TWI585721B - A Method of Night Vehicle Count Based on Hybrid Particle Filter - Google Patents
A Method of Night Vehicle Count Based on Hybrid Particle Filter Download PDFInfo
- Publication number
- TWI585721B TWI585721B TW103146430A TW103146430A TWI585721B TW I585721 B TWI585721 B TW I585721B TW 103146430 A TW103146430 A TW 103146430A TW 103146430 A TW103146430 A TW 103146430A TW I585721 B TWI585721 B TW I585721B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- vehicle
- counting method
- hybrid
- filter
- Prior art date
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Description
本發明基於混合粒子濾波器之夜間車輛計數之方法為交通車輛判讀方法領域,為一種利用混合粒子濾波器可判讀夜間車輛數之方法。
目前車流量估算技術依據其感測方式差異主要可分為:環路線圈、超音波、微波、主動式、被動式、影像式以及磁感應偵測七種方式,其優缺點與特性分析詳列於表一。而隨著影像裝置製造技術突破與進步,生產成本不斷降低,影像式偵測器應用於車流估算日益受到重視,其除可量測車輛數與車輛速度外,更可用以進一步估算等候線長度及轉向流量等資訊,因此本計畫提出一個可有效估算夜間場景車流之影像系統。基於系統中攝影機固定不動假設下,影像式車流估算主要可區分為兩個部分:前景切割(Foreground Segmentation)與車輛偵測(Vehicle Detection)。前景切割目的在透過所建置之背景模型,將前景(Foreground)從背景(Background)中分割出來;車輛偵測則基於所切割之前景,定
位出影像中車輛之區域並統計數量。
可發現目前車流量估算技術包含了埋地式感應線圈式、超音波式、微波式、紅外線式以及影像式等,而其中影像式車輛偵測的技術包含了利用邊緣特性、移動輪廓、背景收斂或是角點等方法,來萃取出車輛的外觀特徵。然而於夜間時,光線較不充足且較不均勻,所以上述這些方法皆無法有效的應用於夜間道路的環境係可在日間辨適度清楚的環境精確的偵測車流,但於夜間環境因照明不足等亮度問題,因此無法正常工作
夜間車輛檢測不像白天,白天車輛清晰可見,對比度明顯,現有圖像處理和是決算法能有效檢測出車輛。夜間情況大不相同,在不同的照明條件下,車輛的車體可見度不一樣,在路面照度不足的情況下這種算法不能檢測車體,而車體上的各種車燈及其路面反射光線非常明顯,這種算法需要排除大面積的路面反射光的影響,而又要檢測出相鄰車輛的車燈,這是夜間車輛檢測的難點。在夜間車輛檢測中,由於明亮的車燈的顯著特性,無論道路上有沒有路燈照明,無論天氣情況如何,車輛前燈特徵是相對穩定的。所以現有的夜間車輛檢測算法一般都是以明亮的車燈作為特徵來檢測出。
目前車流量估算技術是利用背景相減與前後影像相減資訊結合為初步物體區域,再透過地面光去除法移除
地面光,利用車燈偵測結果補回地面光誤判區域,執行陰影去除優化物體區域,最後再做形態學處理得到最終物體區域
針對夜間環境,多以車燈為基礎來偵測車輛,係於車上單元透過影像識別來偵測夜間前方車燈。
先前技術主要缺點為架設成本高,且易受環境影響,影像式除架設成本低廉外,可獲得需多額外資訊,可提供其他應用使用,有鑑於此,故如何改進上述問題,即為本發明所欲解決之首要課題。
鑑於上述問題,本發明提供一種基於混合粒子濾波器之夜間車輛計數之方法夜間環境中,車燈為機動車輛中最為明顯之特徵,其於影像中形成一個高亮度之區域,於本發明中首先透過偵測影像中高亮度區域,以達到偵測進入場景影像中車燈之目的,為進一步提升車燈偵測準確性,本發明導入粒子濾波器架構,透過高亮度移動區域偵測,達到同時車燈偵測與追蹤之目的。
高亮度移動區域偵測,主要透過門檻值演算法,主要概念為分析影像亮度分布直方圖,估算出一個或數個合適之門檻值,作為區分高亮度與低亮度點之依據,演算法為影像二值化技術,是一種將影像灰階值,視為一種機率分佈,利用統計學原理找出最佳門檻值。
設灰階值的像素個數分別為n 0,n 1…n 255,其中n 0即灰階值為0的像素個數、n 1即灰階值為1的像素個數,以此類推,灰階值i在該灰階影像中發生的機率為:p i =n i /N where p i 0 and n i 是灰階值為i的像素數目,N是像素總數,而p i 為像素灰階值為i的機率。選定一灰階值k當作閥值,將所有灰階值分成C 0、C 1兩個群集,其中C 0表示灰階值0~k的群集,C 1表示灰階值k+1~255的群集,每個群集的發生機率w 0、w 1及像素平均值μ 0、μ 1,公式如下:
