CN108538062A - 用于检测车辆拥堵的方法 - Google Patents

用于检测车辆拥堵的方法 Download PDF

Info

Publication number
CN108538062A
CN108538062A CN201810539240.7A CN201810539240A CN108538062A CN 108538062 A CN108538062 A CN 108538062A CN 201810539240 A CN201810539240 A CN 201810539240A CN 108538062 A CN108538062 A CN 108538062A
Authority
CN
China
Prior art keywords
vehicle
detection zone
frames
congestion
frame
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
Application number
CN201810539240.7A
Other languages
English (en)
Other versions
CN108538062B (zh
Inventor
梁川
袁杰
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.)
Zhejiang Tianbo Yunke Optoelectronics Co ltd
Original Assignee
Hangzhou Platinum Infrared Photoelectric Technology Co Ltd
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 Hangzhou Platinum Infrared Photoelectric Technology Co Ltd filed Critical Hangzhou Platinum Infrared Photoelectric Technology Co Ltd
Priority to CN201810539240.7A priority Critical patent/CN108538062B/zh
Publication of CN108538062A publication Critical patent/CN108538062A/zh
Application granted granted Critical
Publication of CN108538062B publication Critical patent/CN108538062B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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
    • G06T2207/30236—Traffic on road, railway or crossing
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及车辆检测技术领域，尤其是涉及一种用于检测车辆拥堵的方法，包括下述步骤：(a)选取长度为200米的检测区域，用帧频为25帧/秒的被动式红外热像仪获取检测区域内的图像；(b)若在检测区域内存在5帧都检测到同一辆车辆，则表明该车辆进入了检测区域，并对该车辆进行跟踪；(c)在检测区域内，拥堵判断如下：(c1)若该车辆在检测区域内出现的帧数<300帧，表明该检测区域通行顺畅；(c2)若500帧>该车辆在检测区域内出现的帧数>300帧，表明该检测区域通行缓慢；(c3)若该车辆在检测区域内出现的帧数>500帧，表明该检测区域通行拥堵。本发明判断方法简单、准确，速度快，效率高。

