專利名稱：基于高清攝像機進行路面事件檢測的方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及公路路面交通事件檢測領(lǐng)域，尤其涉及對大范圍的公路路面的各種交通事件進行實時檢測，具體的講是一種基于高清攝像機進行路面事件檢測的方法及系統(tǒng)。
背景技術(shù)：
公路路面事件檢測系統(tǒng)為了預(yù)防高速公路日益突發(fā)的各種事故、應(yīng)對各種突發(fā)事件的緊急處理，特別是事故多發(fā)路段在對路面事件預(yù)警、路面事故實時報警、預(yù)防二次事故等方面有重大意義。目前交通事件檢測器還是以大范圍單純的事件檢測為主，存在問題主要有由于檢測范圍大，檢測受到環(huán)境干擾的因素加大，雖然很多優(yōu)秀的算法能夠很大程度上彌補各種日照、陰云、樹陰、雨雪而造成的干擾問題，但是系統(tǒng)在多種干擾條件下的誤警率提升及事件檢測精度的下降不可避免。

發(fā)明內(nèi)容
本發(fā)明為了解決現(xiàn)有技術(shù)的檢測精度不高，且誤警率較高的問題，提出一種基于高清攝像機進行路面事件檢測的方法及系統(tǒng)。本發(fā)明的目的之一，提供一種基于高清攝像機進行路面事件檢測的方法，包括將所述高清攝像機的檢測視野劃分為第一區(qū)域，第二區(qū)域以及第三區(qū)域；根據(jù)所述高清攝像機捕獲的圖形數(shù)據(jù)，進行車輛定位及車牌定位，計算生成車輛定位置信度和車牌定位置信度；根據(jù)所述的車輛定位置信度和車牌定位置信度，建立所述車輛定位位置與車牌定位位置的對應(yīng)關(guān)系；根據(jù)所述第一區(qū)域、第二區(qū)域以及第三區(qū)域與所述高清攝像機的水平距離以及預(yù)設(shè)的車輛初進入視野的車牌置信度，計算車牌位置的車牌定位權(quán)重及車輛定位權(quán)重；根據(jù)所述的車牌定位權(quán)重及車輛定位權(quán)重、車輛定位置信度及車牌定位置信度，計算生成車牌位置的車輛最終置信度；判斷所述的車輛最終置信度是否滿足預(yù)設(shè)閾值，如果滿足， 則將歷史幀車輛與當前幀車輛進行匹配跟蹤，建立車輛跟蹤鏈；根據(jù)建立的車輛跟蹤鏈判斷交通事件，生成并輸出交通事件及交通參數(shù)信息。本發(fā)明的目的之一，是提供一種基于高清攝像機進行路面事件檢測的系統(tǒng)，包括高清攝像機和主控裝置，其中，所述主控裝置包括區(qū)域劃分模塊，用于將所述高清攝像機的檢測視野劃分為第一區(qū)域，第二區(qū)域以及第三區(qū)域；置信度計算模塊，用于根據(jù)所述高清攝像機捕獲的圖形數(shù)據(jù)，進行車輛定位及車牌定位，計算生成車輛定位置信度和車牌定位置信度；對應(yīng)關(guān)系建立模塊，用于根據(jù)所述的車輛定位置信度和車牌定位置信度，建立所述車輛定位位置與車牌定位位置的對應(yīng)關(guān)系；權(quán)重計算模塊，用于根據(jù)所述第一區(qū)域、第二區(qū)域以及第三區(qū)域與所述高清攝像機的水平距離以及預(yù)設(shè)的車輛初進入視野的車牌置信度， 計算車牌位置的車牌定位權(quán)重及車輛定位權(quán)重；車輛最終置信度生成模塊，用于根據(jù)所述的車牌定位權(quán)重及車輛定位權(quán)重、車輛定位置信度及車牌定位置信度，計算生成車牌位置的車輛最終置信度；匹配跟蹤模塊，用于判斷所述的車輛最終置信度是否滿足預(yù)設(shè)閾值，如果滿足，則將歷史幀車輛與當前幀車輛進行匹配跟蹤，建立車輛跟蹤鏈；交通事件檢測模塊，用于根據(jù)建立的車輛跟蹤鏈判斷交通事件，生成并輸出交通事件及交通參數(shù)信息。