CN108053647A - 一种智能交通监控系统 - Google Patents

一种智能交通监控系统 Download PDF

Info

Publication number
CN108053647A
CN108053647A CN201711306283.2A CN201711306283A CN108053647A CN 108053647 A CN108053647 A CN 108053647A CN 201711306283 A CN201711306283 A CN 201711306283A CN 108053647 A CN108053647 A CN 108053647A
Authority
CN
China
Prior art keywords
pixel
processing module
result
moving target
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
CN201711306283.2A
Other languages
English (en)
Inventor
何旭连
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201711306283.2A priority Critical patent/CN108053647A/zh
Publication of CN108053647A publication Critical patent/CN108053647A/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
    • G08G1/0104—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
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • 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
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种智能交通监控系统，包括车载监控装置、道路监控装置、通信系统和监控中心，所述车载监控装置安装于车辆上，用于车辆行驶时对道路运动目标进行检测，并将检测结果通过通信系统上传至监控中心，所述道路监控装置设置于道路旁，用于获取道路监控信息，并通过通信系统将监控信息上传至监控中心，所述通信系统用于实现车载监控装置和道路监控装置与监控中心的数据交换，所述监控中心根据车载监控装置和道路监控装置上传的信息对交通状况进行实时监控。本发明的有益效果为：实现了对交通状况的实时监控。

