CN205318622U - 基于图像的交通拥堵控制装置 - Google Patents
基于图像的交通拥堵控制装置 Download PDFInfo
- Publication number
- CN205318622U CN205318622U CN201521129668.2U CN201521129668U CN205318622U CN 205318622 U CN205318622 U CN 205318622U CN 201521129668 U CN201521129668 U CN 201521129668U CN 205318622 U CN205318622 U CN 205318622U
- Authority
- CN
- China
- Prior art keywords
- camera
- apu
- time
- real
- vehicle
- 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.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本实用新型公开了一种基于图像的交通拥堵控制装置,包括:摄像头、RFID车辆感应模块、算法处理器、存储器和交通灯设备,所述算法处理器分别与摄像头和RFID车辆感应模块通讯连接,所述存储器分别与算法处理器和交通灯设备通讯连接,从而根据实际的车流量智能控制交通灯的变换时间,缓解交通拥堵。
Description
技术领域
本实用新型涉及数字信号处理领域,尤其涉及一种基于图像的交通拥堵控制装置。
背景技术
传统的交通灯采用固定时制,不考虑与其它路口的车流之间的相互影响等,缺乏灵活性、智能性。
模式识别是人工智能的基础,可用于构建智能交通系统。为缓解交通的压力,可给交通灯加上可视设备,通过对采集的图片或视频进行处理以获得相应场景的三维信息,实现对周围事物的判断,从而评估出当前的交通情况。
实用新型内容
本实用新型所要解决的技术问题是:传统的交通灯采用固定时制导致交通拥堵。
为了解决上述技术问题,本实用新型采用的技术方案为:
一种基于图像的交通拥堵控制装置,包括:摄像头、RFID车辆感应模块、算法处理器、存储器和交通灯设备,所述算法处理器分别与摄像头和RFID车辆感应模块通讯连接,所述存储器分别与算法处理器和交通灯设备通讯连接。
进一步的,所述算法处理器包括:线下分类模块和实时车辆检测模块,所述线下分类模块用于将摄像头获取的历史数据进行样本分类;所述实时车辆检测模块用于根据样本分类将摄像头获取的实时数据得到实时的车辆位置。
进一步的,所述算法处理器还包括分类器,所述分类器分别与所述线下分类模块和实时车辆检测模块连接,用于存储样本分类。
进一步的,所述算法处理器根据摄像头和RFID车辆感应模块获取的数据运算得到交通灯的变换时间。
本实用新型的有益效果在于:算法处理器分别与摄像头和RFID车辆感应模块通讯连接,获取摄像头采集的图像数据和RFID感应模块采集的实时车辆参数,从而计算出一段时间内的平均车辆数,得到当前车辆的拥堵情况,再根据平均车辆数计算出各路口交通灯下一次的变换时间,并通过算法处理器与存储器通讯连接将所述变换时间发送至存储器,存储器再发送至相应的交通灯设备从而控制交通灯的变换时间,缓解交通拥堵。
附图说明
图1为本实用新型实施例一的基于图像的交通拥堵控制装置的结构图;
图2为本实用新型实施例二的基于图像的交通拥堵控制装置的具体工作流程示意图;
图3为本实用新型实施例二的基于图像的交通拥堵控制装置的具体工作的车辆检测算法流程图。
标号说明:
1、摄像头;2、RFID车辆感应模块;3、算法处理器;31、线下分类模块;32、分类器;33、实时车辆检测模块;4、存储器;5、交通灯设备。
具体实施方式
为详细说明本实用新型的技术内容、所实现目的及效果,以下结合实施方式并配合附图详予说明。
本实用新型最关键的构思在于:通过摄像头和RFID车辆感应模块获取车辆数据,算法处理器根据获取的车辆数据计算出交通灯的变换时间。
一种基于图像的交通拥堵控制装置,包括:摄像头1、RFID车辆感应模块2、算法处理器3、存储器4和交通灯设备5,所述算法处理器3分别与摄像头1和RFID车辆感应模块2通讯连接,所述存储器4分别与算法处理器3和交通灯设备5通讯连接。
本实用新型的有益效果在于:算法处理器3分别与摄像头1和RFID车辆感应模块2通讯连接,获取摄像头1采集的图像数据和RFID感应模块采集的实时车辆参数,从而计算出一段时间内的平均车辆数,得到当前车辆的拥堵情况,再根据平均车辆数计算出各路口交通灯下一次的变换时间,并通过算法处理器3与存储器4通讯连接将所述变换时间发送至存储器4,存储器4再发送至相应的交通灯设备5从而控制交通灯的变换时间,缓解交通拥堵。
进一步的,所述算法处理器3包括:线下分类模块31和实时车辆检测模块33,所述线下分类模块31用于将摄像头1获取的历史数据进行样本分类;所述实时车辆检测模块33用于根据样本分类将摄像头1获取的实时数据得到实时的车辆位置。
进一步的,所述算法处理器3还包括分类器32,所述分类器32分别与所述线下分类模块31和实时车辆检测模块33连接,用于存储样本分类。