本發(fā)明實施例的基于高清攝像機進行路面事件檢測的方法與系統(tǒng)產(chǎn)生的有益效果是由于本發(fā)明將檢測區(qū)域劃分為三個區(qū)域，且在三個區(qū)域采用不同的車輛定位及車牌定位方法，首次將包含置信度及權(quán)重的檢測方法應(yīng)用到事件檢測中，不但解決了高清車牌識別區(qū)域過小問題導(dǎo)致檢測不完全的問題，而且可以大大提高檢測的精度，降低了誤警率。


為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實施例的基于高清攝像機進行路面事件檢測的方法流程圖；圖2為本發(fā)明的進行區(qū)域劃分的一個實施例的示意圖；圖3所示本發(fā)明實施例的對應(yīng)關(guān)系建立步驟的方法流程圖圖4為本發(fā)明實施例的在不同區(qū)域，車牌定位權(quán)重及車輛定位權(quán)重的計算結(jié)果示意圖；圖5為本發(fā)明實施例的基于高清攝像機進行路面事件檢測的系統(tǒng)的結(jié)構(gòu)示意圖；圖6為圖5所示實施例的主控裝置的結(jié)構(gòu)示意圖；圖7為圖5所示的主控裝置的另一種實施例的結(jié)構(gòu)示意圖；圖8為圖5所示實施例的對應(yīng)關(guān)系建立模塊的結(jié)構(gòu)示意圖；圖9為本發(fā)明的一個具體實施例的區(qū)域劃分的示意圖；圖10 圖13分別為圖9所示實施例的第975幀的圖像數(shù)據(jù)、第985幀的圖像數(shù)據(jù)、第999幀的圖像數(shù)據(jù)、第1025幀的圖像數(shù)據(jù)的示意圖。
具體實施例方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。圖1為本發(fā)明的基于高清攝像機進行路面事件檢測的方法流程圖。如圖所示，本發(fā)明實施例的基于高清攝像機進行路面事件檢測的方法包括步驟S101，將所述高清攝像機的檢測視野劃分為第一區(qū)域，第二區(qū)域以及第三區(qū)域。本實施例中，每一車道均具有一套高清補光設(shè)備，可以解決夜晚、樹蔭以及陰云、雨雪補光的問題。本步驟中，將檢測視野進行區(qū)域劃分，不同檢測區(qū)域采用不同算法完成事件檢測功能。例如，設(shè)置距離高清攝像機0 20米為非視野區(qū)域，距離高清攝像機20 40米為第一區(qū)域，距離高清攝像機40 60米為第二區(qū)域，距離高清攝像機60 160米為第三區(qū)域。在其他實施例中，如圖2所示，也可設(shè)置距離高清攝像機0 20米為非視野區(qū)域(劃分線A之前，20米)，距離高清攝像機20 50米為第一區(qū)域(劃分線A和劃分線B之間的區(qū)域，，30米)，距離高清攝像機50 80米為第二區(qū)域(劃分線B和劃分線C之間的區(qū)域，30 米)，距離高清攝像機80 180米為第三區(qū)域(劃分線C和劃分線D之間的區(qū)域，100米)。 區(qū)域劃分可根據(jù)高清攝像機的視野范圍及實際需求做不同變化。步驟S102，根據(jù)所述高清攝像機捕獲的圖形數(shù)據(jù)，進行車輛定位及車牌定位，計算生成車輛定位置信度和車牌定位置信度。