Description

一种智能交通监控系统
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
随着国民经济的发展，机动车辆迅速增加，道路车流量也急剧增加，各种交通管理面临巨大压力，这时候，交通监控就必不可少。
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，包括车载监控装置、道路监控装置、通信系统和监控中心，所述车载监控装置安装于车辆上，用于车辆行驶时对道路运动目标进行检测，并将检测结果通过通信系统上传至监控中心，所述道路监控装置设置于道路旁，用于获取道路监控信息，并通过通信系统将监控信息上传至监控中心，所述通信系统用于实现车载监控装置和道路监控装置与监控中心的数据交换，所述监控中心根据车载监控装置和道路监控装置上传的信息对交通状况进行实时监控。
本发明的有益效果为：实现了对交通状况的实时监控。
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：
车载监控装置1、道路监控装置2、通信系统3、监控中心4。
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，包括车载监控装置1、道路监控装置2、通信系统3和监控中心4，所述车载监控装置1安装于车辆上，用于车辆行驶时对道路运动目标进行检测，并将检测结果通过通信系统3上传至监控中心4，所述道路监控装置2设置于道路旁，用于获取道路监控信息，并通过通信系统3将监控信息上传至监控中心4，所述通信系统3用于实现车载监控装置1和道路监控装置2与监控中心4的数据交换，所述监控中心4根据车载监控装置1和道路监控装置2上传的信息对交通状况进行实时监控。
本实施例实现了对交通状况的实时监控。
优选的，所述车载监控装置1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、第五处理模块和第六处理模块，所述第一处理模块用于获取车辆周围场景图像，所述第二处理模块用于分割出场景中的运动像素，所述第三处理模块用于将运动像素划分为动态背景像素和运动目标像素两类，所述第四处理模块用于对动态背景像素和运动目标像素构建高斯混合模型，所述第五处理模块用于根据高斯混合模型对运动目标进行检测，所述第六处理模块用于对检测效果进行评估。
本优选实施例实现了车载监控装置对运动目标的检测和对检测效果的评估。
优选的，所述第二处理模块用于分割出场景中的运动像素，具体为：设Ii(x,y)和B(x,y)分别表示视频序列的第i帧图像和当前的背景图像，则第i帧图像的运动像素为： 在式子里，RUi(x,y)表示第i帧图像的运动像素，Ti表示设定阈值。
所述第三处理模块用于将运动像素划分为动态背景像素和运动目标像素两类，包括一次分类单元、二次分类单元和三次分类单元，所述第一分类单元用于获取运动像素的一次分类结果，所述第二分类单元用于获取运动像素的二次分类结果，所述综合分类单元根据一次分类结果和二次分类结果获取运动像素的最终分类结果，所述一次分类单元用于获取运动像素的一次分类结果，具体为：在视频图像序列中，选定两个区域：有动态背景的区域和有运动目标的区域，在这两个选定的区域中，采用块匹配方式计算出每个运动像素的运动向量，根据运动向量的幅度分量r和角度分量θ绘制运动向量直方图；根据运动向量直方图和运动像素的关系将运动像素划分为动态背景像素和运动目标像素两类，作为一次分类结果；
所述二次分类单元用于获取运动像素的二次分类结果，具体为：设运动像素中动态背景像素为w1、运动目标像素为w2，令Yl,i＝(rl,i,θl,i)表示第i帧图像运动像素中第l个像素极坐标形式的运动向量，且Yl,i属于运动目标像素w2的条件概率p(w2|Yl,i)为： 则运动像素为运动目标像素的条件为pi(Yl,i|w2)pi(w2)＞pi(Yl,i|w1)pi(w1)，在式子里，CAi-1表示图像Ii-1被检测为运动目标的像素数目，Ai-1表示Ii-1被检测为运动像素的总数目；将不符合条件的像素作为动态背景像素，得到二次分类结果；
所述三次分类单元根据一次分类结果和二次分类结果获取运动像素的最终分类结果，具体为：对于二次分类结果和一次分类结果相同地运动像素，将一次分类结果作为最终分类结果，对于二次分类结果与一次分类结果不同的运动像素，将二次分类结果作为最终分类结果。
本优选实施例通过第二处理模块获取图像的运动像素，能够快速、准确地获取场景中的运动像素；第三处理模块提出了基于运动信息的运动目标检测策略，具体的，由于运动信息能由运动向量进行有效地表述，根据运动目标和动态背景的运动向量之间的差异对运动像素进行分类，有助于实现运动目标的准确检测。从而克服了传统的视频检测不能满足实时性要求，运动目标的检测只能适应在缓慢变化的场景条件下的缺陷。
优选的，所述第六处理模块包括一次评估单元、二次评估单元和三次评估单元，所述一次评估单元用于获取检测效果的第一评估值，所述二次评估单元用于获取检测效果的第二评估值，所述三次评估单元用于根据第一评估值和第二评估值对检测效果进行综合评估；
所述一次评估单元用于获取检测效果的第一评估值，具体为：在式子里，MH1表示第一评估值，DT表示运动目标的数目，DT1表示检测到的运动目标数目；所述二次评估单元用于获取检测效果的第二评估值，具体为：，在式子里，MH2表示第二评估值，DT2表示检测到的运动目标与真实的运动目标重合的数目；
所述三次评估单元用于根据第一评估值和第二评估值对检测效果进行综合评估，具体为：计算综合评估值：MH＝lg(MH2+2)+2[ln(MH1+2)]2，在式子里，MH表示综合评估值；综合评估值越大，表示检测效果越好。
本优选实施例通过第六处理模块实现了运动目标检测效果的评估，保证了检测准确性，具体的，第一评估值考虑了运动目标检测的全面性，第二评估值考虑了运动目标检测的准确性，综合评估值则根据第一评估值和第二评估值对检测效果进行评估，得到的评估结果更为准确，从而保证了交通监控系统的监控水平。
采用本发明智能交通监控系统对对交通状况进行监控，选取5个监控区域进行实验，分别为监控区域1、监控区域2、监控区域3、监控区域4、监控区域5，对监控准确性和监控成本进行统计，同现有交通监控系统相比，产生的有益效果如下表所示：
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 (8)