从上述描述可知,通过样本分类对采集到的实时数据进行分类,快速得到实时的车辆位置,从而能够判断出实时的车辆拥堵情况。
进一步的,所述算法处理器3根据摄像头1和RFID车辆感应模块2获取的数据运算得到交通灯的变换时间。
从上述描述可知,摄像头1能够采集车辆的数据,并辅以RFID车辆感应模块2采集的实时车辆参数,算法模块能够精确的获知车辆的拥堵情况,计算最佳的交通灯变换时间。
请参照图1,本实用新型的实施例一为:
一种基于图像的交通拥堵控制装置,包括:摄像头1、RFID车辆感应模块2、算法处理器3、存储器4和交通灯设备5;所述算法处理器3包括:线下分类模块31、分类器32和实时车辆检测模块33,所述线下分类模块31用于将摄像头1获取的历史数据进行样本分类;所述分类器32,用于存储样本分类,所述实时车辆检测模块33用于根据分类器32中的样本分类将摄像头1获取的实时数据得到实时的车辆位置;所述分类器32分别与所述线下分类模块31和实时车辆检测模块33连接,所述算法处理器3分别与摄像头1和RFID车辆感应模块2通讯连接,所述存储器4分别与算法处理器3和交通灯设备5通讯连接;所述算法处理器3根据摄像头1和RFID车辆感应模块2获取的数据运算得到交通灯的变换时间。
请参阅图2和图3,本实用新型的实施例一为:上述基于图像的交通拥堵控制装置的具体工作流程:
摄像头1拍摄得到视频帧,算法处理器3采用车辆检测算法并辅以RFID车辆感应模块2将实时采集到的车辆数按照一定的比例得到每帧的车辆数,同时融合一定的算法计算一段时间内,即此次交通灯的倒数时间内的平均帧车辆数,如某路口现为绿灯60秒,则此时间为60秒,从而评估交通的拥堵情况得到相对应的下一次的交通灯变换时间。以上提到的车辆检测算法和交通流量控制算法是存储在算法处理器3中,二者相互融合得到交通灯的变换时间。
具体的,车辆检测算法流程如图3所示,包括:
车辆检测算法是确定、提取目标的特征并与已有模板进行匹配,以此判断该位置是否存在车辆,从而到达车辆统计的目的。
车辆检测算法是基于统计分类机器学习的车辆检测方法对摄像头1所采集到的图像进行智能处理识别,该方法可以分为两个部分:线下的分类器32训练阶段和实时的车辆检测阶段,其中:
线下分类器32训练阶段:训练阶段的目的是通过把大量正负车辆观测样本经特征提取后送入分类学习器中,根据分类学习算法得到在针对这些训练样本下分类的一个最优的二类分类器32。
实时车辆检测阶段:实时检测阶段是将需要摄像头1采集到的单一图像或者视频序列和运动区域经特征提取送入训练好的分类器32,通过缩放图像的尺寸比例以及设定检测窗移动步长,利用检测窗口在图像不同位置上进行非常密集的集中扫描,并根据分类器32判别结果将这些窗口判别为存在或者不存在车辆,最后将结果进行融合得出最终的车辆的位置。
这样便可统计出每帧的车辆数,同时辅以RFID车辆感应模块2,融合交通流量控制算法便可决策出下一次交通灯的变换时间,从而实现智能调控交通灯,缓解交通压力的目的。
综上所述,本实用新型提供的基于图像的交通拥堵控制装置,算法处理器分别与摄像头和RFID车辆感应模块通讯连接,从而获取摄像头和RFID车辆感应模块采集的数据,算法处理器包括线下分类模块、分类器和实时车辆检测模块,通过线下分类模块对采集的样本进行分类以及通过分类器存储样本分类,从而实时车辆检测模块能够将实时采集的数据根据分类器中的样本分类快速得到当前车辆的位置,进而得到当前车辆数,即车辆的拥堵信息,算法处理器根据当前的车辆数以及RFID车辆感应模块采集的实时车辆数经运算得到交通灯的变换时间,并发送至处理器,再由处理器将所述变换时间发送至各个交通灯设备,从而控制交通灯的变换时间,缓解交通拥堵。
以上所述仅为本实用新型的实施例,并非因此限制本实用新型的专利范围,凡是利用本实用新型说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本实用新型的专利保护范围内。
Claims (4)
1.一种基于图像的交通拥堵控制装置,其特征在于,包括:摄像头、RFID车辆感应模块、算法处理器、存储器和交通灯设备,所述算法处理器分别与摄像头和RFID车辆感应模块通讯连接,所述存储器分别与算法处理器和交通灯设备通讯连接。
2.根据权利要求1所述的基于图像的交通拥堵控制装置,其特征在于,所述算法处理器包括:线下分类模块和实时车辆检测模块,所述线下分类模块用于将摄像头获取的历史数据进行样本分类;所述实时车辆检测模块用于根据样本分类将摄像头获取的实时数据得到实时的车辆位置。
3.根据权利要求2所述的基于图像的交通拥堵控制装置,其特征在于,所述算法处理器还包括分类器,所述分类器分别与所述线下分类模块和实时车辆检测模块连接,用于存储样本分类。
4.根据权利要求1所述的基于图像的交通拥堵控制装置,其特征在于,所述算法处理器根据摄像头和RFID车辆感应模块获取的数据运算得到交通灯的变换时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201521129668.2U CN205318622U (zh) | 2015-12-30 | 2015-12-30 | 基于图像的交通拥堵控制装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201521129668.2U CN205318622U (zh) | 2015-12-30 | 2015-12-30 | 基于图像的交通拥堵控制装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN205318622U true CN205318622U (zh) | 2016-06-15 |