本實施例中，在所述第一區(qū)域，對車輛的定位采取下述方法相鄰幀做幀差，二值化，按車道方向投影，檢測車輛左右邊緣，在左右邊緣基礎(chǔ)上橫向檢測車輛尾部黑塊信息， 確定車輛尾部位置，按照尾部位置對輪廓進行檢測生成車輛位置；在所述第二區(qū)域、第三區(qū)域，對車輛定位采取下述方法實時背景更新，當前幀與背景做差，得到背景差，二值化，連通域方法檢測車輛，按車道適當切分得到獨立的車輛位置；在所述第一區(qū)域，對車牌的定位采取下述方法利用提取到的顏色信息，紋理信息，及區(qū)域高寬比特征定位車牌；在所述第二區(qū)域，對車牌的定位采取下述方法在背景差有效前景的基礎(chǔ)上，標定顏色位置，定位車牌位置；在所述第三區(qū)域，不進行車牌定位。車牌定位是通過對圖像顏色及紋理的過濾將車牌位置凸顯，進行有效定位。定位出的候選車牌存在較多的干擾(非車牌區(qū)域)，為降低車牌定位正確性，提出了車牌定位置信度。同理，提出了車輛定位置信度。本實施例中，采用特征融合及基于最小錯誤率的多特征bayes方法，計算生成車輛定位置信度及車牌定位置信度。在車輛定位置信度的計算中，特征參數(shù)包括黑塊信息、尾部輪廓以及連通域中的取點等；在車牌定位置信度的計算中，特征參數(shù)包括高寬比信息、顏色信息以及紋理信息等。在本發(fā)明實施例中，利用特征融合及基于最小錯誤率的多特征bayes方法，計算置信度的公式為P(C I F”..FJ =，各個特征相互獨立；
P(Fi--Fn)其中P (C，F(xiàn)l. · · · Fn) = P (C) *P (F1. ... Fn | C)= P (C) *P (Fl I C) *P (F2. ... Fn | C, Fl) = P(C) *P (F11 C) *P (F2 | C, Fl) *P (F3. ... Fn | C, F1F2)= ____因為條件獨立
權(quán)利要求
1.一種基于高清攝像機進行路面事件檢測的方法，其特征在于，所述方法包括 將所述高清攝像機的檢測視野劃分為第一區(qū)域，第二區(qū)域以及第三區(qū)域；根據(jù)所述高清攝像機捕獲的圖形數(shù)據(jù)，進行車輛定位及車牌定位，計算生成車輛定位置信度和車牌定位置信度；根據(jù)所述的車輛定位置信度和車牌定位置信度，建立所述車輛定位位置與車牌定位位置的對應(yīng)關(guān)系；根據(jù)所述第一區(qū)域、第二區(qū)域以及第三區(qū)域與所述高清攝像機的水平距離以及預(yù)設(shè)的車輛初進入視野的車牌置信度，計算車牌位置的車牌定位權(quán)重及車輛定位權(quán)重；根據(jù)所述的車牌定位權(quán)重及車輛定位權(quán)重、車輛定位置信度及車牌定位置信度，計算生成車牌位置的車輛最終置信度；判斷所述的車輛最終置信度是否滿足預(yù)設(shè)閾值，如果滿足，則將歷史幀車輛與當前幀車輛進行匹配跟蹤，建立車輛跟蹤鏈；根據(jù)建立的車輛跟蹤鏈判斷交通事件，生成并輸出交通事件及交通參數(shù)信息。
