CN108154687A - 一种基于车灯的夜间车流量检测方法、装置及系统 - Google Patents
一种基于车灯的夜间车流量检测方法、装置及系统 Download PDFInfo
- Publication number
- CN108154687A CN108154687A CN201711467205.0A CN201711467205A CN108154687A CN 108154687 A CN108154687 A CN 108154687A CN 201711467205 A CN201711467205 A CN 201711467205A CN 108154687 A CN108154687 A CN 108154687A
- Authority
- CN
- China
- Prior art keywords
- car light
- prospect
- detection zone
- traffic flow
- night
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及交通检测技术领域,具体公开了一种基于车灯的夜间车流量检测方法,其中,包括:获取原始图像数据;对所述原始图像数据进行灰度处理得到灰度图像;对所述灰度图像进行高斯滤波处理得到检测区域的滤波后的图像;计算所述检测区域的滤波后的图像的背景和前景;对所述前景进行形态学处理得到处理后的前景;对所述处理后的前景通过车灯检测逻辑进行判断,得到检测结果。本发明还公开了一种基于车灯的夜间车流量检测装置及系统。本发明提供的基于车灯的夜间车流量检测方法实现了在夜间检测车流量。
Description
技术领域
本发明涉及交通检测技术领域,尤其涉及一种基于车灯的夜间车流量检测方法、基于车灯的夜间车流量检测装置及包括基于车灯的夜间车流量检测装置的基于车灯的夜间车流量检测系统。
背景技术
智能交通系统需要实时、准确地获取交通信息并根据交通信息做出及时有效的调度,使交通系统高效安全地运行。在智能交通系统中,车流量信息采集是非常重要的一环,智能交通系统中其他子系统的运行都要建立在获取交通信息数据的基础上。车流量信息采集有多种办法,传统的地埋式感应线圈技术存在施工复杂、维护困难、会破坏路面等问题。随着计算机视觉技术的发展,基于视频的车辆检测技术已经成为实时交通信息采集的一种有效方式,这种方式具有检测范围大,易于安装调试且能提供更丰富信息的优点。
目前,对于白天的车辆检测国内外已经做了很多的研究,但是夜间车辆的检测一直是个难题。这主要是因为由于夜间道路较黑暗,车辆的主要特征在摄像头中难以清晰显示,这使得白天的基于车身的检测技术不再适用。另一方面,夜间的道路上的路灯光线,车辆自身的反光,道路反射光以及其他车灯的光线对当前车辆的检测都会产生影响。
因此,如何提供一种能够在夜间检测车流量的方法成为本领域技术人员亟待解决的技术问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一,提供一种基于车灯的夜间车流量检测方法、基于车灯的夜间车流量检测装置及包括基于车灯的夜间车流量检测装置的基于车灯的夜间车流量检测系统,以解决现有技术中的问题。
作为本发明的第一个方面,提供一种基于车灯的夜间车流量检测方法,其中,所述基于车灯的夜间车流量检测方法包括:
获取原始图像数据;
对所述原始图像数据进行灰度处理得到灰度图像;
对所述灰度图像进行高斯滤波处理得到检测区域的滤波后的图像;
计算所述检测区域的滤波后的图像的背景和前景;
对所述前景进行形态学处理得到处理后的前景;
对所述处理后的前景通过车灯检测逻辑进行判断,得到检测结果。
优选地,所述对所述原始图像数据进行灰度处理得到灰度图像包括:
计算所述原始图像数据的灰度值,其中,灰度计算公式为:
Y=(77*R+150*G+29*B)>>8,
其中,Y表示灰度值,R、G和B表示所述原始图像数据的每个像素点的三个颜色分量,且R、G和B的取值范围为0~255。
优选地,所述对所述灰度图像进行高斯滤波处理得到检测区域的滤波后的图像包括:
在所述灰度图像上根据需要检测的车道数进行感兴趣区域设置得到检测区域;
通过高斯滤波器对所述检测区域的图像进行滤波降噪。
优选地,所述计算所述检测区域的滤波后的图像的背景和前景包括:
通过混合高斯背景建模算法计算所述检测区域的滤波后的图像的背景;
