CN109949581A - 一种基于计算机视觉的道路状态判断方法 - Google Patents
一种基于计算机视觉的道路状态判断方法 Download PDFInfo
- Publication number
- CN109949581A CN109949581A CN201910286970.5A CN201910286970A CN109949581A CN 109949581 A CN109949581 A CN 109949581A CN 201910286970 A CN201910286970 A CN 201910286970A CN 109949581 A CN109949581 A CN 109949581A
- Authority
- CN
- China
- Prior art keywords
- road condition
- vehicle
- image
- method based
- computer vision
- 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.)
- Pending
Links
Abstract
本发明涉及计算机图像处理技术领域，具体公开了一种基于计算机视觉的道路状态判断方法，包括以下步骤：建立大数据分析模型：利用现有的交通监控摄像头采集的视频图像处理后作为数据集参数；采集实时图像：利用交通监控摄像头有规律的截取道路上特定区域的图像；处理图像：采用图像清晰化算法对图像进行预处理，并统计图像中的车辆数量；判断道路状态：将统计出的车辆数量与数据集参数进行比较，从而实现对道路状态的判断。本发明通过现有采集的视频图像处理后得到的数据集参数作为判断基数，能避免偶然性，通过每隔十秒截取一次图像作为实时图像，并将得到的图像进行处理，能获取得到实时状态下的道路状态，信息采集准确，分辨率高。
Description
技术领域
本发明涉及计算机图像处理技术领域，具体是一种基于计算机视觉的道路状态判断方法。
背景技术
随着人们生活水平的提高，汽车成为人们出行的首选，拥有汽车的家庭和个人也越来越多，汽车虽然给人们的生活带来便捷，提高了舒适度，但是越来越多的汽车带来的是无法避免的交通压力，在早晚上下班汽车流量高峰的时间点，经常会发生道路拥堵的状况，道路交通拥堵会导致自然环境恶化，能源大量浪费，甚至会导致事故频发。
在这种情况下，仅仅依靠交警等公务人员肉眼判断车辆数量和道路状态后再进行疏通是有滞后性的，疏通效果并不理想，因此，急需提出一种道路状态的判断方法，能够及时的判断道路状态，从而能够将道路状态提前告知后方的车辆，能够疏通道路，避免拥堵更加严重。
发明内容
规律的截取道路上特定区域的图像；本发明的目的在于提供一种基于计算机视觉的道路状态判断方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于计算机视觉的道路状态判断方法，包括以下步骤：
步骤一：建立大数据分析模型：利用现有的交通监控摄像头采集的视频图像处理后作为数据集参数；
步骤二：采集实时图像：利用交通监控摄像头有规律的截取道路上特定区域的图像；
步骤三：处理图像：采用图像清晰化算法对图像进行预处理，并统计图像中的车辆数量；
步骤四：判断道路状态：将统计出的车辆数量与数据集参数进行比较，从而实现对道路状态的判断。
作为本发明进一步的方案：步骤一中，所述数据集参数有三类：车辆较少、车辆较多和车辆密集。
作为本发明进一步的方案：步骤二中，所述规律为每隔十秒截取一次。
作为本发明进一步的方案：步骤三中，所述图像处理还包括剔除非车辆物体的轮廓。
作为本发明进一步的方案：步骤四中，若车辆数量不大于车辆较少的数据集，则判断道路状态为畅通。
作为本发明进一步的方案：步骤四中，若车辆数量大于车辆较少的数据集，且不大于车辆较多的数据集，则判断道路状态为非拥堵。
作为本发明进一步的方案：步骤四中，若车辆数据不小于车辆密集的数据集，则判断道路状态为拥堵。
作为本发明进一步的方案：所述交通监控摄像头为鱼眼红外线摄像机。
与现有技术相比，本发明的有益效果是：
1、该基于计算机视觉的道路状态判断方法，通过现有的交通监控摄像头采集的视频图像处理后得到的数据集参数作为判断基数，数据可靠，能避免偶然性，判断结果准确；
2、通过每隔十秒截取一次图像作为实时图像，并将得到的图像进行处理，能获取得到实时状态下的道路状态，信息采集准确，分辨率高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。