2.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)高清攝像機捕獲的圖形數(shù)據(jù)，進行車輛定位及車牌定位，包括在所述第一區(qū)域，對車輛的定位采取下述方法相鄰幀做幀差，二值化，按車道方向投影，檢測車輛左右邊緣，在左右邊緣基礎(chǔ)上橫向檢測車輛尾部黑塊信息，確定車輛尾部位置，按照尾部位置對輪廓進行檢測生成車輛位置；在所述第二區(qū)域、第三區(qū)域，對車輛定位采取下述方法實時背景更新，當前幀與背景做差，得到背景差，二值化，連通域方法檢測車輛，按車道適當切分得到獨立的車輛位置；在所述第一區(qū)域，對車牌的定位采取下述方法利用提取到的顏色信息，紋理信息，及區(qū)域高寬比特征定位車牌；在所述第二區(qū)域，對車牌的定位采取下述方法在背景差有效前景的基礎(chǔ)上，標定顏色位置，定位車牌位置；在所述第三區(qū)域，不進行車牌定位。
3.如權(quán)利要求2所述的方法，其特征在于，所述根據(jù)高清攝像機捕獲的圖形數(shù)據(jù)進行車輛定位及車牌定位，計算生成車輛定位置信度及車牌定位置信度，包括對所述的車輛定位和車牌定位，采用特征融合及基于最小錯誤率的多特征bayes方法，計算生成車輛定位置信度及車牌定位置信度。
4.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述的車輛定位置信度和車牌定位置信度，建立所述車輛定位位置與車牌定位位置的對應(yīng)關(guān)系，包括過濾車輛定位置信度小于預(yù)設(shè)車輛閾值的車輛定位； 過濾車牌定位置信度小于預(yù)設(shè)車牌閾值的車牌定位；判斷所述車輛定位與所述車牌定位之間的包含關(guān)系，如果所述車輛定位包含所述車牌定位，則對應(yīng)關(guān)系建立；如果所述車輛定位沒有對應(yīng)的車牌定位，則將所述車牌位置在高度和寬度上擴展，計算擴展后的位置與車輛定位位置的重疊比例，如果所述重疊比例大于50%，則對應(yīng)關(guān)系建立；如果車牌擴展后，沒有對應(yīng)成功的車輛定位，將所述車牌定位置信度置零，如果車輛定位沒有對應(yīng)成功的車牌定位，將所述車輛定位置信度置零。
5.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述第一區(qū)域、第二區(qū)域以及第三區(qū)域與所述高清攝像機的水平距離以及預(yù)設(shè)的車輛初進入視野的車牌置信度，計算車牌位置的車牌定位權(quán)重及車輛定位權(quán)重，包括
6.如權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述的車牌定位權(quán)重及車輛定位權(quán)重、車輛定位置信度及車牌定位置信度，計算生成車牌位置的車輛最終置信度，包括根據(jù)如下公式=Z(c, x) = C(c, χ)^y1 (x)+P(c,x)*y2(x)；其中， Y1 (χ)表示車牌位置X時的車牌定位權(quán)重； Y2 (χ)表示車牌位置X時的車輛定位權(quán)重； C(C，χ)表示車輛C在車輛定位時的車輛定位置信度； P (C，χ)表示車輛C在車牌定位時的車牌定位置信度； Z(C，χ)表示車輛C在位置X時的車輛最終置信度。
7.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)建立的車輛跟蹤鏈判斷交通事件， 生成并輸出交通事件及交通參數(shù)信息，包括若所述車輛跟蹤鏈中的位置中心由運動到靜止，且所述靜止時間超過設(shè)定時間閾值， 則判斷為停車事件；若所述車輛跟蹤鏈建立過程中，如果車輛運動矢量出現(xiàn)負值，且行駛距離超過設(shè)定距離閾值，則判斷為逆行事件；若所述建立的不同車輛的車輛跟蹤鏈在相同位置出現(xiàn)拐點，且持續(xù)時間超過設(shè)定時間閾值，則判斷為拋灑物事件；若所有車輛跟蹤鏈出現(xiàn)緩慢或靜止狀態(tài)，并且所述狀態(tài)持續(xù)時間超過設(shè)定時間閾值， 則判斷為擁堵事件。