将检测区域的灰度图像与所述检测区域的滤波后的图像的背景做绝对差值得到所述检测区域的前景,
g=|Image1-Image2|,
其中,g表示所述检测区域的前景,Image1表示所述检测区域的灰度图像,加age2表示所述检测区域的滤波后的图像的背景。
优选地,所述对所述前景进行形态学处理得到处理后的前景包括:
对所述前景进行二值化得到二值化后的前景;
对所述二值化后的前景中的车灯像素进行形态学处理得到处理后的前景。
优选地,所述对所述处理后的前景通过车灯检测逻辑进行判断,得到检测结果包括:
对于每个进入车道子检测去的车辆,当车辆行驶经过检测线时,判断逻辑启动;
每个子检测区的上中下三个等距小检测区域按照各自在这个检测区的长度被五等分;
在每帧每条检测线的五个等分段上分别标记下车辆经过时的二值化的车灯像素的个数;
汇总所述车灯像素的个数;
计算车辆经过该检测线时车灯像素的比例;
判断所述车灯像素的比例是否大于预设阈值;
若所述车灯像素的比例大于所述预设阈值,则判定有疑似车辆出现;
设置该车道状态为疑似车辆经过的状态,以及对进线帧进行计数。
优选地,当所述进线帧的数量未到达两帧就不再增加时,则重新置该车道为无物体经过状态,且对所述进线帧数清零。
优选地,当进线帧数大于两帧后,若所述车灯像素的比例不大于所述预设阈值,则判定所述疑似车辆离线,并对离线帧进行计数。
作为本发明的第二个方面,提供一种基于车灯的夜间车流量检测装置,其中,所述基于车灯的夜间车流量检测装置包括:
获取模块,所述获取模块用于获取原始图像数据;
灰度处理模块,所述灰度处理模块用于对所述原始图像数据进行灰度处理得到灰度图像;
滤波模块,所述滤波模块用于对所述灰度图像进行高斯滤波处理得到检测区域的滤波后的图像;
计算模块,所述计算模块用于计算所述检测区域的滤波后的图像的背景和前景;
形态学处理模块,所述形态学处理模块用于对所述前景进行形态学处理得到处理后的前景;
检测模块,所述检测模块用于对所述处理后的前景通过车灯检测逻辑进行判断,得到检测结果。
作为本发明的第三个方面,提供一种基于车灯的夜间车流量检测系统,其中,所述基于车灯的夜间车流量检测系统包括:采集装置和前文所述的基于车灯的夜间车流量检测装置,所述采集装置用于采集原始图像数据,所述夜间车流量检测装置用于获取所述采集装置获取到的原始图像数据,并对所述原始图像数据处理后得到检测结果。
本发明提供的基于车灯的夜间车流量检测方法,通过获取带有车灯的原始图像数据,并对原始图像数据进行处理以将图像中无关区域尽可能多的去除,提高处理速度,确保了处理的实时性和准确性,本发明提供的基于车灯的夜间车流量检测方法以夜晚的车流量检测为目的,所以在图像的采集过程中在保证车灯可见的前提下对环境亮度造成的影响进行了控制,该方法能够有效的追踪夜间交通视频图像序列,且车灯特征受场景和相机的曝光影响小,适用范围广。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1为本发明提供的基于车灯的夜间车流量检测方法的流程图。
图2为本发明提供的基于车灯的夜间车流量检测装置的结构示意图。
图3为本发明提供的基于车灯的夜间车流量检测系统的结构示意图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
作为本发明的第一个方面,提供一种基于车灯的夜间车流量检测方法,其中,如图1所示,所述基于车灯的夜间车流量检测方法包括:
S110、获取原始图像数据;
S120、对所述原始图像数据进行灰度处理得到灰度图像;
S130、对所述灰度图像进行高斯滤波处理得到检测区域的滤波后的图像;
S140、计算所述检测区域的滤波后的图像的背景和前景;
S150、对所述前景进行形态学处理得到处理后的前景;
S160、对所述处理后的前景通过车灯检测逻辑进行判断,得到检测结果。
本发明提供的基于车灯的夜间车流量检测方法,通过获取带有车灯的原始图像数据,并对原始图像数据进行处理以将图像中无关区域尽可能多的去除,提高处理速度,确保了处理的实时性和准确性,本发明提供的基于车灯的夜间车流量检测方法以夜晚的车流量检测为目的,所以在图像的采集过程中在保证车灯可见的前提下对环境亮度造成的影响进行了控制,该方法能够有效的追踪夜间交通视频图像序列,且车灯特征受场景和相机的曝光影响小,适用范围广。
作为具体地实施方式,为了对图像进行灰度处理,所述对所述原始图像数据进行灰度处理得到灰度图像包括:
计算所述原始图像数据的灰度值,其中,灰度计算公式为:
