CN108171740A - 一种基于图像分析车辆通行的方法和设备 - Google Patents

Abstract

本发明提出了一种基于图像分析车辆通行的方法和设备，其中该方法包括：对所获取的相邻图像的各像素点进行亮度比对；将亮度差值大于预设值的像素点连通为区域；所述区域按照预设区块划分包括多个区块；若存在区域的面积大于预设阈值，且与所在位置的背景纹理特征值的差异度超过预设差异值的区块的数量超过预设数量，则判断基于所述区块生成的马赛克图是否符合车辆特征；若判断结果为是，则确定有车辆通行，且触发生成过车讯号。以此通过图像识别的技术，来对是否有车通行进行判断，提高了准确性。

Description

一种基于图像分析车辆通行的方法和设备

技术领域

本发明涉及车辆检测领域，特别涉及一种基于图像分析车辆通行的方法和设备。

背景技术

在高速公路收费系统中，需要一种车辆通行的检测手段。目前常规的检测手段是使用地埋线圈，它使用磁场感应原理，车辆检测设备在地埋线圈上施加固定频率的讯号，在线圈周围造成一个磁场，当有金属物通过磁场时，会对线圈上的信号频率造成偏移，会产生偏移量，后续根据偏移量可以判断是不是有车辆通行。

但是这种检测手段面对前后车辆跟的比较近的时候，或是前后车之中有大型车辆的时候，线圈信号没法检测到两辆车中间的间隙，也即现有的这种检测手段没法起到作用。此外，在路面变形沉降或是开裂时会将电缆挤压变形甚至破皮，这将造成检测讯号不稳定，从而产生有误检测或是漏检测；此外，现有的检测手段还会受到邻近车道上大型车辆通行的干扰，造成误检测。

发明内容

针对现有技术中的缺陷，本发明提出了一种基于图像分析车辆通行的方法和设备，用以提高判断的准确性。

具体的，本发明提出了以下具体的实施例：

本发明实施例提出了一种基于图像分析车辆通行的方法，包括：

对所获取的相邻图像的各像素点进行亮度比对；

将亮度差值大于预设值的像素点连通为区域；所述区域按照预设区块划分包括多个区块；

若存在区域的面积大于预设阈值，且与所在位置的背景纹理特征值的差异度超过预设差异值的区块的数量超过预设数量，则判断基于所述区块生成的马赛克图是否符合车辆特征；

若判断结果为是，则确定有车辆通行，且触发生成过车讯号。

在一个具体的实施例中，该方法还包括：

对亮度差值大于预设值的像素点进行第一标注；

对亮度差值不大于阈值的像素点进行第二标注；其中，所述第一标注与所述第二标注不同。

在一个具体的实施例中，该方法还包括：

剔除面积小于预设阈值的区域。

在一个具体的实施例中，还包括：

若不存在区域的面积大于预设阈值，则确定没有车辆通行，且触发生成无车讯号以及周期性获取背景图案，保存所述背景图案中各个区块的背景纹理特征；

若存在区域的面积大于预设阈值，且与所述位置的背景纹理特征值的差异度超过预设差异值的区块的数量小于预设数量，则确定没有车辆通行，且触发生成无车讯号；

若所述马赛克图案不符合车辆特征，确定没有车辆通行，且触发生成无车讯号。

在一个具体的实施例中，应用于设置有反光条的环境，其中，所述反光条与拍摄设备的连接线垂直于车行道，该方法还包括：

通过拍摄设备获取拍摄图像；

对所述拍摄图像进行分析，以确定所述反光条呈现完整形态与不完整形态的时间数据；

基于所述时间数据确定车辆的车流量。

本发明实施例还提出了一种基于图像分析车辆通行的设备，包括：

对比模块，用于对所获取的相邻图像的各像素点进行亮度比对；

连通模块，用于将亮度差值大于预设值的像素点连通为区域；所述区域按照预设区块划分包括多个区块；

判断模块，用于当存在区域的面积大于预设阈值，且与所在位置的背景纹理特征值的差异度超过预设差异值的区块的数量超过预设数量时，判断基于所述区块生成的马赛克图是否符合车辆特征；