8.如權(quán)利要求7所述的方法，其特征在于，所述生成的交通參數(shù)信息包括截面流量信息、時間段信息、瞬時速度信息及車型分類信息。
9. 一種基于高清攝像機進行路面事件檢測的系統(tǒng)，其特征在于，所述檢測系統(tǒng)包括高清攝像機和主控裝置，其中，所述主控裝置包括區(qū)域劃分模塊，用于將所述高清攝像機的檢測視野劃分為第一區(qū)域，第二區(qū)域以及第三區(qū)域；置信度計算模塊，用于根據(jù)所述高清攝像機捕獲的圖形數(shù)據(jù)，進行車輛定位及車牌定位，計算生成車輛定位置信度和車牌定位置信度；對應(yīng)關(guān)系建立模塊，用于根據(jù)所述的車輛定位置信度和車牌定位置信度，建立所述車輛定位位置與車牌定位位置的對應(yīng)關(guān)系；權(quán)重計算模塊，用于根據(jù)所述第一區(qū)域、第二區(qū)域以及第三區(qū)域與所述高清攝像機的水平距離以及預(yù)設(shè)的車輛初進入視野的車牌置信度，計算車牌位置的車牌定位權(quán)重及車輛定位權(quán)重；車輛最終置信度生成模塊，用于根據(jù)所述的車牌定位權(quán)重及車輛定位權(quán)重、車輛定位置信度及車牌定位置信度，計算生成車牌位置的車輛最終置信度；匹配跟蹤模塊，用于判斷所述的車輛最終置信度是否滿足預(yù)設(shè)閾值，如果滿足，則將歷史幀車輛與當前幀車輛進行匹配跟蹤，建立車輛跟蹤鏈；交通事件檢測模塊，用于根據(jù)建立的車輛跟蹤鏈判斷交通事件，生成并輸出交通事件及交通參數(shù)信息。
10.如權(quán)利要求9所述的系統(tǒng)，其特征在于，所述主控系統(tǒng)還包括車輛定位模塊，用于根據(jù)所述高清攝像機捕獲的圖形數(shù)據(jù)，進行車輛定位在所述第一區(qū)域，對車輛的定位采取下述方法相鄰幀做幀差，二值化，按車道方向投影，檢測車輛左右邊緣，在左右邊緣基礎(chǔ)上橫向檢測車輛尾部黑塊信息，確定車輛尾部位置，按照尾部位置對輪廓進行檢測生成車輛位置；在所述第二區(qū)域、第三區(qū)域，對車輛定位采取下述方法實時背景更新，當前幀與背景做差，得到背景差，二值化，連通域方法檢測車輛，按車道適當切分得到獨立的車輛位置；車牌定位模塊，用于根據(jù)所述高清攝像機捕獲的圖形數(shù)據(jù)，進行車牌定位在所述第一區(qū)域，對車牌的定位采取下述方法利用提取到的顏色信息，紋理信息，及區(qū)域高寬比特征定位車牌；在所述第二區(qū)域，對車牌的定位采取下述方法在背景差有效前景的基礎(chǔ)上，標定顏色位置，定位車牌位置；在所述第三區(qū)域，不進行車牌定位。
11.如權(quán)利要求10所述的系統(tǒng)，其特征在于，所述置信度計算模塊根據(jù)高清攝像機捕獲的圖形數(shù)據(jù)，進行車輛定位及車牌定位，計算生成車輛定位置信度和車牌定位置信度，包括所述置信度計算模塊采用特征融合及基于最小錯誤率的多特征bayes方法，計算生成車輛定位置信度及車牌定位置信度。