Y=(77*R+150*G+29*B)>>8,
其中,Y表示灰度值,R、G和B表示所述原始图像数据的每个像素点的三个颜色分量,且R、G和B的取值范围为0~255。
需要说明的是,前端视频数据接入后,以图像序列的YUV数据格式作为数据源。由于只进行车流量检测,所以只使用每帧图像的亮度信息即可完成检测。灰度图比彩色三通道的图在数据量上降低三分之二,但是效果却不受影响。每个像素点由三个值来表示,分别是R、G、B,三个值的取值范围是0到255。
作为具体地实施方式,为了对图像进行滤波处理,所述对所述灰度图像进行高斯滤波处理得到检测区域的滤波后的图像包括:
在所述灰度图像上根据需要检测的车道数进行感兴趣区域设置得到检测区域;
通过高斯滤波器对所述检测区域的图像进行滤波降噪。
需要说明的是,在设置感兴趣区域(ROI)时,在图像上按照需要检测的车道数进行区域设置。对包含两个车道及以上的监控场景,ROI区域左右两边是沿着车道进行设定,然后再沿着区域中包含的车道线画出分道线,这样,该区域被分成和车道数相同的几个分区域。对于只有一个车道的场景,不需要设置分道线。最后进行检测线的设置。检测线一般设置在图像下半部分约四分之一高处,是一条横穿检测区的线段。画好检测线后,以检测线为中心,上下再生成两条检测线。三条检测线也被分道线分成和车道数相同的几个线段。设置三条检测线的高度为某一高度。这样在每个车道的分区域中,都存在三个等距小检测区域。
作为具体地实施方式,为了计算背景和前景,所述计算所述检测区域的滤波后的图像的背景和前景包括:
通过混合高斯背景建模算法计算所述检测区域的滤波后的图像的背景;
将检测区域的灰度图像与所述检测区域的滤波后的图像的背景做绝对差值得到所述检测区域的前景,
g=|Image1-Image2|,
其中,g表示所述检测区域的前景,Image1表示所述检测区域的灰度图像,Image2表示所述检测区域的滤波后的图像的背景。
具体地,混合高斯背景建模是基于像素样本统计信息的背景表示方法,利用像素在较长时间内大量样本值的概率密度等统计信息(如模式数量、每个模式的均值和标准差)表示背景,然后使用统计差分进行目标像素判断,可以对复杂动态背景进行建模。
作为具体地实施方式,为了对前景进行形态学处理,所述对所述前景进行形态学处理得到处理后的前景包括:
对所述前景进行二值化得到二值化后的前景;
具体地,夜间的环境光源相对较弱,一般来说,车前灯在图像上中心像素可以达到亮度最大值255。为了进一步减少路面反射光和车身反射光的影响,在对前景二值化时采用一个较高的固定值作为阈值。遍历前景中的图像数据,大于该阈值的置为1,否则置为0,完成二值化处理。
对所述二值化后的前景中的车灯像素进行形态学处理得到处理后的前景。
具体地,由于车前灯在图像中的像素数比较少,直接使用前景中的车灯像素不易检测。本发明不需要考虑车前灯的形状,所以可以对二值化后的车前灯像素进行膨胀运算,以合理增加车灯区域的面积,处理后的数据存放到投影区。
作为具体地实施方式,为了能够对车灯进行检测以得到检测结果,所述对所述处理后的前景通过车灯检测逻辑进行判断,得到检测结果包括:
对于每个进入车道子检测去的车辆,当车辆行驶经过检测线时,判断逻辑启动;
每个子检测区的上中下三个等距小检测区域按照各自在这个检测区的长度被五等分;
在每帧每条检测线的五个等分段上分别标记下车辆经过时的二值化的车灯像素的个数;
汇总所述车灯像素的个数;
计算车辆经过该检测线时车灯像素的比例;
判断所述车灯像素的比例是否大于预设阈值;
若所述车灯像素的比例大于所述预设阈值,则判定有疑似车辆出现;
设置该车道状态为疑似车辆经过的状态,以及对进线帧进行计数。
具体地,(1)对于每个进入车道子检测区的车辆,当车辆行驶经过检测线时,判断逻辑才会启动。每个子检测区的上中下三个等距小检测区域按照各自在这个检测区的长度被分为五等分,在每帧每条检测线的五个等分段上分别记下车辆经过时二值化的车灯像素(已被置为1)个数,汇总后计算车辆经过该检测线时车灯像素的比例P,当比例值P大于预收阈值TH1,认为有疑似车辆出现。此时置该车道状态为疑似车辆经过的状态,并对进线帧进行记数。
进一步具体地,当所述进线帧的数量未到达两帧就不再增加时,则重新置该车道为无物体经过状态,且对所述进线帧数清零。