图1为基于计算机视觉的道路状态判断方法的工作步骤图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1
一种基于计算机视觉的道路状态判断方法，包括以下步骤：
步骤一：建立大数据分析模型：利用现有的交通监控摄像头采集的视频图像处理后作为数据集参数；
步骤二：采集实时图像：利用交通监控摄像头有规律的截取道路上特定区域的图像；
步骤三：处理图像：采用图像清晰化算法对图像进行预处理，并统计图像中的车辆数量；
步骤四：判断道路状态：将统计出的车辆数量与数据集参数进行比较，从而实现对道路状态的判断。
实施例2
一种基于计算机视觉的道路状态判断方法，包括以下步骤：
步骤一：建立大数据分析模型：利用现有的交通监控摄像头采集的视频图像处理后作为数据集参数，所述数据集参数有三类：车辆较少、车辆较多和车辆密集；
步骤二：采集实时图像：利用交通监控摄像头有规律的截取道路上特定区域的图像；
步骤三：处理图像：采用图像清晰化算法对图像进行预处理，并统计图像中的车辆数量；
步骤四：判断道路状态：将统计出的车辆数量与数据集参数进行比较，从而实现对道路状态的判断。
实施例3
一种基于计算机视觉的道路状态判断方法，包括以下步骤：
步骤一：建立大数据分析模型：利用现有的交通监控摄像头采集的视频图像处理后作为数据集参数，所述数据集参数有三类：车辆较少、车辆较多和车辆密集；
步骤二：采集实时图像：利用交通监控摄像头有规律的截取道路上特定区域的图像，所述规律为每隔十秒截取一次；
步骤三：处理图像：采用图像清晰化算法对图像进行预处理，并统计图像中的车辆数量；
步骤四：判断道路状态：将统计出的车辆数量与数据集参数进行比较，从而实现对道路状态的判断。
实施例3
一种基于计算机视觉的道路状态判断方法，包括以下步骤：
步骤一：建立大数据分析模型：利用现有的交通监控摄像头采集的视频图像处理后作为数据集参数，所述数据集参数有三类：车辆较少、车辆较多和车辆密集；
步骤二：采集实时图像：利用交通监控摄像头有规律的截取道路上特定区域的图像，所述规律为每隔十秒截取一次；
步骤三：处理图像：采用图像清晰化算法对图像进行预处理，并统计图像中的车辆数量，所述图像处理还包括剔除非车辆物体的轮廓；
步骤四：判断道路状态：将统计出的车辆数量与数据集参数进行比较，从而实现对道路状态的判断。
实施例4
一种基于计算机视觉的道路状态判断方法，包括以下步骤：
步骤一：建立大数据分析模型：利用现有的交通监控摄像头采集的视频图像处理后作为数据集参数，所述数据集参数有三类：车辆较少、车辆较多和车辆密集；
步骤二：采集实时图像：利用交通监控摄像头有规律的截取道路上特定区域的图像，所述规律为每隔十秒截取一次；
步骤三：处理图像：采用图像清晰化算法对图像进行预处理，并统计图像中的车辆数量，所述图像处理还包括剔除非车辆物体的轮廓；
步骤四：判断道路状态：将统计出的车辆数量与数据集参数进行比较，从而实现对道路状态的判断，若车辆数量不大于车辆较少的数据集，则判断道路状态为畅通；若车辆数量大于车辆较少的数据集，且不大于车辆较多的数据集，则判断道路状态为非拥堵；若车辆数据不小于车辆密集的数据集，则判断道路状态为拥堵。
实施例5
一种基于计算机视觉的道路状态判断方法，包括以下步骤：
步骤一：建立大数据分析模型：利用现有的交通监控摄像头采集的视频图像处理后作为数据集参数，所述数据集参数有三类：车辆较少、车辆较多和车辆密集，所述交通监控摄像头为鱼眼红外线摄像机；
步骤二：采集实时图像：利用交通监控摄像头有规律的截取道路上特定区域的图像，所述规律为每隔十秒截取一次，所述交通监控摄像头为鱼眼红外线摄像机；
步骤三：处理图像：采用图像清晰化算法对图像进行预处理，并统计图像中的车辆数量，所述图像处理还包括剔除非车辆物体的轮廓；
步骤四：判断道路状态：将统计出的车辆数量与数据集参数进行比较，从而实现对道路状态的判断，若车辆数量不大于车辆较少的数据集，则判断道路状态为畅通；若车辆数量大于车辆较少的数据集，且不大于车辆较多的数据集，则判断道路状态为非拥堵；若车辆数据不小于车辆密集的数据集，则判断道路状态为拥堵。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于计算机视觉的道路状态判断方法，其特征在于，包括以下步骤：
步骤一：建立大数据分析模型：利用现有的交通监控摄像头采集的视频图像处理后作为数据集参数；
步骤二：采集实时图像：利用交通监控摄像头有规律的截取道路上特定区域的图像；
步骤三：处理图像：采用图像清晰化算法对图像进行预处理，并统计图像中的车辆数量；