确定模块，用于当判断结果为是时，确定有车辆通行，且触发生成过车讯号。

在一个具体的实施例中，还包括：

标注模块，用于对亮度差值大于预设值的像素点进行第一标注；

对亮度差值不大于阈值的像素点进行第二标注；其中，所述第一标注与所述第二标注不同。

在一个具体的实施例中，还包括：

剔除模块，用于剔除面积小于预设阈值的区域。

在一个具体的实施例中，还包括：

处理模块，用于当不存在区域的面积大于预设阈值时，确定没有车辆通行，且触发生成无车讯号以及周期性获取背景图案，保存所述背景图案中各个区块的背景纹理特征；

以及当存在区域的面积大于预设阈值，且与所述位置的背景纹理特征值的差异度超过预设差异值的区块的数量小于预设数量时，确定没有车辆通行，且触发生成无车讯号；

以及当所述马赛克图案不符合车辆特征时，确定没有车辆通行，且触发生成无车讯号。

在一个具体的实施例中，还包括：

快速确定模块，用于通过拍摄设备获取拍摄图像；

对所述拍摄图像进行分析，以确定反光条呈现完整形态与不完整形态的时间数据；其中，所述反光条与拍摄设备的连接线垂直于车行道；

基于所述时间数据确定车辆的车流量。

以此，本发明实施例提出了一种基于图像分析车辆通行的方法和设备，其中该方法包括：对所获取的相邻图像的各像素点进行亮度比对；将亮度差值大于预设值的像素点连通为区域；所述区域按照预设区块划分包括多个区块；若存在区域的面积大于预设阈值，且与所在位置的背景纹理特征值的差异度超过预设差异值的区块的数量超过预设数量，则判断基于所述区块生成的马赛克图是否符合车辆特征；若判断结果为是，则确定有车辆通行，且触发生成过车讯号。以此通过图像识别的技术，来对是否有车通行进行判断，提高了准确性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例提出的一种基于图像分析车辆通行的方法的流程示意图；

图2为本发明实施例提出的一种基于图像分析车辆通行的方法中摄像机和电动栏杆机在车道上的安装方式的结构示意图；

图3为本发明实施例提出的一种基于图像分析车辆通行的方法中摄像机和电动栏杆机在车道上的安装方式的结构示意图；

图4为本发明实施例提出的一种基于图像分析车辆通行的方法中图像分析时的检测区区块划分的示意图；

图5为本发明实施例提出的一种基于图像分析车辆通行的方法的示意图；

图6为本发明实施例提出的一种基于图像分析车辆通行的方法的示意图；

图7为本发明实施例提出的一种基于图像分析车辆通行的设备的结构示意图。

具体实施方式

在下文中，将更全面地描述本公开的各种实施例。本公开可具有各种实施例，并且可在其中做出调整和改变。然而，应理解：不存在将本公开的各种实施例限于在此公开的特定实施例的意图，而是应将本公开理解为涵盖落入本公开的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。

在下文中，可在本公开的各种实施例中使用的术语“包括”或“可包括”指示所公开的功能、操作或元件的存在，并且不限制一个或更多个功能、操作或元件的增加。此外，如在本公开的各种实施例中所使用，术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。

在本公开的各种实施例中，表述“或”或“A或/和B中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“A或B”或“A或/和B中的至少一个”可包括A、可包括B或可包括A和B二者。

在本公开的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件，不过可不限制相应组成元件。例如，以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如，第一用户装置和第二用户装置指示不同用户装置，尽管二者都是用户装置。例如，在不脱离本公开的各种实施例的范围的情况下，第一元件可被称为第二元件，同样地，第二元件也可被称为第一元件。

应注意到：如果描述将一个组成元件“连接”到另一组成元件，则可将第一组成元件直接连接到第二组成元件，并且可在第一组成元件和第二组成元件之间“连接”第三组成元件。相反地，当将一个组成元件“直接连接”到另一组成元件时，可理解为在第一组成元件和第二组成元件之间不存在第三组成元件。

