專利名稱：基于高分辨率圖像的車流量實(shí)時(shí)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種車流量實(shí)時(shí)檢測(cè)方法，特別是涉及一種基于高分辨率圖像的車流量實(shí)時(shí)檢測(cè)方法，用于城市道路交通流參數(shù)的檢測(cè)。
背景技術(shù)：
隨著國民經(jīng)濟(jì)的發(fā)展，人民生活水平的提高，汽車保有量的迅速增加，怎樣安全有 效的管理交通，已成為一個(gè)刻不容緩的問題。要解決這一問題需要建立完備的智能交通系 統(tǒng)，其中車流量檢測(cè)是智能交通系統(tǒng)的關(guān)鍵所在，為其提供詳備的交通信息。作為智能交通的數(shù)據(jù)來源，車流量檢測(cè)系統(tǒng)有著不可代替的地位。目前，基于視頻 的車流量檢測(cè)已成為最有前途的一種方法。常用的基于視頻的車輛檢測(cè)方法主要有灰度法、背景差法、相鄰幀差法、邊緣檢 測(cè)法?；叶确ú捎帽尘昂蛙囕v的灰度統(tǒng)計(jì)值經(jīng)過閾值的控制來檢測(cè)車輛，但它對(duì)環(huán)境光線 的變化十分敏感。幀差法是將相臨兩幀對(duì)應(yīng)像素點(diǎn)相減，對(duì)保留的運(yùn)動(dòng)車輛信息進(jìn)行檢測(cè)， 但對(duì)于車輛速度過慢或過大的車輛，不能有效檢測(cè)。邊緣檢測(cè)法能夠在不同的光線條件下 檢測(cè)到車輛的邊緣，但在道路邊緣明顯或路面標(biāo)志存在，或者車輛邊緣不明顯的情況下，該 方法可能造成漏檢、誤檢。背景差法計(jì)算當(dāng)前輸入幀與背景的差值，但需要有可靠的背景。上述方法只適用于處理像素點(diǎn)少、分辨率低的圖像，但對(duì)于高分辨率的圖像，如 2592*1936或更大的圖像，則無法實(shí)現(xiàn)處理。很少見文獻(xiàn)報(bào)道高分辨率圖像車流量檢測(cè)技 術(shù)。

發(fā)明內(nèi)容
為了解決本領(lǐng)域中存在的上述問題，發(fā)明人經(jīng)過研究做出了本發(fā)明。根據(jù)本發(fā)明 的一個(gè)方面，提供一種基于高分辨率圖像的車流量實(shí)時(shí)檢測(cè)方法，是對(duì)每一幀高分辨率圖 像進(jìn)行如下步驟步驟1 根據(jù)感興趣區(qū)域設(shè)定原則，設(shè)定感興趣區(qū)域；步驟2 通過背景差分，提取感興趣區(qū)域背景，對(duì)其進(jìn)行灰度化處理，然后進(jìn)行二 值化處理，并輔以適當(dāng)?shù)呐蛎浉g，去除不必要的噪聲點(diǎn)，獲取較為清晰的車輛輪廓；步驟3 沿交通流方向?qū)μ幚砗蟮母信d趣區(qū)域進(jìn)行橫向掃描，將其亮度值橫向求 和，并依次存儲(chǔ)，如將其依次繪制出來便可形成背景亮度曲線，每一幀都對(duì)其背景亮度曲線 進(jìn)行實(shí)時(shí)更新；步驟4 對(duì)當(dāng)前幀圖像進(jìn)行如上步驟1、步驟2、步驟3處理，提取當(dāng)前幀亮度曲線；步驟5 當(dāng)前幀提取的亮度曲線值和背景亮度曲線值對(duì)應(yīng)做差值，并求和；步驟6 步驟5的結(jié)果與閾值比較，大于閾值T2，判斷為有車，小于閾值T3，判斷為 無車；從有車到無車，計(jì)數(shù)器加1。其中步驟1中，根據(jù)感興趣區(qū)域設(shè)定原則，設(shè)定感興趣區(qū)域；由于輸入圖像分辨率 極高，對(duì)其整個(gè)進(jìn)行處理，將耗費(fèi)大量時(shí)間。故而選取感興趣區(qū)域，進(jìn)對(duì)感興趣區(qū)域中的圖像進(jìn)行處理，可大量減少處理時(shí)間。感興趣區(qū)域的選取遵循以下一些原則1.在高速公路上，按車輛行駛的每個(gè)車道設(shè)置虛擬窗口。依靠車輛之間的間距適 當(dāng)調(diào)整，使車輛一一分開，不要存在同時(shí)識(shí)別多個(gè)車輛的情況。