步骤四：判断道路状态：将统计出的车辆数量与数据集参数进行比较，从而实现对道路状态的判断。
2.根据权利要求1所述的基于计算机视觉的道路状态判断方法，其特征在于，步骤一中，所述数据集参数有三类：车辆较少、车辆较多和车辆密集。
3.根据权利要求1所述的基于计算机视觉的道路状态判断方法，其特征在于，步骤二中，所述规律为每隔十秒截取一次。
4.根据权利要求1所述的基于计算机视觉的道路状态判断方法，其特征在于，步骤三中，所述图像处理还包括剔除非车辆物体的轮廓。
5.根据权利要求2所述的基于计算机视觉的道路状态判断方法，其特征在于，步骤四中，若车辆数量不大于车辆较少的数据集，则判断道路状态为畅通。
6.根据权利要求2所述的基于计算机视觉的道路状态判断方法，其特征在于，步骤四中，若车辆数量大于车辆较少的数据集，且不大于车辆较多的数据集，则判断道路状态为非拥堵。
7.根据权利要求2所述的基于计算机视觉的道路状态判断方法，其特征在于，步骤四中，若车辆数据不小于车辆密集的数据集，则判断道路状态为拥堵。
8.根据权利要求1～7任一所述的基于计算机视觉的道路状态判断方法，其特征在于，所述交通监控摄像头为鱼眼红外线摄像机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910286970.5A CN109949581A (zh) | 2019-04-11 | 2019-04-11 | 一种基于计算机视觉的道路状态判断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910286970.5A CN109949581A (zh) | 2019-04-11 | 2019-04-11 | 一种基于计算机视觉的道路状态判断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109949581A true CN109949581A (zh) | 2019-06-28 |
Family
ID=67014316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910286970.5A Pending CN109949581A (zh) | 2019-04-11 | 2019-04-11 | 一种基于计算机视觉的道路状态判断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109949581A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110473402A (zh) * | 2019-08-20 | 2019-11-19 | 河北德冠隆电子科技有限公司 | 一种基于目标异常行为轨迹分析的异常事件检测预警系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1170178A (zh) * | 1996-05-15 | 1998-01-14 | 株式会社日立制作所 | 交通流量监测设备 |
| CN1852428A (zh) * | 2006-05-25 | 2006-10-25 | 浙江工业大学 | 基于全方位计算机视觉的智能隧道安全监控装置 |
| CN101807345A (zh) * | 2010-03-26 | 2010-08-18 | 重庆大学 | 一种基于视频检测技术的交通拥堵判别方法 |
| CN102496278A (zh) * | 2011-12-09 | 2012-06-13 | 北京世纪高通科技有限公司 | 通过图像获取交通状态的方法和装置 |
| CN102768802A (zh) * | 2012-07-12 | 2012-11-07 | 复旦大学 | 基于有限状态机的道路车辆拥堵判别方法 |
| CN109147331A (zh) * | 2018-10-11 | 2019-01-04 | 青岛大学 | 一种基于计算机视觉的道路拥堵状态检测方法 |
-
2019
- 2019-04-11 CN CN201910286970.5A patent/CN109949581A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1170178A (zh) * | 1996-05-15 | 1998-01-14 | 株式会社日立制作所 | 交通流量监测设备 |