在本公开的各种实施例中使用的术语“用户”可指示使用电子装置的人或使用电子装置的装置(例如，人工智能电子装置)。

在本公开的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本公开的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本公开的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本公开的各种实施例中被清楚地限定。

实施例1

本发明实施例1公开了一种基于图像分析车辆通行的方法，如图1所示，包括以下步骤：

步骤101、对所获取的相邻图像的各像素点进行亮度比对；

具体的，图像的获取可以是通过摄像头获取的，具体的，摄像头可以设置在如图2以及图3所示的系统中，具体的摄像头安装在车道的一侧，与车道的车行方向线垂直；具体的摄像头可以为高清高灵敏度射线机，摄像头不断拍摄图像，生成一帧一帧的图像，具体的亮度比较可以是采集一帧图像，和前一帧图像比对。

此外，还可以进行不同的标注，对亮度差值大于预设值的像素点进行第一标注；

对亮度差值不大于阈值的像素点进行第二标注；其中，所述第一标注与所述第二标注不同。例如第一标注为1、第二标注为0。

例如检测区内每个像素的亮度分量Y的差异值大于阀值的像素点做标记1，小于阀值的标记0。

步骤102、将亮度差值大于预设值的像素点连通为区域；所述区域按照预设区块划分包括多个区块；

进一步的，在一个实施例中，为了避免造成干扰，该方法还包括：

剔除面积小于预设阈值的区域。

具体的，仍以上述为例来进行说明，将所有标记1的像素以图像处理的区域联通算法联通为区域。根据区域的像素点，过滤小于阀值的区域。

步骤103、若存在区域的面积大于预设阈值，且与所在位置的背景纹理特征值的差异度超过预设差异值的区块的数量超过预设数量，则判断基于所述区块生成的马赛克图是否符合车辆特征；

具体的，仍以上述为例来进行说明，会初步判断整个监测范围内是否有车辆通行。具体的，当Y值相异区域总面积会大于预设的阀值时，可以确定初步确定有物体通行。

而确定如果没有物体通行，分析程序复位有车通行讯号；且在初步检测没有任何物体在情况下，每隔固定时间，计算检测区的每个区块的纹理特征矩阵保存，这个数据称为背景纹理特征矩阵。

而若是确定物体(还不能确定是否为车)通行，计算检测区内每个区块的纹理特征矩阵。再和保存的每个区块的背景纹理特征矩阵比较。所有和背景纹理特征值差异度超过阀值的区块总数超过阈值(例如为2Xm，具体的，图像的区域可以如图4所示，可以分为N行xM列的区块)时，就可以确定是有物体通行。

计算出来纹理和背景不同的所有区块组成的马赛克图，图4中填黑的区块就是和背景纹理不符合的区块。根据黑色区块组成的图判断是不是符合车辆特征。如果符合，而且车辆已经越过检测范围中心线时，触发有车通行讯号，在车尾已经通过检测范围中心线时，复位有车通行讯号。

具体的，可以与车辆特征进行对比以对车辆进行识别，还可以对人体特征进行对比以识别人体，具体的特征可以有多个，对应不同的物体，并不限于车辆，以此可以有限识别多种物体。

步骤104、若判断结果为是，则确定有车辆通行，且触发生成过车讯号。

具体的流程图可以如图5以及图6所示，此外，若不存在区域的面积大于预设阈值，则确定没有车辆通行，且触发生成无车讯号以及周期性获取背景图案，保存所述背景图案中各个区块的背景纹理特征；