2.設(shè)置位置的選取應(yīng)充分考慮到攝像機(jī)安裝高度和傾角的影響。3.虛擬窗口設(shè)置在圖像中部位置，窗口寬度以容納一輛小型車輛為準(zhǔn)。具體設(shè)定過程如下將感興趣區(qū)域設(shè)置在車道的中間，寬度以一個(gè)車道為準(zhǔn) ，高度控制在小型車輛的 首尾長(zhǎng)度之內(nèi)?？紤]到一般超車是要從另一個(gè)車道進(jìn)行超車的，不存在兩輛車并排擠在同 一個(gè)感興趣區(qū)域的現(xiàn)象，因此存在下列四種情況。(1)感興趣區(qū)域內(nèi)從無車到無車，表示沒車通過；(2)感興趣區(qū)域內(nèi)從無車到有車，表示有車駛?cè)霗z測(cè)區(qū)；(3)感興趣區(qū)域內(nèi)從有車到有車，表示本輛車還沒駛出檢測(cè)區(qū)；(4)感興趣區(qū)域內(nèi)從有車到無車，表示車輛駛出檢測(cè)區(qū)。步驟2中，通過背景差分，提取感興趣區(qū)域背景，對(duì)其進(jìn)行灰度化處理，然后進(jìn)行 二值化處理，并輔以適當(dāng)?shù)呐蛎浉g，去除不必要的噪聲點(diǎn)，獲取較為清晰的車輛輪廓；具 體如下(1)設(shè)定Dij為為感興趣區(qū)域中背景的第(i，j)位置的象素值，對(duì)其進(jìn)行灰度化處 理，即取紅，綠，藍(lán)亮度的平均值。然后進(jìn)行二值化處理，即
H _[255,若Dij > Tl( U
iVto, 其他-⑴式中，Tl為一個(gè)適合的閾值，Hij = 255表明此象素點(diǎn)為白點(diǎn)，Hij = 0表明此象素 點(diǎn)為黑點(diǎn)。(2) 二值化后，在膨脹和腐蝕基本操作的基礎(chǔ)上，完成一些高級(jí)的形態(tài)變換(閉運(yùn) 算和開運(yùn)算)，去除不必要的噪聲點(diǎn)，獲取較為清晰的車輛輪廓。步驟3沿交通流方向?qū)μ幚砗蟮母信d趣區(qū)域進(jìn)行橫向掃描，將其亮度值橫向求 和，并依次存儲(chǔ)，如將其依次繪制出來便可形成背景亮度曲線，每一幀都對(duì)其背景亮度曲線 進(jìn)行實(shí)時(shí)更新；具體步驟如下(1)沿交通流方向，假定W為感興趣區(qū)域的寬度，Ht為感興趣區(qū)域的高度，F(xiàn)or j = 0,1,2......Ht{BackgroundImagedata[j] = 0 ；For i = 0,1,2......Wd{BackgroundImagedata[j] + = Hij ；}}(2)For j = 0,1,2......Ht
{a[j] = α Xa[j ] + 3 XBackgroundImagedata[j]；} 式中，α + β = 1，這里α = 0. 9, β = 0. 1 ；a[j]的初始值為0 ；其初始化如下For j = 0,1,2......Ht{a[j] = 0 ；}(3)每一幀都執(zhí)行以上1 3步驟，即可完成背景亮度曲線值的更新。此更新可根 據(jù)實(shí)際情況選取，可以每一幀更新一次，也可以固定幀完成更新。步驟4對(duì)當(dāng)前幀圖像進(jìn)行如上步驟1、步驟2、步驟3處理，提取當(dāng)前幀亮度曲線； 具體如下設(shè)定Cu為感興趣區(qū)域中當(dāng)前輸入幀的第(i，j)位置的象素點(diǎn)，對(duì)其進(jìn)行如上 (1) (2) (3)步驟的相同處理，得到當(dāng)前幀沿交通流方向的橫向掃描和值，并且依次存入 currentlmagedata [Ht]中。 步驟5當(dāng)前幀提取的亮度曲線值和背景亮度曲線值對(duì)應(yīng)做差值，并求和；具體如下執(zhí)行 for j =0,1,2......Ht{Flag+ = currentlmagedata[j]-BackgroundImagedata[j]；}步驟6步驟5的結(jié)果與閾值比較，大于閾值T2，判斷為有車，小于閾值T3，判斷為 無車；從有車到無車，計(jì)數(shù)器加1.具體如下判斷flag值來確定車輛存在與否TE