Description

用于检测车辆拥堵的方法
技术领域
本发明涉及车辆检测技术领域，尤其是涉及一种用于检测车辆拥堵的方法。
背景技术
交通拥堵的判断主要是通过人工观察检测视频给出判断，并认为输出结果。
为了实现自动判断，目前存在多种道路拥堵的检测方法，如申请号为：201510904467.3，名称为《一种基于视频判断交通拥堵的方法和系统》，该方法需要进行特征点提取，并计算车速，并根据特征点计算排队长度，通过车速、排队长度与设定阈值的关系判断交通拥堵情况。该专利计算过于复杂，耗费时间长，花费精力多，而且对参数的准确性要求高。
发明内容
本发明为了克服现有技术的不足，提供一种用于检测车辆拥堵的方法，并采用了被动式红外热像仪作为图像的采集装置，判断过程简单，速度快。
为了实现上述目的，本发明采用以下技术方案：一种用于检测车辆拥堵的方法，包括下述步骤：
(a)选取长度为200米的检测区域，用帧频为25帧/秒的被动式红外热像仪获取检测区域内的图像；
(b)若在检测区域内存在5帧都检测到同一辆车辆，则表明该车辆进入了检测区域，并对该车辆进行跟踪；
(c)在检测区域内，拥堵判断如下：
(c1)若该车辆在检测区域内出现的帧数<300帧，表明该检测区域通行顺畅；
(c2)若500帧>该车辆在检测区域内出现的帧数>300帧，表明该检测区域通行缓慢；
(c3)若该车辆在检测区域内出现的帧数>500帧，表明该检测区域通行拥堵。
本发明结构简单，容易实现，只需通过同一辆车辆在待检测区域内出现的帧数就可判断，判断方法简单，速度快；且上述参数都是经过多次试验确定的，判断的准确性高。
进一步地，还包括步骤(d)在检测区域内，若连续50帧都没有检测到该车辆，表明该车辆已经离开了待检测区域。进而能准确判断车辆是否离开。
进一步地，所述步骤(b)中检测是否为同一辆车辆的方式为：利用红外热像仪获取车辆的热量分布，若车辆热量分布相同，则判断为同一辆车。每一辆车辆根据车速、吸热度、日晒程度等多方面因素，其表面的热度都是不同的；本方案通过车辆的热量分布和图像识别双重判断的方式来判断是否为同一辆车，判断的准确性高，速度快，优于单纯通过可见光的跟踪算法判断。
进一步地，所述步骤(b)中检测是否为同一辆车辆的方式为：利用红外热像仪获取每辆车辆的车灯、车窗及发动机排热孔三个位置的热量分布，若车辆每个位置的热量分布相同，则判断为同一辆车。通过三个位置进行判断，判断的准确性更高。
进一步地，所述步骤(b)中，对该车辆进行跟踪的方式如下：
(b1)对被动式红外热像仪获取检测区域内的图像进行类型识别，标出车辆外缘，计算出车辆的中心坐标(x,y)和车辆的长宽(h，w)；
(b2)对于当前帧新出现的车辆，分配一个对应的跟踪器，在后续帧图像中对该车辆进行跟踪；
(b3)对于跟踪器已经在跟踪的车辆，通过对应的跟踪器跟踪得到该车辆在当前帧图像中的应处轨迹；
所述设置能提高车辆识别准确性，也方便后期对车辆进行调查，提高道路安全性。
进一步地，所述步骤(b3)对于跟踪器已经在跟踪的车辆，通过对应的跟踪器跟踪得到车辆在当前帧图像中的应处轨迹；具体过程如下：
(i)获取前N帧图像中车辆的中心坐标(x,y)，进行线性回归预测，预测出车辆的当前帧所处的位置(Xp,Yp)；N的取值范围为 1<N<50；
(ii)计算车辆的预测位置与当前帧车辆的实际位置之间的欧式距离，其中欧式距离小于阈值T的车辆为对应该跟踪器的有效检测车辆；T的取值范围为0m<T<5m；
(iii)如果为有效检测车辆，则把该车辆放入对应的跟踪器当中继续跟踪；
(iv)如果不是有效车辆，则重复步骤(b2)。
上述方法能准确判断车辆的位置，并剔除误差，保证跟踪的准确性。
综上所述，本发明判断方法简单、准确，速度快，效率高。
附图说明
图1为本发明的流程图；
图2为本发明的步骤(b)中对该车辆进行跟踪的流程图；
具体实施方式
为了使本技术领域的人员更好的理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。
如图1-2所示，一种用于检测车辆拥堵的方法，包括下述步骤：
(a)选取长度为200米的检测区域，宽度可根据需要设置，且检测区域的长度方向即为车辆行驶的方向。用帧频为25帧/秒的被动式红外热像仪获取检测区域内的图像。
(b)若在检测区域内存在5帧都检测到同一辆车辆，则表明该车辆进入了检测区域，并对该车辆进行跟踪。该步骤中，检测是否为同一辆车辆的方式为：利用红外热像仪获取车辆的热量分布，若车辆热量分布相同，则判断为同一辆车。检测热量分布的大小范围、位置都可根据需要设置。作为优选，检测是否为同一辆车辆的方式为：利用红外热像仪获取每辆车辆的车灯、车窗及发动机排热孔三个位置的热量分布，若车辆每个位置的热量分布相同，则判断为同一辆车。
(c)在检测区域内，拥堵判断如下：
(c1)若该车辆在检测区域内出现的帧数<300帧，表明该检测区域通行顺畅；
(c2)若500帧>该车辆在检测区域内出现的帧数>300帧，表明该检测区域通行缓慢；
(c3)若该车辆在检测区域内出现的帧数>500帧，表明该检测区域通行拥堵。
实施例2
本实施例与实施例1的不同之处在于：步骤(d)在检测区域内，若连续50帧都没有检测到该车辆，表明该车辆已经离开了待检测区域。原因：如果检测率是0.5，那么连续50帧检测不到该车辆的几率是0.550，几率非常小。
实施例3
所述步骤(b)中，对该车辆进行跟踪的方式可采用现有的方式，但是在本实施例中，具体的方式如下：
(b0)搜集不同天气条件下的车辆红外图像模型，通过算法，进行学习训练，得到识别用的网络模型。该步骤可根据需要设置。
(b1)通过深度学习的方法，对被动式红外热像仪获取检测区域内的图像进行类型识别，检测出所有车辆与类型，标出车辆外缘，计算出车辆的中心坐标(x,y)和车辆的长宽(h，w)；
(b2)分析前N帧图像识别出的所有车辆，识别出的当前帧图像中所有车辆信息，其中N为调节参数，N的取值范围为1<N<50；所述 N优选为20。具体如下：
对于当前帧新出现的车辆，分配一个对应的跟踪器，在后续帧图像中对该车辆进行跟踪；即对于前N帧图像中不存在而在当前帧中存在的车辆，则将该车辆作为新出现的车辆。
(b3)对于跟踪器已经在跟踪的车辆，即前N帧图像中已经存在的车辆，即为跟踪器已经在跟踪的车辆。通过对应的跟踪器跟踪得到该车辆在当前帧图像中的应处轨迹；采用的跟踪算法为回归预测法，该步骤的具体过程如下：
(i)获取前N帧图像中车辆的中心坐标(x,y)，进行线性回归预测，预测出车辆的当前帧所处的位置(Xp,Yp)。
(ii)计算车辆的预测位置与当前帧车辆的实际位置之间的欧式距离，其中欧式距离小于阈值T的车辆为对应该跟踪器的有效检测车辆；T的取值范围为0m<T<5m；所述T优选为2m。
(iii)如果为有效检测车辆，则把该车辆放入对应的跟踪器当中继续跟踪；
(iv)如果不是有效车辆，则重复步骤(b2)。
(V)继续对前N帧图像中存在的跟踪器，进行当前位置的预测，并与当前通过深度网络识别出的车辆，继续匹配；
(b4)重复上述操作进行下一帧的识别和追踪器的更新。
显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