(2)如果步骤(1)中的疑似车辆的进线帧数未达到两帧就不再逐帧增加,则重新设置该车道为无物体经过状态,并且对进线帧数清零。如果连续两帧或以上认为有疑似车辆经过后,当步骤(1)中该车道的比例P小于预设阈值TH1后,认为疑似车辆的物体离线,此时对离线帧进行记数。当离线帧数到达离线帧的阈值后,认为疑似车辆的物体已经离开。
进一步具体地,当进线帧数大于两帧后,若所述车灯像素的比例不大于所述预设阈值,则判定所述疑似车辆离线,并对离线帧进行计数。
进一步地,所述夜间车流量检测方法包括:
判断离线帧的数量是否达到离线帧的阈值;
若所述离线帧的数量达到离线帧的阈值,则判定所述疑似车辆已经离开。
需要说明的是,对步骤(2)中的疑似车辆的物体进行判断。该步骤目的是判断出跨车道行驶的物体属于哪个车道。
假设车道数有N个,当N>1时,车道数从左到右依次标记为1,2,……,N。对于车道数不为1和N的车道,先根据当前车道上三条检测线上五等分区域内的为1像素数判断当前车道上疑似车辆的物体是偏左,偏右还是居中行驶。
(a)假如是偏左行驶,判断时需要考虑左邻居车道三条检测线上五等分线段内的像素个数。由于处理后的车灯像素区域内像素全部为1,不存在为0的情况,所以可以比较出当前跨车道的车灯像素哪边居多。判定像素多的一个车道为疑似车辆的物体所在的车道。然后转入步骤(4)。
(b)假如是偏右行驶,需要结合右边邻居车道的情况进行判断。判断方法和偏左行驶判断相同。然后转入步骤(4)。
(c)假如是居中行驶,不需要结合左右邻居进行判断。然后转入步骤(4)。
对于车道数为1和N的车道,只需要考虑各自旁边的一个车道。判断过程相同。
(4)根据该车道上三个检测线上的车灯像素数是否达到某个阈值,大于阈值判定是车辆,车流量累加;反之,认为不是车辆则不计数。然后加载下一帧数据进行新的计算。
(5)当车辆正好行驶到检测线停下等红灯时,由于长时间的停留,车灯会被计算为背景。当车再次启动时,车灯重新计算为前景,所以该车会被重复记数。为避免这种失误,增加以下判断。在判断上个车辆离开后进行无物体帧记数,赋给变量M。如果在车道的无物体状态时,在灰度图上包含该车道三条检测线的矩形框区域内检测到像素值大于某个阈值的个数大于100,进行等待帧记数,赋给变量N。当N符合下述公式时,认为有车在等待状态,当判断到车辆离开时不进行流量记数,
(N>0.9*M)&(N>2)。
(6)对高密度车辆的视频图像序列的判断。由于在对车灯进行形态学处理时已经考虑到车辆密集的状态,所以即使车辆处于排队状态,前车的车灯像素并不会和后车的车灯像素黏连在一起。在前车的车灯经过检测线处于离线状态判断后,中间会有几帧的间隔,在这几帧中投影区位于检测线的区域为0,所以有效的切割了夜晚拥堵的车队。
作为本发明的第二个方面,提供一种基于车灯的夜间车流量检测装置,其中,如图2所示,所述基于车灯的夜间车流量检测装置10包括:
获取模块110,所述获取模块110用于获取原始图像数据;
灰度处理模块120,所述灰度处理模块120用于对所述原始图像数据进行灰度处理得到灰度图像;
滤波模块130,所述滤波模块130用于对所述灰度图像进行高斯滤波处理得到检测区域的滤波后的图像;
计算模块140,所述计算模块140用于计算所述检测区域的滤波后的图像的背景和前景;
形态学处理模块150,所述形态学处理模块150用于对所述前景进行形态学处理得到处理后的前景;
检测模块160,所述检测模块160用于对所述处理后的前景通过车灯检测逻辑进行判断,得到检测结果。
本发明提供的基于车灯的夜间车流量检测装置,通过获取带有车灯的原始图像数据,并对原始图像数据进行处理以将图像中无关区域尽可能多的去除,提高处理速度,确保了处理的实时性和准确性,本发明提供的基于车灯的夜间车流量检测装置以夜晚的车流量检测为目的,所以在图像的采集过程中在保证车灯可见的前提下对环境亮度造成的影响进行了控制,该装置能够有效的追踪夜间交通视频图像序列,且车灯特征受场景和相机的曝光影响小,适用范围广。
作为本发明的第三个方面,提供一种基于车灯的夜间车流量检测系统,其中,如图3所示,所述基于车灯的夜间车流量检测系统1包括:采集装置20和前文所述的基于车灯的夜间车流量检测装置10,所述采集装置20用于采集原始图像数据,所述夜间车流量检测装置10用于获取所述采集装置获取到的原始图像数据,并对所述原始图像数据处理后得到检测结果。
本发明提供的基于车灯的夜间车流量检测系统,通过获取带有车灯的原始图像数据,并对原始图像数据进行处理以将图像中无关区域尽可能多的去除,提高处理速度,确保了处理的实时性和准确性,本发明提供的基于车灯的夜间车流量检测系统以夜晚的车流量检测为目的,所以在图像的采集过程中在保证车灯可见的前提下对环境亮度造成的影响进行了控制,该系统能够有效的追踪夜间交通视频图像序列,且车灯特征受场景和相机的曝光影响小,适用范围广。