TJ7 jlflag>T2TE =]
(0,y/ag<r3式中，T2為一個(gè)合適的閾值，flag > T2表示感興趣區(qū)域中有運(yùn)動(dòng)目標(biāo)存在，flag < T3表示感興趣區(qū)域中無運(yùn)動(dòng)目標(biāo)存在，TE由1變0表示有一輛車通過，車流量加1。本發(fā)明的有益效果是，能夠準(zhǔn)確進(jìn)行周期性流量統(tǒng)計(jì)和分析，獲取城市道路交通 流的運(yùn)行狀態(tài)，可使駕駛員了解相關(guān)道路當(dāng)前的交通信息，為駕駛員選擇合適的路徑提供 有益的幫助，從而使城市交通減少擁阻，提高城市交通系統(tǒng)的運(yùn)轉(zhuǎn)效率。


圖1是基于高分辨率圖像的車流量實(shí)時(shí)檢測(cè)流程圖；圖2是車流量檢測(cè)高清圖像；圖3(a)是圖像處理后的背景圖；圖3(b)是圖像處理后的當(dāng)前幀圖。
具體實(shí)施例方式為了使本領(lǐng)域普通技術(shù)人員對(duì)本發(fā)明實(shí)現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，下面結(jié)合附圖，進(jìn)一步闡述本發(fā)明。以北京市大屯北路和北辰西路為例，在某一采樣時(shí)刻所采集的交通流數(shù)據(jù)如下 平均速度分別取80km/h、100km/h、120km/h，按如下步驟計(jì)算交通狀態(tài)步驟1 根據(jù)感興趣區(qū)域設(shè)定原則，設(shè)定感興趣區(qū)域；所取像素高度一般為300個(gè)像素，實(shí)施取的高度是284個(gè)像素。寬度設(shè)為車道寬 度，實(shí)施取的寬度是710個(gè)像素。設(shè)定了三個(gè)區(qū)域，依次覆蓋每一個(gè)車道，如圖2所示。 步驟2 通過背景差分，提取感興趣區(qū)域背景，對(duì)其進(jìn)行灰度化處理，然后進(jìn)行二 值化處理，并輔以適當(dāng)?shù)呐蛎浉g，去除不必要的噪聲點(diǎn)，獲取較為清晰的車輛輪廓；處理 后如圖3(a)所示。步驟3 沿交通流方向?qū)μ幚砗蟮母信d趣區(qū)域進(jìn)行橫向掃描，將其亮度值橫向求 和，并依次存儲(chǔ)，如將其依次繪制出來便可形成背景亮度曲線，每一幀都對(duì)其背景亮度曲線 進(jìn)行實(shí)時(shí)更新；步驟4 對(duì)當(dāng)前幀圖像進(jìn)行如上步驟1、步驟2、步驟3處理，提取當(dāng)前幀亮度曲線； 當(dāng)前幀圖像處理后的結(jié)果如圖3(b)所示。步驟5 當(dāng)前幀提取的亮度曲線值和背景亮度曲線值對(duì)應(yīng)做差值，并求和值為M ；步驟6 和值M和閾值比較，M大于T2，判斷為有車，M小于T3，判斷為無車。對(duì)應(yīng) 于三個(gè)車道閾值分別為車道一 Ml = 211200 ；車道二 M2 = 224000 ；車道三M3 = 161280。 該算法的準(zhǔn)確率達(dá)98%以上。以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點(diǎn)。本領(lǐng)域普通技 術(shù)人員應(yīng)該了解，本發(fā)明不受上述實(shí)施例的限制，上述實(shí)施例和說明書中描述的只是說明 本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會(huì)有各種變化和改進(jìn)，這些 變化和改進(jìn)都落入要求保護(hù)的本發(fā)明范圍內(nèi)。本發(fā)明要求保護(hù)范圍由所附的權(quán)利要求書及 其等效物界定。
權(quán)利要求