若存在区域的面积大于预设阈值，且与所述位置的背景纹理特征值的差异度超过预设差异值的区块的数量小于预设数量，则确定没有车辆通行，且触发生成无车讯号；

若所述马赛克图案(如图4中的区块为黑的图案)不符合车辆特征，确定没有车辆通行，且触发生成无车讯号。

另外，在设置有反光条的环境中，所述反光条与拍摄设备的连接线垂直于车行道，该方法还包括：

通过拍摄设备获取拍摄图像；

对所述拍摄图像进行分析，以确定所述反光条呈现完整形态与不完整形态的时间数据；

基于所述时间数据确定车辆的车流量。

使用反光条竖立在摄像机对面车道旁时的应用，是使用快速算法，只做到是否有物体遮蔽标尺，而不判断物体是否为车辆。这适合使用在快速通行的车流，例如高速公路的ETC车道。它的算法是在图像中寻找完整的反光条外形。如果反光条不完整或是根本找不到，那就是被物体遮蔽。

此外为对本方案进行进一步的说明，在一个具体的实施例中，本方案的完整工作原理可以如下：

1)采集一帧图像，和前一帧图像比对。检测区内每个像素的亮度分量Y的差异值大于阀值的像素点做标记1，小于阀值的标记0。

2)将所有标记1的像素以图像处理的区域联通算法联通为区域。根据区域的像素点，过滤小于阀值的区域。

3)每个区域的外接四边形有重叠的区域再组合为一个更大的区域。计算最大区域的面积。

4)初步判断是否有移动物体。如果有的话，最大区域应该会大于我们预设的阀值。

5)根据初步检测结果，如果没有物体通行，分析程序将讯号线上拉为高电平。在初步检测没有物体通行的情况下，每隔一秒，计算检测区的每个区块的纹理特征矩阵保存，这个数据称为背景纹理特征矩阵。

6)根据初步检测结果，如果有物体通行，计算检测区内每个区块的纹理特征矩阵。再和保存的每个区块的背景纹理特征矩阵比较。所有纹理特征值差异度超过阀值的区块总数超过区块M时，就可以确定是有物体通行。如果小于M值，保持原来讯号线的电平值。

7)连续3帧都确定有物体通行时，摄像机内的视频分析程序将讯号线下拉为低电平。

实施例2

本发明实施例2还公开了一种基于图像分析车辆通行的设备，如图7所示，包括：

对比模块201，用于对所获取的相邻图像的各像素点进行亮度比对；

连通模块202，用于将亮度差值大于预设值的像素点连通为区域；所述区域按照预设区块划分包括多个区块；

判断模块203，用于当存在区域的面积大于预设阈值，且与所在位置的背景纹理特征值的差异度超过预设差异值的区块的数量超过预设数量时，判断基于所述区块生成的马赛克图是否符合车辆特征；

确定模块204，用于当判断结果为是时，确定有车辆通行，且触发生成过车讯号。

在一个具体的实施例中，该设备还包括：

标注模块，用于对亮度差值大于预设值的像素点进行第一标注；

对亮度差值不大于阈值的像素点进行第二标注；其中，所述第一标注与所述第二标注不同。

在一个具体的实施例中，该设备还包括：

剔除模块，用于剔除面积小于预设阈值的区域。

在一个具体的实施例中，该设备还包括：

处理模块，用于当不存在区域的面积大于预设阈值时，确定没有车辆通行，且触发生成无车讯号以及周期性获取背景图案，保存所述背景图案中各个区块的背景纹理特征；

以及当存在区域的面积大于预设阈值，且与所述位置的背景纹理特征值的差异度超过预设差异值的区块的数量小于预设数量时，确定没有车辆通行，且触发生成无车讯号；

以及当所述马赛克图案不符合车辆特征时，确定没有车辆通行，且触发生成无车讯号。

在一个具体的实施例中，该设备还包括：

快速确定模块，用于通过拍摄设备获取拍摄图像；

对所述拍摄图像进行分析，以确定反光条呈现完整形态与不完整形态的时间数据；其中，所述反光条与拍摄设备的连接线垂直于车行道；

基于所述时间数据确定车辆的车流量。

以此，本发明实施例提出了一种基于图像分析车辆通行的方法和设备，其中该方法包括：对所获取的相邻图像的各像素点进行亮度比对；将亮度差值大于预设值的像素点连通为区域；所述区域按照预设区块划分包括多个区块；若存在区域的面积大于预设阈值，且与所在位置的背景纹理特征值的差异度超过预设差异值的区块的数量超过预设数量，则判断基于所述区块生成的马赛克图是否符合车辆特征；若判断结果为是，则确定有车辆通行，且触发生成过车讯号。以此通过图像识别的技术，来对是否有车通行进行判断，提高了准确性。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本发明序号仅仅为了描述，不代表实施场景的优劣。

