一種用於交通信號控制的幹線視頻流量檢測方法
2023-06-28 21:14:01
一種用於交通信號控制的幹線視頻流量檢測方法
【專利摘要】一種用於交通信號控制的幹線視頻流量檢測方法,包括如下步驟:1)通過安裝在幹線的各個交叉口上的視頻採集器獲取各個車道的視頻序列;通過布置在交叉口各個車道的前端的虛擬線圈檢測車輛通過數量;2)通過背景建模方法對採集的視頻序列進行背景建模;3)在完成背景建模後,採用顏色空間計算模型對前景像素與背景的差分進行處理,以提取完整的目標前景;4)根據檢測得到的各交叉口各車道的車流量,獲得幹線車流量。本發明提供了一種數據全面性較好、準確性較高的用於交通信號控制的幹線視頻流量檢測方法。
【專利說明】一種用於交通信號控制的幹線視頻流量檢測方法
【技術領域】
[0001] 本發明涉及視頻檢測技術,尤其是一種幹線的視頻交通流量的檢測方法。
【背景技術】
[0002] 城市交通幹線承受著巨大的市內交通負荷,是整個城市交通的樞紐,提高幹線的 協調控制效果,減少幹線上車流的交通延誤和停車率,對改善整個城市交通狀況具有重大 意義。而精確檢測幹線流量將為交通信號的協調控制提供可靠數據,而要得到幹線流量,需 要對幹線上的各個交叉口的車流進行採集並統計計算。因此,能否精確的獲取幹線的交通 流量關鍵在於對幹線上各個交叉口的車流量的精確獲取。
[0003] 目前視頻交通參數檢測面臨很多問題:一:對複雜的交通場景的檢測精度;二:初 始視頻數據採集質量的好壞;三:環境因素的影響。而在對交叉口的視頻流量檢測中如何 最大程度上彌補上述問題是能否精確檢測幹線車流量的關鍵。
[0004] 交叉口作為聯結各個幹線的關鍵節點,也是車流量匯聚、消散的節點。幹線的交通 流由交叉口匯聚,也由交叉口消散,因此對幹線的視頻交通流檢測,可以通過對幹線上的各 個交叉口的視頻交通流得到。交叉口作為交通網絡的節點,交通行為複雜,易遭受到交通環 境、人流、車流的影響,交叉口存在其特殊性:交通路口存在頻繁的停車排隊、啟動消散、車 道選擇等交通行為;道路背景易受車輛遮擋,出現概率小,以及易受光照和天氣變化影響; 車輛密集、行駛速度易受前車影響,車間距較小造成車輛粘連;存在多個車道,車輛的運動 方向必須與所在車道相符,各車道輪流放行。因此需要提出一種針對城市交叉口視頻流量 檢測的方法,為得到幹線交通流量提供準確的信息,為制定協調控制方案提供可靠數據。
【發明內容】
[0005] 為了克服已有幹線交通流量檢測方式的數據全面性較差、準確性較低的不足,本 發明提供了一種數據全面性較好、準確性較高的用於交通信號控制的幹線視頻流量檢測方 法。
[0006] 本發明解決其技術問題所採用的技術方案是:
[0007] -種用於交通信號控制的幹線視頻流量檢測方法,包括如下步驟:
[0008] 1)通過安裝在幹線的各個交叉口上的視頻採集器獲取各個車道的視頻序列;通 過布置在交叉口各個車道的前端的虛擬線圈檢測車輛通過數量;
[0009] 2)通過背景建模方法對採集的視頻序列進行背景建模,過程如下:
[0010] 2. 1)對視頻序列的前N幀進行篩選,通過將採用索貝爾算子檢測的邊緣信息圖和 LBP算子檢測的紋理特徵圖結合,來檢測圖片中車輛的存在性,將明顯存在車輛的圖片剔 除,篩選出沒有車存在的圖片;
[0011] 索貝爾算子的計算方法為在灰度圖像上,每一個像素點(x,y)的灰度值表示為 f(x,y),通過考察它的上、下、左、右四個相鄰灰度的加權差,再研究與它鄰近的點的權值大 小,即:
[0012] Δ xf (X,y) = f (χ-l,y+1)+2f (X,y+1)+f (x+1,y+1) _f (χ-l,y_l) _2f (X,y_l) _f (x+ 1, y~l) Δ yf (x, y) = f (χ-l, y-1) +2f (x-1, y) +f (x-1, y+1) -f (x+1, y-1) -2f (x+1, y) -f (x+1, y+1)