一種基于高分辨率圖像的車流量實(shí)時(shí)檢測(cè)方法，其特征在于所述方法是對(duì)輸入的每一幀高分辨率圖像進(jìn)行如下步驟步驟1根據(jù)感興趣區(qū)域設(shè)定原則，設(shè)定感興趣區(qū)域；步驟2通過背景差分，提取感興趣區(qū)域背景，對(duì)其進(jìn)行灰度化處理，然后進(jìn)行二值化處理，并輔以適當(dāng)?shù)呐蛎浉g，去除不必要的噪聲點(diǎn)，獲取較為清晰的車輛輪廓；步驟3沿交通流方向?qū)μ幚砗蟮母信d趣區(qū)域進(jìn)行橫向掃描，將其亮度值橫向求和，并依次存儲(chǔ)，如將其依次繪制出來便可形成背景亮度曲線，每一幀都對(duì)其背景亮度曲線進(jìn)行實(shí)時(shí)更新；步驟4對(duì)當(dāng)前幀圖像進(jìn)行如上步驟1、步驟2、步驟3處理，提取當(dāng)前幀亮度曲線；步驟5當(dāng)前幀提取的亮度曲線值和背景亮度曲線值對(duì)應(yīng)做差值，并求和；步驟6將步驟5的結(jié)果與閾值比較，大于閾值T2，判斷為有車，小于閾值T3，判斷為無車；從有車到無車，則計(jì)數(shù)器加1；前述感興趣區(qū)域設(shè)定原則為(1)在高速公路上，按車輛行駛的每個(gè)車道設(shè)置虛擬窗口，依靠車輛之間的間距適當(dāng)調(diào)整，使車輛一一分開，不要存在同時(shí)識(shí)別多個(gè)車輛的情況；(2)設(shè)置位置的選取應(yīng)充分考慮到攝像機(jī)安裝高度和傾角的影響；(3)虛擬窗口設(shè)置在圖像中部位置，窗口寬度以容納一輛小型車輛為準(zhǔn)。
2.如權(quán)利要求1的基于高分辨率圖像的車流量實(shí)時(shí)檢測(cè)方法，其特征在于感興趣區(qū) 域的具體設(shè)定過程如下將感興趣區(qū)域設(shè)置在車道的中間，寬度以一個(gè)車道為準(zhǔn)，高度控制在小型車輛的首尾 長(zhǎng)度之內(nèi)。
3.如權(quán)利要求1或2的基于高分辨率圖像的車流量實(shí)時(shí)檢測(cè)方法，其特征在于 感興趣區(qū)域存在下列四種情況(1)感興趣區(qū)域內(nèi)從無車到無車，表示沒車通過；(2)感興趣區(qū)域內(nèi)從無車到有車，表示有車駛?cè)霗z測(cè)區(qū)；(3)感興趣區(qū)域內(nèi)從有車到有車，表示本輛車還沒駛出檢測(cè)區(qū)；(4)感興趣區(qū)域內(nèi)從有車到無車，表示車輛駛出檢測(cè)區(qū)。
4.如權(quán)利要求1或2的基于高分辨率圖像的車流量實(shí)時(shí)檢測(cè)方法，其特征在于 步驟2中，通過背景差分，提取感興趣區(qū)域背景，對(duì)其進(jìn)行灰度化處理，然后進(jìn)行二值化處理，并輔以適當(dāng)?shù)呐蛎浉g，去除不必要的噪聲點(diǎn)，獲取較為清晰的車輛輪廓；具體如 下(1)設(shè)定Dij為為感興趣區(qū)域中背景的第(i，j)位置的象素值，對(duì)其進(jìn)行灰度化處理， 即取紅，綠，藍(lán)亮度的平均值。然后進(jìn)行二值化處理，即H = 255，若Dij > Tl(1)ij 10, 其他式中，Tl為一個(gè)適合的閾值，Hu = 255表明此象素點(diǎn)為白點(diǎn)，Hu = O表明此象素點(diǎn)為里占.(2)二值化后，在膨脹和腐蝕基本操作的基礎(chǔ)上，完成一些高級(jí)的形態(tài)變換(閉運(yùn)算和 開運(yùn)算)，去除不必要的噪聲點(diǎn)，獲取較為清晰的車輛輪廓。