12.如權(quán)利要求9所述的系統(tǒng)，其特征在于，所述的對應(yīng)關(guān)系建立模塊包括； 車輛定位置信度過濾單元，用于過濾車輛定位置信度小于預(yù)設(shè)車輛閾值的車輛定位； 車牌定位置信度過濾單元，用于過濾車牌定位置信度小于預(yù)設(shè)車牌閾值的車牌定位； 包含關(guān)系判斷模塊，用于判斷所述車輛定位與所述車牌定位之間的包含關(guān)系，如果所述車輛定位包含所述車牌定位，則對應(yīng)關(guān)系建立；擴展判斷單元，用于當所述包含關(guān)系判斷模塊判斷出所述車輛定位沒有對應(yīng)的車牌定位時，將所述車牌位置在高度和寬度上擴展，計算擴展后的位置與車輛定位位置的重疊比例，如果所述重疊比例大于50%，則對應(yīng)關(guān)系建立成功；置信度置零模塊，用于當所述車牌定位沒有對應(yīng)成功的車輛定位，將所述車牌定位置信度置零，或者當車輛定位沒有對應(yīng)成功的車牌定位，將所述車輛定位置信度置零。
13.如權(quán)利要求9所述的系統(tǒng)，其特征在于，所述權(quán)重計算模塊用于根據(jù)所述第一區(qū)域、第二區(qū)域以及第三區(qū)域與所述高清攝像機的水平距離以及預(yù)設(shè)的車輛初進入視野的車牌置信度，計算車牌位置的車牌定位權(quán)重及車輛定位權(quán)重，包括
14.如權(quán)利要求13所述的系統(tǒng)，其特征在于，所述車輛最終置信度生成模塊用于根據(jù)所述的車牌定位權(quán)重及車輛定位權(quán)重、車輛定位置信度及車牌定位置信度，計算生成車牌位置的車輛最終置信度，包括根據(jù)如下公式Z(c，x) = C(c, χ)^y1 (x)+P(c,x)*y2(x)；其中， Y1 (χ)表示車牌位置X時的車牌定位權(quán)重； Y2 (χ)表示車牌位置X時的車輛定位權(quán)重； C(C，χ)表示車輛C在車輛定位時的車輛定位置信度； P (C，χ)表示車輛C在車牌定位時的車牌定位置信度； Z(C，χ)表示車輛C在位置X時的車輛最終置信度。
15.如權(quán)利要求9所述的系統(tǒng)，其特征在于，所述交通事件檢測模塊用于根據(jù)建立的車輛跟蹤鏈判斷交通事件，生成并輸出交通事件及交通參數(shù)信息，包括若所述車輛跟蹤鏈中的位置中心由運動到靜止，且所述靜止時間超過設(shè)定時間閾值， 則判斷為停車事件；若所述車輛跟蹤鏈建立過程中，如果車輛運動矢量出現(xiàn)負值，且行駛距離超過設(shè)定距離閾值，則判斷為逆行事件；若所述建立的不同車輛的車輛跟蹤鏈在相同位置出現(xiàn)拐點，且持續(xù)時間超過設(shè)定時間閾值，則判斷為拋灑物事件；若所有車輛跟蹤鏈出現(xiàn)緩慢或靜止狀態(tài)，并且所述狀態(tài)持續(xù)時間超過設(shè)定時間閾值， 則判斷為擁堵事件。
16.如權(quán)利要求15所述的系統(tǒng)，其特征在于，所述生成的交通參數(shù)信息包括截面流量信息、時間段信息、瞬時速度信息及車型分類信息。
全文摘要
本發(fā)明公開了一種基于高清攝像機進行路面事件檢測的方法及系統(tǒng)，將檢測區(qū)域劃分為三個區(qū)域，且在三個區(qū)域采用不同的車輛定位及車牌定位方法，首次將包含置信度及權(quán)重的檢測方法應(yīng)用到事件檢測中，不但解決了高清車牌識別區(qū)域過小問題導(dǎo)致檢測不完全的問題，而且可以大大提高檢測的精度，降低了誤警率。
文檔編號G06K9/00GK102521979SQ20111040172
公開日2012年6月27日 申請日期2011年12月6日 優(yōu)先權(quán)日2011年12月6日
發(fā)明者唐云峰, 房顏明, 隋立林 申請人:北京萬集科技股份有限公司