CN109410598B - 一种基于计算机视觉的交通路口拥堵检测方法 - Google Patents

Abstract

一种基于计算机视觉的交通路口拥堵检测方法，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检测区域标定，得检测区域D；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，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，若区域D不包含区域R_i的中心点坐标，则将car_i从Q中删除；步骤6)：若集合Q满足式(2)，判断交通路口为拥堵；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拥堵检测方法

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拥堵检测方法。

背景技术

利用现有交通监控摄像头采集的视频图像对交叉路口的拥堵情况进行检测具有成本低、实时性强等优点，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201710929509.8，专利名称为基于智能视频分析技术的车辆拥堵检测方法，提供了一种基于智能视频分析技术的车辆拥堵检测方法,其核心思想是通过监控检测区域的车流量超过一定的阈值时判断为拥堵，但该方法不具有合理性，比如，若该区域的车速较快且车流量长时间保持超过阈值，并不会出现拥堵；发明专利申请号为201710929509.8，专利名称为基于深度卷积神经网络的交通拥堵视觉检测系统，公开了一种基于深度卷积神经网络的交通拥堵视觉检测系统，与本发明不同之处在于，其通过采用光流法检测静止车辆总面积与检测区域的占比如果大于一定阈值时判断为拥堵；发明专利申请号为201610207495.4，专利名称为一种基于车辆检测的道路拥堵建模方法，公开了一种基于车辆检测的道路拥堵建模方法，该方法用于判断拥堵的指标为车辆密度和车辆速度，其车辆密度采用车辆数量乘以车辆估计长度与道路长度的比值来计算，这与本发明存在明显的区别。

综上所述，现有方法主要采用面积占比、速度等指标，对于城市十字路口交通拥堵的检测显得计算复杂且不适用，为此，本发明提出一种基于计算机视觉的交通路口拥堵检测方法。

发明内容

针对现有技术中存在的问题，本发明提供了解决信号灯路口的交通拥堵检测问题的一种基于计算机视觉的交通路口拥堵检测方法。

一种基于计算机视觉的交通路口拥堵检测方法，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检测区域标定，得检测区域D；记在检测区域D中检测并跟踪到的车辆集合Q＝{car_i＝(R_i,ts_i,te_i)|i＝1,2,…,n}，初始时Q＝Φ，n＝0；其中，R_i为车辆在图像上对应的矩形区域，ts_i表示检测到车辆时的时间，te_i表示该车辆被跟踪到的最新的时间，n表示正在跟踪的车辆数量；

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R_i替换为跟踪得到的矩形区域，同时设置te_i＝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|j＝1,2,…,m}，对每个C_j，若满足式(1)，则将(C_j,t,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，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；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，若区域D不包含区域R_i的中心点坐标，则将car_i从Q中删除；

步骤6)：若集合Q满足式(2)，判断交通路口为拥堵；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；T₀表示车辆在检测区域D停留的时间阈值，单位为秒；TIMES表示车辆在检测区域D中停留的车辆数量阈值。

所述的一种基于计算机视觉的交通路口拥堵检测方法，其特征在于，所述检测区域D采用矩形检测区域。

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。

附图说明

图1为本发明检测区域D的标定示意图。

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。

一种基于计算机视觉的交通路口拥堵检测方法，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检测区域标定，得检测区域D；记在检测区域D中检测并跟踪到的车辆集合Q＝{car_i＝(R_i,ts_i,te_i)|i＝1,2,…,n}，初始时Q＝Φ，n＝0；其中，R_i为车辆在图像上对应的矩形区域，ts_i表示检测到车辆时的时间，te_i表示该车辆被跟踪到的最新的时间，n表示正在跟踪的车辆数量；在本实施例中，检测区域D为矩形检测区域如图1所示；

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R_i替换为跟踪得到的矩形区域，同时设置te_i＝t；在本实施例中，跟踪算法采用KCF方法；

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|j＝1,2,…,m}，对每个C_j，若满足式(1)，则将(C_j,t,t)(相当于te_i＝t，ts_i＝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，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；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，若检测区域D不包含区域R_i的中心点坐标，则将car_i从Q中删除；

步骤6)：若集合Q满足式(2)，判断交通路口为拥堵；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；T₀表示车辆在检测区域D停留的时间阈值，单位为秒；TIMES表示车辆在检测区域D中停留的车辆数量阈值；在本实施例中，T₀＝30秒，TIMES＝10。

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 (2)

1.一种基于计算机视觉的交通路口拥堵检测方法，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检测区域标定，得检测区域D；记在检测区域D中检测并跟踪到的车辆集合Q＝{car_i＝(R_i,ts_i,te_i)|i＝1,2,…,n}，初始时Q＝Φ，n＝0；其中，R_i为车辆在图像上对应的矩形区域，ts_i表示检测到车辆时的时间，te_i表示该车辆被跟踪到的最新的时间，n表示正在跟踪的车辆数量；

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R_i替换为跟踪得到的矩形区域，同时设置te_i＝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|j＝1,2,…,m}，对每个C_j，若满足式(1)，则将(C_j,t,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，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；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，若检测区域D不包含区域R_i的中心点坐标，则将car_i从Q中删除；

步骤6)：若集合Q满足式(2)，判断交通路口为拥堵；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；T₀表示车辆在检测区域D停留的时间阈值，单位为秒；TIMES表示车辆在检测区域D中停留的车辆数量阈值。

2.根据权利要求1所述的一种基于计算机视觉的交通路口拥堵检测方法，其特征在于，所述检测区域D采用矩形检测区域。

Images