| CN1852428A (zh) * | 2006-05-25 | 2006-10-25 | 浙江工业大学 | 基于全方位计算机视觉的智能隧道安全监控装置 |
| CN101807345A (zh) * | 2010-03-26 | 2010-08-18 | 重庆大学 | 一种基于视频检测技术的交通拥堵判别方法 |
| CN102496278A (zh) * | 2011-12-09 | 2012-06-13 | 北京世纪高通科技有限公司 | 通过图像获取交通状态的方法和装置 |
| CN102768802A (zh) * | 2012-07-12 | 2012-11-07 | 复旦大学 | 基于有限状态机的道路车辆拥堵判别方法 |
| CN109147331A (zh) * | 2018-10-11 | 2019-01-04 | 青岛大学 | 一种基于计算机视觉的道路拥堵状态检测方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110473402A (zh) * | 2019-08-20 | 2019-11-19 | 河北德冠隆电子科技有限公司 | 一种基于目标异常行为轨迹分析的异常事件检测预警系统 |
| CN110473402B (zh) * | 2019-08-20 | 2021-04-27 | 河北德冠隆电子科技有限公司 | 一种基于目标异常行为轨迹分析的异常事件检测预警系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106373426B (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
| WO2017028587A1 (zh) | 车辆监控的方法和装置、处理器、图像采集设备 | |
| CN105788269A (zh) | 基于无人机的异常交通识别方法 | |
| CN110866479A (zh) | 一种检测摩托车驾驶员未戴头盔的方法、装置及系统 | |
| CN111091110B (zh) | 一种基于人工智能的反光背心穿戴识别方法 | |
| CN105760847A (zh) | 一种对摩托车驾驶员头盔佩戴情况的视觉检测方法 | |
| CN108960107A (zh) | 一种小微型面包车超员识别方法及装置 | |
| CN109147393A (zh) | 基于视频分析的车辆变道检测方法 | |
| CN110490150A (zh) | 一种基于车辆检索的违章图片自动审核系统及方法 | |
| CN105303826A (zh) | 一种违章侧方停车取证装置及方法 | |
| CN107169870A (zh) | 一种通过位置信息融合防止车辆保险欺诈的信用甄别方法 | |
| CN107563933A (zh) | 一种车载事故自动上报的方法 | |
| CN111144301A (zh) | 一种基于深度学习的道路路面缺陷快速预警装置 | |
| CN109949581A (zh) | 一种基于计算机视觉的道路状态判断方法 | |
| CN107273884A (zh) | 一种基于移动终端摄像头的车辆牌照识别方法 | |
| CN104123840B (zh) | 基于视频检测技术的车流密度定性判别方法 | |
| CN112966810A (zh) | 基于改进YOLOv5s的头盔检测方法、装置、电子设备和存储介质 | |
| CN113034378A (zh) | 一种区分电动汽车与燃油汽车的方法 | |
| CN106372566A (zh) | 一种基于数字标牌紧急疏散系统及方法 | |
| CN109978842A (zh) | 一种基于摄像头图像的能见度解析方法 | |
| CN110705404A (zh) | 一种检测共享单车乱放的方法、装置及系统 | |
| CN107038426B (zh) | 热图生成方法 | |
| CN102840853A (zh) | 一种用于车载夜视系统的障碍物检测及报警方法 | |
| CN109285320A (zh) | 一种针对疲劳驾驶的云端处理方法 | |
| CN103927523A (zh) | 一种基于纵向灰度特征的雾天等级检测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |
|
| RJ01 | Rejection of invention patent application after publication |