Family
ID=56200209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201521129668.2U Active CN205318622U (zh) | 2015-12-30 | 2015-12-30 | 基于图像的交通拥堵控制装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN205318622U (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796580A (zh) * | 2020-01-03 | 2020-02-14 | 中科寒武纪科技股份有限公司 | 智能交通系统管理方法及相关产品 |
CN112489455A (zh) * | 2020-12-01 | 2021-03-12 | 苏州金螳螂怡和科技有限公司 | 一种基于机器学习的信号灯自动配时装置及其方法 |
-
2015
- 2015-12-30 CN CN201521129668.2U patent/CN205318622U/zh active Active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796580A (zh) * | 2020-01-03 | 2020-02-14 | 中科寒武纪科技股份有限公司 | 智能交通系统管理方法及相关产品 |
CN110796580B (zh) * | 2020-01-03 | 2020-05-08 | 中科寒武纪科技股份有限公司 | 智能交通系统管理方法及相关产品 |
CN112489455A (zh) * | 2020-12-01 | 2021-03-12 | 苏州金螳螂怡和科技有限公司 | 一种基于机器学习的信号灯自动配时装置及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104537360B (zh) | 车辆未让行违章检测方法及其检测系统 | |
CN104751634B (zh) | 高速公路隧道行车图像采集信息的综合应用方法 | |
CN103279756B (zh) | 基于集成分类器的车辆检测分析系统及其检测分析方法 | |
CN104951775B (zh) | 基于视频技术的铁路道口防护区域安全智能识别方法 | |
CN102768804B (zh) | 基于视频的交通信息采集方法 | |
CN103902976B (zh) | 一种基于红外图像的行人检测方法 | |
CN103985182B (zh) | 一种公交客流自动计数方法及自动计数系统 | |
CN105913041B (zh) | 一种基于预先标定的信号灯识别方法 | |
CN103150903B (zh) | 一种自适应学习的视频车辆检测方法 | |
CN103646544B (zh) | 基于云台和相机设备的车辆行为分析识别方法 | |
CN110197589A (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
CN102005120A (zh) | 基于视频图像分析的交通路口监控技术和系统 | |
CN105512640A (zh) | 一种基于视频序列的人流量统计方法 | |
CN107491720A (zh) | 一种基于改进型卷积神经网络的车型识别方法 | |
CN205665896U (zh) | 一种交叉路口信号灯状态识别装置 | |
CN109147351A (zh) | 一种交通信号灯控制系统 | |
CN103246896A (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
CN104933424A (zh) | 车辆及行人监测方法及装置 | |
CN109740412A (zh) | 一种基于计算机视觉的信号灯故障检测方法 | |
CN105303162B (zh) | 一种基于目标建议算法的航拍图像绝缘子识别方法 | |
CN102332094A (zh) | 半监督在线学习人脸检测方法 | |
CN110334666A (zh) | 一种基于双摄像机的交叉口分车道详细交通参数采集方法 | |
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 | |
CN205318622U (zh) | 基于图像的交通拥堵控制装置 | |
CN105389561A (zh) | 一种基于视频的公交车道检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |