CN109615874B - 一种基于格式塔心理学准则的路况分析方法 - Google Patents
一种基于格式塔心理学准则的路况分析方法 Download PDFInfo
- Publication number
- CN109615874B CN109615874B CN201811623646.XA CN201811623646A CN109615874B CN 109615874 B CN109615874 B CN 109615874B CN 201811623646 A CN201811623646 A CN 201811623646A CN 109615874 B CN109615874 B CN 109615874B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- road
- area
- vehicles
- 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.)
- Expired - Fee Related
Links
Images
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
Abstract
本发明公开了一种基于格式塔心理学准则的路况分析方法,包括以下步骤:步骤一:获取图像;步骤二:图像初处理;步骤三:图像修正;步骤四:物体信息还原;步骤五:车辆图像区域划分;步骤六:车辆数据处理;步骤七:依据车辆密度、车辆间距获得拥堵指数IndexT‑j;步骤八:路况判断。本发明能够运用完形化原则和直觉的接近原则、相似原则、封闭的原则、连续性原则等,对路况进行分析。本发明通过对物体的信息进行还原修复,再基于此获取车辆数,从而得到拥堵指数,对路况进行判断。
Description
【技术领域】
本发明涉及路况分析方法的技术领域,特别是基于格式塔心理学准则的路况分析方法的技术领域。
【背景技术】
格式塔心理学(gestalt psychology),又叫完形心理学,是西方现代心理学的主要学派之一,诞生于德国,后来在美国得到进一步发展。该学派既反对美国构造主义心理学的元素主义,也反对行为主义心理学的刺激—反应公式,主张研究直接经验(即意识)和行为,强调经验和行为的整体性,认为整体不等于并且大于部分之和,主张以整体的动力结构观来研究心理现象。格式塔心理学认为心理学研究的对象有两个,一个是直接经验,一个是行为。
交通拥堵问题已经在中国各大城市日益凸显,最好的解决方法已经不是无限制地修建或扩建道路缓解交通拥堵,而是要发展智能交通。作为智能交通的一个领域,路况信息的实时获取显得尤为重要。通过图像处理与模式识别等信息处理技术手段进行路况信息的实时采集,对当前道路拥堵状况做出真实、准确地描述,是智能交通系统(ITS)中最基本和最重要的工作。
传统的检测方法,如线圈检测,需要占用道路埋入感应线圈,这无疑增大了该条道路的交通压力。视频检测,是现在发展很快的一项检测方法,运用图像分割和目标跟踪识别可以提取道路机动车数量、速度,作为路况特征参数对路况进行分类使用了基于帧间差分方法更新道路背景模型,统计出现频率最大的灰度值,得到初始背景数据。然而,该方法中,针对光线影响,可能会造成检测误判。
为此,需要一种检测方法,可以基于格式塔心理学,通过图像的完形化,更准确地判断机动车数量,从而获得更准确的路况判断。
【发明内容】
本发明的目的就是解决现有技术中的问题,提出一种基于格式塔心理学准则的路况分析方法,能够运用完形化原则和直觉的接近原则、相似原则、封闭的原则、连续性原则等,对路况进行分析。
为实现上述目的,本发明提出了一种基于格式塔心理学准则的路况分析方法,包括以下步骤:
步骤一:获取图像:通过摄像头采集待分析道路照片,并记录摄像头转动角度αs;
步骤二:图像初处理:将道路图片转化成灰度图;再将灰度图进行去噪,获得清晰图;
步骤三:图像修正:按照摄像头转动角度αs,修正图像;修正后的图像总面积为Apic;
步骤四:物体信息还原:对图像内物体进行完形化,补齐物体信息;
步骤五:车辆图像区域划分:按照汽车尺寸分割车辆图像区域,去除无车辆区域,有车辆区域外接多边形形成车辆图像区域,获得车辆图像区域面积为Apic-v;
步骤六:车辆数据处理:对车辆数量进行计数,获得车辆数为Nvehicle;依据车辆数与车辆图像区域面积,获得车辆密度dV-d;计算车辆间距,获得平均车间距dV-s;
步骤七:依据车辆密度、车辆间距获得拥堵指数IndexT-j;
步骤八:路况判断:当IndexT-j<0.81,道路畅通;当0.81≤IndexT-j<1,道路基本畅通;当1≤IndexT-j<1.21,道路轻度拥堵;当1.21≤IndexT-j<1.69,道路中度拥堵;当1.69≤IndexT-j,道路严重拥堵。
作为优选,所述αs的单位为度,Apic、Apic-v的单位为平方米,Nvehicle、IndexT-j均为无量纲参数,dV-d的单位为每平方米,dV-s的单位为米。
本发明的有益效果:本发明能够运用完形化原则和直觉的接近原则、相似原则、封闭的原则、连续性原则等,对路况进行分析。