[0013] 索貝爾算子為:s(x, y) = | Axf(x, y)卜 | Ayf(x, y) | ;
[0014] LBP算子的計算方法:
【權利要求】
1. 一種用於交通信號控制的幹線視頻流量檢測方法,其特徵在於:所述方法包括如下 步驟: 1) 通過安裝在幹線的各個交叉口上的視頻採集器獲取各個車道的視頻序列;通過布 置在交叉口各個車道的前端的虛擬線圈檢測車輛通過數量; 2) 通過背景建模方法對採集的視頻序列進行背景建模,過程如下: 2. 1)對視頻序列的前N幀進行篩選,通過將採用索貝爾算子檢測的邊緣信息圖和LBP 算子檢測的紋理特徵圖結合,來檢測圖片中車輛的存在性,將明顯存在車輛的圖片剔除,篩 選出沒有車存在的圖片; 索貝爾算子的計算方法為在灰度圖像上,每一個像素點(x,y)的灰度值表示為 f(x,y),通過考察它的上、下、左、右四個相鄰灰度的加權差,再研究與它鄰近的點的權值大 小,即: A xf (X,y) = f (x-1,y+1) +2f (X,y+1) +f (x+1,y+1) -f (x-1,y-1) _2f (X,y-1) -f (x+1, y-1) A yf (x, y) = f (x-1, y-1) +2f (x-1, y) +f (x-1, y+1) -f (x+1, y-1) _2f (x+1, y) -f (x+1, y+1) 索貝爾算子為:s(x, y) = | Axf(x, y) | + | Ayf(x, y) | ; LBP算子的計算方法:
其中,P、R為LBP算子的參數,v。為中心點的像素值,Vi為中心點八鄰域點的像素值; 2. 2)對經過篩選後得到的圖片用混合高斯背景建模算法進行背景建模; 3) 在完成背景建模後,採用顏色空間計算模型對前景像素與背景的差分進行處理,以 提取完整的目標如景; 4) 根據檢測得到的各交叉口各車道的車流量,獲得幹線車流量。
2. 如權利要求1所述的一種用於交通信號控制的幹線視頻流量檢測方法,其特徵在 於:所述步驟4)中,在東西向幹線交通場景下,所述的幹線車流量是主幹道直行車流量、北 向南次幹道左行車流量和南向北次幹道右行車流量三者之和。
3. 如權利要求1或2所述的一種用於交通信號控制的幹線視頻流量檢測方法,其特徵 在於:所述步驟3)中,通過下式分別計算當前幀與背景的差分的亮度分量BD(x,y)和色度 分量⑶(X,y):
在上式中,代表t時刻在位置(x,y)處的背景像素值;表示當前幀 在位置(x,y)處的像素值;Dt(x,y)表示運動目標差分圖,Tbd與L為給定閾值,當D t(x,y) =1時,表示有車存在,當Dt (x,y) = 0時,表示沒有車存在。
4. 如權利要求1或2所述的一種用於交通信號控制的幹線視頻流量檢測方法,其特徵 在於:所述步驟2)中,對背景進行實時更新,背景更新公式如下:
其中,為上一狀態的背景圖片,為通過篩選得到的圖片,a為更新因子; 依據通行約束條件來判斷每次檢測的準確度以及系統中誤差累計程度,當累計誤差變 大後,出現衝突車道同時存在通行車輛時,系統將自動復位,重新開始背景建模。
5. 如權利要求1或2所述的一種用於交通信號控制的幹線視頻流量檢測方法,其特徵 在於:所述步驟1)中,將用於幹線視頻採集的攝像頭安裝在幹線的各個交叉口主次幹道進 車口的後方。
【文檔編號】G08G1/01GK104282157SQ201410550514
【公開日】2015年1月14日 申請日期:2014年10月16日 優先權日:2014年10月16日
【發明者】馮遠靜, 胡家慶, 張明, 曾慶潤, 肖昌盛, 張曉良, 邱懷宇, 單敏, 李康 申請人:銀江股份有限公司