1.一种智能交通监控系统，其特征在于，包括车载监控装置、道路监控装置、通信系统和监控中心，所述车载监控装置安装于车辆上，用于车辆行驶时对道路运动目标进行检测，并将检测结果通过通信系统上传至监控中心，所述道路监控装置设置于道路旁，用于获取道路监控信息，并通过通信系统将监控信息上传至监控中心，所述通信系统用于实现车载监控装置和道路监控装置与监控中心的数据交换，所述监控中心根据车载监控装置和道路监控装置上传的信息对交通状况进行实时监控。
2.根据权利要求1所述的智能交通监控系统，其特征在于，所述车载监控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、第五处理模块和第六处理模块，所述第一处理模块用于获取车辆周围场景图像，所述第二处理模块用于分割出场景中的运动像素，所述第三处理模块用于将运动像素划分为动态背景像素和运动目标像素两类，所述第四处理模块用于对动态背景像素和运动目标像素构建高斯混合模型，所述第五处理模块用于根据高斯混合模型对运动目标进行检测，所述第六处理模块用于对检测效果进行评估。
3.根据权利要求2所述的智能交通监控系统，其特征在于，所述第二处理模块用于分割出场景中的运动像素，具体为：设Ii(x,y)和B(x,y)分别表示视频序列的第i帧图像和当前的背景图像，则第i帧图像的运动像素为：在式子里，RUi(x,y)表示第i帧图像的运动像素，Ti表示设定阈值。
4.根据权利要求3所述的智能交通监控系统，其特征在于，所述第三处理模块用于将运动像素划分为动态背景像素和运动目标像素两类，包括一次分类单元、二次分类单元和三次分类单元，所述第一分类单元用于获取运动像素的一次分类结果，所述第二分类单元用于获取运动像素的二次分类结果，所述综合分类单元根据一次分类结果和二次分类结果获取运动像素的最终分类结果；所述一次分类单元用于获取运动像素的一次分类结果，具体为：在视频图像序列中，选定两个区域：有动态背景的区域和有运动目标的区域，在这两个选定的区域中，采用块匹配方式计算出每个运动像素的运动向量，根据运动向量的幅度分量r和角度分量θ绘制运动向量直方图；根据运动向量直方图和运动像素的关系将运动像素划分为动态背景像素和运动目标像素两类，作为一次分类结果。
5.根据权利要求4所述的智能交通监控系统，其特征在于，所述二次分类单元用于获取运动像素的二次分类结果，具体为：设运动像素中动态背景像素为w1、运动目标像素为w2，令Yl,i＝(rl,i,θl,i)表示第i帧图像运动像素中第l个像素极坐标形式的运动向量，且Yl,i属于运动目标像素w2的条件概率p(w2|Yl,i)为：则运动像素为运动目标像素的条件为pi(Yl,i|w2)pi(w2)＞pi(Yl,i|w1)pi(w1)，在式子里， CAi-1表示图像Ii-1被检测为运动目标的像素数目，Ai-1表示Ii-1被检测为运动像素的总数目；将不符合条件的像素作为动态背景像素，得到二次分类结果。
6.根据权利要求5所述的智能交通监控系统，其特征在于，所述三次分类单元根据一次分类结果和二次分类结果获取运动像素的最终分类结果，具体为：对于二次分类结果和一次分类结果相同地运动像素，将一次分类结果作为最终分类结果，对于二次分类结果与一次分类结果不同的运动像素，将二次分类结果作为最终分类结果。
7.根据权利要求6所述的智能交通监控系统，其特征在于，所述第六处理模块包括一次评估单元、二次评估单元和三次评估单元，所述一次评估单元用于获取检测效果的第一评估值，所述二次评估单元用于获取检测效果的第二评估值，所述三次评估单元用于根据第一评估值和第二评估值对检测效果进行综合评估；
所述一次评估单元用于获取检测效果的第一评估值，具体为：在式子里，MH1表示第一评估值，DT表示运动目标的数目，DT1表示检测到的运动目标数目；所述二次评估单元用于获取检测效果的第二评估值，具体为：，在式子里，MH2表示第二评估值，DT2表示检测到的运动目标与真实的运动目标重合的数目。
8.根据权利要求7所述的智能交通监控系统，其特征在于，所述三次评估单元用于根据第一评估值和第二评估值对检测效果进行综合评估，具体为：计算综合评估值：MH＝lg(MH2+2)+2[ln(MH1+2)]2，在式子里，MH表示综合评估值；综合评估值越大，表示检测效果越好。
CN201711306283.2A 2017-12-11 2017-12-11 一种智能交通监控系统 Pending CN108053647A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711306283.2A CN108053647A (zh) 2017-12-11 2017-12-11 一种智能交通监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711306283.2A CN108053647A (zh) 2017-12-11 2017-12-11 一种智能交通监控系统

Publications (1)

Publication Number Publication Date
CN108053647A true CN108053647A (zh) 2018-05-18

Family

ID=62123694

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711306283.2A Pending CN108053647A (zh) 2017-12-11 2017-12-11 一种智能交通监控系统

Country Status (1)