Claims (6)

1.一种用于检测车辆拥堵的方法，包括下述步骤：
(a)选取长度为200米的检测区域，用帧频为25帧/秒的被动式红外热像仪获取检测区域内的图像；
(b)若在检测区域内存在5帧都检测到同一辆车辆，则表明该车辆进入了检测区域，并对该车辆进行跟踪；
(c)在检测区域内，拥堵判断如下：
(c1)若该车辆在检测区域内出现的帧数<300帧，表明该检测区域通行顺畅；
(c2)若500帧>该车辆在检测区域内出现的帧数>300帧，表明该检测区域通行缓慢；
(c3)若该车辆在检测区域内出现的帧数>500帧，表明该检测区域通行拥堵。
2.根据权利要求1所述的用于检测车辆拥堵的方法，其特征在于：还包括步骤(d)在检测区域内，若连续50帧都没有检测到该车辆，表明该车辆已经离开了待检测区域。
3.根据权利要求1所述的用于检测车辆拥堵的方法，其特征在于：所述步骤(b)中检测是否为同一辆车辆的方式为：利用红外热像仪获取车辆的热度分布，若车辆热度分布相同，则判断为同一辆车。
4.根据权利要求3所述的用于检测车辆拥堵的方法，其特征在于：所述步骤(b)中检测是否为同一辆车辆的方式为：利用红外热像仪获取每辆车辆的车灯、车窗及发动机排热孔三个位置的热度分布，若车辆每个位置的热度相同，则判断为同一辆车。
5.根据权利要求1所述的用于检测车辆拥堵的方法，其特征在于：所述步骤(b)中，对该车辆进行跟踪的方式如下：
(b1)对被动式红外热像仪获取检测区域内的图像进行类型识别，标出车辆外缘，计算出车辆的中心坐标(x,y)和车辆的长宽(h，w)；
(b2)对于当前帧新出现的车辆，分配一个对应的跟踪器，在后续帧图像中对该车辆进行跟踪；
(b3)对于跟踪器已经在跟踪的车辆，通过对应的跟踪器跟踪得到该车辆在当前帧图像中的应处轨迹。
6.根据权利要求5所述的用于检测车辆拥堵的方法，其特征在于：所述步骤(b3)对于跟踪器已经在跟踪的车辆，通过对应的跟踪器跟踪得到车辆在当前帧图像中的应处轨迹；具体过程如下：
(i)获取前N帧图像中车辆的中心坐标(x,y)，进行线性回归预测，预测出车辆的当前帧所处的位置(Xp,Yp)；N的取值范围为1<N<50；
(ii)计算车辆的预测位置与当前帧车辆的实际位置之间的欧式距离，其中欧式距离小于阈值T的车辆为对应跟踪器的有效检测车辆；T的取值范围为0m<T<5m；
(iii)如果为有效检测车辆，则把该车辆放入对应的跟踪器当中继续跟踪；
(iv)如果不是有效车辆，则重复步骤(b2)。
CN201810539240.7A 2018-05-30 2018-05-30 用于检测车辆拥堵的方法 Active CN108538062B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810539240.7A CN108538062B (zh) 2018-05-30 2018-05-30 用于检测车辆拥堵的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810539240.7A CN108538062B (zh) 2018-05-30 2018-05-30 用于检测车辆拥堵的方法