5.如權(quán)利要求1或2的基于高分辨率圖像的車流量實(shí)時(shí)檢測(cè)方法，其特征在于 步驟3沿交通流方向?qū)μ幚砗蟮母信d趣區(qū)域進(jìn)行橫向掃描，將其亮度值橫向求和，并依次存儲(chǔ)，如將其依次繪制出來便可形成背景亮度曲線，每一幀都對(duì)其背景亮度曲線進(jìn)行 實(shí)時(shí)更新；具體步驟如下(1)沿交通流方向，假定W為感興趣區(qū)域的寬度，Ht為感興趣區(qū)域的高度，F(xiàn)or j = 0,1,2......Ht{BackgroundImagedata[j] = O ；For i = 0,1,2......Wd{BackgroundImagedata[j] + = Hij ；ι ι(2)For j =0,1,2......Ht{a[j] = α Xa[j] + 3 XBackgroundImagedata[j]；ι式中，α + β =丨，這里α = 0.9, β = 0. 1 ；a[j]的初始值為O ；其初始化如下For j =0,1,2......Ht{a[j] = O ；}(3)每一幀都執(zhí)行以上1 3步驟，即可完成背景亮度曲線值的更新，此更新可根據(jù)實(shí) 際情況選取，可以每一幀更新一次，也可以固定幀完成更新。
6.如權(quán)利要求1或2的基于高分辨率圖像的車流量實(shí)時(shí)檢測(cè)方法，其特征在于 步驟4對(duì)當(dāng)前幀圖像進(jìn)行如上步驟1、步驟2、步驟3處理，提取當(dāng)前幀亮度曲線；具體如下設(shè)定Cu為感興趣區(qū)域中當(dāng)前輸入幀的第(i，j)位置的象素點(diǎn)，對(duì)其進(jìn)行如 上1、2、3步驟的相同處理，得到當(dāng)前幀沿交通流方向的橫向掃描和值，并且依次存入 currentlmagedata [Ht]中。
7.如權(quán)利要求1或2的基于高分辨率圖像的車流量實(shí)時(shí)檢測(cè)方法，其特征在于 步驟5當(dāng)前幀提取的亮度曲線值和背景亮度曲線值對(duì)應(yīng)做差值，并求和；具體如下執(zhí)行 for j = 0,1,2......Ht{Flag+ = currentlmagedata[j]-BackgroundImagedata[j]；}o
8.如權(quán)利要求1或2的基于高分辨率圖像車流量實(shí)時(shí)檢測(cè)方法，其特征在于步驟6中將步驟5的結(jié)果與閾值比較，大于閾值T2，判斷為有車，小于閾值T3，判斷為無車；從有車到無車，計(jì)數(shù)器加1 ；具體如下判斷flag值來確定車輛存在與否TE「1, fla > T2 TE = \\Q,flag<T3式中，T2為一個(gè)合適的閾值，flag > T2表示感興趣區(qū)域中有運(yùn)動(dòng)目標(biāo)存在，flag < T3 表示感興趣區(qū)域中無運(yùn)動(dòng)目標(biāo)存在，TE由1變0表示有一輛車通過，車流量加1。
全文摘要
一種基于高分辨率圖像的車流量實(shí)時(shí)檢測(cè)方法，用于城市道路車流量檢測(cè)。該檢測(cè)方法是在實(shí)時(shí)采集的高分辨率圖像的基礎(chǔ)上進(jìn)行如下步驟步驟1，設(shè)定感興趣區(qū)域；步驟2，通過背景差分，提取感興趣區(qū)域背景，對(duì)其進(jìn)行灰度化處理，然后進(jìn)行二值化處理；步驟3，沿交通流方向?qū)μ幚砗蟮母信d趣區(qū)域進(jìn)行橫向掃描，將其亮度值橫向求和，并依次存儲(chǔ)；步驟4，對(duì)當(dāng)前幀圖像進(jìn)行如上步驟1、步驟2、步驟3處理，提取當(dāng)前幀亮度曲線；步驟5，當(dāng)前幀提取的亮度曲線值和背景亮度曲線值對(duì)應(yīng)做差值，并求和；步驟6，將第五步的結(jié)果與閾值比較，判斷出有車或無車。本發(fā)明能夠使城市道路交通流的識(shí)別更為合理和準(zhǔn)確。
文檔編號(hào)G06T5/00GK101968924SQ20101051078
公開日2011年2月9日 申請(qǐng)日期2010年10月19日 優(yōu)先權(quán)日2010年10月19日
發(fā)明者劉小明, 張永忠, 張海波, 張福生, 李正熙, 李穎宏, 熊昌鎮(zhèn), 王力, 王玉全, 陳兆盟 申請(qǐng)人:北方工業(yè)大學(xué)