Country Link
CN (1) CN108053647A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109145805A (zh) * 2018-08-15 2019-01-04 深圳市豪恩汽车电子装备股份有限公司 车载环境下的移动目标检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101765000A (zh) * 2009-11-27 2010-06-30 广东亿迅科技有限公司 基于移动网络的车载视频监控系统的实现方法
CN203327170U (zh) * 2013-06-28 2013-12-04 山东神戎电子股份有限公司 无线车载视频监控系统
CN104900052A (zh) * 2014-03-06 2015-09-09 鸿富锦精密工业（深圳）有限公司 交通监控系统
CN205292501U (zh) * 2015-12-24 2016-06-08 百利得汽车主动安全系统（苏州）有限公司 一种基于车载摄像头的实时交通状况识别系统
CN106875716A (zh) * 2017-04-27 2017-06-20 上海喆之信息科技有限公司 一种智能交通监控系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101765000A (zh) * 2009-11-27 2010-06-30 广东亿迅科技有限公司 基于移动网络的车载视频监控系统的实现方法
CN203327170U (zh) * 2013-06-28 2013-12-04 山东神戎电子股份有限公司 无线车载视频监控系统
CN104900052A (zh) * 2014-03-06 2015-09-09 鸿富锦精密工业（深圳）有限公司 交通监控系统
CN205292501U (zh) * 2015-12-24 2016-06-08 百利得汽车主动安全系统（苏州）有限公司 一种基于车载摄像头的实时交通状况识别系统
CN106875716A (zh) * 2017-04-27 2017-06-20 上海喆之信息科技有限公司 一种智能交通监控系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZHANG WEI等: "Moving vehicles segmentation based on Bayesian f ramework for Gaussian motion model", 《PATTERN RECOGNITION LETTERS》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109145805A (zh) * 2018-08-15 2019-01-04 深圳市豪恩汽车电子装备股份有限公司 车载环境下的移动目标检测方法及系统
CN109145805B (zh) * 2018-08-15 2021-05-14 深圳市豪恩汽车电子装备股份有限公司 车载环境下的移动目标检测方法及系统

Similar Documents

Publication Publication Date Title
CN102622895B (zh) 一种基于视频的车辆速度检测方法
CN108009515B (zh) 一种基于fcn的无人机航拍图像的输电线定位识别方法
TW202020811A (zh) 用於基於障礙物檢測校正高清晰度地圖的系統和方法
CN113221682B (zh) 基于计算机视觉的桥梁车辆荷载时空分布细粒度识别方法
CN103578109A (zh) 一种监控摄像机测距方法及装置
CN104408725A (zh) 一种基于tld优化算法的目标重捕获系统及方法
CN110674925B (zh) 基于3d卷积神经网络的无参考vr视频质量评价方法
CN106033614A (zh) 一种强视差下的移动相机运动目标检测方法
CN111476062A (zh) 车道线检测方法、装置、电子设备及驾驶系统
CN111783690A (zh) 基于车辆密度感知的城市可行驶区域cim信息处理方法
Kommey et al. A Smart image processing-based system for parking space vacancy management
CN103942786A (zh) 无人机可见光和红外图像的自适应团块目标检测方法
CN115909240A (zh) 一种基于车道线和车辆识别的道路拥堵检测方法
CN111738071A (zh) 一种基于单目摄像机的运动变化的逆透视变换方法
CN108053647A (zh) 一种智能交通监控系统
Pavlović et al. AI powered obstacle distance estimation for onboard autonomous train operation
CN112488022B (zh) 一种环视全景监控方法、装置及系统
Weng et al. Newly designed identifying method for ice thickness on high‐voltage transmission lines via machine vision
Ramirez et al. Panoramic stitching for driver assistance and applications to motion saliency-based risk analysis
CN111598956A (zh) 标定方法、装置和系统
Rachman et al. Camera Self-Calibration: Deep Learning from Driving Scenes
CN108008727A (zh) 一种能够高速行驶的无人驾驶汽车
CN115546667A (zh) 一种无人机场景的实时车道线检测方法
Joo Detection method for road pavement defect of UAV imagery based on computer vision
Tu et al. Method of Using RealSense Camera to Estimate the Depth Map of Any Monocular Camera

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: 20180518

RJ01 Rejection of invention patent application after publication