具体地,所述采集装置20在图像的采集过程中在保证车灯可见的前提下对环境亮度造成的影响进行了控制,即设置前端相机的曝光时间在合理的范围内。因此,由于路灯或者其他光源造成的车身反光和路面反光得到了极大的抑制,在采集的图片中,亮度很高的车前灯的信息得到保留,并且由于曝光造成的光晕也较小,这降低了后期的检测方法的复杂性,满足了设计的实时性,使得整体检测计不仅简单明了,而且行之有效。
优选地,所述采集装置20包括摄像头。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种基于车灯的夜间车流量检测方法,其特征在于,所述基于车灯的夜间车流量检测方法包括:
获取原始图像数据;
对所述原始图像数据进行灰度处理得到灰度图像;
对所述灰度图像进行高斯滤波处理得到检测区域的滤波后的图像;
计算所述检测区域的滤波后的图像的背景和前景;
对所述前景进行形态学处理得到处理后的前景;
对所述处理后的前景通过车灯检测逻辑进行判断,得到检测结果。
2.根据权利要求1所述的基于车灯的夜间车流量检测方法,其特征在于,所述对所述原始图像数据进行灰度处理得到灰度图像包括:
计算所述原始图像数据的灰度值,其中,灰度计算公式为:
Y=(77*R+150*G+29*B)>>8,
其中,Y表示灰度值,R、G和B表示所述原始图像数据的每个像素点的三个颜色分量,且R、G和B的取值范围为0~255。
3.根据权利要求1所述的基于车灯的夜间车流量检测方法,其特征在于,所述对所述灰度图像进行高斯滤波处理得到检测区域的滤波后的图像包括:
在所述灰度图像上根据需要检测的车道数进行感兴趣区域设置得到检测区域;
通过高斯滤波器对所述检测区域的图像进行滤波降噪。
4.根据权利要求1所述的基于车灯的夜间车流量检测方法,其特征在于,所述计算所述检测区域的滤波后的图像的背景和前景包括:
通过混合高斯背景建模算法计算所述检测区域的滤波后的图像的背景;
将检测区域的灰度图像与所述检测区域的滤波后的图像的背景做绝对差值得到所述检测区域的前景,
g=|Image1-Image2|,
其中,g表示所述检测区域的前景,Image1表示所述检测区域的灰度图像,Image2表示所述检测区域的滤波后的图像的背景。
5.根据权利要求1所述的基于车灯的夜间车流量检测方法,其特征在于,所述对所述前景进行形态学处理得到处理后的前景包括:
对所述前景进行二值化得到二值化后的前景;
对所述二值化后的前景中的车灯像素进行形态学处理得到处理后的前景。
6.根据权利要求1至5中任意一项所述的基于车灯的夜间车流量检测方法,其特征在于,所述对所述处理后的前景通过车灯检测逻辑进行判断,得到检测结果包括:
对于每个进入车道子检测去的车辆,当车辆行驶经过检测线时,判断逻辑启动;
每个子检测区的上中下三个等距小检测区域按照各自在这个检测区的长度被五等分;
在每帧每条检测线的五个等分段上分别标记下车辆经过时的二值化的车灯像素的个数;
汇总所述车灯像素的个数;
计算车辆经过该检测线时车灯像素的比例;
判断所述车灯像素的比例是否大于预设阈值;
若所述车灯像素的比例大于所述预设阈值,则判定有疑似车辆出现;
设置该车道状态为疑似车辆经过的状态,以及对进线帧进行计数。
7.根据权利要求6所述的基于车灯的夜间车流量检测方法,其特征在于,当所述进线帧的数量未到达两帧就不再增加时,则重新置该车道为无物体经过状态,且对所述进线帧数清零。
8.根据权利要求6所述的基于车灯的夜间车流量检测方法,其特征在于,当进线帧数大于两帧后,若所述车灯像素的比例不大于所述预设阈值,则判定所述疑似车辆离线,并对离线帧进行计数。
9.一种基于车灯的夜间车流量检测装置,其特征在于,所述基于车灯的夜间车流量检测装置包括:
获取模块,所述获取模块用于获取原始图像数据;
灰度处理模块,所述灰度处理模块用于对所述原始图像数据进行灰度处理得到灰度图像;
滤波模块,所述滤波模块用于对所述灰度图像进行高斯滤波处理得到检测区域的滤波后的图像;
计算模块,所述计算模块用于计算所述检测区域的滤波后的图像的背景和前景;
形态学处理模块,所述形态学处理模块用于对所述前景进行形态学处理得到处理后的前景;
检测模块,所述检测模块用于对所述处理后的前景通过车灯检测逻辑进行判断,得到检测结果。