群集變異數、分別為:
群集變異數的加權總和為:
而能使群集變異數加權總和為最小的k即是最佳臨界值。
然而,於夜間場景中,大多數影像點為低亮度,因此其所對應之亮度分部直方圖呈現單一波峰分布,而非雙波峰高斯分布,因而使Otsu演算法所估算獲得較低之門檻值,進而導致許多背景影像點錯誤歸類為高亮度影像點,有鑑於
此,為有效擷取出高亮度影像點,本發明提出一個基於邊緣點之門檻值演算法。
經由觀察得知,合適之夜間影像門檻值其主要應能有效區分高亮度區域及其週邊區域,因此本發明首先透過邊緣偵測演算法偵測出影像中所有邊緣點,及亮度梯度變化較大之影像點,接著僅統計所有邊緣點之亮度分布直方圖,其呈現之分布特性較符合演算法之雙峰分布假設,透過演算法對上述之直方圖進行門檻值估算,其所切割出影像中高亮度區域。
獲得時間t之高亮度遮罩區域後,下一個步驟為將其減去前一個時間點t-1之亮度遮罩,其計算定義如下方程式,以偵測出有變動之高亮度區域(Bright Change Region)。
然而所對應區域為移動邊緣區域,為獲得完整之高亮度移動區域,本研究將所偵測之所有影像點視為種子,透過於1994年所提出之區域擴增演算法,於遮罩中進行擴增獲得,表x為該演算法之虛擬程式碼,可正確切割出移動中車輛之車燈區域,其主要目的為偵測出進行影像場景中之車燈區域,以利粒子濾波器進行追蹤。
傳統中粒子濾波器僅能針對現有車燈進行追蹤,並無法有效偵測進入場景影像中之車燈,因此本發明採
用所獲得之高亮度變動區域,分別對水平與垂直方向進行投影,將此投影直方圖視為(c x,t ,c y,t )車燈座標取樣機率,使一部分之粒子(令其比例為γ)取樣自,以達到車燈偵測之目的。
車輛運動模型主要採用線性運動模型(Linear Motion Model),移動方向(△c x ,△c y )可由車道線偵測或由人工給定,於目前研究中主要採用使用者設定方式。因此粒子依運動模型進行預測之方程式可表示為:c x,t =c x,t-1+△c x +N(0,σ)
c y,t =c y,t-1+△c y +N(0,σ)其中N(0,σ)表示平均為0,標準差為σ之高斯模型。而與目前觀察影像I t 之可能性機率衡量,定義為粒子狀態所形成車燈區域R之平均亮度,其方程式可表示為:
本概述與接下來的詳細說明及附圖,皆是為了能進一步說明本發明達到預定目的所採取的方式、手段及功效。而有關本發明的其他目的及優點,將在後續的說明及圖示中加以闡述。
S1-S3‧‧‧步驟
第1圖為本發明基於混合粒子濾波器之夜間車輛計數方法步驟示意圖。
以下係藉由特定的具體實例說明本發明之實施方式,熟悉此技藝之人士可由本說明書所揭示之內容瞭解本發明之其他優點與功效。
請參考第1圖,係為本發明基於混合粒子濾波器之夜間車輛計數之方法,其特徵係為一種利用影像處理方式,增加車輛判定準確度之車輛計數方法,其方法係包括提供一影像裝置,利用該影像裝置擷取一影像,將該影像進行色彩辨識,得到一第一影像訊號S1,其中,該影像裝置係為一CCD、CMOS,利用該影像裝置,擷取下一時間之影像,將該影像進行色彩辨識,得到一第二影像訊號S2,將該第二影像訊號號,及該第一影像訊進行比對,抓取該車輛之尾燈特徵,再透過影像粒子混合方式得到一車輛通行目標影像,藉以達到辨識車輛通過及計算車輛通過數量之目的S3,其中,該色彩辨識係利用單一色彩方式進行影像訊號辨識,於該單一色彩下影像權重特徵進行分類得到一影像樣版,透過影像粒子混合方式,使該車輛通過時之尾燈特徵,形成一車輛通過軌跡,藉以得到判斷車輛通過及車輛計數之目的。
以下為影像粒子混合步驟,於偵測後車燈後,接下來則透過以下所提出之車燈匹配演算法偵測出行進中車輛,對於任意兩個車尾燈重心座標Ci(ui,vi)與Cj(uj,vj),其配
對演算法如下步驟:
步驟1:如果|vi,vj|>h,跳到Step 6。其中,h為兩車尾燈高度之容忍值。
步驟2:令VC(Ci,Cj)為一台汽車候選者,包含著Ci與Cj。則定義VC之車寬為|ui,uj|,此外,車高為車寬的一半。
步驟3:令VC車底之影像垂直座標為vbottom,定義為min{vi,vj}+|ui,uj|/2,如果vbottom超過我們的偵測範圍,則跳到Step 6。
步驟4:經過事前的校正,可計算與影像中VC的實際車寬值,如果車寬值超過180cm或小於160cm,則跳到Step 6。
步驟5:VC判定為一台汽車,回傳值為true,並結束演算法。
步驟6:Ci與Cj不能形成一台汽車,回傳值為false,並結束演算法而剩餘之車燈則將其視為摩托車機動車輛,換言之,本計畫中將一組匹配之車燈視為車輛,單一車燈則視為摩托車。
本發明提供一種基於混合粒子濾波器之夜間車輛計數之方法夜間環境中,車燈為機動車輛中最為明顯之特徵,其於影像中形成一個高亮度之區域,於本發明中首先透過偵測影像中高亮度區域,以達到偵測進入場景影像中車燈
之目的,為進一步提升車燈偵測準確性,本發明導入粒子濾波器架構,透過高亮度移動區域偵測,達到同時車燈偵測與追蹤之目的。
高亮度移動區域偵測,主要透過門檻值演算法,主要概念為分析影像亮度分布直方圖,估算出一個或數個合適之門檻值,作為區分高亮度與低亮度點之依據,演算法為影像二值化技術,是一種將影像灰階值,視為一種機率分佈,利用統計學原理找出最佳門檻值。