本发明通过对物体的信息进行还原修复,再基于此获取车辆数,从而得到拥堵指数,对路况进行判断。
本发明的特征及优点将通过实施例结合附图进行详细说明。
【附图说明】
图1是本发明一种基于格式塔心理学准则的路况分析方法的方法图。
【具体实施方式】
参阅图1,本发明,包括以下步骤:
步骤一:获取图像:通过摄像头采集待分析道路照片,并记录摄像头转动角度αs;
步骤二:图像初处理:将道路图片转化成灰度图;再将灰度图进行去噪,获得清晰图;
步骤三:图像修正:按照摄像头转动角度αs,修正图像;修正后的图像总面积为Apic;
步骤四:物体信息还原:对图像内物体进行完形化,补齐物体信息;
步骤五:车辆图像区域划分:按照汽车尺寸分割车辆图像区域,去除无车辆区域,有车辆区域外接多边形形成车辆图像区域,获得车辆图像区域面积为Apic-v;
步骤六:车辆数据处理:对车辆数量进行计数,获得车辆数为Nvehicle;依据车辆数与车辆图像区域面积,获得车辆密度dV-d;计算车辆间距,获得平均车间距dV-s;
步骤七:依据车辆密度、车辆间距获得拥堵指数IndexT-j;
步骤八:路况判断:当IndexT-j<0.81,道路畅通;当0.81≤IndexT-j<1,道路基本畅通;当1≤IndexT-j<1.21,道路轻度拥堵;当1.21≤IndexT-j<1.69,道路中度拥堵;当1.69≤IndexT-j,道路严重拥堵。
具体的,所述αs的单位为度,Apic、Apic-v的单位为平方米,Nvehicle、IndexT-j均为无量纲参数,dV-d的单位为每平方米,dV-s的单位为米。
本发明工作过程:
本发明一种基于格式塔心理学准则的路况分析方法在工作过程中,结合附图进行说明。
实时获取图像,间隔截取图像进行处理分析,同时,记录下该图像取得时的摄像头转动角度αs;
将图像数据连通摄像头转动角度αs一同传至处理器进行数据处理,图像初处理的方式通过将道路图片转化成灰度图;
再将灰度图进行去噪,获得清晰图;接着修正图像,结合几何关系,对图像进行修正;
然后基于格式塔心理学,其中的完形化原则和直觉的接近原则、相似原则、封闭的原则、连续性原则等原理,可用于物体信息的有效还原;
对车辆图像区域划分,对没有车辆的图像区域进行去除,依据于图像块的大小、形状,对于有车辆的区域,外接多边形形成车辆图像区域,并获得该面积为Apic-v;
对车辆数量计数以获得车辆数为Nvehicle,依据车辆数与车辆图像区域面积,获得车辆密度其中Nvehicle为车辆数,车辆图像区域面积为Apic-v,β为图像缩放系数为摄像头获取图像与真实图像的比例;计算车辆间距,获得平均车间距其中Nadj为车辆的相邻关系数量,Pi为第P个相邻车辆关系的车间距;
依据拥堵指数IndexT-j所在数值的范围区间,从而判断道路的路况。
本发明,能够运用完形化原则和直觉的接近原则、相似原则、封闭的原则、连续性原则等,对路况进行分析。本发明中的依据摄像机转动角度,对所获取的有拉伸的图像,进行图像数据修正,数据更为准确,再基于此获取车辆数,从而得到拥堵指数,对路况进行判断。
上述实施例是对本发明的说明,不是对本发明的限定,任何对本发明简单变换后的方案均属于本发明的保护范围。
Claims (2)
1.一种基于格式塔心理学准则的路况分析方法,其特征在于:包括以下步骤:
步骤一:获取图像:通过摄像头采集待分析道路照片,并记录摄像头转动角度αs;
步骤二:图像初处理:将道路图片转化成灰度图;再将灰度图进行去噪,获得清晰图;
步骤三:图像修正:按照摄像头转动角度αs,修正图像;修正后的图像总面积为Apic;
步骤四:物体信息还原:对图像内物体进行完形化,补齐物体信息;
步骤五:车辆图像区域划分:按照汽车尺寸分割车辆图像区域,去除无车辆区域,有车辆区域外接多边形形成车辆图像区域,获得车辆图像区域面积为Apic-v;
步骤六:车辆数据处理:对车辆数量进行计数,获得车辆数为Nvehicle;依据车辆数与车辆图像区域面积,获得车辆密度dV-d,车辆密度为其中Nvehicle为车辆数,车辆图像区域面积为Apic-v,β为图像缩放系数;计算车辆间距,获得平均车间距dV-s,平均车间距为其中Nadj为车辆的相邻关系数量,Pi为第P个相邻车辆关系的车间距;
步骤八:路况判断:当IndexT-j<0.81,道路畅通;当0.81≤IndexT-j<1,道路基本畅通;当1≤IndexT-j<1.21,道路轻度拥堵;当1.21≤IndexT-j<1.69,道路中度拥堵;当1.69≤IndexT-j,道路严重拥堵。
2.如权利要求1所述的一种基于格式塔心理学准则的路况分析方法,其特征在于:所述αs的单位为度,Apic、Apic-v的单位为平方米,Nvehicle、IndexT-j均为无量纲参数,dV-d的单位为每平方米,dV-s的单位为米。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811623646.XA CN109615874B (zh) | 2018-12-28 | 2018-12-28 | 一种基于格式塔心理学准则的路况分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811623646.XA CN109615874B (zh) | 2018-12-28 | 2018-12-28 | 一种基于格式塔心理学准则的路况分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109615874A CN109615874A (zh) | 2019-04-12 |
CN109615874B true CN109615874B (zh) | 2021-02-02 |
Family
ID=66011925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811623646.XA Expired - Fee Related CN109615874B (zh) | 2018-12-28 | 2018-12-28 | 一种基于格式塔心理学准则的路况分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109615874B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110211374A (zh) * | 2019-05-22 | 2019-09-06 | 广东慧讯智慧科技有限公司 | 交通指挥方法、装置、系统、设备及计算机可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710448A (zh) * | 2009-12-29 | 2010-05-19 | 浙江工业大学 | 基于全方位计算机视觉的道路交通状态检测装置 |
CN102663368A (zh) * | 2012-04-16 | 2012-09-12 | 南京大学 | 基于格式塔视觉原理的运动目标区域整合优化方法 |
CN102867415A (zh) * | 2012-09-12 | 2013-01-09 | 重庆大学 | 基于视频检测技术的道路拥堵判别方法 |
CN104851295A (zh) * | 2015-05-22 | 2015-08-19 | 北京嘀嘀无限科技发展有限公司 | 获取路况信息的方法和系统 |
CN105339992A (zh) * | 2013-06-25 | 2016-02-17 | 株式会社东芝 | 道路状况掌握系统以及道路状况掌握装置 |
CN106548628A (zh) * | 2017-01-11 | 2017-03-29 | 福州大学 | 一种基于视觉空间转换网格化的路况分析方法 |
CN107301776A (zh) * | 2016-10-09 | 2017-10-27 | 上海炬宏信息技术有限公司 | 基于视频检测技术的车道路况处理及发布方法 |
CN108550259A (zh) * | 2018-04-19 | 2018-09-18 | 何澜 | 道路拥堵判断方法、终端设备及计算机可读存储介质 |
CN108615358A (zh) * | 2018-05-02 | 2018-10-02 | 安徽大学 | 一种道路拥堵检测方法及装置 |
JP2018206014A (ja) * | 2017-06-02 | 2018-12-27 | 阪神高速道路株式会社 | 交通情報取得装置、交通情報取得システム、交通情報取得方法、および交通情報取得プログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7149367B2 (en) * | 2002-06-28 | 2006-12-12 | Microsoft Corp. | User interface for a system and method for head size equalization in 360 degree panoramic images |
US9117098B2 (en) * | 2013-06-03 | 2015-08-25 | Ford Global Technologies, Llc | On-board traffic density estimator |
-
2018
- 2018-12-28 CN CN201811623646.XA patent/CN109615874B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710448A (zh) * | 2009-12-29 | 2010-05-19 | 浙江工业大学 | 基于全方位计算机视觉的道路交通状态检测装置 |
CN102663368A (zh) * | 2012-04-16 | 2012-09-12 | 南京大学 | 基于格式塔视觉原理的运动目标区域整合优化方法 |
CN102867415A (zh) * | 2012-09-12 | 2013-01-09 | 重庆大学 | 基于视频检测技术的道路拥堵判别方法 |
CN105339992A (zh) * | 2013-06-25 | 2016-02-17 | 株式会社东芝 | 道路状况掌握系统以及道路状况掌握装置 |
CN104851295A (zh) * | 2015-05-22 | 2015-08-19 | 北京嘀嘀无限科技发展有限公司 | 获取路况信息的方法和系统 |
CN107301776A (zh) * | 2016-10-09 | 2017-10-27 | 上海炬宏信息技术有限公司 | 基于视频检测技术的车道路况处理及发布方法 |
CN106548628A (zh) * | 2017-01-11 | 2017-03-29 | 福州大学 | 一种基于视觉空间转换网格化的路况分析方法 |
JP2018206014A (ja) * | 2017-06-02 | 2018-12-27 | 阪神高速道路株式会社 | 交通情報取得装置、交通情報取得システム、交通情報取得方法、および交通情報取得プログラム |
CN108550259A (zh) * | 2018-04-19 | 2018-09-18 | 何澜 | 道路拥堵判断方法、终端设备及计算机可读存储介质 |
CN108615358A (zh) * | 2018-05-02 | 2018-10-02 | 安徽大学 | 一种道路拥堵检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
A real-time computer vision system for measuring traffic parameters;D.Beymer 等;《 Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition》;19970630;495-501 * |
基于视觉感知的弱对比度车辆目标识别;黄轲;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140615;I138-1062 第2.4节 * |
Also Published As
Publication number | Publication date |
---|---|
CN109615874A (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368687B (zh) | 一种基于目标检测和语义分割的人行道车辆违停检测方法 | |
CN109033950B (zh) | 基于多特征融合级联深度模型的车辆违停检测方法 | |
CN103902976B (zh) | 一种基于红外图像的行人检测方法 | |
CN111814623A (zh) | 一种基于深度神经网络的车辆车道偏离视觉检测方法 | |
CN103729853B (zh) | 三维gis辅助下的高分遥感影像建筑物倒损检测方法 | |
CN106128121B (zh) | 基于局部特征分析的车辆排队长度快速检测算法 | |
CN110738121A (zh) | 一种前方车辆检测方法及检测系统 | |
CN104700099A (zh) | 识别交通标志的方法和装置 | |
CN108804992B (zh) | 一种基于深度学习的人群统计方法 | |
CN110490150B (zh) | 一种基于车辆检索的违章图片自动审核系统及方法 | |
CN109635733B (zh) | 基于视觉显著性和队列修正的停车场和车辆目标检测方法 | |
CN104063877A (zh) | 一种候选车道线混合判断识别方法 | |
CN112084928A (zh) | 基于视觉注意力机制和ConvLSTM网络的道路交通事故检测方法 | |
CN109635722B (zh) | 一种高分辨率遥感影像路口自动识别方法 | |
CN111898491A (zh) | 一种车辆逆向行驶的识别方法、装置及电子设备 | |
CN109086803A (zh) | 一种基于深度学习与个性化因子的雾霾能见度检测系统及方法 | |
CN105447863B (zh) | 一种基于改进vibe的遗留物检测方法 | |
CN112464893A (zh) | 一种复杂环境下的拥挤度分类方法 | |
CN109615874B (zh) | 一种基于格式塔心理学准则的路况分析方法 | |
KR20230132686A (ko) | PointNet++ 신경망 기반 콘크리트배관 손상 인식 및 체적 디스플레이 방법 | |
CN114724094A (zh) | 一种基于三维图像与雷达技术的闸道口车内人数计量系统 | |
CN103927523B (zh) | 一种基于纵向灰度特征的雾天等级检测方法 | |
CN110728214B (zh) | 一种基于尺度匹配的弱小人物目标检测方法 | |
CN109543610B (zh) | 车辆检测跟踪方法、装置、设备及存储介质 | |
CN110866435A (zh) | 一种自相似性梯度朝向直方图的远红外行人训练方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210202 Termination date: 20211228 |
|
CF01 | Termination of patent right due to non-payment of annual fee |