Publications (2)

Publication Number Publication Date
CN108538062A true CN108538062A (zh) 2018-09-14
CN108538062B CN108538062B (zh) 2020-09-15

Family

ID=63471877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810539240.7A Active CN108538062B (zh) 2018-05-30 2018-05-30 用于检测车辆拥堵的方法

Country Status (1)

Country Link
CN (1) CN108538062B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100051244A (ko) * 2008-11-07 2010-05-17 주식회사 케이제이몰 차량용 영상 저장 시스템에서의 영상 처리 장치 및 방법
JP2010231604A (ja) * 2009-03-27 2010-10-14 Ihi Corp 車両渋滞検出装置
CN101936730A (zh) * 2010-06-28 2011-01-05 汉王科技股份有限公司 车辆排队长度检测的方法及装置
CN102136195A (zh) * 2011-03-28 2011-07-27 长安大学 一种基于图像纹理检测道路交通状况的方法
CN102254428A (zh) * 2011-04-28 2011-11-23 崔志明 一种基于视频处理的交通拥塞检测方法
CN102509457A (zh) * 2011-10-09 2012-06-20 青岛海信网络科技股份有限公司 一种车辆跟踪的方法及装置
CN103871079A (zh) * 2014-03-18 2014-06-18 南京金智视讯技术有限公司 基于机器学习和光流的车辆跟踪方法
CN105336169A (zh) * 2015-12-09 2016-02-17 青岛海信网络科技股份有限公司 一种基于视频判断交通拥堵的方法和系统
CN108648688A (zh) * 2018-05-17 2018-10-12 深圳市灵星雨科技开发有限公司 一种led显示屏的箱体拼接优化方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100051244A (ko) * 2008-11-07 2010-05-17 주식회사 케이제이몰 차량용 영상 저장 시스템에서의 영상 처리 장치 및 방법
JP2010231604A (ja) * 2009-03-27 2010-10-14 Ihi Corp 車両渋滞検出装置
CN101936730A (zh) * 2010-06-28 2011-01-05 汉王科技股份有限公司 车辆排队长度检测的方法及装置
CN102136195A (zh) * 2011-03-28 2011-07-27 长安大学 一种基于图像纹理检测道路交通状况的方法
CN102254428A (zh) * 2011-04-28 2011-11-23 崔志明 一种基于视频处理的交通拥塞检测方法
CN102509457A (zh) * 2011-10-09 2012-06-20 青岛海信网络科技股份有限公司 一种车辆跟踪的方法及装置
CN103871079A (zh) * 2014-03-18 2014-06-18 南京金智视讯技术有限公司 基于机器学习和光流的车辆跟踪方法
CN105336169A (zh) * 2015-12-09 2016-02-17 青岛海信网络科技股份有限公司 一种基于视频判断交通拥堵的方法和系统
CN108648688A (zh) * 2018-05-17 2018-10-12 深圳市灵星雨科技开发有限公司 一种led显示屏的箱体拼接优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
杨盛: ""动态红外目标模拟系统的设计与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
王敏: "" 基于BF561 DSP的车流量视频检测技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
王辉: "" 基于道路监控视频的交通拥堵判别方法研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN108538062B (zh) 2020-09-15

Similar Documents

Publication Publication Date Title
CN103324913B (zh) 一种基于形状特征和轨迹分析的行人事件检测方法
CN110176139B (zh) 一种基于dbscan+的道路拥堵识别可视化方法
JP3435623B2 (ja) 交通流監視装置
CN110472496A (zh) 一种基于目标检测与跟踪的交通视频智能分析方法
CN109447033A (zh) 基于yolo的车辆前方障碍物检测方法
CN105608431A (zh) 一种基于车辆数目与车流速度的高速公路拥堵检测方法
CN105868691A (zh) 基于快速区域卷积神经网络的城市车辆追踪方法
CN105956632B (zh) 一种检测目标的方法和装置
CN107590999B (zh) 一种基于卡口数据的交通状态判别方法
CN105336166A (zh) 基于车载蓝牙的交通特征参数提取方法
CN106227859B (zh) 从gps数据中识别交通工具的方法
US20210350699A1 (en) Method for Vehicle Classification Using Multiple Geomagnetic Sensors
CN104123532B (zh) 对目标对象进行检测、确定目标对象数量的方法和设备
CN108154146A (zh) 一种基于图像识别的车辆追踪方法
CN110288032A (zh) 一种车辆行驶轨迹类型检测方法及装置
CN113127466B (zh) 一种车辆轨迹数据预处理方法及计算机存储介质
Wang et al. Vehicle reidentification with self-adaptive time windows for real-time travel time estimation
CN116168356B (zh) 一种基于计算机视觉的车辆损伤判别方法
CN105513362A (zh) 一种公交站台毗邻区公交车运行状态评价验证方法
CN110020642A (zh) 一种基于车辆检测的能见度识别方法
CN104112305A (zh) 基于双激光测距的客流监测方法和装置
CN110310491A (zh) 一种短间距双节点地磁车速检测系统及检测方法
CN108344997B (zh) 一种基于点迹特征的道路护栏快速检测方法
CN115100873B (zh) 基于双地磁传感器的双车道车流检测方法
CN113436442B (zh) 一种利用多地磁传感器的车速估计方法

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
CP01 Change in the name or title of a patent holder

Address after: 310000 south side of Building 8, qixianqiao village, Liangzhu street, Yuhang District, Hangzhou City, Zhejiang Province

Patentee after: Hangzhou Tupu Electric Power Technology Co.,Ltd.

Address before: 310000 south side of Building 8, qixianqiao village, Liangzhu street, Yuhang District, Hangzhou City, Zhejiang Province

Patentee before: HANGZHOU TIANBO INFRARED PHOTOELECTRIC TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder
TR01 Transfer of patent right

Effective date of registration: 20230725

Address after: 311113 4th floor, No. 2 (Building 8), Naxian street, Liangzhu street, Yuhang District, Hangzhou City, Zhejiang Province

Patentee after: Zhejiang Tianbo Yunke optoelectronics Co.,Ltd.

Address before: 310000 south side of Building 8, qixianqiao village, Liangzhu street, Yuhang District, Hangzhou City, Zhejiang Province

Patentee before: Hangzhou Tupu Electric Power Technology Co.,Ltd.

TR01 Transfer of patent right