以上所述者,僅為本發明之較佳實施例而已,並非用以限定本發明實施之範圍,故此等熟習此技術所作出等效或輕易的變化者,在不脫離本發明之精神與範圍下所作之均等變化與修飾,皆應涵蓋於本發明之專利範圍內。
S1-S3‧‧‧步驟
Claims (6)
- 一種基於混合粒子濾波器之夜間車輛計數方法,其特徵係為一種利用影像處理方式,增加車輛判定準確度之車輛計數方法,其方法係包括:提供一影像裝置,利用該影像裝置擷取一影像,將該影像進行色彩辨識,得到一第一影像訊號;利用該影像裝置,擷取下一時間之影像,將該影像進行色彩辨識,得到一第二影像訊號;將該第二影像訊號,及該第一影像訊號進行比對,抓取該車輛之尾燈特徵,再透過影像粒子混合方式得到一車輛通行目標影像,比對該車燈特徵,進而得到該車輛通過之資訊。
- 如申請專利範圍第1項所述之基於混合粒子濾波器之夜間車輛計數方法,其中,該影像裝置係為一CCD、CMOS。
- 如申請專利範圍第1項所述之基於混合粒子濾波器之夜間車輛計數方法,其中,該色彩辨識係利用單一色彩方式進行影像訊號辨識。
- 如申請專利範圍第3項所述之基於混合粒子濾波器之夜間車輛計數方法,其中,該色彩辨識係透過單一色彩下影像之權重特徵進行分類,藉以得到一影像樣版。
- 如申請專利範圍第1項所述之基於混合粒子濾波器之夜間車輛計數方法,其中,該影像粒子混合方式係用以判斷移動車輛通 行特徵。
- 如申請專利範圍第1項所述之基於混合粒子濾波器之夜間車輛計數方法,複包括一處理裝置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103146430A TWI585721B (zh) | 2014-12-31 | 2014-12-31 | A Method of Night Vehicle Count Based on Hybrid Particle Filter |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103146430A TWI585721B (zh) | 2014-12-31 | 2014-12-31 | A Method of Night Vehicle Count Based on Hybrid Particle Filter |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201624437A TW201624437A (zh) | 2016-07-01 |
TWI585721B true TWI585721B (zh) | 2017-06-01 |
Family
ID=56984804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW103146430A TWI585721B (zh) | 2014-12-31 | 2014-12-31 | A Method of Night Vehicle Count Based on Hybrid Particle Filter |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI585721B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI640964B (zh) * | 2017-08-17 | 2018-11-11 | National Applied Research Laboratories | 以影像為基礎之車輛計數與分類系統 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201235984A (en) * | 2011-02-24 | 2012-09-01 | Chunghwa Telecom Co Ltd | Nighttime traffic detection method combined with fuzzy theory |
CN102867416A (zh) * | 2012-09-13 | 2013-01-09 | 中国科学院自动化研究所 | 一种基于车辆部位特征的车辆检测与跟踪方法 |
CN103050008A (zh) * | 2013-01-14 | 2013-04-17 | 哈尔滨工程大学 | 夜间复杂交通视频中车辆检测方法 |
-
2014
- 2014-12-31 TW TW103146430A patent/TWI585721B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201235984A (en) * | 2011-02-24 | 2012-09-01 | Chunghwa Telecom Co Ltd | Nighttime traffic detection method combined with fuzzy theory |
CN102867416A (zh) * | 2012-09-13 | 2013-01-09 | 中国科学院自动化研究所 | 一种基于车辆部位特征的车辆检测与跟踪方法 |