10.一种基于车灯的夜间车流量检测系统,其特征在于,所述基于车灯的夜间车流量检测系统包括:采集装置和权利要求9所述的基于车灯的夜间车流量检测装置,所述采集装置用于采集原始图像数据,所述夜间车流量检测装置用于获取所述采集装置获取到的原始图像数据,并对所述原始图像数据处理后得到检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711467205.0A CN108154687B (zh) | 2017-12-28 | 2017-12-28 | 一种基于车灯的夜间车流量检测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711467205.0A CN108154687B (zh) | 2017-12-28 | 2017-12-28 | 一种基于车灯的夜间车流量检测方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108154687A true CN108154687A (zh) | 2018-06-12 |
CN108154687B CN108154687B (zh) | 2020-11-10 |
Family
ID=62463644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711467205.0A Active CN108154687B (zh) | 2017-12-28 | 2017-12-28 | 一种基于车灯的夜间车流量检测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108154687B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887276A (zh) * | 2019-01-30 | 2019-06-14 | 北京同方软件股份有限公司 | 基于前景提取与深度学习融合的夜间交通拥堵检测方法 |
CN114038188A (zh) * | 2021-11-03 | 2022-02-11 | 江苏航天大为科技股份有限公司 | 一种路段车辆干扰下的协调自适应控制算法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074113A (zh) * | 2010-09-17 | 2011-05-25 | 浙江大华技术股份有限公司 | 基于视频的牌照识别和车辆速度测量方法 |
CN102385803A (zh) * | 2011-10-28 | 2012-03-21 | 南京邮电大学 | 基于视频监控的全天候市区车辆跟踪与计数方法 |
WO2013187748A1 (en) * | 2012-06-12 | 2013-12-19 | Institute Of Electronics And Computer Science | System and method for video-based vehicle detection |
CN105718923A (zh) * | 2016-03-07 | 2016-06-29 | 长安大学 | 一种基于逆投影图的夜间车辆检测与计数方法 |
CN107506739A (zh) * | 2017-08-31 | 2017-12-22 | 南京富士通南大软件技术有限公司 | 一种夜间前向车辆检测及测距方法 |
-
2017
- 2017-12-28 CN CN201711467205.0A patent/CN108154687B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074113A (zh) * | 2010-09-17 | 2011-05-25 | 浙江大华技术股份有限公司 | 基于视频的牌照识别和车辆速度测量方法 |
CN102385803A (zh) * | 2011-10-28 | 2012-03-21 | 南京邮电大学 | 基于视频监控的全天候市区车辆跟踪与计数方法 |
WO2013187748A1 (en) * | 2012-06-12 | 2013-12-19 | Institute Of Electronics And Computer Science | System and method for video-based vehicle detection |