以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (10)

1.一种基于图像分析车辆通行的方法，其特征在于，包括：

对所获取的相邻图像的各像素点进行亮度比对；

将亮度差值大于预设值的像素点连通为区域；所述区域按照预设区块划分包括多个区块；

若存在区域的面积大于预设阈值，且与所在位置的背景纹理特征值的差异度超过预设差异值的区块的数量超过预设数量，则判断基于所述区块生成的马赛克图是否符合车辆特征；

若判断结果为是，则确定有车辆通行，且触发生成过车讯号。

2.如权利要求1所述的方法，其特征在于，还包括：

对亮度差值大于预设值的像素点进行第一标注；

对亮度差值不大于阈值的像素点进行第二标注；其中，所述第一标注与所述第二标注不同。

3.如权利要求1所述的方法，其特征在于，还包括：

剔除面积小于预设阈值的区域。

4.如权利要求1所述的方法，其特征在于，还包括：

若不存在区域的面积大于预设阈值，则确定没有车辆通行，且触发生成无车讯号以及周期性获取背景图案，保存所述背景图案中各个区块的背景纹理特征；

若存在区域的面积大于预设阈值，且与所述位置的背景纹理特征值的差异度超过预设差异值的区块的数量小于预设数量，则确定没有车辆通行，且触发生成无车讯号；

若马赛克图案不符合车辆特征，确定没有车辆通行，且触发生成无车讯号。

5.如权利要求1所述的方法，其特征在于，应用于设置有反光条的环境，其中，所述反光条与拍摄设备的连接线垂直于车行道，该方法还包括：

通过拍摄设备获取拍摄图像；

对所述拍摄图像进行分析，以确定所述反光条呈现完整形态与不完整形态的时间数据；

基于所述时间数据确定车辆的车流量。

6.一种基于图像分析车辆通行的设备，其特征在于，包括：

对比模块，用于对所获取的相邻图像的各像素点进行亮度比对；

连通模块，用于将亮度差值大于预设值的像素点连通为区域；所述区域按照预设区块划分包括多个区块；

判断模块，用于当存在区域的面积大于预设阈值，且与所在位置的背景纹理特征值的差异度超过预设差异值的区块的数量超过预设数量时，判断基于所述区块生成的马赛克图是否符合车辆特征；

确定模块，用于当判断结果为是时，确定有车辆通行，且触发生成过车讯号。

7.如权利要求6所述的设备，其特征在于，还包括：

标注模块，用于对亮度差值大于预设值的像素点进行第一标注；

对亮度差值不大于阈值的像素点进行第二标注；其中，所述第一标注与所述第二标注不同。

8.如权利要求6所述的设备，其特征在于，还包括：

剔除模块，用于剔除面积小于预设阈值的区域。

9.如权利要求6所述的设备，其特征在于，还包括：

处理模块，用于当不存在区域的面积大于预设阈值时，确定没有车辆通行，且触发生成无车讯号以及周期性获取背景图案，保存所述背景图案中各个区块的背景纹理特征；

以及当存在区域的面积大于预设阈值，且与所述位置的背景纹理特征值的差异度超过预设差异值的区块的数量小于预设数量时，确定没有车辆通行，且触发生成无车讯号；

以及当马赛克图案不符合车辆特征时，确定没有车辆通行，且触发生成无车讯号。

10.如权利要求6所述的设备，其特征在于，还包括：

快速确定模块，用于通过拍摄设备获取拍摄图像；

对所述拍摄图像进行分析，以确定反光条呈现完整形态与不完整形态的时间数据；其中，所述反光条与拍摄设备的连接线垂直于车行道；

基于所述时间数据确定车辆的车流量。