视频技术的交通违章检测方法 | |
| CN103366572B (zh) | 一种交叉口的视频交通参数检测方法 | |
| CN110276293B (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
| CN108364466A (zh) | 一种基于无人机交通视频的车流量统计方法 | |
| CN110379168A (zh) | 一种基于Mask R-CNN的交通车辆信息获取方法 | |
| CN110674674A (zh) | 一种基于yolo v3的旋转目标检测方法 | |
| CN104183142A (zh) | 一种基于图像视觉处理技术的车流量统计方法 | |
| CN107985189A (zh) | 面向高速驾驶环境下的驾驶员变道深度预警方法 | |
| CN111027447B (zh) | 一种基于深度学习的道路溢出实时检测方法 | |
| CN102831429A (zh) | 车牌定位方法 | |
| CN106845482A (zh) | 一种车牌定位方法 | |
| CN105654516A (zh) | 基于目标显著性的卫星图像对地面弱小运动目标检测方法 | |
| CN106600955A (zh) | 检测交通状态的方法、装置和电子设备 | |
| CN107796373A (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
| CN112862845A (zh) | 一种基于置信度评估的车道线重构方法及装置 | |
| CN110413942B (zh) | 车道线方程筛选方法及其筛选模块 | |
| CN104267209B (zh) | 一种基于虚拟线圈的高速公路视频测速方法及系统 | |
| CN106611147A (zh) | 车辆追踪方法和装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231103 Address after: No. 57-5 Development Avenue, No. 6015, Yichang Area, China (Hubei) Free Trade Zone, Yichang City, Hubei Province, 443005 Patentee after: Hubei Jiugan Technology Co.,Ltd. Address before: 443002, China Three Gorges University, 8, University Road, Hubei, Yichang Patentee before: CHINA THREE GORGES University |
|
| TR01 | Transfer of patent right |