CN105718923A (zh) * | 2016-03-07 | 2016-06-29 | 长安大学 | 一种基于逆投影图的夜间车辆检测与计数方法 |
CN107506739A (zh) * | 2017-08-31 | 2017-12-22 | 南京富士通南大软件技术有限公司 | 一种夜间前向车辆检测及测距方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887276A (zh) * | 2019-01-30 | 2019-06-14 | 北京同方软件股份有限公司 | 基于前景提取与深度学习融合的夜间交通拥堵检测方法 |
CN109887276B (zh) * | 2019-01-30 | 2020-11-03 | 北京同方软件有限公司 | 基于前景提取与深度学习融合的夜间交通拥堵检测方法 |
CN114038188A (zh) * | 2021-11-03 | 2022-02-11 | 江苏航天大为科技股份有限公司 | 一种路段车辆干扰下的协调自适应控制算法 |
Also Published As
Publication number | Publication date |
---|---|
CN108154687B (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110197589B (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
CN103077617B (zh) | 基于计算机视觉的人行横道智能交通灯监管系统及方法 | |
US20160034778A1 (en) | Method for detecting traffic violation | |
CN104751634B (zh) | 高速公路隧道行车图像采集信息的综合应用方法 | |
CN102963294B (zh) | 一种夜间行驶车辆远光灯开启状态的判别方法 | |
CN101727748B (zh) | 一种基于车辆尾灯检测的车辆监控方法、系统和设备 | |
CN107330373A (zh) | 一种基于视频的违章停车监控系统 | |
CN107945523B (zh) | 一种道路车辆检测方法、交通参数检测方法及装置 | |
CN102496281B (zh) | 一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法 | |
CN108357418A (zh) | 一种基于尾灯识别的前车驾驶意图分析方法 | |
CN103235938A (zh) | 车牌检测与识别的方法及系统 | |
CN103927548B (zh) | 一种新的避免车辆碰撞的刹车行为检测方法 | |
CN106934808A (zh) | 一种视觉感知下汽车前灯尾灯识别跟踪方法 | |
JPH05307695A (ja) | 交通流計測処理方法及び装置 | |
CN110386065A (zh) | 车辆盲区的监控方法、装置、计算机设备及存储介质 | |
CN105303160A (zh) | 一种夜间车辆检测和跟踪的方法 | |
CN103544480A (zh) | 车辆颜色识别方法 | |
CN103456170A (zh) | 基于机器视觉的车速和车辆排队长度的检测方法 | |
CN106778534A (zh) | 一种车辆行驶中周围环境灯光识别方法 | |
Chen et al. | Traffic congestion classification for nighttime surveillance videos | |
CN111523385B (zh) | 一种基于帧差法的静止车辆检测方法及系统 | |
CN108154687A (zh) | 一种基于车灯的夜间车流量检测方法、装置及系统 | |
CN103021179A (zh) | 基于实时监控视频中的安全带检测方法 | |
CN104866838B (zh) | 一种基于视觉的前方车辆自动检测方法 | |
CN103778790B (zh) | 一种基于视频序列的车流量方波统计法 |
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 |