CN103050008A (zh) * | 2013-01-14 | 2013-04-17 | 哈尔滨工程大学 | 夜间复杂交通视频中车辆检测方法 |
Non-Patent Citations (1)
Title |
---|
林哲宇,"基於視訊之公路車輛偵測與追蹤",中原大學< http://thesis.lib.cycu.edu.tw/ETD-db/ETD-search-c/view_n_etd?URN=etd-0730114-145219 >,繳交日期:2014年7月30日 孫亮、孟朝暉,"基於車尾中軸特徵的粒子濾波跟蹤演算法",計算 機 系 統 應 用2014 年 第 23 卷第 11 期,2014年11月25日 * |
Also Published As
Publication number | Publication date |
---|---|
TW201624437A (zh) | 2016-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI409718B (zh) | 移動中車輛之車牌定位方法 | |
WO2019196130A1 (zh) | 面向车载热成像行人检测的分类器训练方法和装置 | |
Chen et al. | Nighttime brake-light detection by Nakagami imaging | |
TWI302879B (en) | Real-time nighttime vehicle detection and recognition system based on computer vision | |
US8798314B2 (en) | Detection of vehicles in images of a night time scene | |
CN105981042B (zh) | 车辆探测系统及方法 | |
US8019157B2 (en) | Method of vehicle segmentation and counting for nighttime video frames | |
Guo et al. | Nighttime vehicle lamp detection and tracking with adaptive mask training | |
CN107886034B (zh) | 行车提醒方法、装置及车辆 | |
CN105303160A (zh) | 一种夜间车辆检测和跟踪的方法 | |
KR101224027B1 (ko) | 영상의 장면 정보를 이용한 전방 차량 검출 방법 | |
JP2019020956A (ja) | 車両周囲認識装置 | |
Kuo et al. | Vision-based vehicle detection in the nighttime | |
KR101026778B1 (ko) | 차량 영상 검지 장치 | |
Kim | Vehicle detection and speed estimation for automated traffic surveillance systems at nighttime | |
CN109299672B (zh) | 自适应调节阈值和算法结构的停车事件检测系统及方法 | |
TWI585721B (zh) | A Method of Night Vehicle Count Based on Hybrid Particle Filter | |
Xia et al. | An automobile detection algorithm development for automated emergency braking system | |
Chen et al. | Robust rear light status recognition using symmetrical surfs | |
Lee | An accident detection system on highway through CCTV with calogero-moser system | |
Dai et al. | A driving assistance system with vision based vehicle detection techniques | |
Liu et al. | Vehicle capturing and counting using a new edge extraction approach | |
CN113743226B (zh) | 一种日间前车灯语识别及预警方法及系统 | |
Mishra et al. | Video-based vehicle detection and classification in heterogeneous traffic conditions using a novel kernel classifier | |
CN103680148B (zh) | 一种出租车识别方法 |