CN109410578A - 一种基于计算机视觉的交通路口断面车流量检测方法 - Google Patents

Abstract

一种基于计算机视觉的交通路口断面车流量检测方法，包括步骤1)：从已有的交通路口的监控摄像机获取图像进行标定，得检测区域D、断面线L和车道集合LANE＝{(l_i.ID,l_i.left,l_i.right)|i＝1,2,…,U}，步骤2)：从监控摄像机获取一帧图像f，同时记获取时间为t；步骤3)：在采用跟踪算法图像f中对Q中的每辆车car_i进行跟踪，并将car_i.R替换为跟踪得到的矩形框，同时设置car_i.te＝t；步骤4)：根据检测区域D从图像f中截取子图像，并采用目标检测算法在该子图像中进行车辆检测，步骤5)：遍历Q中每一辆车car_i，步骤6)：根据集合A计算给定时段的车道断面车流量；本发明的有益效果是：在无需对信号灯本身进行改造的情况下，利用现在的监控摄像机采集到的图像进行分析，可实时检测交通路口的拥堵情况。

Description

一种基于计算机视觉的交通路口断面车流量检测方法

技术领域

本发明涉及计算机图像处理技术领域，具体涉及一种基于计算机视觉的交通路口断面车流量检测方法。

背景技术

利用现有交通监控摄像头采集的视频图像并采用计算机视觉技术对路口断面车流量进行检测具有成本低、实时性强等优点，可以为信号灯时长设置提供科学的依据。为此，国内外学术界、工业界提出了很多方案，其中与本发明较为接近的技术方案包括：发明专利申请号为201711016868.0，专利名称为一种车流量计数方法，提供了一种车流量计数方法,其核心思想是通过设置检测区域、视频预处理、混合高斯模型背景建模、提取运动目标、记录运动轨迹、标记车辆、对标记的车辆进行跟踪和统计，从而计算车流量，但该方法对于如何通过运动轨迹识别出车辆的方法、如何防止重复统计的方法等信息公开并不充分，而且从运动轨迹来取取车辆并不具有合理性；发明专利申请号为201810142484.1，专利名称为一种基于无人机交通视频的车流量统计方法一种基于无人机交通视频的车流量统计方法，与本发明不同之处在于，该方法在判断是否为同一辆车时，采用前后帧匹配的方法，但如何匹配并没有公开，同时，该方法仅能统计某个场景下在某个时刻的车辆数，并不能统计某个断面在给定时段的车流量。

综上所述，针对上述车流量检测存在的问题，本发明提出一种基于计算机视觉的交通路口断面车流量检测方法。

发明内容

针对现有技术中存在的问题，本发明提供了一种基于计算机视觉的交通路口断面车流量检测方法。

本发明的技术方案如下：

一种基于计算机视觉的交通路口断面车流量检测方法，其特征在于，包括如下步骤：

步骤1)：从已有的交通路口的监控摄像机获取图像进行标定，得检测区域D、断面线L和车道集合LANE＝{(l_i.ID,l_i.left,l_i.right)|i＝1,2,…,U}，其中，记L.y为L的两个端点纵坐标的平均值，LANE按车道从左到右排列，l_i.ID表示第i个车道的车道号，l_i.ID＝i，l_i.left表示第i条车道的左边界线，l_i.right表示第i条车道的右边界线，U表示车道数量；记在检测区域D中检测并跟踪到的车辆集合Q＝{(car_i.R,car_i.ID,car_i.te)|i＝1,2,…,n}，初始时Q＝Φ，n＝0，car_i.R为第i辆车在图像上对应的矩形区域，car_i.ID为第i辆车对应的车道号，car_i.te表示第i辆车被跟踪到的最新的时间，n表示正在跟踪的车辆数量；记已通过断面线的车辆集合B＝{(lid_i,ta_i)|i＝1,2,…,K}，lid_i表示通过断面线的第i车辆的车道号，ta_i表示通过断面线的第i车辆的时间，K表示已经通过断面线的车辆数量，初始时B＝Φ，K＝0；

步骤2)：从监控摄像机获取一帧图像f，同时记获取时间为t；

步骤3)：在图像f中采用跟踪算法对Q中的每辆车car_i进行跟踪，并将car_i.R替换为跟踪得到的矩形区域，同时设置car_i.te＝t；

步骤4)：根据检测区域D从图像f中截取子图像，并采用目标检测算法在该子图像中进行车辆检测，设检测到的车辆集合为N＝{(C_j,ID_j)|j＝1,2,…,m}，对每个C_j，若满足式(1)，则将(C_j,ID_j,t)添加至集合Q中；其中，C_j表示检测到的第j辆车在图像f中对应的矩形区域，ID_j表示第j辆车对应的车道号，ID_j根据式(2)计算得到，m表示检测到的车辆数；

式中，A(·)表示面积计算函数，其参数为图像中的矩形区域；CR(·)表示矩形区域相交计算函数，参数为两个矩形区域，返回值为两个矩形相交的区域；Center(·)表示求中心坐标点的函数，参数为矩形区域；DX(·)表示一个函数，该函数的第1个参数为一条直线，第2个参数为一个y坐标值，该函数的功能为返回通过该纵坐标的直线与第1个参数的直线的交点的x坐标值；cc.x表示坐标点cc的x坐标值；min表示求最小值；S₀表示面积重叠系数，S₀∈(0,1.0)；

步骤5)：遍历Q中每一辆车car_i，若car_i.R满足式(3)，则将car_i从Q中删除，同时将(car_i.ID,car_i.te)添加至集合A中；

Bottom(car_i.R)＜L.y (3)

式中，Bottom(·)表示取矩形区域下边界的纵坐标的函数；

步骤6)：根据集合B计算给定时段的车道断面车流量，如式(4)所示；转步骤2)；

式中，I(·)表示示性函数，若该函数的参数表达式为true，则函数返回值为1，否则为0；t_start表示计算的起始时间，t_end表示计算的终止时间；RQ＝{1,2,…,T}表示要求计算的车道号集合，由用户进行设置，T≤U。

步骤7)：计算实际平均红灯时间ART、实际平均绿灯时间ABT、实际平均绿灯车流量ALF，具体为：对集合B进行聚类，得到集合CB＝{SB_i|i＝1,2,…,SN}，其中SN为聚类的子集数量，SB_i为按照从小到大排序的有序集合，CB满足式(5)，则ART、ABT和ALF分别按式(6)、(7)和(8)计算；

式中，bt₀表示信号灯红灯时间阈值；

步骤8)：转步骤2)。

本发明的有益效果是：利用现有交通监控摄像头采集的视频图像并采用计算机视觉技术，不仅可以得到路口断面车流量，同时可以计算实际平均红灯时间、实际平均绿灯时间和实际平均绿灯车流量，具有成本低、实时性强等优点，可为信号灯时长设置、优化交通提供科学的依据。

附图说明

图1为图像标定示意图；

图中：1-检测矩形区域D，2-断面线L，3-第1个车道的left，4-第1个车道的right(同时也是第2个车道的left)，5-第2个车道的right(同时也是第3个车道的left)，6-第3个车道的right(同时也是第4个车道的left)，7-第4个车道的right。

具体实施方法

下面结合实施实例来详细阐述本发明的具体实施方式。具体步骤如下：

一种基于计算机视觉的交通路口断面车流量检测方法，具体步骤如下：

步骤1)：从已有的交通路口的监控摄像机获取图像进行标定，得检测区域D、断面线L和车道集合LANE＝{(l_i.ID,l_i.left,l_i.right)|i＝1,2,…,U}，其中，记L.y为L的两个端点纵坐标的平均值，LANE按车道从左到右排列，l_i.ID表示第i个车道的车道号，l_i.ID＝i，l_i.left表示第i条车道的左边界线，l_i.right表示第i条车道的右边界线，U表示车道数量；记在检测区域D中检测并跟踪到的车辆集合Q＝{(car_i.R,car_i.ID,car_i.te)|i＝1,2,…,n}，初始时Q＝Φ，n＝0，car_i.R为第i辆车在图像上对应的矩形区域，car_i.ID为第i辆车对应的车道号，car_i.te表示第i辆车被跟踪到的最新的时间，n表示正在跟踪的车辆数量；记已通过断面线的车辆集合A＝{(lid_i,ta_i)|i＝1,2,…,K}，lid_i表示通过断面线的第i车辆的车道号，ta_i表示通过断面线的第i车辆的时间，K表示已经通过断面线的车辆数量，初始时B＝Φ，K＝0；在本实施例中，标定的检测区域D、断面线L及车道集合LANE如图1所示；检测区域D为矩形检测区域；

步骤2)：从监控摄像机获取一帧图像f，同时记获取时间为t；

步骤3)：在图像f中采用跟踪算法对Q中的每辆车car_i进行跟踪，并将car_i.R替换为跟踪得到的矩形区域，同时设置car_i.te＝t；

步骤4)：根据检测区域D从图像f中截取子图像，并采用目标检测算法在该子图像中进行车辆检测，设检测到的车辆集合为N＝{(C_j,ID_j)|j＝1,2,…,m}，对每个C_j，若满足式(1)，则将(C_j,ID_j,t)添加至集合Q中；其中，C_j表示检测到的第j辆车在图像f中对应的矩形区域，ID_j表示第j辆车对应的车道号，ID_j根据式(2)计算得到，m表示检测到的车辆数；

式中，A(·)表示面积计算函数，其参数为图像中的矩形区域；CR(·)表示矩形区域相交计算函数，参数为两个矩形区域，返回值为两个矩形相交的区域；Center(·)表示求中心坐标点的函数，参数为矩形区域；DX(·)表示一个函数，该函数的第1个参数为一条直线，第2个参数为一个y坐标值，该函数的功能为返回通过该纵坐标的直线与第1个参数的直线的交点的x坐标值；cc.x表示坐标点cc的x坐标值；min表示求最小值；S₀表示面积重叠系数，S₀∈(0,1.0)；在本实施例中，取S₀＝0.3，目标检测算法采用YOLO3；

步骤5)：遍历Q中每一辆车car_i，若car_i.R满足式(3)，则将car_i从Q中删除，同时将(car_i.ID,car_i.te)添加至集合A中；

Bottom(car_i.R)＜L.y (3)

式中，Bottom(·)表示取矩形区域下边界的纵坐标的函数；

步骤6)：根据集合B计算给定时段的车道断面车流量，如式(4)所示；转步骤2)；

式中，I(·)表示示性函数，若该函数的参数表达式为true，则函数返回值为1，否则为0；t_start表示计算的起始时间，t_end表示计算的终止时间；RQ＝{1,2,…,T}表示要求计算的车道号集合，由用户进行设置，T≤U；在本实施例中，t_start＝”2018-10-2911:04:00”，t_end＝”2018-10-2915:10:00”，RQ＝{1,3}。

步骤7)：计算实际平均红灯时间ART、实际平均绿灯时间ABT、实际平均绿灯车流量ALF，具体为：对集合B进行聚类，得到集合CB＝{SB_i|i＝1,2,…,SN}，其中SN为聚类的子集数量，SB_i为按照从小到大排序的有序集合，CB满足式(5)，则ART、ABT和ALF分别按式(6)、(7)和(8)计算；

式中，bt₀表示信号灯红灯时间阈值；在本实施例中，bt₀＝20秒；

步骤8)：转步骤2)。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围的不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种基于计算机视觉的交通路口断面车流量检测方法，其特征在于，包括如下步骤：

步骤1)：从已有的交通路口的监控摄像机获取图像进行标定，得检测区域D、断面线L和车道集合LANE＝{(l_i.ID,l_i.left,l_i.right)|i＝1,2,…,U}，其中，记L.y为L的两个端点纵坐标的平均值，LANE按车道从左到右排列，l_i.ID表示第i个车道的车道号，l_i.ID＝i，l_i.left表示第i条车道的左边界线，l_i.right表示第i条车道的右边界线，U表示车道数量；记在检测区域D中检测并跟踪到的车辆集合Q＝{(car_i.R,car_i.ID,car_i.te)|i＝1,2,…,n}，初始时Q＝Φ，n＝0，car_i.R为第i辆车在图像上对应的矩形区域，car_i.ID为第i辆车对应的车道号，car_i.te表示第i辆车被跟踪到的最新的时间，n表示正在跟踪的车辆数量；记已通过断面线的车辆集合B＝{(lid_i,ta_i)|i＝1,2,…,K}，lid_i表示通过断面线的第i车辆的车道号，ta_i表示通过断面线的第i车辆的时间，K表示已经通过断面线的车辆数量，初始时B＝Φ，K＝0；

步骤2)：从监控摄像机获取一帧图像f，同时记获取时间为t；

步骤3)：在图像f中采用跟踪算法对Q中的每辆车car_i进行跟踪，并将car_i.R替换为跟踪得到的矩形区域，同时设置car_i.te＝t；

步骤4)：根据检测区域D从图像f中截取子图像，并采用目标检测算法在该子图像中进行车辆检测，设检测到的车辆集合为N＝{(C_j,ID_j)|j＝1,2,…,m}，对每个C_j，若满足式(1)，则将(C_j,ID_j,t)添加至集合Q中；其中，C_j表示检测到的第j辆车在图像f中对应的矩形区域，ID_j表示第j辆车对应的车道号，ID_j根据式(2)计算得到，m表示检测到的车辆数；

式中，A(·)表示面积计算函数，其参数为图像中的矩形区域；CR(·)表示矩形区域相交计算函数，参数为两个矩形区域，返回值为两个矩形相交的区域；Center(·)表示求中心坐标点的函数，参数为矩形区域；DX(·)表示一个函数，该函数的第1个参数为一条直线，第2个参数为一个y坐标值，该函数的功能为返回通过该纵坐标的直线与第1个参数的直线的交点的x坐标值；cc.x表示坐标点cc的x坐标值；min表示求最小值；S₀表示面积重叠系数，S₀∈(0,1.0)；

步骤5)：遍历Q中每一辆车car_i，若car_i.R满足式(3)，则将car_i从Q中删除，同时将(car_i.ID,car_i.te)添加至集合B中；

Bottom(car_i.R)＜L.y (3)

式中，Bottom(·)表示取矩形区域下边界的纵坐标的函数；

步骤6)：根据集合B计算给定时段的车道断面车流量，如式(4)所示；转步骤2)；

式中，I(·)表示示性函数，若该函数的参数表达式为true，则函数返回值为1，否则为0；t_start表示计算的起始时间，t_end表示计算的终止时间；RQ＝{1,2,…,T}表示要求计算的车道号集合，由用户进行设置，T≤U；

步骤7)：计算实际平均红灯时间ART、实际平均绿灯时间ABT、实际平均绿灯车流量ALF，具体为：对集合B进行聚类，得到集合CB＝{SB_i|i＝1,2,…,SN}，其中SN为聚类的子集数量，SB_i为按照从小到大排序的有序集合，CB满足式(5)，则ART、ABT和ALF分别按式(6)、(7)和(8)计算；

式中，bt₀表示信号灯红灯时间阈值；

步骤8)：转步骤2)。